RU2742261C1 - Digital computer-implemented platform for creating medical applications using artificial intelligence and method of operation thereof - Google Patents
Digital computer-implemented platform for creating medical applications using artificial intelligence and method of operation thereof Download PDFInfo
- Publication number
- RU2742261C1 RU2742261C1 RU2020130011A RU2020130011A RU2742261C1 RU 2742261 C1 RU2742261 C1 RU 2742261C1 RU 2020130011 A RU2020130011 A RU 2020130011A RU 2020130011 A RU2020130011 A RU 2020130011A RU 2742261 C1 RU2742261 C1 RU 2742261C1
- Authority
- RU
- Russia
- Prior art keywords
- application
- applications
- data
- execution
- studies
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/20—Software design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/70—Software maintenance or management
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
ОБЛАСТЬ ТЕХНИКИFIELD OF TECHNOLOGY
Настоящее техническое решение относится к области вычислительной техники, в частности, к цифровой компьютерно-реализуемой платформе для создания медицинских приложений с использованием искусственного интеллекта и способу её работы.The present technical solution relates to the field of computing, in particular, to a digital computer-implemented platform for creating medical applications using artificial intelligence and the way it works.
УРОВЕНЬ ТЕХНИКИLEVEL OF TECHNOLOGY
Из уровня техники известно решение, выбранное в качестве наиболее близкого аналога, RU 2703679 C2. Данное решение относится к области вычислительной техники, а именно к системам поддержки принятия решений в медицине. В указанном решении обрабатывают данные, содержащиеся в истории болезней пациентов, выбранных из предварительно сформированной обучающей выборки; преобразовывают эти данные в последовательность медицинских фактов по каждому пациенту с использованием медицинских онтологий; производят автоматическую разметку полученной последовательности медицинских фактов по каждому пациенту, используя извлеченные из истории болезни пациента диагнозы или другие интересующие факты; производят обучение первичных репрезентаций независимо для каждой из модальностей; осуществляют обучение совместных репрезентаций; производят обучение финальных моделей и параметров агрегации; получают историю болезни пациента, не входящую в обучающую выборку, и производят предварительную обработку данных из неё; преобразовывают обработанные данные в последовательность медицинских фактов с использованием медицинских онтологий; полученный набор фактов отправляют на вход обученным финальным моделям; определяют диагноз, проводят анализ и прогноз развития заболеваний пациента с наибольшей вероятностью, соответствующий предъявленному набору фактов.A solution is known from the prior art, which is chosen as the closest analogue, RU 2703679 C2. This decision relates to the field of computer technology, namely, decision support systems in medicine. In the specified solution, the data contained in the medical history of patients selected from a pre-formed training sample is processed; converting this data into a sequence of medical facts for each patient using medical ontologies; produce automatic marking of the obtained sequence of medical facts for each patient using diagnoses extracted from the patient's medical history or other facts of interest; train primary representations independently for each of the modalities; train joint representations; train the final models and aggregation parameters; receive the patient's medical history, which is not included in the training sample, and perform preliminary data processing from it; converting the processed data into a sequence of medical facts using medical ontologies; the resulting set of facts is sent to the input to the trained final models; determine the diagnosis, analyze and predict the development of the patient's diseases with the greatest probability, corresponding to the presented set of facts.
Вышеуказанное техническое решение направлено на решение проблемы создания математической модели пациента, при помощи которой появляется возможность повысить точность диагностирования и осуществлять анализ и прогноз развития заболеваний для конкретного пациента. Однако стоит отметить, что в известном уровне техники, не раскрыта информация о централизованном сборе медицинской информации по обратной связи для последующей доработки моделей.The above technical solution is aimed at solving the problem of creating a mathematical model of the patient, with the help of which it becomes possible to increase the accuracy of diagnosis and to analyze and predict the development of diseases for a particular patient. However, it should be noted that the prior art does not disclose information about the centralized collection of medical information by feedback for the subsequent refinement of the models.
Предлагаемое решение направлено на устранение недостатков современного уровня техники и отличается от известных решений тем, что предложенная платформа, обеспечивает централизованный сбор медицинской информации по обратной связи по приложениям для последующей доработки моделей.The proposed solution is aimed at eliminating the shortcomings of the state of the art and differs from the known solutions in that the proposed platform provides a centralized collection of medical information based on feedback on applications for the subsequent refinement of models.
СУЩНОСТЬ ИЗОБРЕТЕНИЯSUMMARY OF THE INVENTION
Технической проблемой, на решение которой направлено заявленное решение, является создание цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта и способ её работы. Дополнительные варианты реализации настоящего изобретения представлены в зависимых пунктах изобретения.The technical problem to be solved by the claimed solution is the creation of a digital computer-implemented platform for creating medical applications using artificial intelligence and the way it works. Additional embodiments of the present invention are presented in the dependent claims.
Технический результат заключается в расширении арсенала технических средств платформы.The technical result consists in expanding the arsenal of technical means of the platform.
Заявленный результат достигается за счет осуществления цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта, которая содержит:The claimed result is achieved through the implementation of a digital computer-implemented platform for creating medical applications using artificial intelligence, which contains:
подсистему хранения данных, выполненную с возможностью получения данных медицинских исследований из информационных систем лечебно-профилактических учреждений (ЛПУ) для их обработки и передачи результатов обработки исследований в среду разработки приложений, в инструменты просмотра и разметки исследований, а также в подсистему выполнения приложений;a data storage subsystem capable of receiving medical research data from information systems of medical and prophylactic institutions (LPI) for their processing and transferring the results of research processing to the application development environment, to the tools for viewing and marking research, as well as to the application execution subsystem;
инструменты просмотра и разметки исследований, выполненные с возможностью хранения и управления исходными и размеченными исследованиями; организации разметки; интеграции исследований в информационные системы ЛПУ;tools for viewing and marking studies, made with the ability to store and manage the original and marked studies; organization of markup; integration of research into information systems of health care facilities;
среду разработки приложений, выполненную с возможностью хранения и управления исходными кодами приложений, доступа к размеченным исследованиям в подсистеме хранения данных, автоматизации вычислительных экспериментов с использованием среды запуска приложений, интеграции с инструментами просмотра исследований для просмотра промежуточных результатов работы приложений;an application development environment capable of storing and managing application source codes, accessing marked studies in the data storage subsystem, automating computational experiments using the application launcher, integrating with research viewing tools to view intermediate results of applications;
среду запуска приложений, выполненную с возможностью запуска промежуточных версий приложений для тестирования и отладки, использовать вычислительные ресурсы кластеров для обучения моделей;an application launcher capable of launching intermediate versions of applications for testing and debugging, using the computing resources of clusters for training models;
подсистему выполнения приложений, выполненную с возможностью приема разработанных приложений и обеспечения их выполнения по внешним запросам через API и интеграции в информационные системы ЛПУ, а также выполненную с возможностью создания предсказательных моделей;an application execution subsystem capable of receiving the developed applications and ensuring their execution upon external requests through the API and integration into the information systems of the medical facility, and also capable of creating predictive models;
витрину приложений, причем витрина приложений реализована в виде внешнего интерфейса, предоставляющую возможность быстрого ознакомления с существующими приложениями, выполнения тестовых запусков приложений, ведения истории запусков приложений с возможностью просмотра результатов работы приложений;an application showcase, and the application showcase is implemented as an external interface that provides the ability to quickly familiarize yourself with existing applications, perform test launches of applications, maintain a history of application launches with the ability to view the results of applications;
подсистему аутентификации пользователей;user authentication subsystem;
подсистему обмена сообщениями, выполненную с возможностью получения информации о пользователе платформы и обеспечении разграничения прав доступа к сообщениям между пользователями.a messaging subsystem configured to obtain information about the platform user and ensure differentiation of access rights to messages between users.
