The object of research, development or design (in Russian) : Алгоритмы машинного обучения для семантического визуального представления пациентов и система поддержки принятия медицинских решений на основе технологий машинного обучения

The object of research, development or design (in Kazakh) : Пациенттерді семантикалық визуалды бейнелеуге арналған машиналық оқыту алгоритмдері және машиналық оқыту технологияларына негізделген медициналық шешімдерді қолдау жүйесі

Aim of work (in Russian) : Создание архитектурной модели системы поддержки принятия медицинских решений, включающей комплекс алгоритмов машинного обучения для анализа медицинских данных с целью улучшения процесса принятия решений в медицине.

Aim of work (in Kazakh) : Медицинада шешім қабылдау процесін жақсарту мақсатында медициналық деректерді талдауға арналған машиналық оқыту алгоритмдерінің кешенін қамтитын медициналық шешімдерді қолдау жүйесінің архитектуралық моделін құру.

Методы исследования (на русском) : Анализ существующих алгоритмов машинного обучения. Сбор и предварительная обработка медицинских данных. Разработка и настройка комплекса алгоритмов машинного обучения. Изучение интерпретируемости результатов моделей.

Методы исследования (на казахском) : Қолданыстағы Машиналық оқыту алгоритмдерін талдау. Медициналық деректерді жинау және алдын ала өңдеу. Машиналық оқыту алгоритмдерінің кешенін әзірлеу және теңшеу. Модель нәтижелерінің интерпретациясын зерттеу.

Obtained results and novelty (in Russian) : Сформирована архитектурная основа системы поддержки клинических решений с реализованными интерфейсами и модулем интеграции гетерогенных медицинских данных. Разработан и апробирован комплекс методов обработки и унификации клинической информации для повышения точности прогностических моделей. Подготовлена и запущена фаза расширенной валидации алгоритмов на реальных и смоделированных медицинских данных. Промежуточные результаты опубликованы на международных научных конференциях и отражены в трех научных работах.

Obtained results and novelty (in Kazakh) : Клиникалық шешімдерді қолдау жүйесінің архитектуралық негізі қалыптастырылып, интерфейстер мен гетерогенді медициналық деректерді біріктіру модулі іске асырылды. Прогностикалық модельдердің дәлдігін арттыру мақсатында клиникалық ақпаратты өңдеу және унификациялау әдістерінің кешені әзірленіп, апробациядан өтті. Алгоритмдерді нақты және модельденген медициналық деректерде кеңейтілген валидациялау кезеңі басталды. Зерттеудің аралық нәтижелері халықаралық ғылыми конференцияларда жарияланып, үш ғылыми жұмыста көрініс тапты.

The main constructive and technical economic indicators (in Russian) : Архитектура системы определяет функциональные компоненты и структуру для создания систем поддержки принятия медицинских решений. Используемые алгоритмы машинного обучения обеспечивают высокую производительность в классификации медицинских данных.

The main constructive and technical economic indicators (in Kazakh) : Жүйенің архитектурасы медициналық шешімдерді қолдау жүйелерін құрудың функционалды компоненттері мен құрылымын анықтайды. Қолданылатын Машиналық оқыту алгоритмдері медициналық деректерді жіктеуде жоғары өнімділікті қамтамасыз етеді.

Level of implementation (in Russian) : Промежуточные результаты опубликованы в международных научных журналах и конференциях, что подтверждает актуальность и применимость разработанной модели.

Level of implementation (in Kazakh) : Аралық нәтижелер Халықаралық ғылыми журналдар мен конференцияларда жарияланды, бұл әзірленген модельдің өзектілігі мен қолданылуын растайды.

Efficiency (in Russian) : Разработанное решение повышает эффективность обработки и интеграции медицинских данных за счёт модульной архитектуры и оптимизированных алгоритмов подготовки данных, что обеспечивает более точную и устойчивую работу прогностических моделей. Это способствует повышению достоверности клинических выводов и улучшает качество поддержки врачебных решений в условиях реальной медицинской практики.

Efficiency (in Kazakh) : Әзірленген шешім модульдік архитектура мен деректерді дайындаудың оңтайландырылған алгоритмдері арқылы медициналық деректерді өңдеу және біріктірудің тиімділігін арттырады. Бұл прогностикалық модельдердің дәлдігі мен тұрақтылығын қамтамасыз етіп, клиникалық қорытындылардың сенімділігін жоғарылатады және нақты медициналық практика жағдайында дәрігерлік шешімдерді қолдау сапасын жақсартуға мүмкіндік береді.

Field of application (in Russian) : Медицина, в частности поддержка принятия решений в эндокринологии и диабетологии, а также других областях, требующих анализа медицинских данных и принятия решений на основе искусственного интеллекта.

Field of application (in Kazakh) : Медицина, атап айтқанда Эндокринология мен диабетологиядағы шешімдерді қолдау, сондай-ақ медициналық деректерді талдауды және жасанды интеллект негізінде шешім қабылдауды қажет ететін басқа салалар.