Математическую модель повышения эффективности пренатальной диагностики разработали в СКГМИ
Студент СКГМИ (ГТУ) Станислав Карацев разработал информационную систему для ранней диагностики состояния плода на основе данных кардиотокографии
На протяжении последних десятилетий уровень младенческой смертности в России неуклонно снижается. Для примера, в 1950 г. он составлял 88,4 на 1000 родившихся, в 2000 г. - 15,3, а уже в 2021 г. - 4,6. Этому способствовали Федеральная целевая программа «Дети России» на 2003 – 2006 гг.» и национальные приоритетные проекты «Здравоохранение» и «Демографическая политика».
Простым и доступным способом пренатальной диагностики, позволяющим врачам принимать меры для предотвращения детской и материнской смертности, являются кардиотокограмма (КТГ). КТГ работает, отправляя ультразвуковые импульсы и считывая их ответ, в виде данных о частоте сердечных сокращений плода (ЧСС), о движении плода, сокращении матки и т. п. Однако метод обладает недостаточной специфичностью относительно диагностики острой гипоксии.
Несмотря на широкое практическое применение КТГ, остается ряд нерешенных вопросов прогнозирования развития состояния здоровья плода, что диктует необходимость развития исследований по оценке состояния плода методами машинного обучения на основе накопленных данных за предыдущий период.
В связи с этим, особую важность и актуальность приобретают исследования математических моделей, способных на основе информации, выдаваемой КТГ, с высокой точностью классифицировать здоровье плода как нормальное, подозрительное или патологическое, чтобы предотвратить детскую и материнскую смертность.
Станислав Карацев, магистрант кафедры «Информационные технологии и системы» СКГМИ: «В исследовании проведён анализ биомаркеров КТГ и создана математическая модель с использованием ансамблевых методов машинного обучения для превентивной диагностики состояния плода с точностью в 94,4 %. С помощью Python была разработана кроссплатформенная программа с дружественным пользовательским интерфейсом. Данная разработка будет работать в режиме супервизора для врачей-акушеров, по сути — это система поддержки принятия медицинских решений».
В дальнейшем проект будет представлен на профессиональной конференции экспертов-акушеров для обсуждения, а также в различных акселерационных программах.
Применение методов машинного обучения в медицине — это не только интересно, но и большая ответственность, ведь речь идет о жизни и здоровье человека. Сейчас врачи сталкиваются с нехваткой отечественных программных продуктов и данная информационная система — это вклад в решение этой проблемы.
Научный руководитель проекта - к.т.н., доцент кафедры «Информационные технологии и системы» СКГМИ Алан Дзгоев.