Нейро-экспертная система «KardioNet»

позволяет ставить диагнозы сердечно-сосудистых заболеваний, выполнять прогнозирование их развития на 5, 10, 15 и более лет, подбирать оптимальные курсы лечения и профилактики заболеваний с учетом индивидуальных особенностей организма пациентов.

Пройти обследование

История создания интеллектуальной диагностико-прогностической системы

Эта история началась в 1998 году, т.е. примерно 20 лет назад.

Профессор Пермского госуниверситета Л.Н.Ясницкий осваивал новый для него предмет «Искусственный интеллект», который надо было преподавать вместо ушедшего из жизни Юрия Владимировича Девингталя. Вместе с учебной нагрузкой в наследство досталась обширная библиотека из книг, изданных еще до 1980 года, т.е. до начала перестройки, распада СССР и деградации Советской науки. Это были книги, посвященные математическим и философским основам искусственного интеллекта.

Надо сказать, что в то время клеймо буржуазной лженауки с кибернетики было уже снято, но отношение к Искусственному интеллекту было как к какой-то не имеющей практического применения философской науке. Шли бесконечные споры и обсуждения на тему «Может ли машина мыслить?», а в некоторых книгах весьма категорично утверждалось, что нейронные сети – это тупиковое научное направление.

Все началось с того, что Л.Н.Ясницкий не поверил в это утверждение. Он был восхищен опытами Ф.Розенблатта по распознаванию букв латинского алфавита. Удивительно было то, что компьютерная программа, изобретенная Ф.Розенблаттом (она назвалась персептрон, а позднее – нейронной сетью), имитировала процессы, происходящие в мозге. Кроме того, знания в нее не закладывались заранее, как в обычную компьютерную программу, а приобретались в ходе обучения методом «поощрения – наказания», т.е. так, как это практикуется при обучении детей.

Это была блестящая попытка создания искусственного мозга, и было понятно, что идея «машинного обучения» открывает колоссальные возможности решения широкого круга практических задач. Пользуясь методикой Розенблатта, он составил компьютерную программу и попробовал обучить ее таблице умножения. Получилось. Причем, обучившись на одних примерах, нейронная сеть успешно справлялась и с такими примерами, которым ее не учили. Например, обучив нейросеть таблице умножения на два, на три, на четыре и на пять, ее можно было смело спрашивать – сколько будет шестью семь?

Это свойство – давать правильные ответы на незнакомые вопросы, в теории искусственного интеллекта называется свойством обобщения. Именно благодаря свойству обобщения (кстати, унаследованному от мозга) стало понятно, что нейронные сети совсем не тупик, и не игрушка для философов, а технология, за которой виделись огромные перспективы практического применения. С Пермским авиационным заводом был заключен договор на решение важной практической задачи – создание нейросетевой системы ранней диагностики авиационных двигателей. С завода в университет передавались сведения о дефектах и неисправностях, обнаруженных при разборке отлетавших свой срок двигателей. Одновременно с дефектами о каждом двигателе сообщались его рабочие параметры, которые замерялись еще во время полетов. Среди этих параметров были: возраст двигателя, температура в различных точках, давление, пульсации и т.д., очень похоже на параметры пациента, которого диагностирует врач. Таким образом, было сформировано обучающее множество примеров – записей для каждого двигателя, включающих параметры, характеризующие его работу во время полетов (входные параметры) и информацию о выявленных во время разборки неисправностях (выходные параметры). Нейронная сеть успешно обучилась и при тестовых испытаниях выявляла неисправности двигателей до их разборки, причем даже такие, которые инженерными методами выявлять не удавалось.

Следующим был проект создания нейросетевого детектора лжи, закончившийся защитой кандидатской диссертации и внедрением в практику деятельности ООО «Поликониус» – мирового лидера на рынке полиграфной продукции и услуг. Принцип создания нейросетевого полиграфа был аналогичным. Под руководством главного полиграфолога Пермской области полковника Аскольда Марковича Петрова собирались данные его полиграфных опросов: параметры, характеризующие объект исследования (человека): частота пульса, давление, параметры дыхания, электропроводность кожи, электрокардиограмма и др., а на выходе диагноз – правдивый ответ дал респондент в момент снятия параметров, или лживый.

