dtЦифровая трансформацияDigital Transformation2522-96132524-2822Educational Establishment “Belarusian State University of Informatics and Radioelectronics”10.35596/1729-7648-2024-30-1-71-80dt-822Research ArticleТЕХНИЧЕСКИЕ НАУКИTECHNICAL SCIENCESРазработка медицинской информационной системы с хранилищем данных и интеллектуальным анализом изображенийDevelopment of a Medical Information System with Data Storage and Intelligent Image AnalysisЯкимовД. А.YakimovD. A.

канд. мед. наук, врач-оториноларинголог высшей квалификации

 

 

Cand. of Sci., Otorhinolaryngologist of the Highest Qualification

ВыговскаяН. В.VygovskayaN. V.

Выговская Наталья Владимировна

ст. преп. каф. автоматизированных систем управления

212030, г. Могилев, площ. Славы, 4–4

Тел.: +375 29 541-41-95

Vygovskaya Natallia Vladimirovna

Senior Lecturer at the Automated Control Systems Department

212030,  Mogilev, Slavy Sq., 4–4

Tel.: +375 29 541-41-95

vygovskaya-natalya@mail.ruДроздовИ. В.DrozdovI. V.

инж.-програм.

Software Engineer

Могилевская областная клиническая больницаMogilev Regional Clinical HospitalБелорусско-Российский университетBelarusian-Russian UniversityООО «Финвин Технолоджис»LLC «Finwin Technologies»2024230320243017180Copyright © Якимов Д.А., Выговская Н.В., Дроздов И.В., 20242024Якимов Д.А., Выговская Н.В., Дроздов И.В.Yakimov D.A., Vygovskaya N.V., Drozdov I.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://dt.bsuir.by/jour/article/view/822

Обоснована актуальность создания медицинских информационных систем для отоларингологии с искусственным интеллектом, описан процесс разработки эффективного хранилища медицинских данных с учетом их разнородности. Задача хранения медицинских данных осложняется юридической значимостью, большим объемом, неоднородной и сложной структурой информации. Разработан тестовый вариант автоматизированного рабочего места медицинских информационных систем для хранения и обработки результатов медицинских исследований. В процессе создания новой медицинской информационной системы решены задачи первого этапа: разработаны структура и организация хранилища медицинских данных; реализованы процедуры загрузки, хранения и просмотра результатов медицинских исследований в формате DICOM, идентификации каждого пациента для предоставления всех связанных с ним результатов исследований; разработаны и реализованы критерии разбиения изображений по категориям (ТРГ, РКТ). Новая система обеспечивает поддержку различных видов поиска и доступ к серверу с любого компьютера в корпоративной сети оториноларингологического отделения. Подготовлены условия для реализации второго этапа – интеграция автоматизированного рабочего места медицинских информационных систем в существующий технологический процесс в медицинском учреждении и обнаружение патологии с помощью искусственной нейронной сети.

The relevance of the development of medical information systems for otolaryngology with artificial intelligence is substantiated, the process of developing an effective storage of medical data, taking into account their heterogeneity, is described. The task of storing medical data is complicated by the legal significance, large volume, heterogeneous and complex structure of information. A test version of an automated workstation for medical information systems for storing and processing medical research results has been developed. In the process of creating a new medical information system, the tasks of the first stage were solved: the structure and organization of the medical data warehouse were developed; procedures have been implemented for downloading, storing and viewing the results of medical research in DICOM format, identifying each patient to provide all related research results; criteria for dividing images into categories (TRG, RCT) were developed and implemented. The new system provides support for various types of search and access to the server from any computer in the corporate network of the otolaryngology department. Conditions have been prepared for the implementation of the second stage – integration of an automated workstation of medical information systems into the existing technological process in a medical institution and detection of pathology using an artificial neural network.

