Тезисы

Актуальность

Цитология играет ключевую роль в раннем выявлении и диагностике заболеваний, поэтому для медицинских работников крайне важно приобретать глубокие знания и практические навыки в данной области. Например, данная методика широко используется как скрининговый метод в гинекологии для ранней диагностики рака шейки матки. Школа медицины ДВФУ осознает важность внедрения современных информационных технологий для повышения качества подготовки будущих специалистов в области цитологии. Соответственно, разработка системы оценки цитологического материала открывает огромные перспективы для повышения точности и эффективности цитологической диагностики для улучшения качества диагностики и своевременного оказания помощи пациентам.

Цель

Демонстрация опыта применения информационных технологий для подготовки специалистов в области цитологии и описание методики ее реализации.

Материалы и методы

Сбор материала в виде стекол с клетками из репродуктивного тракта женщин и его оцифровка проводятся на базе Центра лабораторной диагностики Медицинского комплекса ДВФУ. На основе полученного материала проводится разработка комплексной системы оценки цитологического материала. Эта система состоит из двух основных компонентов:
Графического обработчика: этот компонент использует усовершенствованные алгоритмы фильтрации для выделения клеток и ядер из цитологических изображений, полученных во время Пап-теста. Эти алгоритмы рассчитывают важные параметры, имеющие решающее значение для цитологической диагностики, включая размер клеток, размер ядра, ядерно-цитоплазматическое соотношение и многое другое.
Базы знаний: данный компонент облегчает оценку цитологических параметров и формулирование гипотез относительно классификации клеток. Модуль формализован на основе технологий объяснимого искусственного интеллекта и включает экспертные знания опытных врачей-цитологов, чтобы помочь классифицировать клетки по определенным классам, помогая студентам и ординаторам-цитологам оттачивать свои диагностические навыки.

Результаты

Разработка системы оценки цитологического материала в Школе медицины ДВФУ демонстрирует необходимые результаты для ее применения в образовательной деятельности. Так, графический процессор успешно обнаруживает и изолирует клетки (точность 90%) и ядра (точность 75%), позволяя рассчитывать эссенциальные цитологические параметры с применением цифровой микроскопии.
Модуль базы знаний помогает учащимся в их оценках и формулировании гипотез. Применяя объяснимый искусственный интеллект и экспертные знания, студенты и ординаторы могут усовершенствовать свои знания в вопросах классификации клеток, тем самым повышая свою диагностическую компетентность. Это позволяет медицинским курсантам получить практический опыт анализа цитологических образцов.

Обсуждение

С учетом того, что система оценки цитологического материала, разработанная в Школе медицины ДВФУ совместно с поддержкой специалистов Медицинского комплекса ДВФУ, имеет большие перспективы, следует признать несколько проблем и ограничений в ее применении. Точность обнаружения клеток и ядер требует усилий по дальнейшему совершенствованию алгоритмов графического обработчика и применению более совершенных алгоритмов, таких как сверточная нейронная сеть и стохастический градиентный бустинг.
Однако, интеграция ИТ в обучение цитологии может произвести революцию в этой области. Однако важно поддерживать баланс между автоматизацией и человеческим опытом. Чрезмерная зависимость от ИИ может привести к упущению нюансов в цитологических образцах, что подчеркивает важность постоянного практического обучения специалистов-цитологов.
Следует также учитывать этические последствия этой технологии, особенно в контексте конфиденциальности и согласия пациентов при использовании реальных данных пациентов в учебных целях.

Выводы

В заключение можно отметить, что имплементация ИТ представляет собой прекрасную возможность улучшить образование в области цитологии. Этот инновационный подход дает студентам практические навыки цитологического анализа при помощи графического обработчика и баз знаний.
Хотя проблемы остаются, включая необходимость дальнейшего повышения точности обнаружения и решения этических вопросов, потенциальные выгоды значительны. Интеграция искусственного интеллекта и передовых технологий в обучение цитологии может значительно повысить точность диагностики, что в конечном итоге приведет к ранней диагностике патологических изменений.
Опыт ДВФУ в разработке и внедрении этой системы служит ценным примером для учреждений, стремящихся модернизировать свои цитологические программы. Благодаря использованию информационных технологий и поддержанию баланса между автоматизацией и человеческим опытом будущее цитологического образования кажется многообещающим и полным потенциальных достижений в области медицинской диагностики.