В частном варианте реализации описываемой платформы, инструменты просмотра и разметки исследований выполнены с возможностью управления датасетами, а именно с возможностью создания, классификации и настройки прав доступа.In a particular embodiment of the described platform, the tools for viewing and marking up studies are made with the ability to manage datasets, namely, with the ability to create, classify and configure access rights.
В другом частном варианте реализации описываемой платформы, просмотр и разметка исследований осуществляется посредством просмоторщика DICOM.In another particular implementation of the described platform, viewing and marking up studies is performed using a DICOM viewer.
В другом частном варианте реализации описываемой платформы, среда разработки приложений содержит каталог алгоритмов.In another particular implementation of the described platform, the application development environment contains a catalog of algorithms.
В другом частном варианте реализации описываемой платформы, витрина приложений получает исходные данные для приложений централизованно из хранилища.In another particular implementation of the described platform, the application mart obtains the source data for applications centrally from the store.
В другом частном варианте реализации описываемой платформы, запуск алгоритмов происходит в асинхронных задачах, которые ставятся в очередь на выполнение, причем после выполнения асинхронной задачи результат выполнения сохраняется в базу данных, создается новая сущность, датасет - результат работы алгоритма, состоящий из файлов, полученных в ходе обработки первоначального датасета.In another particular implementation of the described platform, the launch of algorithms occurs in asynchronous tasks that are queued for execution, and after the execution of the asynchronous task, the execution result is saved to the database, a new entity is created, the dataset is the result of the algorithm operation, consisting of files received in the course of processing the original dataset.
Заявленный результат также достигается за счет способа работы цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта, который, в свою очередь, содержит этапы, на которых:The claimed result is also achieved due to the way a digital computer-implemented platform works for creating medical applications using artificial intelligence, which, in turn, contains the stages at which:
посредством подсистемы хранения данных, осуществляется получение данных медицинских исследований из информационных систем лечебно-профилактических учреждений (ЛПУ), дальнейшая их обработка и передача полученных результатов в среду разработки приложений, в инструменты просмотра и разметки исследований, а также в подсистему выполнения приложений;through the data storage subsystem, data is obtained from medical research from information systems of medical and preventive institutions (LPI), their further processing and transmission of the results obtained to the application development environment, to the tools for viewing and marking up studies, as well as to the application execution subsystem;
посредством инструментов просмотра и разметки исследований, осуществляется организация разметки данных и интеграция данных в информационные системы ЛПУ, а также дальнейшее хранение и управление исходными и размеченными исследованиями;by means of tools for viewing and marking up studies, the organization of data markup and data integration into the information systems of health care facilities, as well as further storage and management of the original and marked studies are carried out;
посредством среды разработки приложений осуществляется хранение и изменение исходного кода алгоритмов, причем среда разработки приложений имеет доступ к размеченным исследованиям;the application development environment stores and changes the source code of the algorithms, and the application development environment has access to marked studies;
осуществляется запуск промежуточных версий приложений для их тестирования и отладки посредством среды запуска приложений, причем среда запуска приложений может использовать вычислительные ресурсы кластеров для обучения моделей;intermediate versions of applications are launched for testing and debugging through the application launch environment, and the application launch environment can use the computing resources of the clusters to train models;
осуществляется прием разработанных приложений, их выполнение по внешним запросам через API, интеграция в информационные системы ЛПУ и создание предсказательных моделей посредством подсистемы выполнения приложений;the developed applications are received, they are executed on external requests through the API, they are integrated into the information systems of medical facilities and predictive models are created through the application execution subsystem;
осуществляется отображение результатов работы приложений посредством витрины приложений.displays the results of applications through the application showcase.
В частном варианте реализации описываемого способа, инструменты просмотра и разметки исследований выполнены с возможностью управления датасетами, а именно с возможностью создания, классификации и настройки прав доступа.In a particular embodiment of the described method, the tools for viewing and marking up studies are made with the ability to manage datasets, namely, with the ability to create, classify and configure access rights.
В другом частном варианте реализации описываемого способа, просмотр и разметка исследований осуществляется посредством просмоторщика DICOM.In another particular implementation of the described method, the viewing and marking of studies is carried out by means of a DICOM viewer.
В другом частном варианте реализации описываемого способа, среда разработки приложений содержит каталог алгоритмов.In another particular embodiment of the described method, the application development environment contains a catalog of algorithms.
В другом частном варианте реализации описываемого способа, витрина приложений получает исходные данные для приложений централизованно из хранилища.In another particular implementation of the described method, the application mart obtains the source data for applications centrally from the store.
В другом частном варианте реализации описываемого способа, запуск алгоритмов происходит в асинхронных задачах, которые ставятся в очередь на выполнение, причем после выполнения асинхронной задачи результат выполнения сохраняется в базу данных, создается новая сущность, датасет - результат работы алгоритма, состоящий из файлов, полученных в ходе обработки первоначального датасета.In another particular embodiment of the described method, the algorithms are launched in asynchronous tasks that are queued for execution, and after the asynchronous task is completed, the execution result is saved to the database, a new entity is created, the dataset is the result of the algorithm operation, consisting of files received in the course of processing the original dataset.
