В Кировской области во всех учреждениях здравоохранения внедрена КМИС – комплексная медицинская информационная система от участника Ассоциации НБМЗ. В ней ведется вся медицинская документация пациентов и проходит планирование работы учреждений.

– Искусственный интеллект может использоваться во многих сферах нашей жизни, в том числе и в медицине. Его внедрение имеет одну главную цель – спасать жизни людей. Искусственный интеллект отслеживает факторы риска по различным заболеваниям каждого пациента и сигнализирует врачу, что этого человека нужно срочно пригласить и обследовать. Уже сейчас программа помогает врачам выявлять болезни на ранних стадиях. В будущем мы планируем, что информация о состоянии здоровья и результатах обследований будут доступны и пациенту в его личном кабинете,- рассказал первый зампред правительства региона Дмитрий Курдюмов.
https://gorodkirov.ru/content/article/kirovskie-shkolniki-obsudili-iskusstvennyj-intellekt-s-pervym-zampredom/

Разработчиков алгоритмов машинного обучения приглашают принять участие в дополнении и развитии платформы самопроверки медицинских сервисов ИИ

Центр диагностики и телемедицины в сентябре анонсировал создание платформы для самопроверки медицинских сервисов. Первый работающий прототип платформы размещен на сервисе GitHub, и принять участие в ее улучшении, добавив критерии проверки в зависимости от предназначения сервисов, могут разработчики со всего мира.

👤Сергей Морозов, директор Центра диагностики и телемедицины, главный специалист по лучевой и инструментальной диагностике:
«Платформа предоставляет возможность неограниченного количества обращений к единичным образцам экземпляров данных из тестового набора, чтобы донастраивать алгоритмы. На ней действуют единые правила пользования, и возможно одновременное проведение тестирования сразу нескольких сервисов. При этом платформа фиксирует время, которое программное обеспечение тратит на обработку данных (хронометраж), а разработчики получают автоматический отчет о результатах проведенного тестирования»

👤Николай Павлов, разработчик платформы, руководитель проекта в секторе медицинской информатики, радиомики и радиогеномики Центра диагностики и телемедицины:
«Каждый желающий может принять участие в совершенствовании платформы и добавлять в нее необходимые метрики, по которым будет оцениваться работа алгоритма для тех или иных медицинских целей (например, для анализа рентгенограмм или маммограмм). Однако, дополнение платформы будет контролироваться: в платформу, работающую на базе Центра, попадут только те метрики, которые имеют научное обоснование»

Первоначально с помощью платформы можно будет работать только с КТ-снимками органов грудной полости для выявления признаков коронавирусной инфекции, однако в дальнейшем он охватит и другие клинические направления.

Приоритетный вектор развития – направления, входящие в эксперимент: обнаружение рака легкого и молочных желез, туберкулеза, прочих патологий легких, рассеянного склероза и других заболеваний. В будущем, после обеспечения необходимых требований к безопасности передаваемых данных, платформа может начать применяться в эксперименте, чтобы расширить его возможности и упростить участие и смену версионности для разработчиков ИИ-сервисов.

🔗Источник: https://www.comnews.ru/digital-economy/content/209339/2020-09-29/2020-w40/rossiyskie-razrabotchiki-sozdali-platformu-dlya-samoproverki-medicinskikh-servisov-ii

📌Ссылка на репозиторий на GitHub

#НБМЗ
#нбмз
#nbmz
#ассоциация_ИИ_в_медицине
#nbmzmedia
#ИИ_в_медицине #AI_in_medicine
Многие виды онкологических заболеваний начинаются с настолько незначительных изменений, что ни один человек не может их обнаружить, в том числе и с использованием современных медицинских технологий визуализации. Раннюю стадию, на которой вероятность успешного излечения является максимальной, нередко пропускают даже опытные специалисты. Но, там, где не хватает человеческих способностей, может помочь искусственный интеллект. Направление диагностики заболеваний с привлечением ИИ активно развивается во всем мире, и Россия здесь не исключение.

