Миссия проекта «Медтелеком» – повышение выявляемости ранних стадий патологий и снижение врачебных ошибок при анализе и дешифровке диагностических изображений пациентов. Для повышения клинической, экономической и временной эффективности телемедицинских технологий «пациент – врач» и «врач – врач» в проекте используются телевизионные технологии с логически прозрачными для пациентов и врачей алгоритмами видеоаналитики и искусственного интеллекта, имитирующими алгоритмы зрительного обнаружения и образного мышления человека.
В основе медицинской диагностики знания визуальных образов признаков здоровья и патологий в изображениях органов, тканей и клеток тела пациентов. При визуальном анализе диагностических изображений от 40 до 60% пропуска признаков ранних стадий патологий не зависят от квалификации врача, а определяются характеристиками его зрительного обнаружения, а 80% врачебных ошибок связаны с неверной дешифровкой признаков патологий. При использовании систем медицинской визуализации врачебные ошибки вызваны также искажениями диагностических признаков и отсутствием логической прозрачности для врача результатов машинного анализа.
Основная причина пропуска ранних стадий патологий и врачебных ошибок - ограниченные возможности зрения и знаний человека, мыслящего образами. Телевизионные методы, имитирующие алгоритмы зрительного обнаружения и распознавания человеком визуальных образов, позволяют:
1. Многократно увеличить контрастную чувствительность и градационную разрешающую способность комплекса «телевизионная система – зрение человека». В результате появляется возможность визуализации едва заметных и скрытых от человеческого глаза признаков ранних стадий патологий.
2. Использовать для визуального и машинного анализа диагностических изображений пациентов единые базы данных и знаний по изменениям яркостных, цветовых, геометрических и временных характеристик визуальных образов признаков здоровья и патологий. Следствием этого является логическая прозрачность для человека результатов машинного анализа и возможность сочетания преимуществ человеческого и искусственного интеллекта, имитирующего алгоритмы образного мышления человека.
3. Создать Интернет-центры интеллектуальной поддержки решений пациентов и врачей, представляющие собой человеко-машинные сети и обеспечивающие сочетание преимуществ визуального и машинного анализа и дешифровки диагностических изображений пациентов. Единое для пациентов и врачей описание визуальных образов и единое машинное описание признаков здоровья и патологий в виде изменений яркостных, цветовых, геометрических и временных характеристик визуальных образов - основа эффективного человеко-машинного интерфейса, позволяющего
- пациентам самостоятельно выявлять изменения визуальных образов признаков здоровья, нередко являющихся визуальными образами ранних признаков патологий;
- врачам в режиме реального времени выявлять едва заметные глазом изменения визуальных образов диагностических признаков здоровья и патологий;
- пациентам и врачам оперативно организовать врачебные консультации и консилиумы с использованием баз данных и знаний по изменениям признаков здоровья и патологий.
Сферы применения:
1. Оперативная диагностика здоровья человека с использованием анализа и дешифровки медицинских изображений, характеризующих его физическое и психическое состояние.
2. Выявление визуальных образов ранних признаков патологий, едва различимых человеческим зрением.
3. Снижение врачебных ошибок при поиске, обнаружении, локализации, распознавании и анализе изменений визуальных образов признаков здоровья и различных патологий в медицинских изображениях.
4. Контроль качества лечебно-диагностического процесса, использующего анализ и дешифровку различных медицинских изображений.
5. Разработка единых для людей и машин баз данных и баз знаний по изменениям визуальных образов признаков здоровья и различных патологий в медицинских изображениях людей.
6. Синтез систем медицинской визуализации, компьютерных систем и человеко-машинных Интернет-сетей для эффективных человеко-машинных технологий анализа и дешифровки медицинских изображений, адаптивных к решаемым пользователями задачам, характеристикам их зрительного обнаружения, знаниям и навыкам.
7. Обучение пользователей навыкам эффективного выявления отклонений визуальных образов признаков здоровья от «нормы» (для пациентов) и различных патологий (для врачей) по тестовым медицинским изображениям.
8. Синтез алгоритмов машинного зрения и искусственного интеллекта, имитирующих алгоритмы зрения и образного мышления людей.
