XXIX Международный конкурс научно-исследовательских и творческих работ учащихся
Старт в науке
О возможностях популярных нейронных сетей в диагностике заболеваний
Автор работы награжден дипломом победителя III степени
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF
Введение.
Идея создания «машин, которые могут мыслить» интересовала ученых еще с давних времен. В конце 50-х мир узнает о перцептроне - это одна из первых моделей нейросетей, которая имитирует работу биологических нейронов и способна обучаться на основе примеров. В 80-х произошел бум в разработке «мыслящих машин», постепенно усложнялась их структура, возникали «многослойные» перцептроны, способные справляться с большим числом задач. А в 2010-х годах такие машины начнут совершенствовать в «глубину» - миллиарды текстов, картинок, видео и все это, чтобы расширять базы знаний таких машин. Думаю, вы догадываетесь о чем речь. Так появлялся Искусственный интеллект.
Искусственный интеллект (ИИ) — это область компьютерных наук, направленная на создание систем, способных выполнять задачи, требующие человеческого интеллекта. В 1960-х годах были разработаны первые программы ИИ, но именно в 21 веке искусственный интеллект стал неотъемлемой частью повседневной жизни, проник в различные ее сферы в том числе и в медицину.
Еще совсем недавно медицина всецело зависела от врачей. Сейчас же технологии стремительно становятся полноправными их коллегами. На данный момент, стоит вопрос цифровизации медицинских данных и внедрения компьютерных технологий в медицину.
По данным Минздрава, в Единой государственной информационной системе (ЕГИСЗ) к концу 2024 года содержалось 1,7 млрд электронных медицинских документов — в 22 раза больше, чем в 2021-м. К 2027 году прогнозируется рост показателя до 2,5 млрд. [2]
Кроме того, значительный интерес представляют системы с использованием Искусственного интеллекта для диагностики заболеваний. Высокая загруженность врачей или недостаточный практический опыт молодых специалистов ограничивает возможности принятия ими верных решений. Кроме того, задачи диагностики, прогнозирования течения заболевания, выбора стратегии и тактики лечения требуют учета совокупности имеющейся информации о пациенте, без чего медицинские решения носят приблизительный, «неточный» характер. По информации на октябрь 2024 года, министр здравоохранения РФ Михаил Мурашко заявил, что диагностические ошибки могут быть причиной 10% смертей пациентов во всём мире, а каждый двадцатый пациент поликлиники сталкивается с дефектами в диагностике. [3]
На помощь приходят современные технологии. Приведенные факты лишь подчеркивают актуальность выбранной темы и остроту поставленного вопроса: может ли врач положиться на Искусственный Интеллект в вопросах диагностики заболеваний?
По данным Росздравнадзора, к середине 2025 года зарегистрировано 47 медицинских изделий на основе ИИ, более половины из которых анализируют радиологические изображения и электронные медицинские карты. [2]
Цель: изучение диагностических возможностей нейронных сетей, используемых врачами.
Задачи:
-
Провести опрос среди врачей и студентов-медиков
-
По результатам опроса, выявить наиболее часто используемые нейронные сети
-
Собрать базу пациентских диагнозов с предварительного согласия участников исследования
-
Провести анализ результатов диагностик, выполненных выбранными нейронными сетями
-
Сделать выводы на основе полученных данных
Объект исследования: диагностирование заболеваний с помощью современных технологий.
Практическая значимость данного проекта заключается в расширении информационной и исследовательской базы по данному вопросу, а также привлечение внимания к этой теме.
Глава 1. Обзор литературы
-
-
. Как Искусственный Интеллект уже используется в медицине
-
Нейросети хорошо работают с задачами, где нужно быстро и точно обработать большое количество однотипных данных. Под это определение чаще всего попадают КТ, МРТ, снимки внутренних органов с помощью магнитного поля и радиоволн. ИИ умеет находить на снимках едва заметные отклонения от нормы и подсказывать врачу, где может скрываться патология. Также с помощью ИИ стала возможна ранняя диагностика рака — выявление опухолей на снимках. ИИ способен обнаруживать тонкие изменения в тканях, которые могут быть пропущены человеческим глазом.
Роботы с ИИ помогают хирургам значительно повысить точность операций, минимизируя повреждения тканей и сокращая время восстановления (например хирургические роботизированные системы Da Vinci, включая систему Da Vinci 5 с интегрированным ИИ-ассистентом см. Приложение 1, рис. 1)
Кроме того, ИИ помогает врачам подбирать терапию и дозировки с учётом индивидуальных особенностей, а алгоритмы машинного обучения анализируют огромные базы химических соединений и биологических данных, что ускоряет этапы поиска кандидатов и оптимизации молекул.
