Внедрение технологии искусственного интеллекта для анализа данных спирометрии

Abstract

Аннотация. Представлены результаты применения технологии искусственного интеллекта для диагностики легочных заболеваний, используя традиционный метод спирометрии, основанный на измерении с помощью спирометра объемных и скоростных показателей дыхания для диагностики астмы, хронической обструктивной болезни легких (ХОБЛ) и других легочных патологий. Рассмотрена возможность применения искусственного интеллекта для разработки интерактивных сценариев и адаптивных симуляций, при которых искусственный интеллект генерирует данные нормальных и патологических состояний, проверяет правильность диагностики и предоставляет обратную связь. Для решения данной задачи предложен подход с использованием двух нейросетей: генераторной сетью для создания реалистичных данных спирометрии и диагностической сетью для анализа этих данных и проверки постановки диагноза. Описаны основные этапы обучения нейросетей, включая сбор и обработку данных, прямой и обратный проходы, а также корректировка параметров для повышения точности моделей. Такой подход позволяет ИИ-системе генерировать высококачественные данные, которые могут быть использованы для совершенствования навыков постановки диагноза при подготовке профильных специалистов (врачей и среднего медперсонала), что делает учебный процесс интерактивным и тем самым более эффективным.

Abstract. The paper presents the results of applying artificial intelligence technology to diagnose pulmonary diseases using the traditional spirometry method based on measuring volume and speed indicators of breathing using a spirometer to diagnose asthma, chronic obstructive pulmonary disease (COPD) and other pulmonary pathologies. The possibility of using artificial intelligence to develop interactive scenarios and adaptive simulations is considered, in which artificial intelligence generates data on normal and pathological conditions, checks the correctness of the diagnosis and provides feedback. To solve this problem, an approach is proposed using two neural networks: a generator network for creating realistic spirometry data and a diagnostic network for analyzing this data and verifying the diagnosis. The main stages of training neural networks are described, including data collection and processing, forward and backward passes, and parameter adjustments to improve the accuracy of models. This approach allows the AI - system to generate high-quality data that can be used to improve diagnostic skills in the training of specialized specialists (doctors and nursing staff), making the learning process interactive and thus more effective.