Новосибирский государственный университет запатентовал новый способ автоматического анализа электронных медицинских карт. Разработка позволяет выделять из обширных массивов данных наиболее значимые прогностические признаки заболеваний, помогая врачам точнее ставить диагнозы. Infopro54 ознакомился с патентной документацией.
В основе изобретения лежит идея научить алгоритм отбирать из множества симптомов и лабораторных показателей именно те, которые с высокой устойчивостью указывают на конкретное заболевание. Для этого используется особая нейросетевая модель — автокодировщик. Ее ключевая особенность в том, что она не просто обрабатывает информацию, но и в процессе обучения сама решает, какие признаки действительно важны. Чтобы результат не был случайным, процедуру обучения повторяют от 50 до 200 раз с разными начальными настройками, а затем подсчитывают, какие признаки стабильно появляются в выборке модели не менее чем в половине всех прогонов. Именно они и признаются прогностически значимыми.
— В качестве проверки реализации заявляемого способа был проведён анализ 500 эпикризов пациентов с установленным диагнозом ишемической болезни сердца. На основании извлечённых данных была сформирована матрица бинарных векторов, отражающих наличие или отсутствие симптомов и отклонений лабораторных показателей. Примеры используемых симптомов и лабораторных показателей: боль за грудиной, повышенное давление, высокий холестерин, пониженный гемоглобин, одышка при нагрузке. Для выделения устойчивых прогностических признаков многократный конкретный автокодировщик (CAE) запускался 20, 30, 40, 50, 100, 150, 200 и 250 раз. В каждом прогоне осуществлялся выбор 40 признаков. Признаки, которые встречались в результатах не менее чем в 50% прогонах, были признаны устойчивыми и отнесены к прогностически значимым, — объясняют авторы разработки.
Практическая ценность разработки в том, что она решает одну из главных проблем цифровой медицины: огромные массивы накопленных в электронных картах данных очень трудно обрабатывать и интерпретировать вручную. Существующие алгоритмы искусственного интеллекта либо работают как «черный ящик», выдавая результат без объяснения причин, либо используют заранее заданный перечень признаков, что исключает возможность находить новые, ранее неочевидные связи. Новосибирские разработчики утверждают, что их способ лишен этих недостатков: он дает врачу понятный и воспроизводимый набор клинических показателей, на которые стоит обратить внимание.
Ранее редакция рассказывала, как практикующие врачи на самом деле относятся к ИИ-помощникам.