Одновременно проводились экспериментальные работы по созданию программного инструментария, предназначенного для генерации и обучения нейронных сетей. Начатые Л. Ясницким, А. Швеевым, С.Бурдиным, эти программные инструменты в течение пятнадцати лет постоянно усовершенствовались и дополнялись Ф. Черепановым новыми современными (в т.ч. авторскими) подпрограммами, позволяющими создавать нейронные сети, максимально приспособленными для каждой решаемой задачи. С помощью нейропакета NSIM-5.0 (он находится в свободном доступе на сайте www.lbai.ru) были созданы десятки интеллектуальных систем в области экономики, бизнеса, промышленности, политологии, социологии, психологии, криминалистике, спорта и т.д., которым посвящено более сотни наших научных публикаций благодаря которым Пермское отделение Научного совета РАН по методологии искусственного интеллекта теперь занимает лидирующие позиции.

Но вот однажды, руководителя проектов Л.Н.Ясницкого с сердечным приступом на скорой помощи доставили в 4-ю клиническую больницу г.Перми. Там он познакомился с замечательным врачом, кандидатом медицинских наук Андреем Артуровичем Думлером и убедил его разработать анкету для сбора статистической информации о диагностике его пациентов. Анкета содержала семь разделов:

  1. Паспортная часть (с учетом сохранения конфеденциальности информации).
  2. Жалобы. Перечисляются ведущие жалобы, т.е. те, которые с большей вероятностью указывают на поражение системы кровообращения. Жалобы предъявляются на момент осмотра. Если при осмотре жалоб не оказывалось, уточнялось, имелись ли подобные жалобы в течение предшествующего времени либо при поступлении на лечение.
  3. История развития заболевания.
  4. История жизни пациента. В данной части анкеты уточняется наличие факторов риска сердечно-сосудистых заболеваний.
  5. Объективное (физикальное) исследование.
  6. Электрокардиография (анализ 12 общепринятых отведений).
  7. Дополнительные методы исследования (лабораторные, инструментальные). Особо следует отметить, что диагноз Инфаркт миокарда и Нестабильная стенокардия каждый раз подтверждался кардиоспецифическими лабораторными тестами (тропониновый тест) и коронароангиографией. Диагноз ТЭЛА подтверждался проведением ангиопульмонографией.

Система обучалась выявлять следующие диагнозы:

  • Инфаркт миокарда.
  • Стенокардия стабильная.
  • Стенокардия нестабильная.
  • Гипертоническая болезнь.
  • Нарушения ритма и проводимости сердца.
  • Острая левожелудочковая недостаточность.
  • Хроническая сердечная недостаточность.
  • Тромбоэмболия легочной артерии.

С 2005 года по 2009 гг. работы по сбору статистической информации и эксперименты по обучению нейронных сетей выполнялись как инициативные. С 2009 по 2012 годы они выполнялись на средства Гранта Правительства Пермского края работниками ЗАО «Информационно-вычислительные системы» (ИВС), Пермского государственного медицинского университета имени академика Е.А.Вагнера, Пермского государственного национального исследовательского университета, Пермского государственного гуманитарно-педагогического университета.

К 2012 году нейронные сети уже обучались на анкетных данных 1200 больных кардиологического профиля и 200 здоровых людей. Однако, хотя точность постановки диагнозов при тестировании нейросетевой системы колебалась от 64,5% до 99%, при попытках опытной эксплуатации системы выявились случаи неправильной постановки диагнозов.