При анализе медицинских изображений необходимо выявить либо изменения визуальных образов признаков здоровья («нормы») до визуальных образов признаков патологий, либо изменения визуальных образов признаков патологий в процессе восстановления здоровья. Отсутствие стандартизованных визуальных образов признаков здоровья и различных патологий в медицинских изображениях, их изменчивость во времени и от пациента к пациенту не позволяют исключить врачей из диагностической цепочки. При визуальном анализе любых изображений пациентов ограниченные возможности зрения врачей определяют до 40-60% пропуска малоконтрастных признаков ранних стадий патологий, а причиной 80% врачебных ошибок являются неверные заключения по медицинским изображениям пациентов. Для повышения качества медицинской диагностики используют различные системы медицинской визуализации, позволяющие диагностировать состояние здоровья человека не только по внешнему виду его наружных органов, но и по различным изображениям внутренних органов, тканей и клеток тела. Однако, сегодня нет единого подхода к моделированию, оценке качества и эффективности визуальных, машинных и человеко-машинных технологий анализа медицинских изображений. Затруднен их обоснованный выбор исходя из требуемой точности и допустимого для решения диагностической задачи времени. Нередко при анализе медицинских изображений отсутствует адаптация под характеристики зрительного обнаружения, знания и навыки врачей.
Проект посвящен повышению эффективности человеко-машинного поиска и обнаружения, пространственной локализации и распознавания признаков здоровья и патологий, а также выявлению их изменений во времени в диагностических изображениях пациентов за счёт:
- единой оценки качества медицинской и дистанционной телемедицинской диагностики по вероятности или проценту правильного решения диагностической задачи в единицу времени (по оценке производительности правильного решения диагностической задачи);
- единой оценки эффективности медицинской и дистанционной телемедицинской диагностики по критерию «качество/цена» или «результат/затраты» в координатах точности, времени и цены решения диагностической задачи;
- визуальных моделей возможных изменений в анализируемых изображениях пациентов диагностических признаков от физиологической «нормы» здоровья до различных патологий, синтезированные на основе системного анализа известных данных и знаний;
- медицинских телекоммуникаций, синтезированных на основе оценки выигрышей в точности, времени и цене решения конкретных диагностических задач и оперативно связывающих между собой и со стандартизованными базами данных и знаний по вопросам охраны и восстановления физиологической «нормы» здоровья всех стражей здоровья - пациентов, врачей и администраторов здравоохранения;
- человеко-машинных (кибернетических) технологий, сочетающих при дешифровке диагностических изображений пациентов преимущества визуального анализа и машинной видеоаналитики, человеческого и искусственного интеллекта в зависимости от решаемых задач, характеристик зрительного обнаружения, знаний и навыков пользователей (пациентов или врачей);
- уникальной технологии человеко-машинной (кибернетической) видеоаналитики едва заметных или скрытых от глаз малоконтрастных объектов в черно-белых и цветных изображениях, апробированной в рентгенодиагностике, при проведении судебно-медицинских, криминалистических и баллистических экспертиз, дешифровке космических снимков в составе серийной двухканальной телевизионной установки для анализа рентгенограмм УАР-2 (рис. 1), отмеченной в 1986 году 14 медалями ВДНХ СССР (1 золотой, 4 серебряными и 9 бронзовыми).