Основная причина успешного применения состоит в том, что технологии искусственного интеллекта, использующие принцип глубокого машинного обучения, позволяют выявить самые ранние изменения в клеточной структуре человеческих тканей, которые обычно являются предвестниками будущей онкологии. Для этого система обучается на примере сотен тысяч (а лучше миллионов) разнообразных медицинских снимков, полученных с помощью рентгеновских аппаратов, УЗИ, МРТ или КТ. Сложность в данном случае состоит в том, что эффективность автоматического определения патологий зависит от множества факторов — производительности аппаратной платформы, алгоритмов ИИ, средств аналитики и т.д. Поэтому к ИТ-платформам, помогающим в проведении исследований, предъявляются повышенные требования. Если решение выбрано правильно, то рентгенологи медицинского учреждения получают в свое распоряжение мощные инструменты для более быстрой и точной диагностики, а также формирования рекомендаций пациенту и контроля развития заболевания. Кроме того, как ожидается, технологии ИИ в онкологии помогут предотвратить выгорание и профессиональную деформацию радиологов, что сегодня, увы, не редкость, учитывая нагрузку на специалистов. https://www.cnews.ru/articles/2020-09-27_iskusstvennyj_intellekt_pomogaet

Группа ученых из Массачусетского технологического института и Массачусетской больницы разработала новый алгоритм искусственного интеллекта, который контролирует уровень бессознательного состояния пациента с помощью наркоза. Как сообщает TechXplore, глубокая нейронная сеть самостоятельно определяет дозу анестетика, используя обучение с подкреплением в моделируемой среде. Нейросеть оказалась значительно эффективнее стандартных подходов. Полная версия доклада, посвященного новой системе, была признана лучшей работой, представленной в рамках Международной конференции по искусственному интеллекту в медицине 2020 года. Ученые продолжат обучать нейросеть, а затем планируют протестировать ее на реальных пациентах.
https://hightech.plus/2020/09/30/v-mit-sozdali-idealnogo-anesteziologa-na-baze-iskusstvennogo-intellekta

В онлайн-мероприятии «Здравоохранение в регионах» в эти минуты обсуждаются цифровые технологии на службе медицине. В фокусе обсуждения искусственный интеллект в здравоохранении: практические кейсы внедрения решений, нормативные и технологические барьеры.
Врачи и искусственный интеллект: кому выгоднее коллаборация?
Трансляция по ссылке https://events.vedomosti.ru/events/spb_сifrovaya_transformaciya_3/pages/spb_online

На онлайн-мероприятии «Здравоохранение в регионах», организованном «Ведомостями», ведущие разработчики поделились своим опытом внедрения искусственного интеллекта в практику российского здравоохранения. Так, Никита Николаев, операционный директор «Цельса», рассказал о возможностях и результатах применения сервиса для анализа маммограм, флюорограмм, КТ-исследований легких.
По мнению Никиты, врачи, работающие в плотной коллаборации с ИИ, смогут повысить качество диагностики, по сравнению с теми, кто пока не ознакомился с возможностями сервисов.

Искусственный интеллект в здравоохранении: текущая ситуация, проблемы, перспективы, нормативное поле, практика внедрения в здравоохранении, перспективы для системы медицинской помощи.
Панельная сессия и дискуссия с участием разработчиков , имеющих опыт практического внедрения в России организована Ассоциацией пользователей и разработчиков искусственного интеллекта «Национальная база медицинских знаний» и компанией «К-Скай» - разработчиком системы предиктивной аналитики в сфере здравоохранения Webiomed.

Мероприятие пройдет онлайн 16 октября 2020 с 10:20 Мск. на площадке Международного конгресса "Информационные технологии в медицине" #ИТМ2020 https://itmcongress.ru/ и ориентировано на участие прогрессивных ИТ директоров медицинских организаций и представителей органов управления здравоохранением.

