The object of research, development or design (in Russian) : 1. Сбор и предварительная обработка данных. 2. Разработка диагностического инструмента на основе искусственного интеллекта. 3. Обучение и валидация моделей. 4. Анализ эффективности средств вычислительного прогнозирования на основе искусственного интеллекта в определении патогенности генетических вариантов в генах BRCA1 и BRCA2: . 5. Интеграция с системами здравоохранения. 6. Постоянное совершенствование и адаптация: постоянное обновление модели на основе новых данных и обратной связи.

The object of research, development or design (in Kazakh) : 1. Деректерді жинау және алдын ала өңдеу. 2. Жасанды интеллект негізінде диагностикалық құралын құру. 3. Модельдерді оқыту және валидациялау. 4. BRCA1 және BRCA2 гендеріндегі генетикалық нұсқалардың патогенділігін анықтауда жасанды интеллект негізіндегі есептеу болжау құралдарының тиімділігін талдау. 5. Денсаулық сақтау жүйесімен интеграция. 6. Үздіксіз жетілдіру және бейімдеу: жаңа деректер мен кері байланыс негізінде модельді үнемі жаңарту.

Aim of work (in Russian) : Разработать наиболее эффективную модель глубокого обучения, которая позволит классифицировать МРТ-сканы и более точно выявлять рак молочной железы.

Aim of work (in Kazakh) : МРТ сканерлеуін жіктейтін және сүт безі обырын дәлірек анықтайтын ең тиімді терең оқыту моделін құру.

Методы исследования (на русском) : Методы машинного и глубокого обучений

Методы исследования (на казахском) : Машиналық оқыту және терең оқыту әдістері

Obtained results and novelty (in Russian) : - Выполнены обучение и валидация моделей: обучены модели искусственного интеллекта на собранных данных и проверено ее работоспособности. - Выполнен анализ эффективности средств вычислительного прогнозирования на основе искусственного интеллекта в определении патогенности генетических вариантов в генах BRCA1 и BRCA2: проведен сравнительный анализ различных in silico инструментов с использованием ключевых параметров информативности с целью выбора наиболее эффективного метода ИИ для предсказания клинической значимости генетических вариаций в генах BRCA1 и BRCA2.

Obtained results and novelty (in Kazakh) : - Модельді оқыту және валидация жасалынды: жасанды интеллект модельдері жиналған деректер бойынша оқытылды және олардың өнімділігі тексерілді. - BRCA1 және BRCA2 гендеріндегі генетикалық нұсқалардың патогенділігін анықтау үшін жасанды интеллект негізіндегі есептеу болжау құралдарының тиімділігін талдау жүргізілді: BRCA1 және BRCA2 гендеріндегі генетикалық вариациялардың клиникалық маңыздылығын болжау үшін ең тиімді жасанды интеллект әдісін таңдау мақсатында негізгі ақпараттық параметрлерді қолдана отырып, әртүрлі in silico құралдарының салыстырмалы талдауы жүргізілді.

The main constructive and technical economic indicators (in Russian) : Разработанные DL-модели могут быть использованы при решении различных задач.

The main constructive and technical economic indicators (in Kazakh) : Әзірленген DL модельдері әртүрлі мәселелерді шешу үшін пайдаланылуы мүмкін.

Level of implementation (in Russian) : Проект относится к категории фундаментальных исследований, следовательно полученные результаты не предполагают непосредственного практического внедрения на данном этапе. Степень внедрения результатов в рамках фундаментальной науки можно определить как научно-методологическая, ориентированная на расширение теоретических знаний и формирование новых научных подходов, а полученные результаты могут служить основой для последующих научных работ, направленных на развитие теории нейросетевых методов диагностики и углублённое изучение биоинформатических подходов.

Level of implementation (in Kazakh) : Жоба іргелі зерттеулер санатына жатады, сондықтан алынған нәтижелер осы кезеңде практикалық іске асырылмайды. Іргелі ғылым шеңберіндегі нәтижелерді енгізу дәрежесін теориялық білімді кеңейтуге және жаңа ғылыми тәсілдерді әзірлеуге бағытталған ғылыми және әдістемелік деп анықтауға болады. Алынған нәтижелер нейрондық желілік диагностика әдістерінің теориясын дамытуға және биоинформатика тәсілдерін терең зерттеуге бағытталған болашақ зерттеулер үшін негіз бола алады.

Efficiency (in Russian) : Результаты валидации подтвердили корректность работы разработанных моделей и их способность распознавать клинически значимые изменения с высокой степенью достоверности. Более того, проведённый анализ эффективности средств вычислительного прогнозирования (in silico инструментов) позволил определить наиболее информативные и точные методы, что дополняет общую концепцию проекта, направленную на повышение точности диагностики рака молочной железы. Полученные результаты свидетельствуют о высокой эффективности разработанной модели глубокого обучения, которая демонстрирует перспективность применения в задачах автоматизированного выявления патологий на МРТ изображениях, включая раннее обнаружение признаков рака молочной железы.

Efficiency (in Kazakh) : Валидация нәтижелері әзірленген модельдердің дұрыс жұмыс істеуін және клиникалық тұрғыдан маңызды өзгерістерді жоғары дәлдікпен тану қабілетін растады. Сонымен қатар, есептеу болжау құралдарының (silico құралдарында) тиімділігін талдау сүт безі қатерлі ісігін диагностикалаудың дәлдігін арттыруға бағытталған жобаның жалпы тұжырымдамасын толықтыратын ең ақпараттық және дәл әдістерді анықтады. Алынған нәтижелер әзірленген терең оқыту моделінің жоғары тиімділігін көрсетеді, оның сүт безі қатерлі ісігін ерте анықтауды қоса алғанда, МРТ кескіндеріндегі патологияларды автоматтандырылған түрде анықтауда қолдану әлеуетін көрсетеді.

Field of application (in Russian) : Научное сообщество, медицинская сфера, докторанты, магистранты и студенты технических и биологических факультетов вузов.

Field of application (in Kazakh) : Ғылыми қауымдастық, медицина саласы, университеттердің техникалық және биологиялық факультеттерінің докторанттары, магистранттары мен студенттері.