Презентации проекта состоялись:
- 20 ноября 2014 года на IX Всероссийской научно-практической конференции с международным участием «Здоровье – основа человеческого потенциала: проблемы и пути их решения» [1];
- 16 сентября 2015 года на экспертной площадке РОЦИТ «Голос Рунета» [2];
- 15 ноября 2015 года на экспертной сессии конференции ФРИИ «Spb Startup Day» [3];
- с 10 ноября по 22 ноября 2016 года на странице Народного голосования Премии Рунета 2016 года в номинации «Народный Интернет-проект» [4];
- с 1 ноября по 15 декабря 2017 года проект «Человеко-машинная видеоаналитика диагностических изображений» прошел многоступенчатую экспертизу в федеральном акселераторе технологических стартапов GenerationS [5], по результатам которой стал участником федеральной программы подготовки стартапов ранних стадий «Предакселератор Generations-2017», завершившейся 17 марта 2018 года в г. Санкт-Петербурге;
- 13 ноября 2019 года на XII Петербургском Международном Инновационном Форуме [6];
- с 9 сентября 2020 года по 18 января 2021 года на Форуме АСИ «Сильные идеи для нового времени» по направлению «Новая социальная стратегия» - https://idea.asi.ru/improject-54/ideas/14109
- c 21 июля по 10 августа 2021 года на проектно-образовательном интенсиве АСИ «Архипелаг 2121» - https://pt.2035.university/project/medtelekom-internet-centry-intellektualnoj-podderzki-resenij-pacientov-i-vracej
- 29 августа 2021 года на YouTube - https://www.youtube.com/watch?v=IBqg037iK7M
- 20 апреля 2022 года на крауд-платформе «Сильные идеи для нового времени» по направлению «Национальная технологическая инициатива» - https://ideas.roscongress.org/improject-16466/ideas/25489
- 3 декабря 2022 года состоялась финальная защита проекта перед экспертами и партнёрами акселерационной программы SIBMED-Акселератор - https://leader-id.ru/events/367577
- по итогам 2022 года на платформе развития технологических проектов Университета НТИ 20.35 проект «Медтелеком» получил отметку #инвестиционно_привлекательный - https://pt.2035.university/project/medtelekom-internet-centry-intellektualnoj-podderzki-resenij-pacientov-i-vracej
Рис. 1.Серийно выпускавшаяся в СССР двухканальная телевизионная установка для анализа рентгенограмм УАР-2.
Инструментальные средства УАР-2 для решения типовых задач анализа рентгенограмм (фотоснимков) - поиска и обнаружения, распознавания и анализа изменений во времени малоконтрастных объектов:
1. Автоматическое масштабирование контраста телевизионного изображения фотоснимка или любого интересующего оператора фрагмента до контраста черно-белого перепада («лупа» контраста).
2. Автоматическое преобразование видимых и невидимых глазу градаций яркости черно-белого телевизионного изображения фотоснимка или любого интересующего оператора фрагмента в видимые градации цвета (цветная «лупа» контраста).
3. Автоматическое формирование контурного телевизионного изображения (рисунка) анализируемого фотоснимка или любого интересующего оператора фрагмента.
4. Оптическое масштабирование участков двух фотоснимков до 30-100 раз.
5. Дискретное преобразование градаций яркости черно-белого телевизионного изображения фотоснимка или любого интересующего оператора фрагмента в 8 цветов для определения гистограммы яркости (плотности).
6. Измерения по телевизионным изображениям фотоснимков геометрических параметров малоконтрастных объектов (расстояний, периметров, площадей и объёмов).
7. Выравнивание и калибровка как геометрических искажений, так и динамических диапазонов сигналов телевизионных камер по полю анализируемых фотоснимков.
8. Анализ пространственной ориентации малоконтрастных объектов по двум стереоснимкам через анаглифические очки.
9. Выявление отличий размеров, форм и структур малоконтрастных объектов в двух фотоснимках в режимах телевизионного
- сложения;
- вычитания;
- выделения более или менее плотных участков фотоснимков как для визуального, так и количественного анализа изменения структуры, размера и формы малоконтрастных объектов.
10. Основные технические характеристики УАР-2:
– Разрешающая способность телевизионных камер – 600 телевизионных линий.
- Плотность анализируемых фотоснимков – до 4,0 D (оптических единиц).
- Размеры анализируемых фотоснимков от 3,6 х 2,7 мм до 356 х 356 мм.
- Координатные искажения - до 1% высоты телевизионного изображения.
- Точность совмещения фотоснимков в центральном круге телевизионного изображения от 6 микрон до 0,6 мм (зависит от размера фотоснимков).
- Увеличение контрастной чувствительности комплекса «телевизионная система – зрение стандартного наблюдателя» до 5 раз по сравнению с контрастной чувствительностью зрения стандартного наблюдателя. Достигается оптическим масштабированием и увеличением контраста телевизионного изображения интересующего фрагмента фотоснимка с использованием черно-белой «лупы» контраста.
