The object of research, development or design (in Russian) : Сравнение эффективности различных алгоритмов машинного обучения для прогнозирования риска отторжения почки на основе несбалансированных данных, с акцентом на методах обработки дисбаланса классов и отборе важных признаков

The object of research, development or design (in Kazakh) : Класс дисбалансын өңдеу әдістері мен маңызды белгілерді іріктеуге басымдық бере отырып, теңгерімсіз деректер негізінде бүйрек трансплантациясының қабылданбау қаупін болжау үшін әртүрлі машиналық оқыту алгоритмдерінің тиімділігін салыстыру

Aim of work (in Russian) : Разработка облачной системы искусственного интеллекта для прогнозирования риска отторжения почки после трансплантации на основе несбалансированных больших данных

Aim of work (in Kazakh) : Теңгерімсіз үлкен деректер негізінде трансплантациядан кейін бүйректі қабылдамау қаупін болжау үшін бұлттық жүйеге негізделген жасанды интеллектті әзірлеу

Методы исследования (на русском) : Для данного проекта методами исследования являются искусственный интеллект, машинное обучение и обработка медицинских данных. Методы исследования направлены на оптимизацию процессов анализа медицинских данных, включая предварительную обработку, балансировку классов и выбор признаков.

Методы исследования (на казахском) : Бұл жоба үшін зерттеу әдістері жасанды интеллект, машиналық оқыту және медициналық деректерді өңдеу болып табылады. Зерттеу әдістері медициналық деректерді талдау процестерін оңтайландыруға бағытталған, оның ішінде алдын ала өңдеу, класс дисбалансын өңдеу және feature-лерді таңдау.

Obtained results and novelty (in Russian) : В соответствии с календарным планом проведена работа по заполнению пропущенных значений с использованием адаптивного метода вменения и автокодирования признаков. Данные разделены по типу доноров и времени отторжения для точного анализа и моделирования зависимостей. Разработан и протестирован алгоритм недостаточной выборки и передискретизации, основанный на идее ансамбля, для оценки его эффективности и точности. Подготовлена и подана статья в отечественное издание, рекомендованное КОКСНВО. Подготовлена облачная среда для веб-приложения и интеграция интеллектуального модуля для визуализации данных, обеспечивающая быструю и эффективную обработку информации.

Obtained results and novelty (in Kazakh) : Күнтізбелік жоспарға сәйкес, адаптивті imputation әдісі арқылы бос мәндерді толтыру мен feature-лерді автокодтау жұмысы жүргізілді. Деректер донор түрі мен трансплантаттың өміршеңдігі бойынша бөлінді. Эффективтілігі мен дәлдігін бағалау үшін ансамбль идеясына негізделген undersampling және oversampling алгоритмі әзірленіп, сыналды. ҒЖБССҚК ұсынған отандық басылымға мақала дайындалып, жіберілді. Ақпаратты жылдам және тиімді өңдеуді қамтамасыз ететін веб-қолданба үшін бұлтты орта және деректерді визуализациялау үшін интеллектуалды модуль интеграциясы дайындалды.

The main constructive and technical economic indicators (in Russian) : Разработанное приложение с использованием искусственного интеллекта для прогнозирования риска отторжения почечного трансплантата предлагает инновационный подход к лечению пациентов с хронической почечной недостаточностью. Анализ больших массивов данных о пациентах позволит врачам принимать более точные решения о лечении, что приведет к повышению эффективности трансплантации и улучшению качества жизни пациентов. Данное решение не только повышает социальную значимость процедуры трансплантации, но и обладает значительным экономическим потенциалом за счет снижения затрат на здравоохранение, связанных с повторными трансплантациями и длительной иммуносупрессивной терапией.

The main constructive and technical economic indicators (in Kazakh) : Бүйрек трансплантаттың өміршеңдігін болжау үшін жасанды интеллект көмегімен әзірленген қолданба созылмалы бүйрек жеткіліксіздігі бар науқастарды емдеуге инновациялық тәсілді ұсынады. Пациенттердің үлкен көлемін талдау дәрігерлерге емдеудің нақты шешімдерін қабылдауға мүмкіндік береді, бұл трансплантация тиімділігін арттыруға және пациенттердің өмір сүру сапасын жақсартуға әкеледі. Бұл шешім трансплантация процедурасының әлеуметтік маңыздылығын арттырып қана қоймайды, сонымен қатар қайталанатын трансплантацияларға және ұзақ мерзімді иммуносупрессивті терапияға байланысты денсаулық сақтау шығындарын азайту арқылы айтарлықтай экономикалық әлеуетке ие.

Level of implementation (in Russian) :

Level of implementation (in Kazakh) :

Efficiency (in Russian) : Предложенный алгоритм глубокого обучения для комплексной оценки совместимости донор-реципиент в трансплантации почек, интегрированный в удобное веб-приложение, предоставляет более точный и персонализированный прогноз исхода трансплантации по сравнению с традиционными статистическими моделями. Инновационный подход к балансировке классов, адаптивное вменение пропущенных данных и уникальный метод выбора признаков, учитывающий как данные, так и экспертную оценку, позволяют повысить надежность и точность прогнозирования. Разработанное решение открывает новые возможности для оптимизации процесса подбора донора и улучшения долгосрочных результатов трансплантации.

Efficiency (in Kazakh) : Бүйрек трансплантациясында донор-реципиент үйлесімділігін кешенді бағалауға арналған ұсынылған терең оқыту алгоритмі пайдаланушыға ыңғайлы веб-қосымшаға интеграцияланған, дәстүрлі статистикалық модельдермен салыстырғанда трансплантация нәтижесінің дәлірек және персоналды болжамын қамтамасыз етеді. Классты теңестіруге инновациялық тәсіл, жетіспейтін деректерді бейімдеу және деректерді де, сарапшылардың пікірін де ескеретін бірегей мүмкіндікті таңдау әдісі болжау сенімділігі мен дәлдігін жақсартады. Әзірленген шешім донор таңдау процесін оңтайландыру және ұзақ мерзімді трансплантация нәтижелерін жақсарту үшін жаңа мүмкіндіктер ашады.

Field of application (in Russian) : Степень воздействия результатов работы в данном проекте прогнозируется быть положительным для развития персонализированной медицины, так как система позволит врачам более точно прогнозировать риск отторжения трансплантата и подбирать оптимальную схему лечения для каждого пациента

Field of application (in Kazakh) : Бұл жобаның нәтижелері жекеленген медицинаның дамуына оң әсер етеді деп болжануда, өйткені жүйе дәрігерлерге трансплантаттың қабылданбау қаупін дәлірек болжауға және әрбір пациент үшін ең тиімді емдеу әдісін таңдауға мүмкіндік береді