#nbmzmedia
#ИИ_в_медицине #AI_in_medicine
#искусственныйинтеллект
#ит_в_медицине
#ит_в_здравоохранении
Дагестан стал еще одним регионом, где успешно протестирован ИИ "Цельс" от участника Ассоциации "НБМЗ". В рамках эксперимента искусственный интеллект обработал 1837 маммографических снимков. Сервис осуществлял «второе чтение» — то есть дополнительно анализировал снимки, с которыми работал врач-рентгенолог. По итогам пилотных испытаний был сделан вывод о том, что применение искусственного интеллекта положительно влияет на качество постановки диагноза. Сервис не только повышает выявляемость, но и минимизирует вероятность ошибок, вызванных человеческим фактором.
http://minzdravrd.ru/news/item/2707

#Webiomed #СППВР #ИИ В мае-июле 2020 г. командой Webiomed в рамках совместного пилотного проекта ассоциации «Национальная база медицинских знаний» с Мурманской областью проводилось исследование «Оценка медицинских данных на предмет определения факторов риска и стратификации сердечно-сосудистого риска в Мурманской Областной Клинической больнице им. П. А. Баяндина».

Была произведена автоматизированная оценка рисков сердечно-сосудистых заболеваний в выборке из 1805 человек.
«Webiomed» удалось успешно оценить риск сердечно-сосудистых заболеваний в 78,8% записей из набора данных.
Оценка риска сердечно сосудистых заболеваний СППВР «Webiomed» носит комплексный подход, заключающийся в анализе риска моделями машинного обучения и наиболее распространёнными шкалами-рискометрами.
https://webiomed.ai/novosti/proekt-webiomed-proshel-pilotnuiu-ekspluatatsiiu-v-murmanskoi-oblasti/?utm_source=telegram&utm_medium=social&utm_campaign=webiomed

⚕️ AI-система избавит от ошибок в выписанных рецептах

Система поддержки принятия клинических решений на основе алгоритма машинного обучения может быть эффективным способом для проверки точности медицинских рецептов. Об этом свидетельствуют данные исследования, опубликованные недавно в Journal of the American Medical Informatics Association.

По данным французской исследовательской группы, такая система, подготовленная на основе данных, полученных от 10 716 пациентов, оказалась более точной, чем существующие методики, при обнаружении потенциальных ошибок в рецептах.

👉🏻 Подробности на нашем сайте:
https://evercare.ru/news/ai-sistema-izbavit-ot-oshibok-v-vypisannykh-receptakh

​#mhealth

Apple Watch отправляют здоровых людей лечиться чаще, чем вы думаете

В последнее время грань между медицинскими и лайфстайл-устройствами стирается. Более того, нам кажется, что смарт-часы в функцией ЭКГ могут полноценно диагностировать заболевания сердца. Впрочем, врачи скептически относятся к показаниям подобных устройств. И, оказывается, не зря.

Исследование, проведённое в Mayo Clinic, показало: только 10% пациентов, обратившихся за помощью после уведомления об аритмии от Apple Watch, имели проблемы с сердцем.

Группа врачей проанализировала карты пациентов в Mayo Clinic в период с декабря 2018 года по апрель 2019 года и выявила 264 пользователей Apple Watch, обратившихся за помощью к кардиологу после тревожного уведомления. Из них только 30 человек имели проблемы с сердцем: остальные были здоровы.

Как утверждают авторы исследования, большая часть показателей работы сердца, которая была зафиксирована Apple Watch, оказалась ложной. При этом пользователи смарт-часов могут испытывать сильный стресс из-за тревожных уведомлений. Так что пока лучше прислушиваться к сигналам своего организма: функция снятия ЭКГ в смарт-часах далека от совершенства.

@medicalksu

​​Почему нейросеть так легко обмануть
#knowhow

С каждым годом искусственный интеллект все больше входит в нашу жизнь: ему уже доверили не только мелочи вроде подбора контекстной рекламы, но и более серьезные задачи — управление беспилотными автомобилями и даже диагностику пациентов. Случаи, когда ошибка ИИ привела бы к серьезным последствиям для человека — редкость, но риск такой ошибки велик.