- Увеличение градационной разрешающей способности комплекса «телевизионная система – зрение стандартного наблюдателя» до 9 раз по сравнению с градационной разрешающей способностью зрения стандартного наблюдателя. Достигается за счет раскрашивания видимых и невидмых градаций яркости черно-белого телевизионного изображения с сохранением исходной пространственной структуры (визуального образа) при использовании и черно-белой и цветной «лупы» контраста.
- Точность интерактивного измерения геометрических параметров фрагментов снимков по их телевизионным изображениям до 10%.
- Все алгоритмы преобразования телевизионных изображений фотоснимков в реальном масштабе времени в темпе вещательного телевизионного стандарта – 25 кадров/сек.
К АКТУАЛЬНОСТИ ПРОЕКТА
Основную информацию о состоянии здоровья получают при дешифровке различных изображений человека. При первичном медицинском осмотре диагностическими признаками патологических процессов могут быть цвет кожи, белков глаз и языка пациента. Ведь еще Гиппократ считал, что хороший врач должен определить состояние пациента по одному внешнему виду. Сегодня системы медицинской визуализации позволяют диагностировать состояние здоровья не только по внешнему виду, но и по различным изображениям внутренних органов, тканей и клеток тела пациента. Например, при рентгенологических и томографических обследованиях диагностические признаки патологий связаны с неровностями границ, изменениями размеров, форм, структур и плотностей органов. При эндоскопических обследованиях диагностическим признаком патологий нередко становится характер изменения цвета тканей и т.д.
Рис. 2.К причинам пропуска патологий и врачебных ошибок при анализе и дешифровке медицинских изображений.
Типовыми диагностическими задачами при дешифровке как видимых, так и полученных в различных системах медицинской визуализации изображений пациента являются:
Диагностические задачи, решаемые при дешифровке любых изображений пациента, сложны и изменчивы от пациента к пациенту, поэтому и сегодня основным и решающим звеном любой диагностической цепочки является врач или консилиум врачей. Следствием этого является низкая выявляемость (высокие проценты пропуска) врачами первых признаков ранних стадий патологий, как из-за ограниченных возможностей зрения, так и из-за ограниченных возможностей человеческого мозга (интеллекта). Наиболее актуально снижение высоких процентов пропуска диагностических признаков ранних стадий патологий при профилактических медицинских осмотрах. Например, при флюорографических обследованиях населения высоки проценты пропуска диагностических признаков ранних стадий туберкулёза и рака легких [7] .
Рис. 3.Типовая схема визуализации и дешифровки радиологических изображений внутренних органов пациента.
Известно, что вероятности зрительного обнаружения Pо(t) и пропуска Pп(t) видимого малоконтрастного объекта зависят от времени его поиска t
Pо(t) = 1 - exp (- t/tср), (1)
Pп(t) = 1 - Pо(t) = exp (- t/tср) (2)
где tср- среднее время поиска, зависящее от соотношения размеров объекта и поля изображения, контраста объекта, яркости адаптации зрения [8].
Фундаментальным свойством зрительного обнаружения является правило «золотого сечения», так как при t = tср
Pо(tср)/ Pп(tср) = 0,63/0,37 ~ 1/0,63 (3)
Зависимости вероятностей зрительного обнаружения (1) и пропуска (2) малоконтрастных объектов получены для идеального случая – их поиска на тестовом поле известной яркости, определяющей яркость адаптации зрения. В реальных изображениях наблюдается эффект «волны» зрительного обнаружения, приводящий к снижению вероятности (процента) зрительного обнаружения и увеличению процентов пропуска малоконтрастных объектов для яркостей, больших и меньших яркости адаптации зрения [9].
Рис. 4. Математическая модель зрительного обнаружения стандартного наблюдателя МКО.
Из-за изменчивости изображений пациента и сложности задач медицинской диагностики в настоящее время не удается исключить врача из процесса принятия решения. В результате проценты пропуска видимых, но малоконтрастных диагностических признаков ранних стадий патологий с 40…60% могут возрасти и из-за отсутствия знаний врача о характере изменения визуальных образов диагностических признаков от «нормы» до последних стадий различных патологий. По данным Медицинского Консультативного Совета международного проекта по телерадиологии врач не диагностирует реальное заболевание в 25–32% случаях, 4 из 5 ошибочных диагнозов связаны с неверной интерпретацией медицинских снимков и есть заболевания, при которых в 50% случаев врач не уверен, болен пациент или нет [10].
