В настоящей статье рассмотрены возможности использования искусственных нейронных сетей для решения задач повышения достоверности результатов в клинической лабораторной диагностике. На большом количестве клеточного материала, оцифрованного с помощью системы автоматизации микроскопии, использующей искусственный интеллект, Vision Cyto Pap, была показана высокая диагностическая чувствительность (96 %) и высокая диагностическая точность (89,5 %) результатов анализа.
Большое разрешение и высокая резкость цифровых препаратов, режим просмотра объектов (клеток) в галерее, быстрый доступ к результатам преклассификации и их информативность – все перечисленные факторы в совокупности позволяют более чем в 2,5 раза снизить время оборота теста и уменьшить долю субъективности метода микроскопии.
Применение искусственных нейронных сетей не заменяет специалиста: основную роль в установлении диагноза сохраняется за врачом.
Такая концепция указывает на бережное отношение к здоровью специалиста, работающего с микроскопом, на уважительное отношение к его профессионализму, а также подчеркивает персонифицированный подход к пациенту, который нуждается в получении качественного результата анализа в короткие сроки.
В. А. Сапожков – Инженер группы аналитических систем сервисного центра, ООО ?Медика Продакт?; Начальник Департамента Научно-исследовательской лаборатории клинических разработок Международной Школы Цитологии и Медицинской Школы Инноваций, Москва, Россия E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
О. Н. Будадин – доктор технических наук, профессор, лауреат Государственной премии РФ и премии Правительства РФ, главный научный сотрудник АО ?ЦНИИ специального машиностроения?, Хотьково, Московской обл., Россия. E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
А. С. Чурилова – Руководитель группы разработки искусственного интеллекта отдела разработки ПО, ООО ?Медика Продакт?, Пермь, Россия. E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Б. Ф. Фалков – Директор разработки ПО, ООО ?Медика Продакт?, Пермь, Россия. E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
Ж. Ю. Сапожкова – к.м.н, руководитель Международной Школы Цитологии и Медицинской Школы Инноваций, Москва, Россия; заведующий Подольским диагностическим центром, г. Подольск, Московская область, Россия. E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.
1. Абрамова Е. В., Будадин О. Н., Лебедев О. В. Применение нейронных сетей в тепловом неразрушающем контроле // Вопросы оборонной техники. Серия 15. Композиционные неметаллические материалы в машиностроении. 2010. № 1. С. 60 – 67.
2. Созыкин A. B. Обзор методов обучения глубоких нейронных сетей // Вестник ЮУрГУ. Серия Вычислительная математика и информатика. 2017. Т. 6. № 3. С. 28 – 59.
3. Абрамова Е. В. Оптимизация диагностических систем теплового контроля. Дис. доктора технических наук. Москва; 2011. Доступно по: https://new-disser.ru/_avtoreferats/01005084775.pdf (дата обращения 15.06.2021).
4. Семенов Ю. А. Электронная пресса и нейронные сети. Москва: ИТЭФ; 1994.
5. Анапольский Л. Ю. и др. Решение линейного алгебраического уравнения с помощью нейронной сети Хопфилда // Известия высших учебных заведений. Приборостроение. 1994. Т. 37(3-4), С. 51 – 56.
6. Баршдорф Д. Нейронные сети и нечеткая логика. Новые концепции для технической диагностики неисправностей // Приборы и системы управления. 1996. Т. 2, С. 48 – 53.
7. Юдашкин А. А. Бифуркации стационарных решений в синергетической нейронной сети и управление распознаванием образов // Автоматика и телемеханика. 1996. Т. 11, С. 139 – 147.
8. Aversa F. et al. Identification of Cosmic Ray Electrons and Positrons by Neural Networks // Astroparticle Phys. 1996. Vol. 5(2), P. 111-117.
9. Odorico R. Neural 2.00 - A Program for Neural Net and Statistical Pattern Recognition // Comput. Phys. Commun. 1996. Vol. 96(2-3), P. 314-330.
10. Никонов В.В. Использование нейросетевых технологий для определения количественного состава вредных веществ в воздушном бассейне атмосферы по данным ик-спектрометрии // Экологические системы и приборы. 2010. № 5, С. 16 – 19.
11. PCR News – главный портал о молекулярной диагностике. [Internet]. EASYPREP: жидкостная цитология против рака шейки матки. Доступно по: https://pcr.news/stati/easyprep-zhidkostnaya-tsitologiya-protiv-raka-sheyki-matki/ (дата обращения 15.06.2021).
12. Черушов И. В. Повышение эффективности информационно-измерительной системы комплексной безопасности зданий и сооружений: Дис. кандидата технических наук. Москва; 2012. Доступно по: https://dlib.rsl.ru/viewer/01005045581#?page=1. (дата обращения 15.06.2021).