2013 – 2015 гг можно назвать периодом переосмысления, обнаружения и исправления ошибок. В результате длительных обсуждений методики моделирования и результатов испытаний интеллектуальной системы, были установлены причины ошибочной диагностики. Понимание этих причин пока является нашим Ноу-Хау. Между математиками и врачами, наконец, был найден «общий язык».

В этот период бала изобретена нейронная сеть, специально предназначенная для поиска выбросов статистической информации – ошибок, которые неизбежно встречаются в больших объемах данных. Последующий год был посвящен исключительно выявлению и исправлению ошибочной информации в обучающих множествах с помощью нового нейросетевого инструмента, применяемого в тесном контакте с врачами-экспертами. Работы выполнялись при финансовой поддержке гранта Российского фонда фундаментальных исследований.

К 2017 году с системы были сняты все претензии практикующих врачей, она успешно прошла опытную эксплуатацию в 4-й клинической больнице г.Перми.

В этом же году система научилась помимо диагностики выполнять прогнозирование появления и развития заболеваний на 5, 10, 15 и более лет. Это, в свою очередь, сделало возможным подбирать оптимальный для каждого пациента образ жизни, курсы профилактики и лечения сердечно-сосудистых заболеваний.

Публикации

  1. Ясницкий Л.Н. Интуиция цифры // Новый компаньон. 2004. №37(330). Вторник, 12 окрября. (Пермская деловая и политическая газета). С.5.
  2. Интеллектуальное компьютерное математическое моделирование / С.Л.Гладкий, Н.А.Степанов, Л.Н.Ясницкий; Под ред. Л.Н.Ясницкого; Перм. ун-т. – Пермь, 2005. – 159с.
  3. Актуальные проблемы математики, механики, информатики: материалы Международной научно-методической конференции, посвященной 90-летию высшего математического образования на Урале / Перм. гос. ун-т; под ред. Л.Н.Лядовой, В.И.Яковлева, Л.Н.Ясницкого. – Пермь, 2006. – 300с.
  4. Мурашов Д.И., Ясницкий Л.Н. Социальный генетический алгоритм // Вестник Пермского университета. Математика. Механика. Информатика. – Пермь: Изд. Пермского ун-та, 2006. – С.53-60. (Скачать).
  5. Ясницкий Л.Н. Пермская школа искусственного интеллекта и новые возможности метода математического моделирования // Философско-методологические проблемы искусственного интеллекта: материалы постоянно действующего теоретического междисциплинарного семинара. – Пермь: Изд-во Перм. гос. техн. ун-та, 2007. – с.171-204.
  6. Ясницкий Л.Н. Пермская научная школа искусственного интеллекта и ее инновационные разработки. - Пермь: Перм. пед. гос. ун-т; Перм. техн. гос. ун-т; Перм. гос. ун-т, 2007. – 36 с.
  7. Черепанов Ф.М., Ясницкий Л.Н. Симулятор нейронных сетей «Нейросимулятор 1.0». // Свидетельство об отраслевой регистрации разработки №8756. Зарегистрировано в Отраслевом фонде алгоритмов и программ 12.07.2007.
  8. Ясницкий Л.Н., Мишланов В.Ю., Полещук А.Н., Федорищев И.Ф. Приоритетные задачи и условия развития интеллектуальных медицинских систем // Пермский медицинский журнал. Приложение. – 2008. – т.25. – №1. – С.170-174.
  9. Ясницкий Л.Н. Удержаться «на плечах гигантов» (вводная статья) // Труды семинара «Компьютерные методы в механике сплошной среды». 2006 – 2007 гг. – СПб.: Изд-во С.-Петерб. Ун-та, 2008. – С. 3 – 15. (Скачать).
  10. Черепанов Ф.М., Ясницкий Л.Н. Нейросетевой фильтр для исключения выбросов в статистической информации // Вестник Пермского университета. Математика. Механика. Информатика. – Пермь: Изд. Пермского ун-та, 2008. – Вып.4 (20). – С.151-155. (Скачать).
  11. Ясницкий Л.Н. Гильберт, Колмогоров, Арнольд, искусственный интеллект и современный кризис прикладной математики (К 70-летию со дня рождения В.И.Арнольда) // Вопросы искусственного интеллекта. – 2008. – №1. – С.77-80.
  12. Думлер А.А., Полещук А.Н., Федорищев И.Ф., Ясницкий Л.Н. Нейросетевая система медицинской диагностики сердечно-сосудистых заболеваний // Искусственный интеллект: философия, методология, инновации. Материалы III Всероссийской конференции студентов, аспирантов и молодых ученых, г.Москва, МИРЭА, 11-13 ноября 2009 г. – М.: «Связь-Принт», 2009. – с.357-362.