ОПИСАНИЕ ЧЕРТЕЖЕЙDESCRIPTION OF DRAWINGS
Реализация изобретения будет описана в дальнейшем в соответствии с прилагаемыми чертежами, которые представлены для пояснения сути изобретения и никоим образом не ограничивают область изобретения. К заявке прилагаются следующие чертежи:The implementation of the invention will be described in the following in accordance with the accompanying drawings, which are presented to clarify the essence of the invention and in no way limit the scope of the invention. The following drawings are attached to the application:
Фиг.1 иллюстрирует схему работы предлагаемой платформы;Figure 1 illustrates a diagram of the proposed platform;
Фиг.2 иллюстрирует схему вычислительного устройства.2 illustrates a schematic diagram of a computing device.
ДЕТАЛЬНОЕ ОПИСАНИЕ ИЗОБРЕТЕНИЯDETAILED DESCRIPTION OF THE INVENTION
В приведенном ниже подробном описании реализации изобретения приведены многочисленные детали реализации, призванные обеспечить отчетливое понимание настоящего изобретения. Однако, квалифицированному в предметной области специалисту, будет очевидно каким образом можно использовать настоящее изобретение, как с данными деталями реализации, так и без них. В других случаях хорошо известные методы, процедуры и компоненты не были описаны подробно, чтобы не затруднять излишне понимание особенностей настоящего изобретения.In the following detailed description of an implementation of the invention, numerous implementation details are set forth to provide a thorough understanding of the present invention. However, it will be obvious to those skilled in the art how the present invention can be used, with or without these implementation details. In other instances, well-known techniques, procedures, and components have not been described in detail so as not to obscure the details of the present invention.
Кроме того, из приведенного изложения будет ясно, что изобретение не ограничивается приведенной реализацией. Многочисленные возможные модификации, изменения, вариации и замены, сохраняющие суть и форму настоящего изобретения, будут очевидными для квалифицированных в предметной области специалистов.In addition, it will be clear from the above description that the invention is not limited to the above implementation. Numerous possible modifications, changes, variations and substitutions, while retaining the spirit and form of the present invention, will be apparent to those skilled in the art.
Подробное описание элементов платформыDetailed description of platform elements
Подсистема хранения данных предоставляет возможность коммуникации с поставщиком данных - медицинскими организациями. Посредством подсистемы хранения данных формируются требования по запросу и передаче исходных данных медицинских исследований из ЛПУ для их дальнейшей обработки.The data storage subsystem provides the ability to communicate with the data provider - medical organizations. By means of the data storage subsystem, requirements are formed on the request and transfer of the initial data of medical research from the healthcare facility for their further processing.
Инструменты просмотра и разметки данных предоставляют возможность хранить исходные данные и работать с датасетами (создавать, классифицировать, настраивать права доступа и т.п.). Инструменты просмотра и разметки данных, также обеспечивают коммуникацию между поставщиками данных, разработчиками алгоритмов и разметчиками. Подсистема предоставляет возможность создания формализованных требований к разметке, а также выбора инструмента разметки под указанный формат выходных данных.Tools for viewing and marking up data provide the ability to store source data and work with datasets (create, classify, configure access rights, etc.). Data viewer and markup tools also provide communication between data providers, algorithm designers, and markers. The subsystem provides the ability to create formalized requirements for markup, as well as to select a markup tool for the specified output data format.
Backassist - веб приложение, написанное с использованием python 3.7 и django 2.2. В качестве базы данных использован postgreSQL 10. Так же есть celery для асинхронных задач по взаимодействию с внешними системами, например с Коброй. Запуск алгоритмов происходит в асинхронных задачах, которые ставятся в очередь на выполнение, после выполнения асинхронной задачи результат выполнения сохраняется в базу данных, также создается новая сущность, датасет - результат работы алгоритма, состоящий из файлов, полученных в ходе обработки изначального датасета.Backassist is a web application written using python 3.7 and django 2.2. PostgreSQL 10 is used as a database. There is also a celery for asynchronous tasks for interacting with external systems, for example, with Cobra. Algorithms are launched in asynchronous tasks that are queued for execution, after the execution of the asynchronous task, the result of the execution is saved to the database, a new entity is also created, the dataset is the result of the algorithm, consisting of files obtained during the processing of the initial dataset.
Общая схема базы данных выглядит следующим образом:The general database schema looks like this:
• Основная сущность - проект, в каждом проекте могут быть пользователи, датасеты, и алгоритмы. Чтобы попасть в проект необходимо направить запрос (ProjectInvitationRequest) на вступление в проект и после его одобрения у пользователя появляется роль в проекте (UserProjectRole).• The main entity is a project, each project can have users, datasets, and algorithms. To get into the project, you need to send a request (ProjectInvitationRequest) to join the project and after it is approved, the user has a role in the project (UserProjectRole).
• Датасеты состоят из файлов, для датасета может существовать несколько разметок датасета, объединяющих в себя разметки файлов из этого датасета.• Datasets consist of files, for a dataset there may be several dataset markups that combine file markups from this dataset.
• Алгоритмы - база алгоритмов машинного обучения, которые можно запускать на датасетах из проекта. В результате получится датасет, состоящий из данных, полученных после обработки алгоритмом файла исходного датасета.• Algorithms - the base of machine learning algorithms that can be run on datasets from the project. The result will be a dataset consisting of data obtained after processing the original dataset file by the algorithm.
Разметчик ЭЭГ предназначен для просмотра и разметки записей ЭЭГ. Система предоставляет возможность просматривать в веб интерфейсе записи ЭЭГ формата EDF и EDF+. Система является удобным инструментом для работы с записями ЭЭГ. Веб интерфейс облегчает доступ и требует для работы в системе подключения к сети интернет и наличия интернет браузера на компьютере врача.EEG marker is intended for viewing and marking EEG records. The system provides the ability to view EDF and EDF + EEG records in the web interface. The system is a convenient tool for working with EEG records. The web interface facilitates access and requires an Internet connection and an Internet browser on the doctor's computer to work in the system.
Разметчик DICOM (Digital Imaging and Communications in Medicine) - медицинский отраслевой стандарт создания, хранения, передачи и визуализации цифровых медицинских изображений и документов обследованных пациентов.DICOM (Digital Imaging and Communications in Medicine) Marker is a medical industry standard for the creation, storage, transmission and visualization of digital medical images and documents of examined patients.