Преимущества визуальной дешифровки медицинских изображений, также как и недостатки, связаны с характеристиками зрительного обнаружения и интеллектом врача, мысленно оперирующим известными ему визуальными образами диагностических признаков «нормы» и различных патологий. Преимущества машинной дешифровки медицинских изображений связаны с возможностью точного и быстрого обнаружения известных диагностических признаков, формирующих визуальные образы «нормы» и различных патологий.
Повышение качества и эффективности ранней диагностики патологических процессов возможно при сочетании преимуществ визуальной и машинной видеоаналитики диагностических изображений [11], то есть, благодаря сочетанию преимуществ человеческого и машинного (искусственного) интеллекта. Например, при телевизионном преобразовании видимых и невидимых градаций яркости черно-белых изображений в видимые градации цвета возможны многократные увеличения, как градационной разрешающей способности, так и контрастной чувствительности комплекса «телевизионная система - зрение оператора (стандартного наблюдателя МКО)» за счёт диапазона цветовоспроизведения телевизионной системы, пространственной и временной суммации шумов телевизионных изображений в зрительной системе человека [12]. При выявлении диагностических признаков рака молочной железы сочетание преимуществ человеческого и искусственного интеллекта способно в несколько раз снизить процент врачебных ошибок (рис. 7) [13].
Рис 5. Примеры масштабирования градационной разрешающей способности при человеко-машинном (кибернетическом) анализе распределения плотности (денситометрическом анализе) томограмм мозга.
Рис. 6. Пример визуализации невидимых глазу в черно-белом телевизионном изображении муаров тестовой испытательной таблицы ТИТ 0249.
Рис. 7. Скан страницы Национального стратегического плана США в области искусственного интеллекта [13].
При человеко-машинной (кибернетической) дешифровке изображений пациента появляются возможности:
- многократного масштабирования, как контрастной чувствительности, так и градационной разрешающей способности диагностического комплекса «пациент - система медицинской визуализации - врач» за счёт свойств зрения врача - пространства цветовосприятия, пространственных и временных характеристик зрительного обнаружения;
- создания единой и стандартизованной базы данных и знаний по визуальным образам диагностических признаков «нормы» и различных патологий, как для визуальной, так и для машинной дешифровки различных изображений пациентов;
- автоматической помощи врачу в процессе визуальной дешифровки изображений пациентов похожими случаями из машинной базы данных и знаний («параллельное чтение»);
- дополнения машинной базы данных и знаний архивом данных и знаниями врача (машинное обучение) по характеру изменения визуальных образов диагностических признаков от «нормы» до различных патологий;
- эффективного взаимодействия человеческого и машинного (искусственного) интеллекта в зависимости от характеристик зрительного обнаружения и квалификации врача, диагностических признаков «нормы» и различных патологий, требуемых времени и точности решения диагностических задач.
АКТУАЛЬНЫЕ ЗАДАЧИ МЕДИЦИНСКОЙ ДИАГНОСТИКИ
1. Сочетание преимуществ визуального и машинного поиска, обнаружения и распознавания диагностических признаков ранних стадий патологий в медицинских изображениях.
При известных визуальных образах диагностических признаков «нормы» и ранних стадий патологий предпочтителен первичный машинный поиск с последующим подтверждением врачом («двойное чтение»). А при неизвестных диагностических признаках ранних стадий патологий предпочтителен первичный визуальный поиск с использованием методов масштабирования контрастной чувствительности и градационной разрешающей способности диагностического комплекса «пациент - система медицинской визуализации - врач» с последующим машинным анализом выявленных врачом диагностических признаков.
2. Принятие для различных методов визуализации и дешифровки медицинских изображений единого критерия качества на основе оценки вероятностей или процентов правильного решения конкретных диагностических задач в единицу времени.