Исследования показали, что минимальные изменения в любых типах входных данных способны запутать ИИ. Достаточно с расчетом наклеить стикеры на дорожный знак, нанести определенный узор на шляпу или очки или добавить белый шум в аудиозапись, чтобы система распознавания совершила ошибку там, где человек без раздумий ответил бы верно.

Как учится нейронная сеть

В основе любой современной технологии, нуждающейся в распознавании образов, лежит глубокая нейронная сеть. Это искусственная сеть, состоящая из множества цифровых нейронов, упорядоченных в слои так, чтобы приблизительно повторять архитектуру человеческого мозга.

Нейросеть обучается на больших дата-сетах — например, множестве изображений котов и собак. Самостоятельно или с учителем нейросеть выявляет из картинок паттерны, которые помогают ей определить, кто на фотографии. Затем использует эти паттерны, чтобы делать прогнозы относительно новых примеров.

Как обмануть нейронную сеть

В 2013 году исследователи Google показали, что достаточно изменить в картинке всего несколько пикселей, и правильно определенное в первый раз изображение после небольшой оптимизации покажется классификатору незнакомым. Поддельные изображения назвали адверсальными примерами.

Годом позже ученые обратили внимание на то, что нейронная сеть видит предметы даже там, где их нет. Можно создать изображения, которые будут неузнаваемы для людей, но с 99,9% вероятностью знакомыми для ИИ. Например, королевский пингвин в узоре из волнистых линий.

В 2018 году стало известно, что объект достаточно повернуть, чтобы ввести в заблуждение самые сильные классификаторы изображений. Скорее всего, это происходит, потому что предметы под другим ракурсом сильно отличаются от примеров, на которых сеть обучалась.

В 2019 обнаружили, что даже неподдельные, сырые изображения могут заставить самые сильные нейронные сети делать непредсказуемые оплошности. Например, ИИ может определить гриб как крендель или стрекозу как крышку люка, потому что нейросеть фокусируется на цвете изображения, текстуре или заднем плане.

Как сделать нейросеть сильнее

Ученые предлагают дать ИИ больше информации об объекте, скармливая ему адверсальные примеры и исправляя его ошибки. Для нейросетей устраивают «адверсальные тренировки», в которых одна сеть учится определять объекты, а другая изменяет их, чтобы запутать ее. Но обучая нейросеть противостоять одному виду атак, можно ослабить ее к другим.

Поскольку большинство адверсальных атак работает, внося крошечные изменения в составные части входных данных — например, незаметно изменяя цвет пикселей в изображении до тех пор, пока это не приведет к ошибочной классификации, — исследователи также предложили включить формулу ошибки в нейросеть. Так она сможет просчитывать изменения самостоятельно и не менять свое решение.

Также есть предложение объединить глубокую нейронную сеть с символическим искусственным интеллектом, который был основным до появления машинного обучения. С помощью символического ИИ машины рассуждали, используя жестко запрограммированные представления о мире: что он состоит из дискретных объектов, которые находятся друг с другом в различных отношениях.

Но ИИ хорош ровно настолько насколько хороши примеры, на которых его обучали. Чтобы приблизить его к идеалу, нужно позволить ему учиться в более богатой среде, которую он сможет самостоятельно исследовать. Также может помочь обучение в трехмерной среде — реальной или смоделированной.

https://sysblok.ru/neuroscience/pochemu-nejroset-tak-legko-obmanut/

Алена Завьялова

#ассоциация_ИИ_в_медицине
#nbmzmedia
#ИИ_в_медицине #AI_in_medicine
#искусственныйинтеллект
MIBS+HealthCareBusinessNews: ИИ «Цельс» от участника Ассоциации НБМЗ применяется уже в 13 российских регионах

Цельс представляет собой систему помощи в принятии врачебных решений (СППВР), предназначенную для анализа цифровых медицинских снимков и выявления на них малейших признаков патологии, в том числе онкологии на ранних стадиях. На данный момент в сервисе реализованы четыре направления исследований: маммография, флюорография, компьютерная томография лёгких и гистология.