Просмотрщик DICOM предназначен для просмотра и разметки файлов с форматами DICOM/NIFTI/PNG/JPG/BMP/TIF/RAR/ZIP. Система является удобным инструментом для работы со снимками МРТ, КТ и т.п. Веб интерфейс облегчает доступ и требует для работы в системе подключения к сети интернет и наличия интернет браузера на компьютере врача. Система предоставляет возможность просматривать в веб интерфейсе снимки DICOM/NIFTI/PNG/JPG/BMP/TIF/RAR/ZIP. Также система предоставляет размечать аномалии на снимках и сохранять разметку.DICOM Viewer is intended for viewing and marking files with DICOM / NIFTI / PNG / JPG / BMP / TIF / RAR / ZIP formats. The system is a convenient tool for working with images of MRI, CT, etc. The web interface facilitates access and requires an Internet connection and an Internet browser on the doctor's computer to work in the system. The system provides the ability to view DICOM / NIFTI / PNG / JPG / BMP / TIF / RAR / ZIP images in the web interface. The system also allows you to mark anomalies on images and save the markup.
Среда разработки приложений обеспечивает хранение и изменение исходного кода алгоритмов, комментирование и совместную работу группы пользователей над модификацией программ. Ее работа представлена в виде разделяемого доступа к git-репозитарии, через пользовательские интерфейсы программ разработки и IDE, такие как GitLab, JupiterHub и др. IDE для разработки приложений состоит из JupiterHub и клиентского приложения, которое позволяет выделять вычислительные ресурсы под ресурсоёмкие задачи в рамках разработки (например, обучения моделей и постановки экспериментов для проверки гипотез). Вычислительные ресурсы выделяются в виде Docker-контейнеров, конфигурация которых настраивается при создании (как автоматические правила, так и ручные настройки). Тесная интеграция JupyterHub и клиентского приложения с системой управления контейнерами на базе Kubernetes позволяет оптимально распределять доступные вычислительные ресурсы.The application development environment provides storage and modification of the source code of algorithms, commenting and joint work of a group of users on modifying programs. Its work is presented in the form of shared access to the git repository, through the user interfaces of development programs and IDEs such as GitLab, JupiterHub, etc. The IDE for application development consists of JupiterHub and a client application that allows you to allocate computing resources for resource-intensive tasks within development (for example, training models and setting up experiments to test hypotheses). Computing resources are allocated in the form of Docker containers, the configuration of which is configured at creation (both automatic rules and manual settings). The tight integration of JupyterHub and the client application with a Kubernetes-based container management system allows for optimal allocation of available computing resources.
Запуск и тестирование алгоритмов с целью отладки осуществляется через среду запуска приложений посредством подсистемы виртуализации на основе контейнеров и позволяет одновременно отлаживать множество программ в независимых и изолированных пространствах. В основе реализации данного функционала лежат технологии Docker и Kubernetes. Взаимодействие между системой разработки и системой запуска обеспечивается за счет внутренних системных вызовов к API систем.Algorithms are launched and tested for debugging through the application launch environment using a container-based virtualization subsystem and allows you to simultaneously debug many programs in independent and isolated spaces. The implementation of this functionality is based on Docker and Kubernetes technologies. The interaction between the development system and the launch system is provided through internal system calls to the systems API.
Непосредственная разработка алгоритмов не привязана к конкретному языку программирования или реализации и может использоваться любой из современных языков программирования. Это качество платформы возможно благодаря расширяемому языку шаблонов, который связан с подсистемой запуска алгоритмов.The direct development of algorithms is not tied to a specific programming language or implementation, and any of the modern programming languages can be used. This platform quality is made possible by an extensible templating language that is associated with the algorithm run subsystem.
Гибкий (agile) подход, часто применяемый в командах разработчиков алгоритмов, реализован в системе коммуникации через систему управления задачами на базе Kanban-доски. Это позволяет отслеживать процесс разработки алгоритма, взаимодействия по запросам, контроль и комментирование статусов выполнения задач.An agile approach, often used in algorithmic development teams, is implemented in a communication system through a task management system based on a Kanban board. This allows you to track the development process of the algorithm, interaction on requests, control and commenting on the status of tasks.
Подсистема выполнения приложений предназначена для работы с исходными и размеченными данными медицинских исследований, создания предсказательных моделей и разработки приложений для внедрения на платформу. Также подсистема осуществляет коммуникацию между конечными потребителями (заказчиками), разработчиками алгоритмов, экспертами и инвесторами (при необходимости). Позволяет оптимизировать процесс проверки и финального тестирования приложений перед автоматической публикацией в витрину приложений. Врачи и датасаентисты могут обмениваться данными, результатами работы приложений, причем это происходит в единообразной форме, используя одни и те же инструменты просмотра и разметки ЭЭГ и DICOM, в этих же инструментах пользователи имеют возможность корректировать разметку давать обратную связь, что упрощает процесс.The application execution subsystem is designed to work with raw and labeled medical research data, create predictive models, and develop applications for implementation on the platform. The subsystem also communicates between end users (customers), algorithm developers, experts and investors (if necessary). Allows you to optimize the process of validation and final testing of applications before automatic publication in the application showcase. Doctors and datascientists can exchange data, application results, and this happens in a uniform form, using the same tools for viewing and marking EEG and DICOM, in the same tools, users have the ability to correct the markup and give feedback, which simplifies the process.
Витрина приложений является внешней (клиентской) стороной размещенных на платформе сервисов и приложений с прописанным доступом по API и возможностью подключения. Целью размещения приложений является разработка приложений путем предоставления потенциальным потребителям единого интерфейса для ознакомления и тестирования. На витрине отображаются алгоритмы, разработанные в подсистеме платформы по их разработке и публикации с целью дальнейшего продвижения среди потенциальных потребителей.The application showcase is the external (client) side of services and applications hosted on the platform with prescribed API access and connectivity. The purpose of hosting applications is to develop applications by providing potential consumers with a single interface for viewing and testing. The showcase displays algorithms developed in the platform subsystem for their development and publication with the aim of further promotion among potential consumers.
Для просмотра результатов работы алгоритма используются разметчики серий изображений, DICOM и ЭЭГ. Работа каждого из просмотрщиков уникальна и предоставляет соответствующий каждому исследованию набор инструментов.To view the results of the operation of the algorithm, markers of series of images, DICOM and EEG are used. The work of each viewer is unique and provides a set of tools appropriate for each study.
Предлагаемое решение также содержит и взаимодействует со следующими элементами.The proposed solution also contains and interacts with the following elements.
Хранилище медицинских датасетов и алгоритмов, которое обладает удобной архитектурой хранения и работы с данным (во встроенном разметчике - вьювере).A repository of medical datasets and algorithms, which has a convenient architecture for storing and working with data (in the built-in markup - viewer).
