Inventory number IRN Number of state registration
0224РК01202 BR24993145-OT-24 0124РК01241
Document type Terms of distribution Availability of implementation
Промежуточный Gratis Number of implementation: 0
Not implemented
Publications
Native publications: 0
International publications: 0 Publications Web of science: 0 Publications Scopus: 0
Number of books Appendicies Sources
1 0 125
Total number of pages Patents Illustrations
118 0 7
Amount of funding Code of the program Table
217818694 О.1409 8
Code of the program's task under which the job is done
01
Name of work
Технологии искусственного интеллекта по анализу мультимодальных больших данных для диагностики и прогнозирования рака молочной железы
Report title
Type of work Source of funding The product offerred for implementation
Applied Технология
Report authors
Абдикенов Бейбит Болатгазыевич , Карибеков Темирлан Сибирьевич , Аянбаев Биржан Турарович , Маханов Нұрсұлтан Мендібайұлы , Файзуллин Адиль Рамазанович , Жақсылық Томирис Муслимқызы , Оразаев Ержан Бақтығалиұлы , Жумагожаев Курмаш Жумагожаулы , Сеитова Айгерим ,
0
3
1
0
Customer МНВО РК
Information on the executing organization
Short name of the ministry (establishment) Нет
Full name of the service recipient
Товарищество с ограниченной ответственностью "Astana IT University"
Abbreviated name of the service recipient "Astana IT University"
Abstract

Технологии искусственного интеллекта и модели глубоких нейтронных сетей для диагностики и прогнозирования рака молочной железы.

Сүт безі қатерлі ісігін диагностикалау және болжау үшін жасанды интеллект технологиялары және терең нейрондық желі модельдері.

Целью нашего исследования является улучшение диагностики рака молочной железы путем разработки технологий искусственного интеллекта с последующим внедрением в клиническую практику.

Біздің зерттеуіміздің мақсаты-жасанды интеллект технологияларын әзірлеу арқылы сүт безі қатерлі ісігінің диагностикасын жақсарту, содан кейін клиникалық тәжірибеге енгізу.

Сбор и анализ медицинских данных; Молекулярно-генетические методы; Биоинформатические методы; Статистические методы анализа.

Медициналық деректерді жинау және талдау; Молекулярлық-генетикалық әдістер; Биоинформатикалық әдістер; Статистикалық талдау әдістері.

1. Проведен литературный обзор по применению глубоких нейронных сетей для скрининга и диагностики рака молочной железы. 2. Получены данные из открытых источников по всем типам данных. 3. Обучены модели глубоких нейронных сетей на данных из открытых источников.

1. Сүт безі обырын скрининг және диагностикалау үшін терең нейрондық желілерді қолдану бойынша әдеби шолу жүргізілді. 2. Барлық деректер түрлері бойынша ашық ақпарат көздерінен деректер жиналды. 3. Ашық ақпарат көздерінен алынған деректер негізінде терең нейрондық желі модельдері оқытылды.

Конструктивные показатели: Интеграция данных различных типов: медицинские изображения, генетические данные, лабораторные анализы, клинические записи; Модели объединяют структурированные и неструктурированные данные; Использование мультимодальных алгоритмов глубокого обучения (гибридные модели); Возможности автоматического обновления моделей на основе новых данных (self-learning); Применение трансформеров или свёрточных нейросетей для анализа изображений; Внедрение алгоритмов обработки текста (анамнез, электронные медицинские карты) и числовых данных (анализ биомаркеров). Технико-экономические показатели: Точность определения опухолей: > 85% (в зависимости от данных и моделей); Раннее обнаружение: улучшение выявления на 20–30% по сравнению с традиционными методами; Уменьшение нагрузки на медицинский персонал за счёт автоматизации анализа данных; Снижение затрат на диагностику 15–25%; Повышение шансов на выживание благодаря ранней диагностике: до 20%.

Сындарлы көрсеткіштер: Әртүрлі типтегі деректерді біріктіру: медициналық кескіндер, генетикалық деректер, зертханалық зерттеулер, клиникалық жазбалар; Модельдер құрылымдық және құрылымданбаған деректерді біріктіреді; Терең оқытудың мультимодальды алгоритмдерін қолдану (гибридті модельдер); Жаңа деректерге негізделген модельдерді автоматты түрде жаңарту мүмкіндіктері (self-learning); Кескіндерді талдау үшін трансформаторларды немесе конвульсиялық нейрондарды қолдану; Мәтінді өңдеу алгоритмдерін (анамнез, электрондық медициналық карталар) және сандық деректерді (биомаркерлерді талдау) енгізу. Техникалық-экономикалық көрсеткіштер: Ісіктерді анықтау дәлдігі: > 85% (деректер мен үлгілерге байланысты); Ерте анықтау: дәстүрлі әдістермен салыстырғанда анықтауды 20-30% жақсарту; Деректерді талдауды автоматтандыру арқылы медициналық персоналға жүктемені азайту; Диагностика шығындарының төмендеуі 15-25%; Ерте диагностиканың арқасында өмір сүру мүмкіндігін арттыру: 20% дейін.

Не внедрено.

Енгізілмеген.

Высокая.

Жоғары.

Региональные онкологические диспансеры и научно-исследовательские институты.

Аймақтық онкологиялық диспансерлері және ғылыми-зерттеу институттары.

UDC indices
618.19:616-07(004.8)(083.94)
International classifier codes
76.13.23; 50.05.19;
Readiness of the development for implementation
Key words in Russian
Искусственный интеллект; Мультимодальные данные; Обработка медицинских изображений; Глубокие нейронные сети; Система поддержки принятия решений; Рак молочной железы;
Key words in Kazakh
Жасанды сана; Мультимодальды деректер; Медициналық кескіндерді өңдеу; Терең нейрондық желілер; Шешімдерді қолдау жүйесі; Сүт безі қатерлі ісігі;
Head of the organization Хикметов Аскар Кусупбекович Кандидат физико-математических наук /
Head of work Абдикенов Бейбит Болатгазыевич Ph.D. / Ph.D.
Native executive in charge