  13. Богданов К.В., Чернопятов А.В., Ясницкий Л.Н. Медицинская система экспресс-диагностики сердечно-сосудистых заболеваний на основе нейронной сети // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 24.
  14. Никитенко И.И., Тарасов М.А., Ясницкий Л.Н. Решение краевых задач с помощью метода ФКО и генетических алгоритмов // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 48.
  15. Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор // Современные проблемы математики и ее прикладные аспекты: материалы всерос. науч.-практ. конф. (Пермь, Перм. ун-т, Перм. пед. ун-т, 12 марта 2010г) / Перм. ун-т, Перм. пед. ун-т. – Пермь, 2010. – С. 66.
  16. Ясницкий Л.Н. Введение в искусственный интеллект. Издание 3. Рекомендовано НМС по математике и механике. Книга награждена Дипломом Фонда развития отечественного образования как лучшая научная книга 2008 года. М.: Издательский центр «Академия», 2010. – 176с. (Заказать).
  17. Думлер А.А., Полещук А.Н., Маматова А.Ю., Муравьев Н.Г., Богданов К.В., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система дифференциальной экспресс-диагностики сердечно-сосудистых заболеваний // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 82.
  18. Черепанов Ф.М., Ясницкий Л.Н. Средства поддержки практического применения нейронных сетей // Актуальные проблемы механики, математики, информатики: Сб. тез. Всероссийской научно-практической конф. (Пермь, 12–15 октября 2010 г.) / Перм. гос.ун-т. – Пермь, 2010. – с. 242.
  19. Мишланов В.И., Ясницкий Л.Н., Думлер А.А, Полещук А.Н., Богданов К.В., Черепанов Ф.М. Неросетевая система дифференциальной диагностики сердечно-сосудистых заболеваний // Искусственный интеллект: философия, методология, инновации. Материалы IV Всероссийской конференции студентов, аспирантов и молодых ученых. Часть 2, г. Москва, МИРЭА, 10-12 ноября 2010 г. Под ред. Д.И. Дубровского и Е.А. Никитиной. – М.: «Радио и связь», 2010. – С. 63-64.
  20. Думлер А.А., Полещук А.Н., Маматова А.Ю., Богданов К.В., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система дифференциальной диагностики сердечно-сосудистых заболеваний. – XVII Зимняя школа по механике сплошных сред. – Пермь, 2011. – С.104.
  21. Думлер А.А., Полещук А.Н., Богданов К.В., Черепанов Ф.М., Ясницкий Л.Н. Опыт создания нейросетевой системы для диагностики сердечно-сосудистых заболеваний // Вестник Пермского университета. Математика. Механика. Информатика. Вып.1(5). Пермь: Изд. Пермского ун-та, 2011. – С.95-101.
  22. Ясницкий Л.Н., Думлер А.А., Полещук А.Н., Богданов К.В., Черепанов Ф.М. Нейросетевая система экспресс-диагностики сердечно-сосудистых заболеваний // Пермский медицинский журнал. – 2011. – №4. – С. 77-86. ( Скачать).
  23. Черепанов Ф.М., Ясницкий Л.Н. Исследовательский симулятор нейронных сетей // Искусственный интеллект: философия, методология, инновации. Материалы Пятой Всероссийской конференции. г. Москва, МГТУ МИРЭА, 9-11 ноября 2011 г. – М.: «Радио и Связь», 2011. – с. 137-139.
  24. Богданов К.В., Думлер А.А., Полещук А.Н., Черепанов Ф.М., Ясницкий Л.Н. Возможности применения методов искусственного интеллекта для диагностики и прогнозирования сердечно-сосудистых заболеваний // Искусственный интеллект: философия, методология, инновации. Материалы Пятой Всероссийской конференции. г. Москва, МГТУ МИРЭА, 9-11 ноября 2011 г. – М.: «Радио и Связь», 2011. – с. 146-148.
  25. Гусев А.Л., Зайцева Н.В., Шур П.З., Черепанов Ф.М., Ясницкий Л.Н. Возможности нейросетевого математического моделирования в задачах Роспотребнадзора // Искусственный интеллект: философия, методология, инновации. Материалы Пятой Всероссийской конференции. г. Москва, МГТУ МИРЭА, 9-11 ноября 2011 г. – М.: «Радио и Связь», 2011. – с. 151-153.
  26. Гусев А.Л., Черепанов Ф.М., Ясницкий Л.Н. Функциональная предобработка входных сигналов нейронной сети // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 25.