Известно, что качество визуального анализа изображений определяется зрительной работоспособностью - вероятностью правильных действий в единицу времени. При визуальном поиске и обнаружении малоконтрастных объектов зрительная работоспособность Qоопределяется отношением вероятности обнаружения объекта Pо(t) к времени его поиска t [8]:
Qо = Pо(t)/t (4)
Для определения качества визуального поиска фиксируют либо время поиска t, либо вероятность обнаружения объекта Pо(t). Например, при времени поиска t=0,5tср ожидаемая вероятность обнаружения объекта
Pо(t=0,5tср) = 1 – ехр (-1/2) ~ 0, 39, (5)
а при t=3tср («тройное чтение»)
Pо(t=3tср) = 1 – ехр (-3) ~ 0, 95 (6)
Качество машинного поиска и обнаружения малоконтрастных объектов также определяется по формуле (4). Следовательно, качество и визуального, и машинного, и кибернетического поиска и обнаружения малоконтрастных объектов в любых черно-белых и цветных изображениях может быть оценено одинаково по формуле (4). Аналогично следует определять качество решения и остальных типовых диагностических задач (перечень см. выше) как при визуальной, так и при машинной или кибернетической дешифровке любых изображений пациента. В этом случае при определении цены правильного решения конкретной диагностической задачи или цены одного диагностического обследования возможна и единая оценка эффективности различных методов визуализации и дешифровки изображений пациента по критерию «качество/цена» или «результат/затраты» в координатах точности, времени и цены [14]:
Zi= Qi/ Ц1i, где (7)
Zi- эффективность решения i-ой диагностической задачи,
Qi - качество решения i-ой диагностической задачи,
Ц1i– цена одного диагностического обследования для решения i-ой диагностической задачи, определяемая с учетом затрат на систему медицинской визуализации и врача (стоимости владения).
Рис. 8. Метрики качества и эффективности видеоаналитики в медицине в пространстве «точность - время - цена».
3. Синтез и визуализация функциональных моделей жизненно важных органов, тканей и клеток тела в «норме» и при различных патологиях здоровья на основе системного анализа известных данных и знаний [14]:
Рис. 9. Скан страницы обсуждения в экспертной сети по вопросам государственного управления «ГОСБУК».
4. Создание единой информационной среды знаний по всем вопросам охраны и восстановления «нормы» здоровья на основе визуальных функциональных моделей жизненно важных органов, тканей и клеток тела в «норме» и при различных патологиях:
Рис. 10. Концепция единого информационного пространства системы здравоохранения и медицинского обслуживания населения на основе человеко-машинных технологий.
Рис. 11. Скан страницы обсуждения концепции единого информационного пространства системы здравоохранения и медицинского обслуживания населения на РИФ+КИБ 2009 года [16].
ЗАДАЧИ ПРОЕКТА:
1. Обобщение результатов обсуждения концепции единого информационного пространства системы здравоохранения и медицинского обслуживания населения с кибернетическими центрами дистанционной дешифровки различных изображений пациента (см. рис. 10):
а) на 5 международных медицинских форумах:
- Невский радиологический форум ( апрель 2007 года, Санкт-Петербург);
- II-ой Евразийский радиологический форум (октябрь 2007 года, Астана);
- юбилейная научно-практическая конференция, посвященная 80-летию основания кафедры рентгенологии и радиологии Военно-медицинской академии им. С.М.Кирова (ноябрь 2009 года, Санкт-Петербург);
- IV-ый Международный Форум Директоров «Современный Медицинский Центр» (февраль 2010 года, Москва);
- IX Всероссийская научно-практическая конференция с международным участием «Здоровье - основа человеческого потенциала: проблемы и пути их решения» (20-22 ноября 2014 г., Санкт-Петербург).
б) на специализированных медицинских форумах и сайтах:
- форум общероссийской социальной сети «Врачи РФ» - 7 публикаций.