хранилище медицинских данныхрезультаты медицинских исследованийDICOM-файлыPACS-системанейронная сетьискусственный интеллектmedical data storagemedical research resultsDICOM filesPACS systemneural networkartificial intelligenceReferencesНациональная медицинская ассоциация оториноларингологов. Режим доступа: https://нмао.рф/?ysclid=lo8ce45iyx209581379. Дата доступа: 11.10.2023.National Medical Association of Otorhinolaryngologists. Available: https://нмао.рф/?ysclid=lo8ce45iyx209581379 (Accessed 11 October 2023) (in Russian).Тульских, О. Искусственный интеллект поможет в диагностике лор-заболеваний [Электронный ресурс] / О. Тульских // Проект «Берза». Режим доступа: https://berza.ru/digital-diaphanoscopy-ml. Дата доступа: 17.10.2023.Tulskikh O. (2023) Artificial Intelligence Will Help in the Diagnosis of ENT Diseases. The Berza Project. Available: https://berza.ru/digital-diaphanoscopy-ml (Accessed 17 October 2023) (in Russian).Концепция развития электронного здравоохранения Республики Беларусь на период до 2022 года. Режим доступа: https://minzdrav.gov.by/upload/dadvfiles/CONCEPT_E-Health.pdf. Дата доступа: 11.10.2023.The Concept of E-Health Development of the Republic of Belarus for the Period Up to 2022. Available: https://minzdrav.gov.by/upload/dadvfiles/CONCEPT_E-Health.pdf (Accessed 11 October 2023) (in Russian).DICOM архив. Режим доступа: https://rentgenogram.com/dicom_big_data. Дата доступа: 12.09.2023.DICOM Archive. Available: https://rentgenogram.com/dicom_big_data (Accessed 12 September 2023) (in Russian).PACS/РИС решения. Режим доступа: https://multivox.ru. Дата доступа: 12.09.2023.PACS/PIC Solutions. Available: https://multivox.ru (Accessed 12 September 2023) (in Russian).Диагностика легких по снимкам КТ на базе ИИ. Режим доступа: https://sbermed.ai/diagnostic-center/our-algorithms/ct-lungs/?ysclid=lo8ert2dmc752066814. Дата доступа: 16.10.2023.Lung Diagnostics Based on CT Scans Based on AI. Available: https://sbermed.ai/diagnostic-center/our-al-gorithms/ct-lungs/?ysclid=lo8ert2dmc752066814 (Accessed 16 October 2023) (in Russian).Полностью автоматическая система анализа КТ-изображений на основе искусственного интеллекта для точного выявления, диагностики и количественной оценки тяжести туберкулеза легких / Янь Ченгун [и др.] // European Radiology. 2022. No 32. Р. 2188–2199. Режим доступа: https://doi.org/10.1007/s00330-021-08365-z. Дата доступа: 16.10.2023.Chenggong Yan, Lingfeng Wang, Jie Lin, Jun Xu, Tianjing Zhang, Jin Qi, et al. (2022) A Fully Automatic Artificial Intelligence-Based CT Image Analysis System for Accurate Detection, Diagnosis, and Quantitative Severity Evaluation of Pulmonary Tuberculosis. European Radiology. (32), 2188–2199. Available: https://doi.org/10.1007/s00330-021-08365-z (Accessed 16 October 2023).Искусственный интеллект для выявления пневмонии COVID-19 при компьютерной томографии грудной клетки с использованием многонациональных наборов данных / С. А. Хармон [и др.] // Nature Communications. 2020. No 11. Режим доступа: https://doi.org/10.1038/s41467-020-17971-2. Дата доступа: 16.10.2023.Harmon S. A., Sanford T. H., Sheng Xu, Turkbey E. B., Roth H., Ziyue Xu, et al. (2020) Artificial Intelligence for the Detection of COVID-19 Pneumonia on Chest CT Using Multinational Datasets. Nature Communications. (11). Available: https://doi.org/10.1038/s41467-020-17971-2 (Accessed 16 October 2023).Искусственный интеллект и визуализация острого инсульта / Э. Соун Дж. [и др.] // American Journal of Neuroradiology. 2021. Vol. 42, No 1. Р. 2–11. Режим доступа: https://doi.org/10.3174/ajnr.A6883. Дата доступа: 17.10.2023.Soun J. E., Chow D. S., Nagamine M., Takhtawala R. S., Filippi C. G., Yu W., et al. (2021) Artificial Intelligence and Acute Stroke Imaging. American Journal of Neuroradiology. 42 (1), 2–11. Available: https://doi.org/10.3174/ajnr.A6883 (Accessed 17 October 2023).Глубокое обучение: многообещающий метод прогнозирования гистологического класса опухолей молочной железы в маммографии / Р. Е. Ника [и др.] // Journal of Digital Imaging. 2021. No 34. Р. 1190–1198. Режим доступа: https://doi.org/10.1007/s10278-021-00508-4. Дата доступа: 17.10.2023.Nica R.-E., Șerbănescu M.-S., Florescu L.-M., Camen G.-C., Streba C. T., Gheonea I.-A. (2021) Deep Learning: A Promising Method for Histological Class Prediction of Breast Tumors in Mammography. Journal of Digital Imaging. 34 (5), 1190–1198. Available: https://doi.org/10.1007/s10278-021-00508-4 (Accessed 17 October 2023).Классификация рака кожи на уровне дерматолога с помощью глубоких нейронных сетей / А. Эстева [и др.] // Nature. 2017. No 542. Р. 115–118. Режим доступа: https://doi.org/10.1038/nature21056. Дата доступа: 17.10.2023.Esteva A., Kuprel B., Novoa R. A., Ko J., Swetter S. M., Blau H. M., et al. (2017) Dermatologist-Level Classification of Skin Cancer with Deep Neural Networks. Nature. (542), 115–118. Available: https://doi.org/10.1038/nature21056 (Accessed 17 October 2023).Информационно-коммуникационные технологии в обосновании рентгеновского обследования оториноларингологических пациентов / Д. А. Якимов [и др.]. // Проблемы здоровья и экологии. 2022. Т. 19, № 3. С. 3–19. Doi: 10.51523/2708-6011.2022-19-3-19.Yakimov D. A., Demidenko O. M., Yakimov E. A., Vygovskaya N. V. (2022) Information and Communication Technologies in the Justification of X-Ray Examination of Otorhinolaryngology Patients. Health and Ecology Issues. 19 (3), 3–19. Doi: 10.51523/2708-6011.2022-19-3-19 (in Russian).Кренке, Д. М. Теория и практика построения баз данных / Д. М. Кренке; пер. с англ., 9-е изд. СПб.: Питер, 2005.Krenke D. (2005) Theory and Practice of Building Databases. St. Petersburg, Peter Publ. (in Russian).Саммерфилд, М. Программирование на Python 3. Подробное руководство / М. Саммерфилд; пер. с англ. СПб.: Символ-плюс, 2016.Summerfield M. (2016) Programming in Python 3. A Detailed Guide. St. Petersburg, Symbol-Plus Publ. (in Russian).McGaw, J. Beginning Django E-Commerce / J. McGaw. NY: Apress, 2009.McGaw J. (2009) Beginning Django E-Commerce. NY, Apress Publ.Милл, И. Docker на практике / И. Милл, Э. Х. Сейерс; пер. с англ. М.: ДМК Пресс, 2020.Miell I., Sayers A. H. (2020) Docker in Practice. Moscow, DMK Press Publ. (in Russian).

The authors declare that there are no conflicts of interest present.