Щеглов Б.О. Федеральное государственное автономное образовательное учреждение высшего образования «Дальневосточный федеральный университет», Школа Медицины г. Владивостока
Рева Г.В. Федеральное государственное автономное образовательное учреждение высшего образования «Дальневосточный федеральный университет», Школа Медицины г. Владивостока
Щеглова С.Н. Северо-восточный государственный университет, институт точных и естественных наук, экономики и права г. Магадана

Актуальность

Современные цифровые технологии, основанные на искусственном интеллекте, позволяют в значительной степени увеличить точность адаптации (индивидуализации) учебных образовательных траекторий и подходов, а использование симуляторов, роботов, кибернетических гаджетов и оборудования, например обеспечивающих дополненную реальность, переводит восприятие материала на качественно новый уровень, что значительно увеличивает эффективность обучающего процесса, особенно в призме подготовки медицинских кадров. Повышение эффективности современного медицинского образования возможно за счет применения цифровых образовательных платформ, которые могут выступать дополнением когнитивного обучения аффективным, с условием обеспечения их взаимосвязи. Интерес исследователей к интеграции искусственного интеллекта в цифровую образовательную среду возрастает с каждым годом, при этом к наиболее перспективным направлениям относят развитие алгоритмов персонализации (адаптирования) учебного процесса и оценивания. При этом искусственный интеллект является достаточно объемным понятием, ввиду чего область его применения не ограничивается описанными выше алгоритмами. Так, Wartman et al. описали понятие «искусственный интеллект» как способность компьютеров и машин имитировать человеческое когнитивные функции или действия, что несколько расширяет данную область и позволяет применять ее не только по отношению к виртуальным алгоритмам, но в частности и к робототехнике. Применение роботов в образовательном процессе не является новшеством, а их использование, согласно данным литературы, позволяет повысить эффективность обучения, в частности за счет превалирования аффективного восприятия обучающимися при взаимодействии с ними. Немаловажным аспектом является внешний вид робота и степень его «человечности». Согласно данным исследования K. Tanaka et al., наличие у робота невербальных средств общения оказывает эффект социального присутствия у испытуемых, что делает более предпочтительным воплощение роботов в гуманоидной форме. C. Dio et al. в своем сравнительном исследовании восприятия людей различных форм роботов установили, что роботы антропоморфной формы предрасполагают испытуемых к более человеческому отношению, а также повышает их доверие, что особенно важно для их применения в структурах здравоохранения и медицинского образования.

Цель

Развитие разработки образовательного комплекса «стоматологический антропоморфный робот», оснащенного элементами искусственного интеллекта с Smart-элементами (челюсть, зубы), в части формирования вариаций и расширения возможностей мультифункциональных сервисных программных модулей, с базой клинических симуляционных кейсов в системе «врач– пациент» с применение роботизированной руки-манипулятора и технологий виртуальной реальности.

Материалы и методы

Фундаментальным элементом, определяющим успешность стоматологического лечения, являются диагностика, а именно качество распознавания и дифференциации стоматологических заболеваний на основании данных опроса и осмотра, а также высокий уровень мануальных умений и навыков. В связи с чем, при подготовке специалистов, крайне важную роль играет формирование навыков общения и визуального анализа, что возможно обеспечить только в рамках симуляции соответствующих клинических ситуаций. Мануальные умения отрабатываются продолжительным и многократным препарированием фантомных зубов. В данном контексте, использование smart-челюсти, поддерживающей smart-зубы обеспечивающих большую наглядность и реалистичность присущей клиническим этапам, особенно в части диагностических навыков и коммуникации, благодаря реализованным в полнофункциональном САР обратной связи и воспроизведения реакции пациента (САР) на препарирование, возможности проводить дифференциальную диагностику между различными патологическими состояниями твердых тканей зубов на основании определения специфических симптомов или вовсе их отсутствия. При этом применение антропоморфных роботов с интеграцией в области специальных роботизированных рук и дополненной реальности может решать проблему наличия живых пациентов, а также тех кто согласиться быть пациентом-участником образовательного процесса, в необходимом заданном месте.

Результаты

В работе и исследовании авторов отражены основные аспекты, обеспечивающие возможность и целесообразность применения в процессе обучения антропоморфного стоматологического робота-пациента как элемента цифровой платформы, а также перспективы их использования на всех этапах медицинского образования. Показаны эффекты от интеграции на базе платформы высокотехнологичного имитатора челюсти (Smart-челюсть) и сменного комплекта высокотехнологичного имитатора зуба (для лечения кариеса; для препарирования под несъемные ортопедические конструкции; для проведения эндодонтического лечения). Представлена информация о возможностях развития комплекса на основе открытой модульной программной платформы, позволяющей интегрировать дополнительную сенсорику.
Продемонстрированы особенности применения вариативных профессиональных моделей и программных модулей как части учебных кейсов.

Обсуждение

Предлагаемый комплекса является разработкой способной реализовать вариативные профессиональные модели междисциплинарного образования, например, антропоморфный робот-консультант может объединять в себе роли врачей разных специальностей, в зависимости от сложности и уровня предлагаемых к решению задач и имитировать междисциплинарный консилиум.