Каждый наверняка сталкивался с цифровыми медицинскими ассистентами и чат-ботами, которые обеспечивают круглосуточную поддержку: анализируют симптомы с помощью опросников и алгоритмов, помогают записаться к врачу, напоминают о приёме лекарств и отслеживают динамику самочувствия.
При этом применение Искусственного Интеллекта находятся под контролем врача, а также регулируется законодательно.
1.2. Проблемы, возникающие при использовании Искусственного Интеллекта в медицине
В первую очередь стоит вопрос конфиденциальности и безопасности данных пациентов. Интеграция ИИ усугубляет эти проблемы, поскольку системы ИИ в значительной степени зависят от доступа к большим наборам данных для обучения алгоритмов. Алгоритмы ИИ часто работают как «черные ящики», что означает, что их процессы принятия решений непрозрачны и сложны для интерпретации или тщательного изучения. Отсутствие прозрачности создает значительные проблемы как для поставщиков медицинских услуг, так и для
регуляторных органов и пациентов, поскольку это мешает им оценивать надежность, точность и потенциальные предубеждения, присущие рекомендациям на основе ИИ.
Также при использовании нейронных сетей возникает неопределенность в отношении того, кто несет ответственность за действия и решения ИИ-систем в медицинских учреждениях. В тех случаях, когда алгоритмы ИИ приводят к ошибочным или вредным результатам, определение ответственности может быть сопряжено с юридическими и этическими сложностями. Отсутствие подотчетности еще больше усугубляет эти проблемы.
Глава 2. Материалы и методы исследования
В качестве материала исследования были использованы результаты проведенного опроса среди врачей и студентов-медиков на платформе Яндекс Формы https://forms.yandex.ru/u/699b2f4c84227c9b16d424b9 (см. Приложение2) В целом же для принятия медицинских решений могут использоваться разнообразные данные: анамнез, результаты клинического осмотра, лабораторных тестов и исследований с помощью сложных функциональных методов, поэтому в качестве материала также использовались анамнезы и результаты клинических осмотров пациентов, участвовавших в исследовании.
Всего 42 человека приняли участие в опросе. Из них 20 врачей и 22 студента-медика 1-3 курса. Было установлено, что 32 опрошенных (76 %) использует ИИ в учебе или работе.
Исходя из полученных данных были определено, что 52% респондента используют ИИ в учебе или работе более 5 раз в месяц, а 19% использует ИИ 3-5 раз в месяц. Лишь 5% использует Искусственный Интеллект менее 2-х раз в месяц. Около 24% опрошенных не используют ИИ вовсе, стоит отметить, что все участники отметившие, что они не используют нейронные сети – врачи. (см. Рис. 2)
(Рис. 2 – частота использования ИИ) (Рис. 3 – область использования ИИ, студенты)
При этом, среди студентов-медиков лишь 17% опрошенных использует ИИ для помощи в диагностике заболеваний и анализе симптомов. Большим спросом пользуются такие услуги Искуственного Интеллекта как создание презентаций и написание работ. (см. Рис. 3)
Среди врачей же 50% опрошенных использует ИИ для диагностики заболеваний. Респонденты также отметили, что могут использовать ИИ для обработки и выявления патологий по данным анализов, чтения МРТ, КТ, рентгеновских снимков (другое). (см. Рис. 4)
(Рис. 4 – область использования ИИ, врачи)
Также в ходе данного опроса был установлен перечень наиболее часто используемых искусственных нейронных сетей среди опрошенных. Это такие искусственные нейронные сети как: DeepSeek и ChatGPT (из 34 респондентов, использующих ИИ в медицине, 19 пользуются каждой из перечисленных нейронных сетей). Именно с помощью данных нейронных сетей и проводились дальнейшие симуляции клинических ситуаций.
Была подобрана база обезличенных пациентских анамнезов и описаний болезней. Предварительно было получено добровольное согласие участвующих в данном исследовании пациентов на обработку персональных данных. Пять из шести диагнозов были подобраны в области Стоматологии. Шестой случай описывал клиническую ситуацию пациента, столкнувшегося с ошибочно поставленным диагнозом в области Отоларингологии.
С подобранной базой анамнезов вы можете ознакомиться при переходе по QR коду из Приложения 1 (см. Рис 5).
П одобранные случаи (конкретнее: жалобы пациентов и описание заболеваний) были заданы выбранным искусственным нейронным сетям. Были получены результаты диагностики и методы лечения, предложенные Искусственным интеллектом в заданных случаях. Затем было проведено сравнение диагностики, проведенной лечащим врачом и Искусственным Интеллектом.
В данной работе использовалось анкетирование, была проведениа симуляция клинических ситуаций и проведен сравнительный анализ полученных данных.