Для обучения нейросети в общей сложности было использовано более 450 000 исследований, включая публичные датасеты, неразмеченные снимки, исследования с верифицированной бинарной разметкой (болен/не болен), снимки с разметкой на объекты. Каждый снимок независимо размечался несколькими опытными врачами, в случае расхождений снимки отдавались на дополнительное исследование.
https://mibsnews.ru/iskusstvennyj-intellekt-pomogaet-radiologam-v-rossijskih-regionah/

#НБМЗ
#нбмз
На секции «ИИ в здравоохранении» III Телемедфорума прозвучал опыт мурманской областной клинической больницы им. П.А. Баяндина. В презентации заместителя главного врача Леонида Анопченко проанализированы некоторые итоги внедрения инновационных программных продуктов за период более трех лет: с 2017 года по н.в.
Как отметил модератор секции Андрей Алмазов, Мурманск стал одним из первых регионов России, где при консультативной поддержке Ассоциации «НБМЗ» начали апробацию программных продуктов с искусственным интеллектом, представленных НБМЗ.
http://nbmz.ru/2020/10/05/opyt-ispolzovanija-ii-v-murmanske-ne-bojatsja-oshibitsja-i-ne-sdavatsja-v-poiske/

#nbmzmedia
#ИИ_в_медицине #AI_in_medicine
#искусственныйинтеллект
1 октября 2020 деловое издание «Ведомости» и организация «Цифровая экономика» провели онлайн-конференцию «Здравоохранение в регионах». Подводя итоги мероприятия, Александр Зорин отметил:
«Минздрав России, Росздравнадзор, региональные органы государственной власти, медицинские организации сегодня проводят большую работу по цифровизации системы здравоохранения. Федеральный проект по созданию единого контура здравоохранения является одним из самых детально проработанных и понятных проектов. Хочется напомнить, что в условиях коронавируса Минздрав совместно с бизнесом и регионами создал много полезных цифровых сервисов, которые позволили в режиме реального времени осуществлять мониторинг контроля COVID-19.
Пандемия дала понять, что с точки зрения цифровизации здравоохранения бежать надо очень быстро, потому что в следующий раз мы можем оказаться не готовыми к кризисной ситуации.
Системная работа по созданию умных клиник — тоже очень нужное и важное направление в рамках цифрового стандарта.
Также важно поддерживать платежеспособный спрос на новые цифровые решения, которые разрабатываются компаниями-резидентами Фонда “Сколково”.
Сегодня необходимо вкладываться в подготовку кадров для регионов и муниципальных организаций здравоохранения, потому что важно не только создавать цифровые решения, но и чтобы появлялись люди, которые умеют с ними работать.
Врач должен лечить, а все обслуживающие функции должны выполнять цифровые технологии: на них лежит задача максимально снять непрофильную нагрузку с врачей и дать им возможность заниматься лечением пациентов».
http://nbmz.ru/2020/10/06/vedomosti-s-tochki-zrenija-cifrovizacii-zdravoohranenija-bezhat-nado-eshhe-bystree-chem-vo-vremja-pandemii/

Теперь пользователи на портале Госуслуг и в мобильном приложении автоматически получают оповещения об открытии, продлении, закрытии и других изменениях, связанных с электронными листками нетрудоспособности.
https://digital.gov.ru/ru/events/40114/