Выводы

Разработка и внедрение нового типа полнофункциональных мультифункциональных антропоморфных роботов выполненных на базе цифровой платформы, с использованием систем ИИ - могут стать примером лучших мировых образцов симуляторов, встроенных в структуры сетевого межвузовского обучения, позволив решать многосторонние и многофункциональные задачи современного медицинского и немедициского образования (в т.ч. строящихся кампусов) на всех его уровнях не достижимых к настоящему времени, являясь мощной опорой будущего образования Российской Федерации при внедрении таких решений и учета практик научно-образовательных центров.

Актуальность

Процесс цифровизации затронул системы здравоохранения многих стран, отмечено внедрение искусственного интеллекта как помощника врача, а также инструмента для его самооценки и сохранения здоровья и профессионального долголетия

Цель

Оценить профессиональный и человеческий потенциал врачей различных профилей в субъектах РФ методом социального опроса (количественные исследования) с использованием разработанных авторских онлайн-анкет и тест-карт знаний и умений.

Материалы и методы

Материалы и методы: C целью оценки потенциала врачей ключевых специальностей: - оториноларинголог, -педиатров,- эпидемиологов, эндокринологов, генетиков также профессорско-преподавательского состава совмещающих работу в клинике клинический опыт во многих субъектах РФ, таких как: Москва, Московская область, Владимирская область, Ивановская область, Волгоградская область, Новосибирская область, Нижегородская область, Мурманская области, Республика Татарстан и др. Исследования («Симптом-чекер» онлайн-опросы медицинского персонала, n 3600) проводятся на базе лаборатории социологии здравоохранения ФГБНУ «Национальный научно-исследовательский институт общественного здоровья имени Н.А. Семашко».
Метод самооценки врача имеет блоковую структуру. При прохождении онлайн-опроса на основе самооценки при достижении критериев границ, установленных экспертно, определяет соответствие своей готовности при работе с пациентами определенной нозологической формы и по тем блокам, где у врача есть пробел, проводится повторное ознакомление с необходимой информацией, с последующей повторной самооценкой.

Результаты

Разработка технологии для самооценки врачом, пробелов в своей профессиональной подготовке и сохранении своего здоровья и продлении профессионального долголетия определена многолетними исследованиями врачебных кадров различных специальностей (врачей - оториноларингологов, врачей-педиатров, врачей - эпидемиологов, врачей – эндокринологов, врачей – детских эндокринологов, врачей - онкологов и др.), проводимых лабораторией социологии здравоохранения ФГБНУ «Национальный научно-исследовательский институт общественного здоровья имени Н.А. Семашко». С использованием технологии с получением данных об: удовлетворенности врачей, индекса доверия, эффективности мотивации и стимулирования деятельности медицинских работников к сохранению своего здоровья для продления профессионального долголетия. Исследования, в том числе, показали, что качество работы врача зависит от его профессиональных компетенций, объемы которых определены профессиональныи стандартами и обеспечивают выполнение клинических рекомендаций.

Выводы

Заключение. При анализе исследований, проводимых по оригинальным авторским методикам, будет изучены лучшие практики с эталонным оцениванием и сопоставлением «Бейнчмаркинг», что позволит внести предложения: по разработке комплекса мероприятий: повышению профессиональной подготовки медицинского персонала; мер управления при профессиональном развитии и поддержке врача по повышению человеческого и профессионального потенциала врачей; также мер по сохранению здоровья и повышению качества жизни врачей.

Список литературы.

1. Denecke K, Gabarron E, Grainger R, Konstantinidis ST, Lau A, Rivera-Romero O, Miron-Shatz T, Merolli M. Artificial Intelligence for Participatory Health: Applications, Impact, and Future Implications. Yearb Med Inform. 2019 Aug;28(1):165-173. doi: 10.1055/s-0039-1677902. Epub 2019 Apr 25. PMID: 31022749; PMCID: PMC6697496.
2. Васильев М.Д., Русских С.В., Магомедова А.М., Файзуллаев А.Х., Арсенина Ю.В., Воробьева А.В. Мотивация и стимулирование Деятельности медицинских работников к сохранению своего здоровья с целью продления профессионального долголетия // Вестник стоматологического медицинского института. 2023. № 1(64). C. 35-36
3. Русских С.В., Москвичева Л.И., Тарасенко Е.А., Макарова Е.В., Васильев М.Д., Арсенина Ю.В., Валова Ю.В., Долецкий А.Н. Меры по повышению удовлетворенности работой врачей-онкологов центров амбулаторной онкологической помощи // Здоровье населения и среда обитания. 2023. Т. 31. № 7. С. 15–25. doi: 10.35627/2219-5238/2023-31-7-15-25
4. Русских С.В., Москвичева Л.И., Тарасенко Е.А., Тимурзиева А.Б., Тырановец С.В., Васильев М.Д. Взаимосвязь эмоционального выгорания с удовлетворенностью работой у врачей онкологов терапевтического и хирургического профилей // Организационная психология. 2023. Т. 13. № 1. С. 9–34. DOI: 10.17323/2312-5942-2023-13-1-9-34

