2

февраля

2021 год

ВШЭ и СурГУ внедрят в медицину цифровые технологии

Зеркальную лабораторию Сургутский госуниверситет и Высшая школа экономики открыли в прошлом году. Этот проект сфокусирован на интеллектуальном анализе данных в медицинских информационных системах. Его реализация позволит сократить число операций для людей с заболеваниями вен. А специальный комплекс обследований поможет врачам точнее определять необходимость хирургического вмешательства.

Руководит проектом профессор Департамента анализа данных и искусственного интеллекта, старший научный сотрудник Международной лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ Василий Громов. В проектной группе – доктор медицинских наук, профессор кафедры хирургических болезней Медицинского института Константин Мазайшвили, профессор, президент Санкт-Петербургского общества флебологов (SPSP) Евгений Шайдаков, клинический ординатор CурГУ Каролина Юхневич, врач-рентгенолог Михаил Пендюрин, старший преподаватель кафедры АСОИУ СурГУ Нелли Урманцева, кандидат технических наук, заместитель директора Политехнического института Дмитрий Федоров, старший преподаватель кафедры ИВТ СурГУ Павел Заикин, старший научный сотрудник международной лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ Алексей Незнанов, младший научный сотрудник международной лаборатории интеллектуальных систем и структурного анализа, НИУ ВШЭ Андрей Паринов, магистрант Московского государственного технического университета имени Н.Э. Баумана Евгений Мазайшвили, магистранты Политехнического института СурГУ Александр Лепинских, Евгений Смирнов и Эркин Камилов.

«Хронические заболевания вен (ХЗВ) – наиболее распространенная патология сосудистой системы у человека. Основными нозологическими формами ХЗВ являются варикозная болезнь, посттромботическая болезнь нижних конечностей, врожденные аномалии, ретикулярный варикоз, телангиэктазии и флебопатии. В настоящее время инструменты искусственного интеллекта, в частности нейронные сети, широко используются в системах поддержки принятия решений в области медицины. Создание практически значимых и теоретически обоснованных математических моделей нарушения венозного оттока из нижних конечностей требует сочетания методов из различных областей прикладной математики и медицинских наук. Система поддержки принятия решений для постановки диагноза о хронической венозной недостаточности для врачей-флебологов построена на базе сверточной нейронной сети, которая способна поставить в соответствие код классификации хронических заболеваний вен CEAP изображениям нижних конечностей пациента. Задача классификации является одной из самых распространенных задач, которую решают нейронные сети», – прокомментировала Каролина Юхневич.

Построение математических моделей прямых и обратных задач флебологии с использованием методов искусственного интеллекта – вот стратегическая цель, которую ставит перед собой исследовательская группа. Для ее достижения участникам проекта необходимо создать математическую модель с теоретическим обоснованием нарушения венозного оттока из нижних конечностей. Именно искусственный интеллект и симбиоз методов из различных областей прикладной математики и медицинских наук позволит решить эту сложнейшую задачу. Интеграция компетенций исследователей, взаимодействие со специалистами-флебологами, использование существующего опыта лечения соответствующих патологий кровеносной системы и накопленного экспериментального материала – все это позволит добиться прорыва не только в теории, но и в медицинской практике.

«Использование данных методов искусственного интеллекта сопряжено со сложностью обучения нейронных сетей и часто оказывается менее производительным, чем использование других методов компьютерной диагностики. В качестве данных для обучения и тестирования нейронной сети используются фотографии нижних конечностей пациентов, которым были поставлены в соответствие различные классы заболеваний венозной системы. Сбор материалов для обучения и тестирования осуществлен с помощью сайта для врачей-флебологов, позволяющего собирать и хранить данные о пациентах и их диагнозах, а затем использовать эти данные для дообучения нейронной сети. Архитектура приложения состоит из двух функциональных модулей: frontend разработан на Angular, backend – на Node.js. Сам набор данных насчитывает более 10 тысяч изображений разной степени качества, ракурсов и углов поворота, что позволяет более точно классифицировать венозную недостаточность. Нейронная сеть разработана с помощью библиотеки для машинного обучения TensorFlow и надстройки Keras, нацеленной на оперативную работу с сетями глубокого обучения», – сообщила Нелли Урманцева.

О проекте

Проект «Зеркальная лаборатория» нацелен на проведение совместных научных исследований при поддержке НИУ ВШЭ и регионального университета-партнера, представляющих взаимный интерес для обеих сторон. Цели конкурса – развитие внутрироссийских научных коллабораций; повышение эффективности сотрудничества в исследовательской и образовательной сферах; оказание поддержки совместным научным проектам, реализуемым научными (научно-исследовательскими) структурными подразделениями НИУ ВШЭ совместно с научными подразделениями региональных образовательных организаций высшего образования.

Автор: Дарья Вейраух