Разработка медицинской информационной системы с хранилищем данных и интеллектуальным анализом изображений

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.

1. Национальная медицинская ассоциация оториноларингологов. Режим доступа: https://нмао.рф/?ysclid=lo8ce45iyx209581379. Дата доступа: 11.10.2023.

2. 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.

3. 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.

4. DICOM архив. Режим доступа: https://rentgenogram.com/dicom_big_data. Дата доступа: 12.09.2023.

5. PACS/РИС решения. Режим доступа: https://multivox.ru. Дата доступа: 12.09.2023.

6. 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.

7. 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.

8. 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.

9. 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.

10. 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.

11. 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.

12. 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.

13. Кренке, Д. М. Теория и практика построения баз данных / Д. М. Кренке; пер. с англ., 9-е изд. СПб.: Питер, 2005.

14. Саммерфилд, М. Программирование на Python 3. Подробное руководство / М. Саммерфилд; пер. с англ. СПб.: Символ-плюс, 2016.

15. McGaw, J. Beginning Django E-Commerce / J. McGaw. NY: Apress, 2009.

16. Милл, И. Docker на практике / И. Милл, Э. Х. Сейерс; пер. с англ. М.: ДМК Пресс, 2020.