МОБИЛЬНАЯ ДИАГНОСТИКА С ИСПОЛЬЗОВАНИЕМ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ РАННЕГО ВЫЯВЛЕНИЯ РЕСПИРАТОРНЫХ ЗАБОЛЕВАНИЙ
DOI:
https://doi.org/10.52167/1609-1817-2025-139-4-170-183Ключевые слова:
машинное обучение, ранняя диагностика заболеваний, респираторные заболевания, искусственный интеллект, анализ медицинских данных, нейронные сети, автоматизация здравоохраненияАннотация
В этом систематическом обзоре рассматривается применение мобильной диагностики на базе искусственного интеллекта для раннего выявления и лечения респираторных заболеваний, включая хроническую обструктивную болезнь легких, пневмонию и COVID-19. Цель состоит в том, чтобы оценить эффективность моделей машинного обучения, таких как сверточные нейронные сети, сети с долговременной кратковременной памятью и деревья принятия решений. В исследовании подчеркивается научная и практическая значимость использования технологий искусственного интеллекта для решения важнейших задач здравоохранения, особенно в условиях ограниченных ресурсов. Методологически в обзоре обобщены данные из различных источников, включая рентгеновские снимки грудной клетки, записи звуков дыхания и клинические показатели, с использованием всестороннего поиска по основным академическим базам данных. Ключевые выводы подчеркивают перспективность ИИ в преобразовании традиционной респираторной диагностики, но также выявляют ограничения, такие как небольшие размеры выборки, неоднородность данных и недостаточная внешняя валидация. Решение вопросов, связанных с интерпретируемостью моделей, конфиденциальностью данных и соблюдением нормативных требований, имеет важное значение для более широкого внедрения в клиническую практику. Эта работа вносит свой вклад в эту область, подчеркивая необходимость в разнообразных, проверенных наборах данных для укрепления доверия и улучшения практической интеграции в медицинских учреждениях. Результаты исследования имеют практическое значение, демонстрируя, как инструменты на базе искусственного интеллекта могут помочь поставщикам медицинских услуг в проведении точной диагностики в режиме реального времени, что в конечном итоге улучшит доступность медицинской помощи и ведение пациентов в глобальном масштабе.
Библиографические ссылки
[1] Georgakopoulou, V. E. (2024). The Role of Artificial Intelligence in Combatting Respiratory Tract Infections. Cureus, 16(7), e63635. https://doi.org/10.7759/cureus.63635
[2] Goyal, S., & Singh, R. (2023). Detection and classification of lung diseases for pneumonia and Covid-19 using machine and deep learning techniques. Journal of Ambient Intelligence and Humanized Computing, 14(4), 3239–3259. https://doi.org/10.1007/s12652-021-03464-7
[3] Yoo, S. H., Geng, H., Chiu, T. L., Yu, S. K., Cho, D. C., Heo, J., Choi, M. S., Choi, I. H., Cung Van, C., Nhung, N. V., Min, B. J., & Lee, H. (2020). Deep Learning-Based Decision-Tree Classifier for COVID-19 Diagnosis From Chest X-ray Imaging. Frontiers in Medicine, 7. https://doi.org/10.3389/fmed.2020.00427
[4] Kim, K.-S., Oh, S. J., Cho, H. B., & Chung, M. J. (2021). One-Class Classifier for Chest X-Ray Anomaly Detection via Contrastive Patch-Based Percentile. IEEE Access, 9, 168496–168510. IEEE Access. https://doi.org/10.1109/ACCESS.2021.3136263
[5] Elbagoury, B. M., Vladareanu, L., Vlădăreanu, V., Salem, A. B., Travediu, A.-M., & Roushdy, M. I. (2023). A Hybrid Stacked CNN and Residual Feedback GMDH-LSTM Deep Learning Model for Stroke Prediction Applied on Mobile AI Smart Hospital Platform. Sensors (Basel, Switzerland), 23(7), 3500. https://doi.org/10.3390/s23073500
[6] Liang, D., Shi, J., Li, D., Wu, S., Jin, J., & He, Y. (2022). Participation and Yield of a Lung Cancer Screening Program in Hebei, China. Frontiers in Oncology, 11. https://doi.org/10.3389/fonc.2021.795528
[7] Robertson, N. M., Centner, C. S., & Siddharthan, T. (2023). Integrating Artificial Intelligence in the Diagnosis of COPD Globally: A Way Forward. Chronic Obstructive Pulmonary Diseases: Journal of the COPD Foundation, 11(1), 114. https://doi.org/10.15326/jcopdf.2023.0449
[8] Rochmawati, N., Hidayati, H. B., Yamasari, Y., Yustanti, W., Rakhmawati, L., Tjahyaningtijas, H. P. A., & Anistyasari, Y. (2020). Covid Symptom Severity Using Decision Tree. 2020 Third International Conference on Vocational Education and Electrical Engineering (ICVEE), 1–5. https://doi.org/10.1109/ICVEE50212.2020.9243246
[9] Ponnada, V. T. (2020). Efficient CNN for Lung Cancer Detection. International Journal of Recent Technology and Engineering, 8, 3499–3505. https://doi.org/10.35940/ijrte.B2921.078219
[10] Ohno, Y., Aoyagi, K., Takenaka, D., Yoshikawa, T., Ikezaki, A., Fujisawa, Y., Murayama, K., Hattori, H., & Toyama, H. (2021). Machine learning for lung CT texture analysis: Improvement of inter-observer agreement for radiological finding classification in patients with pulmonary diseases. European Journal of Radiology, 134. https://doi.org/10.1016/j.ejrad.2020.109410
[11] Choi, Y., Choi, H., Lee, H., Lee, S., & Lee, H. (2022). Lightweight Skip Connections With Efficient Feature Stacking for Respiratory Sound Classification. IEEE Access, 10, 53027–53042. IEEE Access. https://doi.org/10.1109/ACCESS.2022.3174678
[12] Xie, Y., Meng, W.-Y., Li, R.-Z., Wang, Y.-W., Qian, X., Chan, C., Yu, Z.-F., Fan, X.-X., Pan, H.-D., Xie, C., Wu, Q.-B., Yan, P.-Y., Liu, L., Tang, Y.-J., Yao, X.-J., Wang, M.-F., & Leung, E. L.-H. (2021). Early lung cancer diagnostic biomarker discovery by machine learning methods. Translational Oncology, 14(1), 100907. https://doi.org/10.1016/j.tranon.2020.100907
[13] Hajder, M., Hajder, P., Gil, T., Krzywda, M., Kolbusz, J., & Liput, M. (2021). Architecture and organization of a Platform for diagnostics, therapy and post-covid complications using AI and mobile monitoring. Procedia Computer Science, 192, 3711. https://doi.org/10.1016/j.procs.2021.09.145
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Айгерим Кайратовна, Сымбат Сунгаткызы, Айдана Абишовна, Нұрбике Жомартқызы, Жамиля Абдильданова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