в) в различных социальных сетях и сообществах:
- «Медицинские телекоммуникации» деловой социальной сети «Профессионалы» - 211 публикаций;
- «Медицинские телекоммуникации» международного сообщества менеджеров «E-xecutive» - 60 публикаций ;
- «Социальные телемедицинские сети России» портала «Бизнес информация и Деловое сообщество» - 120 публикаций;
г) на Интернет-ресурсах органов государственной власти:
- экспертная площадка Минздравсоцразвития России по открытому обсуждению Концепции развития здравоохранения России до 2020 года - 7 публикаций, одно из них, посвященное необходимости смещения приоритета здравоохранения от лечения заболеваний к их предотвращению и поддержанию здоровья, занявшее в рейтинге тем второе место (см. рис. 12), в последующем включено в Государственную программу Российской Федерации «Развитие здравоохранения» [17];
- экспертная сеть по вопросам государственного управления «ГОСБУК» - 15 публикаций, в том числе:
• «Законодательные основы телемедицинских технологий»;
• «Охрана здоровья и жизни – как общее Дело Президента России и граждан России»;
• «Функциональные модели человека» (скан страницы на рис. 9);
• «Центры дешифровки медицинских изображений»;
• «Фундаментальные задачи ранней диагностики»;
• «Интернет-центры поддержки решений пациентов и врачей»;
- сайт партии «Единая Россия» - предложен общероссийский проект «Медицинские и социальные информационные сети здравоохранения России».
Рис. 12. Скан страницы с рейтингами экспертной площадки Минздравсоцразвития России по Концепции развития здравоохранения России до 2020 года [18].
Рис. 13.Скан страницы концепции проекта «Медицинские и социальные информационные сети здравоохранения России» на сайте партии «Единая Россия» [19].
2. Анализ эффективности различных методов визуализации и дешифровки медицинских изображений по критерию «качество/цена» или «результат/затраты» в координатах точности, времени и цены решения конкретных диагностических задач (см. рис. 8).
3. Синтез кибернетических центров дистанционной дешифровки различных изображений пациента для повышения эффективности системы здравоохранения и медицинского обслуживания населения на основе:
- сочетания преимуществ визуального и машинного поиска, обнаружения и распознавания диагностических признаков ранних стадий патологий [20];
- использования единого критерия оценки эффективности различных методов диагностики в координатах точности, времени и цены решения конкретных диагностических задач [21];
- разработки визуальных моделей функционирования систем жизнеобеспечения и жизненно важных органов человека в «норме» и при различных патологиях здоровья человека (визуальные «градационные шкалы» патологий) [15];
- создания для всех категорий населения и медицинских работников единой информационной среды знаний, обеспечивающей:
а) население знаниями для ведения здорового образа жизни, контроля и поддержания индивидуальной «нормы» психического и телесного здоровья;
б) медицинских работников – своевременной и точной диагностической информацией о состоянии здоровья пациента, знаниями для быстрого восстановления его индивидуальной «нормы» психического и телесного здоровья;
в) организаторов здравоохранения - оперативной и точной информацией об обеспечении, ходе и результатах диагностических исследований, лечебных процедур и хирургических операций во вверенных им учреждениях здравоохранения для принятия управленческих решений, направленных на снижение смертности населения [22].
Подробности продвижения проекта в публикации «Хроника событий» сообщества «Медицинские телекоммуникации» деловой социальной сети «Профессионалы» [23].
Лента новостей проекта в Facebook - https://www.facebook.com/www.medtelekom.ru/.
Ссылки:
1. Николаев Е.И. Дешифровка медицинских изображений: проблемы и пути повышения эффективности ранней диагностики. Труды IX Всероссийской научно-практической конференции с международным участием «Здоровье - основа человеческого потенциала: проблемы и пути их решения» (20-22 ноября 2014 г., Санкт-Петербург) . Том 9, часть 2, с. 473 – 475.
2. Аннотация проекта «Интернет-центры поддержки решений пациентов и врачей» на экспертной площадке РОЦИТ «Голос Рунета» http://www.community.rocit.ru/forum/discussions/39
3. Сайт конференции ФРИИ «Spb Startup Day» - http://www.spbstartupday.ru/
4. Страница Народного голосования Премии Рунета 2016 года - http://narod.premiaruneta.ru/
5. Сайт федерального акселератора технологических стартапов GenerationS - http://generation-startup.ru/
6. Эффективный человеко-машинный анализ медицинских изображений. Официальный каталог «Конкурс лучших инновационных проектов в сфере науки и высшего образования Санкт-Петербурга в 2019 году». Пермь: ИП Сигитов Т.М., 2019. – 75 с.
