Искусственный интеллект во флебологии и клинических исследованиях

Искусственный интеллект (ИИ) стремительно проникает во все сферы нашей жизни, начиная от повседневных бытовых приложений и заканчивая сложными системами в медицине, финансах и производстве. Его возможности бесконечны: от виртуальных помощников до самообучающихся систем.

В медицине искусственный интеллект используется в виде моделей машинного обучения. Они помогают обрабатывать медицинские данные и предоставлять работникам здравоохранения важную информацию, улучшая результаты лечения и качество обслуживания пациентов (определение IBM).

Возможности ИИ в здравоохранении:

• оптимизация дозировок лекарств;
• разработка клинических рекомендации;
• предоставление виртуальных медицинских помощников;
• оптимизация медицинской помощи;
• улучшение обучения пациентов;
• оптимизация клинических исследований.

В сфере клинических исследований (КИ) технологии ИИ позволяют проводить автоматический анализ документов, осуществлять мониторинг безопасности в режиме реального времени, оптимизировать дизайн и протоколы КИ, а также набор пациентов, улучшать прогнозирование результатов обследования и лечения, создавать модели цифровых двойников - виртуальные модели физического объекта, охватывающие жизненный цикл объекта и использующие данные в режиме реальном времени: например, Carepatron, Cerner, Tebra (ранее Kareo + PatientPop), Practice Better, Power Diary, WebPT, eClinicalWorks). Также существуют специальные цифровые помощники для облегчения диагностики тромбоэмболии легочной артерии (ТЭЛА): например, Aidoc, Avicenna.

Технологии ИИ, включая машинное обучение, тестируемые и используемые во флебологии, позволяют определять проксимальную границу тромба у пациентов с венозными тромбоэмболическими осложнениями¹, идентифицировать кава-фильтры², выявлять венозные язвы³ и варикозное расширение подкожных вен (ВРВ)⁴. В России в настоящее время изучаются возможности внедрения ИИ во флебологию: так, разработка приложения AIVARIX⁵ может стать существенным подспорьем в раннем выявлении ВРВ и своевременном начале лечения, как инвазивного, так и применения веноактивных препаратов, например МОФФ. Таким образом, искусственный интеллект в флебологии представляет собой перспективное направление, которое обещает значительные улучшения в диагностике и лечении заболеваний вен.

К тому же, автоматизация процессов и использование аналитических инструментов значительно снижает рабочую нагрузку врачей, позволяя им сосредоточиться на клиническом взаимодействии с пациентами. Однако, важно помнить о необходимости этического подхода к внедрению таких технологий, обеспечивая защиту данных пациентов и минимизируя риски, связанные с алгоритмическими ошибками.

Тенденция к углубленному внедрению ИИ в флебологию демонстрирует уверенное движение к более эффективной и современной медицинской помощи. Объединив человеческий опыт и интеллектуальные системы, мы можем создать более безопасную, качественную и доступную медицинскую практику, что, безусловно, окажет положительное влияние на здоровье пациентов и эффективность работы медицинских учреждений в целом.

Литература

1. Huang S.C., Kothari T., Banerjee I., Chute C., Ball R.L., Borus N., Huang A., Patel B.N., Rajpurkar P., Irvin J., et al. PENet-a scalable deep-learning model for automated diagnosis of pulmonary embolism using volumetric CT imaging. NPJ Digit Med. 2020;3:61. doi: 10.1038/s41746-020-0266-y.
2. Huang C., Tian J., Yuan C., Zeng P., He X., Chen H., Huang Y., Huang B. Fully Automated Segmentation of Lower Extremity Deep Vein Thrombosis Using Convolutional Neural Network. Biomed Res. Int. 2019;2019:3401683. doi: 10.1155/2019/3401683.
3. Bhavani R., Jiji W. Varicose ulcer(C6) wound image tissue classification using multidimensional convolutional neural networks. Imaging Sci. J. 2019;67:1–11. doi: 10.1080/13682199.2019.1663083.
4. Shi Q., Chen W., Pan Y., Yin S., Fu Y., Mei J., Xue Z. An Automatic Classification Method on Chronic Venous Insufficiency Images. Sci. Rep. 2018;8:17952. doi: 10.1038/s41598-018-36284-5.
5. Золотухин И.А., Квасников Б.Б., Линник О.Ж., Шияхметов С.Б., Бутова К.Г. Точность приложения на основе искусственного интеллекта при выявлении хронических заболеваний вен классов C1 и C2. Флебология. 2024;18(2):132‑138. https://doi.org/10.17116/flebo202418021132 (дата обращения: 14 октября 2024)

2410DM0507