  27. Ясницкий Л.Н., Кирилловых С.А. Возможности учета социального фактора в работе генетических алгоритмов при проектировании и обучении нейронных сетей // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 26.
  28. Черепанов Ф.М., Ясницкий Л.Н. Исследовательский симулятор нейронных сетей // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 31.
  29. Богданов К.В., Думлер А.А., Полещук А.Н., Черепанов Ф.М., Ясницкий Л.Н. Нейросетевая система диагностики и прогнозирования развития заболеваний сердечно-сосудистой системы // X всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М: МГППУ, 2012. – С. 57-59.
  30. Богданов К.В., Ясницкий Л.Н. О возможности создания гибридной нейроэкспертной системы диагностики и прогнозирования заболеваний сердечнососудистой системы //Актуальные проблемы математики, механики, информатики: сб. тез. Научню- практ. Конф. (Пермь, 30 октября – 1 ноября 2012 г.) / Перм. Гос. Нац. Исслед. Ун-т. – Пермь, 2012. – С.157.
  31. Ясницкий Л.Н., Думлер А.А., Богданов К.В., Полещук А.Н., Черепанов Ф.М., Макурина Т.В., Чугайнов С.В. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей // Медицинская техника. 2013. № 3. с. 42-44. ( Скачать)
  32. Ясницкий Л.Н., Думлер А.А., Богданов К.В., Ф.М.Макурина, Полещук А.Н., Черепанов Ф.М., Чугайнов С.В. Нейросетевая система диагностики и прогнозирования течения заболеваний сердечнососудистой системы // Медико-экологические информационные технологии – 2013: сборник материалов XVI Международной научно-технической конференции; Юго-западный государственный университет. Курск, 2013. С.79-85.
  33. Yasnitsky L.N., Dumler A.A., Bogdanov K.V., Poleschuk A.N., Cherepanov F.M., Makurina T.V., Chugaynov S.V. Diagnosis and Prognosis of Cardiovascular Diseases on the Basis of Neural Networks // Biomedical Engineering. 2013. Vol. 47. No 3. Pp. 160-163.
  34. Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор 4.0. Свидетельство о государственной регистрации программы для ЭВМ № 2014612546. Заявка Роспатент № 2014610341. Зарегистрировано в Реестре программ для ЭВМ 28 февраля 2014г.
  35. Ясницкий Л.Н. Нейросетевые и нейрокомпьютерные технологии - инструмент для получения новых научных знаний в промышленности, в медицине, в спорте, в политологии и социологии, в экономике и бизнесе и в др. областях // XII Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2014. – С. 112.
  36. Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор 5.0. Свидетельство о государственной регистрации программы для ЭВМ № 2014618208. Заявка Роспатент № 2014614649. Зарегистрировано в Реестре программ для ЭВМ 12 августа 2014г.
  37. Гусев А.Л., Ясницкий Л.Н. Возможности нейросетевого прогнозирования продолжительности жизни социально-биологических систем // XIII Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2015. – С. 114.
  38. Ясницкий Л.Н. Методические проблемы и возможности получения новых научных знаний с помощью нейронных сетей // XIII Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2015. – С. 115.
  39. Алексеева Н.Е., Ясницкий Л.Н. Прогнозирование потенциальных возможностей гроссмейстеров завоевать титул чемпиона мира по шахматам с использованием нетрадиционных знаний // XIII Всероссийская научная конференция «Нейрокомпьютеры и их применение». Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2015. – С. 116-117.
  40. Ясницкий Л.Н. Нейронные сети – инструмент для получения новых знаний: успехи, проблемы, перспективы // Нейрокомпьютеры: разработка, применение. 2015. № 5. С. 48-56. ( Скачать)
  41. Yasnitsky L.N., Dumler A.A., Poleshchuk A.N., Bogdanov C.V., Cherepanov F.M. Artificial Neural Networks for Obtaining New Medical Knowledge: Diagnostics and Prediction of Cardiovascular Disease Progression // Biology and Medicine (Aligarh). 2015. 7(2): BM-095-15, 8 pages. ( Скачать)
  42. Кумпан Н.А. Разработка нейросетевой системы диагностики заболеваний пыльцевого и инфекционного ринитов. // XIII Всероссийская научная конференция «Нейрокомпьютеры и их применение» Тезисы докладов. – М.: ГБОУ ВПО МГГПУ, 2015. – С. 114-115.