Среда разработки и запуска алгоритмов, содержащая каталог алгоритмов.An environment for developing and running algorithms, containing a catalog of algorithms.
Подсистема запросов и сбора данных из информационных систем лечебно-профилактических учреждений, обладающая возможностью интегрировать данные из ЛПУ для загрузки датасета, а также имеющая возможность запрашивать данных из клиник партнеров.A subsystem for queries and data collection from information systems of medical and preventive institutions, which has the ability to integrate data from medical facilities to download a dataset, and also has the ability to request data from partner clinics.
Сервис просмотра и разметки, содержащий персональный, под каждую задачу, разметчик, выполненный с возможностью импортировать или скачивать разметку.A view and markup service containing a personal markup for each task, made with the ability to import or download markup.
Подсистема хранения и разметки данных и проектных кабинетов. В проектном кабинете может осуществляться одновременное тестирование алгоритмов машинного обучения, разметка и предобработка датасетов, комментирование результатов медицинскими экспертами и дальнейшая публикация их в качестве отчета-ноутбука или на витрину приложений.Subsystem for storing and marking data and project rooms. In the project office, simultaneous testing of machine learning algorithms, marking and preprocessing of datasets, commenting on the results by medical experts and their further publication as a laptop report or on an application showcase can be carried out.
Платформа позволяет получить результат, быстро и эффективно его анализировать. Виды кабинетов разделены под различные области медицинских исследований. Интерфейс позволяет пользователям беспроблемно подключиться и работать на платформе вместе с учеными.The platform allows you to get the result, analyze it quickly and efficiently. The types of offices are divided into different areas of medical research. The interface allows users to seamlessly connect and work on the platform alongside scientists.
Необходимо учесть, что каждый элемент в предлагаемой платформе может выступать в виде независимого элемента, структура и поведение которого подчиняются определённым правилам. При этом каждый элемент платформы также может быть реализован в качестве функционально-запрограммированного элемента.It should be noted that each element in the proposed platform can act as an independent element, the structure and behavior of which are subject to certain rules. Moreover, each element of the platform can also be implemented as a functionally programmed element.
Процесс разработки цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта включает в себя следующие этапы:The process of developing a digital computer-implemented platform for creating medical applications using artificial intelligence includes the following stages:
• Постановка задачи на разработку системы поддержки принятия врачебных решений• Setting the task for the development of a support system for making medical decisions
• Сбор (разметка) данных для разработки предсказательной модели• Collecting (marking) data to develop a predictive model
• Разработка предсказательной модели• Development of a predictive model
• Испытания разработанной предсказательной модели• Testing the developed predictive model
• Разработка пользовательского интерфейса• User interface development
• Внедрение в эксплуатацию• Commissioning
• Поддержка и совершенствование системы.• Support and improvement of the system.
Формирование задачи на разработку системы и определение требований к этой системе обычно происходит в диалоге между медиками и учеными по данным. В процессе общения осуществляется обмен данными об актуальных проблемах, описываются бизнес-процессы и указываются те задачи, которые можно решить с помощью вычислительного устройства. Ученые выбирают те задачи, которые выполнимы на текущем уровне развития техники и демонстрируют наработки. После того как определены задачи, учёные формируют требования к данным, на базе которых будет разрабатываться система.The formation of a task for the development of a system and the definition of requirements for this system usually occurs in a dialogue between physicians and data scientists. In the process of communication, information is exchanged about current problems, business processes are described and those tasks that can be solved using a computing device are indicated. Scientists choose those tasks that are feasible at the current level of technology development and demonstrate best practices. After the tasks are defined, the scientists form the data requirements on the basis of which the system will be developed.
Чаще всего сырые данные, которые пригодны для разметки и последующей разработки модели, есть в медицинском учреждении, для которого это приложение разрабатывается. Если их нет, то инициируется процесс сбора данных в других медицинских учреждений. Когда сырые данные в нужном количестве найдены, начинается процесс их подготовки в соответствии с установленными заранее требованиями. Результатами разметки обычно являются файлы специализированных форматов.Most often, the raw data that is suitable for marking up and subsequent model development is in the medical institution for which this application is being developed. If they are not, then the process of collecting data in other medical institutions is initiated. When the raw data is found in the required quantity, the process of preparing it begins in accordance with the pre-established requirements. Markup results are usually specialized file formats.
Разработка предсказательной модели - это наукоемкий итеративный процесс, который состоит из формирования гипотез и их проверки в рамках вычислительных экспериментов. Техническое обеспечение процесса включает в себя вычислительные мощности, интегрированные с инструментами прототипирования и автоматизации вычислительных экспериментов.Developing a predictive model is a knowledge-intensive iterative process that consists of generating hypotheses and testing them in computational experiments. The technical support of the process includes computing power integrated with tools for prototyping and automation of computational experiments.
После того, как предсказательная модель приемлемого качества разработана, к её испытаниям подключаются медики, которые оценивают качество работы модели на своих данных. Редко получается так, что модель не требует дальнейших доработок. Доработка модели подразумевает сбор дополнительных наборов размеченных данных и корректировку модели с их учетом. Процесс доработки также является итеративным и подразумевает тесное общение медиков и ученых.After a predictive model of acceptable quality has been developed, physicians are involved in testing it and assess the quality of the model's performance on their data. It rarely happens that a model does not require further refinement. Refinement of the model implies the collection of additional sets of labeled data and the adjustment of the model taking into account them. The revision process is also iterative and involves close communication between doctors and scientists.
После того как делается вывод о том, что модель готова к практическому применению, осуществляется сбор требований и прототипирование пользовательского интерфейса для её дальнейшего, более широкого использования в практике и распространения в медицинском сообществе.After it is concluded that the model is ready for practical use, the requirements are collected and the user interface is prototyped for its further, wider use in practice and distribution in the medical community.
Работа цифровой компьютерно-реализуемой платформы для создания медицинских приложений с использованием искусственного интеллекта представлена на Фиг. 1.The operation of a digital computer-implemented platform for creating medical applications using artificial intelligence is shown in FIG. one.
На первом этапе (1) подсистема хранения данных получает информацию о правах пользователя (медицинский работник, специалист по анализу данных) и реализует разграничение прав доступа к данным. При этом в подсистеме хранения данных у каждого пользователя есть свой набор данных, который доступен только ему. Пользователь может размещать данные в общий доступ через директории «проектные пространства» и предоставлять доступ к ним всем участникам на усмотрение пользователя.At the first stage (1), the data storage subsystem receives information about the user's rights (medical worker, data analyst) and implements the differentiation of data access rights. At the same time, in the data storage subsystem, each user has his own set of data, which is available only to him. The user can share data through the "project spaces" directories and provide access to them to all participants at the user's discretion.
