2017 / 06

Следующая статья
DOI: 10.24075/vrgmu.2017-06-07

ОРИГИНАЛЬНОЕ ИССЛЕДОВАНИЕ

Разработка системы прогнозирования диагнозов заболеваний на основе искусственного интеллекта

М. В. Сахибгареева, А. Ю. Заозерский
Информация об авторах

ООО «КОМТЕК», Уфа

Для корреспонденции: Сахибгареева Маргарита Владимировна
ул. Бехтерева, д. 16, кв. 48, г. Уфа, 450047; moc.liamg@1102lv.atiragram

Информация о статье

Вклад авторов в работу: М. В. Сахибгареева — подготовка и анализ данных, анализ литературы, осуществление исследования, подготовка черновика рукописи; А. Ю. Заозерский — планирование исследования, интерпретация данных, подготовка черновика рукописи.

Статья получена: 23.11.2017 Статья принята к печати: 13.12.2017 Опубликовано online: 23.01.2018
|
  1. Гусев А. В. Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения. Врач и информационные технологии. 2017; (3): 92–105.
  2. Kononenko I. Machine learning for medical diagnosis: history, state of the art and perspective. Artificial Intelligence in Medicine. 2001; 23(1): 89–109.
  3. Бледжянц Г. А., Саркисян М. А., Исакова Ю. А., Туманов Н. Ф., Попов А. Н., Бегмуродова Н. Ш. Ключевые технологии формирования искусственного интеллекта в медицине. Ремедиум. Журнал о российском рынке лекарств и медицинской технике. 2015; (12): 10–5.
  4. Машинное обучение поможет врачам принимать более информированные решения. Телемедицина.ru [Интернет]. Сентябрь 2017 г. [процитировано 4 сентября 2017 г.]. Доступно по ссылке: https://telemedicina.ru/news/equip/mashinnoe-obuchenie-pomojet-vracham-prinimat-bolee-informirovannyie-resheniya.
  5. Жариков О. Г., Мещеряков Ю. В., Литвин А. А. Нейросетевые технологии в медицине. Вопросы организации и информатизации здравоохранения. 2007; 4 (53): 59–63.
  6. Головачев В. Ошибочный диагноз. Газета «Труд». 28 октября 2014 г.
  7. Коротаев И. Г., Чернухин Г. А., авторы; ООО «КОМТЕК», правообладатель. Программный комплекс «Здравоохранение». Свидетельство об официальной регистрации программы для ЭВМ № 2007613347 от 09.08.2007.
  8. Pedregosa F, Varoquaux G, Gramfort A, Michel V, Thirion B, Grisel O et al. Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 2011; 12: 2825–30.
  9. Shalev-Shwartz S, Ben-David S. Understanding Machine Learning: From Theory to Algorithms. New York: Cambridge University Press; 2014. 410 p.
  10. Müller AC, ‎Guido S. Introduction to Machine Learning with Python: A Guide for Data Scientists. 1st ed. O'Reilly Media; 2016. 285 p.
  11. Luo Y, Szolovits P, Dighe AS, Baron JM. Using Machine Learning to Predict Laboratory Test Results. Am J Clin Pathol. 2016 Jun; 145 (6): 778–88. DOI: 10.1093/ajcp/aqw064.
  12. Хливненко Л. В., Пятакович Ф. А. Вариант построения системы коллективного человеко-машинного интеллекта для обработки больших данных в медицине. Здоровье и образование в XXI веке. 2016; 18 (12): 141–4.
  13. Биленко А. А., Рыбкин С. В. Применение алгоритмов машинного обучения для определения высокого риска сахарного диабета 1 типа. Электронный журнал: наука, техника и образование. 2017; 1 (10): 44–9.
  14. Tseng CJ, Lu CJ, Chang CC, Chen GD, Cheewakriangkrai C. Integration of data mining classification techniques and ensemble learning to identify risk factors and diagnose ovarian cancer recurrence. Artif Intell Med. 2017; (78): 47–54.
  15. Oniśko A, Druzdzel MJ. Impact of precision of Bayesian network parameters on accuracy of medical diagnostic systems. Artif Intell Med. 2013 Mar; 57 (3): 197–206. DOI: 10.1016/j.artmed.2013.01.004.
  16. Khajehali N, Alizadeh S. Extract critical factors affecting the length of hospital stay of pneumonia patient by data mining (case study: an Iranian hospital). Artif Intell Med. 2017 Nov; 83: 2–13. DOI: 10.1016/j.artmed.2017.06.010.
  17. Weiss JC, Natarajan S, Peissig PL, McCarty CA, Page D. Machine Learning for Personalized Medicine: Predicting Primary Myocardial Infarction from Electronic Health Records. AI Magazine. 2012; 33 (4): 33–45.
  18. Futoma J, Sendak M, Cameron B, Heller K. Predicting Disease Progression with a Model for Multivariate Longitudinal Clinical Data. In: Proceedings of the 1st Machine Learning for Healthcare Conference; 2016 Aug 19-20; Children's Hospital LA, USA; 2016; (56): 42–54.