Актуальность

ИИ- Что это?
Искусственный интеллект (ИИ) - это раздел информатики, который фокусируется на создании машин, способных выполнять задачи, обычно требующие человеческого интеллекта.
Эти задачи включают в себя понимание естественного языка, распознавание изображений, принятие решений и обучение на основе опыта. Существует три основных типа искусственного интеллекта:
1 - системы основанные на правилах, 2- машинное обучение и 3- глубокое обучение. Системы, основанные на правилах, используют набор предопределенных правил для принятия решений. Алгоритмы машинного обучения извлекают уроки из данных и со временем повышают свою производительность. Модели глубокого обучения используют нейронные сети для моделирования работы человеческого мозга, позволяя им распознавать закономерности и принимать решения на их основе.

Технология искусственного интеллекта может обеспечить более реалистичный и захватывающий процесс обучения, который поможет профессионалам лучше подготовиться к реальным сценариям. Например, студенты-медики могут использовать симуляторы на базе искусственного интеллекта для отработки операций и процедур, прежде чем выполнять их на реальных пациентах. Это может снизить риск ошибок и улучшить результаты лечения пациентов.
Искусственный интеллект также может персонализировать процесс обучения, основываясь на индивидуальных потребностях и производительности. Анализируя данные симуляций, алгоритмы искусственного интеллекта могут определить области, в которых человек нуждается в улучшении, и соответствующим образом скорректировать программу обучения. Это может привести к более эффективному обучению, а также к более высокому уровню вовлеченности и мотивации.

Цель

Собрать и исследовать данные о мнении студентов медицинского университета относительно преимуществ и перспектив развития искусственного интеллекта (ИИ) в симуляционном обучении. Задачи включают:
1. Провести опрос студентов и преподавателей на предмет их знаний, понимания и оценки ИИ в симуляционном обучении.
2. Изучить и проанализировать научные статьи, исследования и литературу относительно преимуществ и перспектив ИИ в симуляционном обучении.
3. Саккумулировать данные с целью выявления общих трендов, мнений и предпочтений студентов.

Материалы и методы

Исследование проводилось среди студентов и преподавателей РязГМУ. Был разработан опросник содержащий несколько вопросов на предмет их знаний, понимания и оценки ИИ в симуляционном обучении. В последствии данный опросник был оцифрован и размещен на платформе Google Forms и в дальнейшем проводился анализ .

Результаты

Респонденты, это студенты 1,2,3 курса стоматологического факультета РязГМУ и профессорско - преподавательский состав. Общее количество 186 человек.
Знаете ли вы о существовании ИИ и вариантов их использования?
(85%-да 15%-нет)

Приходилось ли вам пользоваться ИИ, для упрощения образовательной деятельности?
(42%-да 58%-нет)

Какие новые методы могут быть разработаны с использованием искусственного интеллекта для оптимизации работы врачей?
1. Диагностика заболеваний
2. Планирование лечения
3. Автоматизация рутинных задач
4. Предиктивная медицина

Какие данные искусственный интеллект может использовать для улучшения результатов врачебной практики?
1. Медицинские записи
2. Медицинские изображения
3. Данные генома
4. Информация о лекарственных средствах и лечении
5. Текстовая информация
6. Данные мониторинга пациентов

Какие основные качества и навыки будут необходимы у будущих врачей, работающих с искусственным интеллектом?
1. Техническая грамотность
2. Понимание ИИ и его возможностей
3. Оказание эмоциональной поддержки
4. Критическое мышление
5. Навыки коммуникации

Выводы

В заключение мы исследовали потенциал искусственного интеллекта в симуляционном обучении и его преимущества. Мы видели, как искусственный интеллект может повысить эффективность обучающих программ, предоставляя персонализированную обратную связь, создавая реалистичные сценарии и снижая затраты. Кроме того, мы обсудили последние достижения в области технологий искусственного интеллекта и их применение в симуляционном обучении.
Несмотря на трудности, связанные с внедрением искусственного интеллекта в симуляционное обучение, такие как этические, юридические и технические вопросы, мы считаем, что искусственный интеллект обладает потенциалом революционизировать то, как мы готовим профессионалов в различных областях. При правильном подходе и продуманности искусственный интеллект может обеспечить более эффективный и увлекательный процесс обучения.