На втором этапе (2) пользователь (медицинский работник, специалист по анализу данных) проходит процедуру регистрации на платформе, может после этого аутентифицироваться в подсистемах и управлять своими персональными данными.At the second stage (2), the user (medical professional, data analyst) undergoes the registration procedure on the platform, can then authenticate in the subsystems and manage his personal data.
На третьем этапе (3) пользователь загружает данные в облачное хранилище для последующего использования в других подсистемах или скачивает данные (медицинские исследования, результаты разметки медицинских данных, результаты работы приложений) из хранилища.At the third stage (3), the user uploads data to the cloud storage for subsequent use in other subsystems or downloads data (medical research, medical data markup results, application results) from the storage.
На четвертом этапе (4) пользователь (медицинский работник) использует доступные на платформе инструменты визуализации и разметки данных, например, исследований ЭЭГ (Электроэнцефалограмма), МРТ (Магнитно-резонансная томография), ЭКГ (Электрокардиография), КТ (Компьютерная томография) и других видов медицинских исследований.At the fourth stage (4), the user (healthcare professional) uses the tools available on the platform to visualize and markup data, for example, EEG (Electroencephalogram), MRI (Magnetic Resonance Imaging), ECG (Electrocardiography), CT (Computed Tomography) and other types medical research.
На пятом этапе (5) инструменты визуализации и разметки данных получают ранее загруженные данные централизованно из хранилища, осуществляются разметку данных и сохраняют результаты разметки в хранилище данных.At the fifth stage (5), the data visualization and markup tools receive the previously loaded data centrally from the storage, markup the data and save the markup results in the data warehouse.
На шестом этапе (6) пользователь (специалист по анализу данных) разрабатывает приложения с помощью инструментов платформы, построенных на базе Gitlab и Jupyterhub.In the sixth step (6), the user (data analyst) develops applications using platform tools built on top of Gitlab and Jupyterhub.
На седьмом этапе (7) среда разработки предоставляет пользователю (учёному по данным) доступ к централизованно хранящимся данным.At the seventh stage (7), the development environment provides the user (data scientist) with access to the centrally stored data.
На восьмом этапе (8) среда разработки предоставляет пользователю (учёному по данным) возможности использования вычислительных ресурсов для обучения моделей и запускать промежуточные версии приложений на выполнение.At the eighth stage (8), the development environment provides the user (data scientist) with the opportunity to use computational resources to train models and launch intermediate versions of applications for execution.
На девятом этапе (9) среда разработки получает информацию о правах пользователя (учёного по данным) и реализует разграничение прав доступа к данным и вычислительным ресурсам.At the ninth stage (9), the development environment receives information about the user rights (data scientist) and implements the differentiation of access rights to data and computing resources.
На десятом этапе (10) пользователь (медицинский работник) запускает завершенные приложения через графический интерфейс и просматривает в нём результаты.In the tenth step (10), the user (healthcare professional) launches the completed applications through the graphical interface and views the results in it.
На одиннадцатом этапе (11) витрина приложений использует инструменты визуализации данных (ЭЭГ и DICOM) для отображения результатов работы приложений в привычном для пользователя (медицинского работника) виде.At the eleventh stage (11), the application mart uses data visualization tools (EEG and DICOM) to display the results of the applications in the form that is familiar to the user (healthcare professional).
На двенадцатом этапе (12) витрина приложений получает информацию о правах пользователя (медицинского работника) и реализует разграничение прав доступа к приложениям. При этом, администратор системы имеет возможность через панель управления предоставлять доступ зарегистрированным пользователям к тем или иным приложениям.At the twelfth stage (12), the application showcase receives information about the rights of the user (medical worker) and implements the differentiation of access rights to applications. At the same time, the system administrator has the ability to provide registered users with access to certain applications through the control panel.
На тринадцатом этапе (13) витрина приложений получает исходные данные для приложений централизованно из хранилища.In the thirteenth step (13), the application mart obtains the raw data for the applications centrally from the store.
На четырнадцатом этапе (14) витрина приложений использует вычислительные ресурсы для запуска приложений.In stage fourteen (14), the application mart uses compute resources to run applications.
На пятнадцатом этапе (15) подсистема запуска приложений размещает результаты работы приложений централизованно в хранилище.At the fifteenth stage (15), the application launching subsystem centralizes the results of the application's work in the repository.
На шестнадцатом этапе (16) пользователь (медицинский работник, специалист по анализу данных) обменивается сообщениями с другими пользователями платформы. В системе реализован пользовательский интерфейс (текст и возможность прикрепления файлов), реализована возможность ответа на сообщения. Все сообщения централизованно уходят в базу данных и после этого становятся доступны получателям.In the sixteenth step (16), the user (medical professional, data analyst) exchanges messages with other users of the platform. The system has a user interface (text and the ability to attach files), and the ability to respond to messages. All messages centrally go to the database and then become available to recipients.
На семнадцатом этапе (17) подсистема обмена сообщениями получает информацию о пользователе и реализует разграничение прав доступа к сообщениям. Разграничение прав заключается в возможности просмотра сообщений, только предназначенных для него, и эта проверка происходит по базе данных. Есть группа пользователей, имеющих возможность рассылать сообщения группе других пользователей. Пользователи объединяются по группамAt the seventeenth stage (17), the messaging subsystem receives information about the user and implements the differentiation of access rights to messages. The differentiation of rights consists in the ability to view messages only intended for him, and this check occurs in the database. There is a group of users who can send messages to a group of other users. Users are grouped into groups
Далее, в качестве примера, будет приведен процесс разработки системы поддержки принятия решений по определению новообразований печени, однако стоит отметить, что данное решение может использоваться для определения любых патологий и болезней.Further, as an example, the process of developing a decision support system for determining liver neoplasms will be given, but it is worth noting that this solution can be used to determine any pathologies and diseases.
