Последние достижения в области интернета вещей, облачных вычислений и искусственного интеллекта превратили обычную систему здравоохранения в интеллектуальную. Медицинские услуги можно значительно улучшить, используя интернет вещей и искусственный интеллект.
Современные технологии используются на каждом этапе «умного» здравоохранения. Портативные устройства могут применяться для мониторинга состояния здоровья пациентов, когда это необходимо. Пациенты сами смогут получать клинические рекомендации через виртуальную поддержку и управлять приборами удаленно, а врачи смогут использовать интеллектуальные системы принятия клинических решений для выбора и улучшения качества диагностических процедур.
Ученые Южно-Уральского государственного университета разработали модель для более эффективной диагностики сердечно-сосудистых заболеваний и сахарного диабета с использованием искусственного интеллекта и технологии интернета вещей.
Идея ученых заключается в том, чтобы создать универсальное приложение, способное собирать данные с разных устройств и переводить их в совместимый формат. Таким образом, смартфон обрабатывает и систематизирует их. На основе полученной комплексной информации будет выстраиваться ряд медицинских рекомендаций одному конкретному пациенту с учетом именно его показателей.
«Представленная нами модель включает в себя различные этапы: сбор данных, предварительную обработку, классификацию и настройку параметров. Портативные устройства интернета вещей и датчики позволяют беспрепятственно собирать данные, в то время как методы искусственного интеллекта используют их для диагностики заболеваний. Исходя из этих показателей, можно определить, насколько хорош образ жизни пациента с тем или иным заболеванием. Данные, полученные через соединение Bluetooth с низким энергопотреблением, смартфон обрабатывает и классифицирует как здоровые, в пределах нормы, либо как нездоровые», - поясняет старший научный сотрудник кафедры «Системное программирование», Ph.D. в области машинного обучения Кумар Сэчин.
Эффективность новой модели была подтверждена использованием данных здравоохранения. В течение экспериментов представленная модель достигла максимальной точности 96,16 % и 97,26 % при диагностике болезней сердца и диабета соответственно. Таким образом, предлагаемая модель может использоваться в качестве подходящего инструмента диагностики заболеваний для интеллектуальной системы здравоохранения.