Глава 3. Результаты проведенного исследования
Каждая нейронная сеть поставила свой диагноз и предложила лечение в соответсвии с установленным диагнозом. Был проведен сравнительный анализ данных диагнозов, которые поставили нейронные сети и диагнозов, поставленных лечащими врачами.
Искусственная нейронная сеть DeepSeek верно поставила 6/6 диагнозов и предложенное лечение соответствовало лечению, которое назначил лечащий врач. В одном из диагнозов была отмечена неточность (вместо гранулирующего периодонтита был установлен апикальный), но тем не менее данный диагноз был засчитан как совпадающий.
ChatGPT в свою же очередь верно определил 4/6 диагнозов, ошибочно диагностировав глубокий кариозный процесс вместо хронического пульпита, глубокий кариозный процесс с пульповым воспалением вместо периодонтита и соответственно предложив неподходящее лечение в обоих случаях.
Результаты исследования представлены в таблице ниже.
Итак, с помощью нейросетей было обработано 5 стоматологических случаев (Средний кариес в области 16 зуба, глубокий кариес в области 14, пульпит, обострение периодонтита в области 23, хронический парадонтит в обострении 32). Искусственная нейронная сеть DeepSeek верно поставила 5/5 стоматологических диагнозов и предложенные лечения соответствовали лечениям, которое назначил лечащий врач. ChatGPT в свою же очередь верно определил 3/5 диагнозов в области стоматологии, ошибочно диагностировав глубокий кариозный процесс вместо хронического пульпита и соответственно предложив неподходящее лечение. Обе нейронные сети верно определили шестой случай (правосторонний хронический средний отита), в диагностировании которого врачи были неточны. Полученные данные показывают, что Искусственный Интеллект обладает высокой точностью диагностирования заболевания, в 83% заболевания были диагностированы успешно.
Заключение.
В ходе анализа была проведена проверка диагностической способности наиболее часто используемых искусственных нейронных сетей среди медиков. Полученным результатам с 83% успеха данные ИИ справились с диагностиками заболеваний. Однако данная тема нуждается в проведении исследований с большей выборкой. Вероятно, нейронные сети, используемые врачами для исследуемых нами диагнозов, могут являться вспомогательным инструментом для постановки диагноза. [1]
Несмотря на высокий процент верного диагностирования в нашем исследовании и других подобных обзорах, пока не был получен 100% или близкий к этому значению результат. Именно поэтому Искусственному Интеллекту суждено оставаться «помощником», контролируемым инструментом в руках врача.
Список используемой литературы:
1. Выучейская М.В., Крайнова И.Н., Грибанов А.В. Нейросетевые технологии в диагностике заболеваний (обзор) / Выучейская М.В., Крайнова И.Н., Грибанов А.В. [Электронный ресурс] // Cyberleninka : [сайт]. — URL: https://cyberleninka.ru/article/n/neyrosetevye-tehnologii-v-diagnostike-zabolevaniy-obzor/viewer (дата обращения: 26.02.2026).
2. Евгений Видов Информация здорового человека. Россия формирует рынок цифрового здравоохранения / Евгений Видов [Электронный ресурс] // Коммерсантъ : [сайт]. — URL: https://www.kommersant.ru/doc/8161858 (дата обращения: 22.02.2026).
3. Лада Шамардина Мурашко назвал статистику смертей из-за ошибок в медицинской диагностике / Лада Шамардина [Электронный ресурс] // Медвестник : [сайт]. — URL: https://medvestnik.ru/content/news/Murashko-nazval-statistiku-smertei-iz-za-oshibok-v-medicinskoi-diagnostike.html (дата обращения: 24.02.2026).
4. М. В. Сахибгареева , А. Ю. Заозерский РАЗРАБОТКА СИСТЕМЫ ПРОГНОЗИРОВАНИЯ ДИАГНОЗОВ ЗАБОЛЕВАНИЙ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА / М. В. Сахибгареева , А. Ю. Заозерский [Электронный ресурс] // ОРИГИНАЛЬНОЕ ИССЛЕДОВАНИЕ ДИАГНОСТИКА : [сайт]. —URL:https://vestnik.rsmu.press/files/issues/vestnik.rsmu.press/2017/6/2017-6-7_ru.pdf?lang=ru (дата обращения: 24.02.2026).
5. Pranav Rajpurkar, Emma Chen, Oishi Banerjee & Eric J. Topol AI in health and medicine / Pranav Rajpurkar, Emma Chen, Oishi Banerjee & Eric J. Topol [Электронный ресурс] // Nature : [сайт]. —URL:https://www.nature.com/articles/s41591-021-01614-0 (дата обращения: 25.02.2026).
Приложение 1. Изображения.
Рис. 1 хирургическая система DaVinci 5 с интегрированными модулями ИИ
Рис. 5 QR-код с базой пациентских анамнезов
Приложение 2. Текст проведенного опроса.