На первом этапе осуществляется постановка задачи по определению очаговых новообразований печени. Далее осуществляется сбор данных компьютерной томографии (КТ) исследований печени в формате DICOM (Digital Imaging and Communications in Medicine) и разметка очаговых новообразований с помощью разметчика и просмоторщика исследований DICOM. Осуществляется разработка предсказательной модели, используя разметку собранных данных и построение модели на основе нейронных сетей, которая выполнена с возможностью отличать очаговые новообразования печени по КТ исследованиям. Далее осуществляются испытания тестовых данных, путем прямого тестирования модели и сравнения результатов с референсными, а также совместными испытаниями с врачами. Модель размещается в подсистеме запуска приложений с последующим выводом ее на витрину приложений, тем самым реализуя пользовательский интерфейс. Внедрение в эксплуатацию осуществляется путем предоставления пользовательского интерфейса и интеграции модели в ЛПУ. Поддержка и совершенствование системы осуществляется путем формирования обратной связи с врачами через запросы по электронной почте.At the first stage, the task is formulated to identify focal liver neoplasms. Further, the collection of computed tomography (CT) data of liver studies in the DICOM (Digital Imaging and Communications in Medicine) format and the marking of focal neoplasms using the DICOM scribe and viewer is carried out. The development of a predictive model is carried out using the markup of the collected data and the construction of a model based on neural networks, which is made with the ability to distinguish focal liver neoplasms by CT studies. Further, tests of test data are carried out by direct testing of the model and comparing the results with reference ones, as well as joint tests with doctors. The model is placed in the application launching subsystem with its subsequent display on the application showcase, thereby realizing the user interface. Implementation is carried out by providing a user interface and integrating the model into the healthcare facility. Support and improvement of the system is carried out by generating feedback from doctors through e-mail requests.
На Фиг. 2 представлена общая схема вычислительного устройства (200), которое выполнено с возможностью обеспечивать обработку данных, необходимую для реализации заявленного решения.FIG. 2 shows a general diagram of a computing device (200), which is configured to provide data processing necessary to implement the claimed solution.
В общем случае устройство (200) содержит такие компоненты, как: один или более процессоров (201), по меньшей мере одну память (202), средство хранения данных (203), интерфейсы ввода/вывода (204), средство В/В (205), средства сетевого взаимодействия (206).In the general case, the device (200) contains components such as: one or more processors (201), at least one memory (202), data storage means (203), input / output interfaces (204), I / O means ( 205), networking tools (206).
Процессор (201) устройства выполняет основные вычислительные операции, необходимые для функционирования устройства (200) или функциональности одного или более его компонентов. Процессор (201) исполняет необходимые машиночитаемые команды, содержащиеся в оперативной памяти (202).The device processor (201) performs the basic computational operations required for the operation of the device (200) or the functionality of one or more of its components. The processor (201) executes the necessary computer-readable instructions contained in the main memory (202).
Память (202), как правило, выполнена в виде ОЗУ и содержит необходимую программную логику, обеспечивающую требуемый функционал.Memory (202), as a rule, is made in the form of RAM and contains the necessary software logic that provides the required functionality.
Средство хранения данных (203) может выполняться в виде HDD, SSD дисков, рейд массива, сетевого хранилища, флэш-памяти, оптических накопителей информации (CD, DVD, MD, Blue-Ray дисков) и т.п. Средство (203) позволяет выполнять долгосрочное хранение различного вида информации, например, вышеупомянутых файлов с наборами данных пользователей, базы данных, содержащих записи измеренных для каждого пользователя временных интервалов, идентификаторов пользователей и т.п.The data storage medium (203) can be performed in the form of HDD, SSD disks, raid array, network storage, flash memory, optical information storage devices (CD, DVD, MD, Blue-Ray disks), etc. The means (203) allows performing long-term storage of various types of information, for example, the aforementioned files with user data sets, a database containing records of time intervals measured for each user, user identifiers, etc.
Интерфейсы (204) представляют собой стандартные средства для подключения и работы с серверной частью, например, USB, RS232, RJ45, LPT, COM, HDMI, PS/2, Lightning, FireWire и т.п.Interfaces (204) represent standard means for connecting and working with the server side, for example, USB, RS232, RJ45, LPT, COM, HDMI, PS / 2, Lightning, FireWire, etc.
Выбор интерфейсов (204) зависит от конкретного исполнения устройства (200), которое может представлять собой персональный компьютер, мейнфрейм, серверный кластер, тонкий клиент, смартфон, ноутбук и т.п.The choice of interfaces (204) depends on the specific implementation of the device (200), which can be a personal computer, mainframe, server cluster, thin client, smartphone, laptop, etc.
В качестве средств В/В данных (205) в любом воплощении системы, реализующей описываемый способ, должна использоваться клавиатура. Аппаратное исполнение клавиатуры может быть любым известным: это может быть, как встроенная клавиатура, используемая на ноутбуке или нетбуке, так и обособленное устройство, подключенное к настольному компьютеру, серверу или иному компьютерному устройству. Подключение при этом может быть, как проводным, при котором соединительный кабель клавиатуры подключен к порту PS/2 или USB, расположенному на системном блоке настольного компьютера, так и беспроводным, при котором клавиатура осуществляет обмен данными по каналу беспроводной связи, например, радиоканалу, с базовой станцией, которая, в свою очередь, непосредственно подключена к системному блоку, например, к одному из USB-портов. Помимо клавиатуры, в составе средств В/В данных также может использоваться: джойстик, дисплей (сенсорный дисплей), проектор, тачпад, манипулятор мышь, трекбол, световое перо, динамики, микрофон и т.п.As means of I / O data (205) in any embodiment of a system that implements the described method, a keyboard should be used. The hardware design of the keyboard can be any known: it can be either a built-in keyboard used on a laptop or netbook, or a separate device connected to a desktop computer, server or other computer device. In this case, the connection can be either wired, in which the connecting cable of the keyboard is connected to the PS / 2 or USB port located on the system unit of the desktop computer, or wireless, in which the keyboard exchanges data via a wireless communication channel, for example, a radio channel, with base station, which, in turn, is directly connected to the system unit, for example, to one of the USB ports. In addition to the keyboard, I / O data can also include: joystick, display (touch screen), projector, touchpad, mouse, trackball, light pen, speakers, microphone, etc.
Средства сетевого взаимодействия (206) выбираются из устройства, обеспечивающий сетевой прием и передачу данных, например, Ethernet карту, WLAN/Wi-Fi модуль, Bluetooth модуль, BLE модуль, NFC модуль, IrDa, RFID модуль, GSM модем и т.п. С помощью средств (205) обеспечивается организация обмена данными по проводному или беспроводному каналу передачи данных, например, WAN, PAN, ЛВС (LAN), Интранет, Интернет, WLAN, WMAN или GSM.Networking means (206) are selected from a device that provides network reception and transmission of data, for example, Ethernet card, WLAN / Wi-Fi module, Bluetooth module, BLE module, NFC module, IrDa, RFID module, GSM modem, etc. The means (205) provide the organization of data exchange via a wired or wireless data transmission channel, for example, WAN, PAN, LAN, Intranet, Internet, WLAN, WMAN or GSM.