#НБМЗ
#нбмз
#nbmz
#ассоциация_ИИ_в_медицине
Важные тезисы из интервью руководителя Ассоциации «НБМЗ» Бориса Зингермана изданию «Полит.ру»:
• Интересное наблюдение сделала Джулия Ху, директор стартапа Lark. Она сказала, что все сегодняшние системы здравоохранения разработаны под более ранние эпохи, когда основной проблемой являлись острые респираторные заболевания. Однако, к 2020 году почти половина населения США будет болеть хроническими заболеваниями, а четверть — жить с несколькими хроническими заболеваниями. Нам нужна система, которая сможет в ежедневном режиме оказывать помощь половине населения страны. Конечно, никакие врачи не смогут это обеспечить. Нужен искусственный интеллект для решения повседневных рутинных задач, а квалифицированному доктору они должны передаваться только при усложнении. Эти слова были сказаны, когда о COVID-19 мы еще не знали. Пандемия только обострила проблему. Ведь, как это не странно, на фоне вируса больше всего страдают хронические пациенты, которые не могут обойтись без постоянной медицинской помощи.
• В информационном обществе исчезает сакральность медицины. Все предыдущие столетия эта сакральность вытекала из того, что медицинские сведения не были общедоступны. Информационное поле врача и пациента становится одинаковым! Мы все получаем одну и ту же информацию. С одной стороны, у врача есть высокий уровень профессиональной подготовки, который позволяет оценить качество этой информации, отделить «фейки» от фактов. С другой, у пациента появляется больше времени для анализа информации. То, что для врача всего лишь работа, для пациента — его жизнь. Пациенты порой знают о своих заболеваниях больше, чем врачи. «Доктор, вы прослушали о моей болезни одну лекцию на 4-м курсе, а я с ней 8 лет живу!» (фраза из нашумевшей американской статьи)
• Сегодня наступила эра систем поддержки принятия пациентских решений. Нам кажется, что на фоне огромного массива информации, в который погружается пациент, выйдя из кабинета врача, обращаясь к «доктору Гуглу», мы должны помочь ему построить правильную дорожку в информационном море. Что первым делом видит пациент? Первые поисковые результаты, основанные на неких рекламных политиках Гугла или Яндекса. И в этом состоит главный риск. Первые строчки или даже целые страницы поисковых запросов содержат коммерчески ангажированную информацию. Системы СППВР в будущем смогут помочь пациенту сделать правильный, подтвержденный фактами выбор. Ключевая проблема системы здравоохранения в том, что врачам некогда говорить с пациентами. Эти разговоры и должен заменить ИИ, который умеет правильно выстроить дорожку среди информационных массивов и выводить пациента на правильный и качественный материал. Это наша первостепенная задача.
https://polit.ru/article/2020/10/06/zingerman/

Когда мы говорим о прорывах в цифровой медицине, обычно имеем в виду точечные решения — новый метод лечения, гаджет или лекарство. Но это реформы, а отрасли нужна революция. Пока у большинства людей нет доступа к лучшим медицинским практикам, пока медицина ориентирована только на лечение больных, отрасль будет находиться в кризисе. В ней назрели большие перемены. Ситуацию могут улучшить технологии вместе со сменой организационной парадигмы и фокусом на wellness («хорошее самочувствие» или «благополучие»).

Топовое направление — искусственный интеллект, который обладает огромным диапазоном возможностей в digital health. Это и распознавание образов с целью установки диагноза, и работа с разрозненными массивами данных, и поддержка врачебного решения. Например, есть технология, которая при первичном анализе снимка больного с инсультом помогает подобрать способы лечения и снизить вероятность врачебной ошибки на 25%.

Носимые устройства, которые позволяют собирать огромные массивы данных о состоянии здоровья людей, также сыграют важную роль в цифровизации медицины. Прогнозируется, что к 2025 году объем медицинских данных составит 1 зетабайт (1 трлн гигабайт) и, базируясь на Big Data, позволит выбирать максимально эффективные методы диагностики и лечения конкретного пациента, составлять медицинские прогнозы и находить способы организации помощи в целом.