7. Проект «Исследование и разработка программно-аппаратного комплекса и телемедицинского портала цветовой дешифровки флюорографических изображений» - http://www.e-xecutive.ru/startup/projects/1800434/
8. Травникова Н.П. Эффективность визуального поиска. М.: Машиностроение. 1985 г.
9. Джадд Д., Вышецки Г. Цвет в науке и технике. М.: Мир, 1978 г.
10. Ссылка на сайт международного проекта по телерадиологии - https://www.diagnose.me/ru/
11. Амосов И.С., Дегтярев В.А., Борисова Л.С., Николаев Е.И. и др. Методика и техника цветовой дешифровки рентгенограмм / (Методические рекомендации). Обнинск, 1990 г.
12. Николаев Е.И. Исследование и разработка методов и двухканальных телевизионных систем цветового кодирования полутоновых изображений. Автореферат на соискание ученой степени кандидата технических наук, Ленинград, ЛЭТИ им. В.И.Ульянова (Ленина), 1989 г.
13. THE NATIONAL ARTIFICIAL INTELLIGENCE RESEARCH AND DEVELOPMENT STRATEGIC PLAN. October 13, 2016 - https://www.whitehouse.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/national_ai_rd_strategic_plan.pdf
14. Николаев Е.И. К единой оценке качества радиологических систем. Сборник научных трудов. Невский радиологический форум «Новые горизонты» (7-10 апреля 2007 г.). Санкт-Петербург, ЭЛБИ-СПб, 2007 г., с. 742 - 744.
15 Предложение Николаева Е.И. к плану Стратегического общественного движения «Россия 2045» от 22.09.2011 г. по радикальному продлению жизни с помощью кибернетических технологий - http://www.gosbook.ru/node/45633
16. Ссылка на материалы секции «Социальные телемедицинские сети как единая информационная среда здравоохранения России» Объединенной Конференции Российского Интернет-форума (РИФ) и Конференции Интернет и Бизнес (КИБ) - главного профильного мероприятия Рунет 2009 года - http://ok2009.ru/program2/70/
17. Государственная программа Российской Федерации «Развитие здравоохранения» - http://www.rosminzdrav.ru/ministry/programms/health/info
18. Ссылка на рейтинг предложений экспертной площадки Минздравсоцразвития России по открытому обсуждению Концепции развития здравоохранения России до 2020 года - http://www.zdravo2020.ru/top /
19. Ссылка на проект «Медицинские и социальные информационные сети здравоохранения России» на сайте партии «Единая Россия» - https://proj.edinros.ru/proposal/meditsinskie-i-sotsialnye-informatsionnye-seti-zdravookhraneniya-rossii
20. Николаев Е.И. Синтез телекоммуникаций для лучевой диагностики. Вестник Российской Военно-медицинской академии. №4 (28), 2009. Приложение. «Современные возможности лучевой диагностики заболеваний и повреждений в многопрофильном лечебном учреждении». Сборник научных трудов юбилейной научно-практической конференции, посвященной 80-летию основания кафедры рентгенологии и радиологии Военно-медицинской академии им. С.М.Кирова. Санкт-Петербург, 24 – 25 ноября 2009 г, стр. 95, 96.
21. Николаев Е.И. Пути повышения качества диагностики при радиологических исследованиях. II Евразийский радиологический форум «Достижения современной диагностической и интервенционной радиологии в клинической практике» (8-9 октября 2007 г. Астана, Казахстан), Астана, 2007 г.
22. Николаев Е.И. Здравоохранение будущего. Публикация на сервере «Вся в медицина в интернет!» от 06.01.2010 г. - http://www.medlinks.ru/article.php?sid=39384
23. Николаев Е.И. Хроника событий. Публикация сообщества «Медицинские телекоммуникации» деловой социальной сети «Профессионалы» - http://professionali.ru/Soobschestva/medicinskie_telekommunikacii/xronika_sobytij/