Компоненты устройства (200) сопряжены посредством общей шины передачи данных (710).The components of the device (200) are interfaced via a common data bus (710).
В настоящих материалах заявки было представлено предпочтительное раскрытие осуществление заявленного технического решения, которое не должно использоваться как ограничивающее иные, частные воплощения его реализации, которые не выходят за рамки испрашиваемого объема правовой охраны и являются очевидными для специалистов в соответствующей области техники.In the present application materials, the preferred disclosure of the implementation of the claimed technical solution was presented, which should not be used as limiting other, particular embodiments of its implementation, which do not go beyond the scope of the claimed scope of legal protection and are obvious to specialists in the relevant field of technology.
Claims (26)
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020130011A RU2742261C1 (en) | 2020-09-11 | 2020-09-11 | Digital computer-implemented platform for creating medical applications using artificial intelligence and method of operation thereof |
PCT/RU2021/050225 WO2022055394A1 (en) | 2020-09-11 | 2021-07-19 | Digital computer-implemented platform for creating medical applications using artificial intelligence and operating method thereof |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2020130011A RU2742261C1 (en) | 2020-09-11 | 2020-09-11 | Digital computer-implemented platform for creating medical applications using artificial intelligence and method of operation thereof |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2742261C1 true RU2742261C1 (en) | 2021-02-04 |
Family
ID=74554864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2020130011A RU2742261C1 (en) | 2020-09-11 | 2020-09-11 | Digital computer-implemented platform for creating medical applications using artificial intelligence and method of operation thereof |
Country Status (2)
Country | Link |
---|---|
RU (1) | RU2742261C1 (en) |
WO (1) | WO2022055394A1 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115033207B (en) * | 2022-06-13 | 2024-05-07 | 四川数愈医疗科技有限公司 | Algorithm management method of medical cognition intelligent scientific research platform |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050203771A1 (en) * | 2004-03-11 | 2005-09-15 | Achan Pradeep P. | System and method to develop health-care information systems |
US20140088988A1 (en) * | 2012-09-05 | 2014-03-27 | Dorsata, Inc. | Methods and systems for the collaborative development and discovery of web-based clinical pathways |
US20140282398A1 (en) * | 2013-03-15 | 2014-09-18 | Wolters Kluwer U.S. Corporation | Platform for developing and distributing mobile applications |
US20150081629A1 (en) * | 2013-09-16 | 2015-03-19 | Vii Network, Inc. | Web and mobile-based platform that unites workflow management and asynchronous video collaboration for healthcare |
WO2016208901A1 (en) * | 2015-06-22 | 2016-12-29 | 경북대학교 산학협력단 | Medical information providing method for developing smart heath app, and recording medium and apparatus for performing same |
RU2703679C2 (en) * | 2017-12-29 | 2019-10-21 | Общество С Ограниченной Ответственностью "Интеллоджик" | Method and system for supporting medical decision making using mathematical models of presenting patients |
-
2020
- 2020-09-11 RU RU2020130011A patent/RU2742261C1/en active
-
2021
- 2021-07-19 WO PCT/RU2021/050225 patent/WO2022055394A1/en active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050203771A1 (en) * | 2004-03-11 | 2005-09-15 | Achan Pradeep P. | System and method to develop health-care information systems |
US20140088988A1 (en) * | 2012-09-05 | 2014-03-27 | Dorsata, Inc. | Methods and systems for the collaborative development and discovery of web-based clinical pathways |
US20140282398A1 (en) * | 2013-03-15 | 2014-09-18 | Wolters Kluwer U.S. Corporation | Platform for developing and distributing mobile applications |
US20150081629A1 (en) * | 2013-09-16 | 2015-03-19 | Vii Network, Inc. | Web and mobile-based platform that unites workflow management and asynchronous video collaboration for healthcare |
WO2016208901A1 (en) * | 2015-06-22 | 2016-12-29 | 경북대학교 산학협력단 | Medical information providing method for developing smart heath app, and recording medium and apparatus for performing same |
RU2703679C2 (en) * | 2017-12-29 | 2019-10-21 | Общество С Ограниченной Ответственностью "Интеллоджик" | Method and system for supporting medical decision making using mathematical models of presenting patients |
Also Published As
Publication number | Publication date |
---|---|
WO2022055394A1 (en) | 2022-03-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10783448B2 (en) | Extracting facts from unstructured data | |
Suryantara et al. | Development of Medical Record With Extreme Programming SDLC | |
JP2018533123A (en) | An information science platform for integrated clinical care | |
TWI649762B (en) | Methods and systems for cloud-based medical database management | |
Benkner et al. | @ neurIST: infrastructure for advanced disease management through integration of heterogeneous data, computing, and complex processing services | |
US20180101657A1 (en) | Medical risk factors evaluation | |
US11387002B2 (en) | Automated cancer registry record generation | |
US20190006042A1 (en) | A medical data management method, apparatus and medical data system | |
Pavlov et al. | Reference medical datasets (MosMedData) for independent external evaluation of algorithms based on artificial intelligence in diagnostics | |
Oeser et al. | Information architecture for a patient-specific dashboard in head and neck tumor boards | |
Klein et al. | QuantMed: Component-based deep learning platform for translational research | |
Kondylakis et al. | The INTEGRATE project: delivering solutions for efficient multi-centric clinical research and trials | |
RU2742261C1 (en) | Digital computer-implemented platform for creating medical applications using artificial intelligence and method of operation thereof | |
Lu et al. | Low adherence to existing model reporting guidelines by commonly used clinical prediction models | |
Weber et al. | A client/server based online environment for the calculation of medical segmentation scores | |
Paton et al. | The role of free/libre and open source software in learning health systems | |
US20200321084A1 (en) | Device, system, and method for optimizing pathology workflows | |
US20210248152A1 (en) | Data prioritization based on determined time sensitive attributes | |
Kostick-Quenet et al. | Trust criteria for artificial intelligence in health: normative and epistemic considerations | |
WO2023009038A1 (en) | Digital platform for establishing medical diagnoses | |
Zhang et al. | Anesthesia decision analysis using a cloud-based big data platform | |
Alyea et al. | Standardizing health-care data across an enterprise | |
JP7216660B2 (en) | Devices, systems, and methods for determining reading environments by synthesizing downstream needs | |
Epelde et al. | Quality of data measurements in the big data era: Lessons learned from MIDAS project | |
Wahle et al. | Extending the XNAT archive tool for image and analysis management in ophthalmology research |