Если провести аналогию между больницей и СТО, то можно сказать, что мы уже неплохо научились проводить аварийный ремонт, а вот техосмотру внимания не уделяем. Отсюда следующий тренд — wellness.
https://www.forbes.ru/tehnologii/410151-vygodno-chtoby-chelovek-bolel-chto-meshaet-zdravoohraneniyu-razvivatsya-i-kak-eto

Центральную клиническую больницу «РЖД-Медицина» привлекла технология искусственного интеллекта, которую разработала компания UNIM (гендиректор - Алексей Ремез). Компания сконструировала нейросеть, которая, используя компьютерное зрение, оценивает скорость роста опухоли и экспрессию антител, это экономит время врача и кратно уменьшает шанс ошибки в прогнозах на рост новообразования, объясняет он. Лаборатория UNIM стала первой в России и третьей в мире, применившей такую технологию. Все данные, которые попадают в базу UNIM, – направления врачей, срезы тканей, макроснимки препаратов, сканы гистологических срезов и заключения – получают QR-код, оцифровываются и хранятся в медицинском профиле пациента в лабораторной системе. Это является одним из функциональных элементов софта, внедренного в больницу «РЖД-Медицина».
В цифровизацию медицинской области сейчас входит любая компьютерная обработка изображений, говорит руководитель Ассоциации НБМЗ Борис Зингерман. Такие технологии применяются в томографии, а в ближайшем будущем помогут в развитии гистологии, генетики, телемедицины и всех дистанционных обследований.
https://www.vedomosti.ru/technology/articles/2020/10/06/842341-rzhd-innovatsionnuyu?fbclid=IwAR0Fou0DKrUIgI8cpkAlmtRnHBJdZ6IwM2_sQKWCTQHd70ThPO5fe9sb4qA

#НБМЗ
#нбмз
#nbmz
#ассоциация_ИИ_в_медицине
8 октября в Москве открылся второй съезд медицинских статистиков. Ожидается, что в рамках съезда будут сформированы конкретные предложения по изменению подходов к сбору и обработке статистических данных, отказу от давно устаревших моделей статистического учета информации, не характеризующей глобальные тренды в изменении здоровья и благополучия граждан.
В рамках мероприятия пройдет секция «Открытые данные здравоохранения: большие вызовы и риски» (8 октября, 13.30 – 14.40).
Руководитель Ассоциации НБМЗ Борис Зингерман выступит на нем с докладом "Ключевые проблемы и перспективы управления национальными медицинскими данными". Национальная база медицинских знаний Трансляция на сайте https://medstat.niioz.ru/

Эксперты Центра диагностики и телемедицины создадут общероссийскую базу данных снимков лучевой диагностики

Сбор данных осуществляется в рамках программы по развитию технологий искусственного интеллекта в медицине, частью которой является московский эксперимент по компьютерному зрению в лучевой диагностике. В рамках проекта будут сформированы эталонные датасеты, с помощью которых специалисты здравоохранения смогут оценивать корректность и точность работы сервисов искусственного интеллекта по выявлению патологий в исследуемых областях.

👤Сергей Морозов, директор Центра диагностики и телемедицины:
«Во всем мире создаются тысячи медицинских сервисов искусственного интеллекта. Перед запуском необходимо протестировать их работу, то есть проверить, насколько они адаптированы для практического здравоохранения. Им нужна "песочница" — это цифровое пространство или база данных, на которых будут испытаны новые технологии. Как показывает практика, новые сервисы искусственного интеллекта анализируют изображения правильно на 70–80 %. С помощью датасета можно понять, преодолевает ли требуемый порог качества сервис, чтобы быть полезным и востребованным врачами, готов ли к практическому внедрению в медицинских организациях»

Принять участие могут российские врачи-рентгенологи. В опросный лист на сайте проекта — внести информацию о статусе ПЦР-тестапациента (положительный или отрицательный), описать клиническую картину при проведении диагностики, заполнить информацию для обратной связи и загрузить обезличенное медицинское изображение.

🔗Сайт проекта

***
👉🏻 Изучить другие кейсы применения ИИ в медицине

@ict_moscow_ai