Искусственный интеллект и математическое моделирование в эндокринологии: прорывные технологии и перспективы

В современном мире, характеризующемся растущей распространенностью эндокринных заболеваний и сложностью их диагностики и лечения, искусственный интеллект (ИИ) предлагает уникальные возможности для улучшения медицинской помощи. В статье авторы анализируют, как алгоритмы ИИ помогают обнаруживать и классифицировать патологические изменения на УЗИ, КТ и МРТ, предоставляя врачам-эндокринологам дополнительные инструменты для улучшения качества диагностики. Кроме того, рассматривается применение ИИ для анализа больших данных, включая электронные медицинские карты (ЭМК), что позволяет разрабатывать прогностические модели и персонализировать лечение. Особое внимание уделяется роли ИИ в мониторинге пациентов с хроническими эндокринными заболеваниями, например, непрерывный мониторинг уровня глюкозы крови при сахарном диабете.

Эта статья будет полезна врачам-эндокринологам, исследователям, студентам и всем, кто интересуется применением искусственного интеллекта в современной медицине.

1. Abstract of the dissertation of A.R. Elfimova for the degree of Candidate of Medical Sciences on the topic «Prediction of adverse events after parathyroidectomy in patients with primary hyperparathyroidism using mathematical modeling methods» To quote from: https://www.endocrincentr.ru/sites/default/files/specialists/science/dissertation/avtoreferat_elfimova.pdf

2. Zhu Y, Zhang Y, Yang M, et al. Machine Learning-Based Predictive Modeling of Diabetic Nephropathy in Type 2 Diabetes Using Integrated Biomarkers: A Single-Center Retrospective Study. Diabetes Metab Syndr Obes. 2024;17:1987-1997. doi: https://doi.org/10.2147/DMSO.S458263

3. Vikulova O. K., Elfimova A. R., Zheleznyakova A.V. and others. Risk calculator for chronic kidney disease: new possibilities for predicting pathology in patients with diabetes mellitus. — 2022. — Issue 24. — No. 4. — pp. 224-233

4. Calculator of the risk of developing chronic kidney disease (CKD) in patients with diabetes mellitus (DM). To quote from: https://www.endocrincentr.ru/specialists/kalkulyatory/calc-hbp

5. Laptev D.N., Sorokin D.Yu. A medical decision-making assistance system based on artificial intelligence for primary adjustment of insulin pump parameters in children with type 1 diabetes mellitus. // Diabetes mellitus. — 2024. — Vol.27. — No.6. — pp.555-564. doi: https://doi.org/10.14341/DM13081

6. Kovaleva E.V., Eremkina A.K., Aynetdinova A.R., Milutina A.P., Mokrysheva N.G. The first Russian registry of hypoparathyroidism with a medical decision support system // Problems of endocrinology. — 2021. — Vol. 67. — No. 4. — pp. 8-12. doi: https://doi.org/10.14341/probl12796

7. Almuttairi H.M.A. Types of neural networks and their application / H.M.A. Almuttairi // Actual problems of society, economics and law in the context of global challenges: proceedings of the XXI International Scientific and Practical Conference, Moscow, June 14, 2023. – St. Petersburg: Printing Shop, 2023. – pp. 39-44.

8. Wang L, Zhang L, Zhu M, et al. Automatic diagnosis for thyroid nodules in ultrasound images by deep neural networks. Med Image Anal. 2020; 61:101665. doi: https://doi.org/10.1016/j.media.2020.101665

9. Trukhin A.A., Zakharova S.M., Dunaev M.E., and others. The role of artificial intelligence in the differential ultrasound diagnosis of thyroid nodules // Clinical and experimental thyroidology. — 2022. — Vol. 18. — No. 2. — pp. 32-38. doi: https://doi.org/10.14341/ket12730

10. Lysukhin D.D., Yakimov B.P., Shirshin E.A. and others. Development of artificial intelligence algorithms for morphological diagnosis of thyroid tumors. // Endocrine surgery. — 2023. — Vol.17. — No.4. — p.54. doi: https://doi.org/10.14341/serg12877

11. Barat M, Gaillard M, Cottereau AS, et al. Artificial intelligence in adrenal imaging: A critical review of current applications. Diagn Interv Imaging. 2023;104(1):37-42. doi: https://doi.org/10.1016/j.diii.2022.09.003

12. Batch KE, Yue J, Darcovich A, et al. Developing a Cancer Digital Twin: Supervised Metastases Detection From Consecutive Structured Radiology Reports. Front Artif Intell. 2022;5. doi: https://doi.org/10.3389/frai.2022.826402

13. Abdullaev M.A., Kantemirova B.I., Bashkina O.A. and others. Prospects for the use of artificial intelligence in pharmacogenetic research: a literary review. // Acta Biomedica Scientifica. — 2024. — Vol.9. — No.5. — pp.12-21. doi: https://doi.org/10.29413/ABS.2024-9.5.2

14. Tarumi S, Takeuchi W, Chalkidis G, et al. Leveraging Artificial Intelligence to Improve Chronic Disease Care: Methods and Application to Pharmacotherapy Decision Support for Type-2 Diabetes Mellitus. Methods Inf Med. 2021;60(S 01):e32-e43. doi: https://doi.org/10.1055/s-0041-1728757

15. Chan PZ, Jin E, Jansson M., et al. AI-Based Noninvasive Blood Glucose Monitoring: Scoping Review. J Med Internet Res. 2024;26:e58892. doi: https://doi.org/10.2196/58892

16. Alliance in the field of artificial intelligence, Analytical Center under the Government of the Russian Federation and the Ministry of Economic Development: Code of Ethics in the field of AI. To quote from: https://ethics.a-ai.ru/