С полным списком публикаций можно ознакомится на сайте Пермского отделения Научного Совета Российской Академии Наук по методологии искусственного интеллекта www.permai.ru в разделе "Публикации".

ПОЧЕМУ НАМ ДОВЕРЯЮТ

  1. Постановку диагнозов и прогнозы появления и развития заболеваний выполняет искусственный интеллект, обученный на историях болезней более 3000 кардиологических больных.
  2. KARDIONET учитывает широкий комплекс индивидуальных параметров организма человека, включающий генетические и наследственные факторы, условия и образ жизни и многое другое.
  3. KARDIONET успешно прошла всестороннее тестирование и опытную эксплуатацию в ряде медицинских центров.
  4. Система KARDIONET создана коллективом из авторитетных специалистов в области медицины и искусственного интеллекта.
  5. Методика создания KARDIONET опубликована авторами в ряде авторитетных рецензируемых журналов из базы ВАК, SCOPUS и др.
  6. Нас признало медицинское сообщество во главе с Главным терапевтом России, президентом Российского научного медицинского общества терапевтов, академиком РАН А.И.Мартыновым:

Сертификаты

Свидетельства Роспатент на нейропакеты, предназначенные для генерации и обучения нейронных сетей

Свидетельства Роспатент на демонстрационный прототип KARDIONET

сертификаты
сертификаты
сертификаты

СМИ о нас


Вести Пермь

Ролик о Конгрессе терапевтов

Команда

Научный руководитель: Ясницкий Леонид Нахимович, доктор технических наук, профессор, председатель Пермского отделения Научного совета Российской академии наук по методологии искусственного интеллекта

Руководитель группы медработников: Думлер Андрей Артурович, Кандидат медицинских наук, доцент

Руководитель группы программистов: Черепанов Федор Михайлович, соискатель к.т.н., старший преподаватель

Операционное управление: Ясницкий Виталий Леонидович, MBA (ВШБ «Мирбис»), кандидат экономических наук, доцент

Ментор: Мартынов Анатолий Иванович, Доктор медицинских наук, академик РАН, Главный терапевт России.

Контакты

Ясницкий Леонид Нахимович
Тел.: +7 (342) 27-16-168, +7 (912) 07-04-387
email: yasn@psu.ru