AP26197917 – Разработка рекомендательной системы на основе машинного обучения для диагностики респираторных заболеваний на ранних стадиях с использованием анализа звука в легких
Цель – Разработать и внедрить машинно-обучаемую рекомендательную систему для ранней диагностики респираторных заболеваний путем анализа акустических данных дыхания, что позволит повысить точность и доступность диагностических услуг в медицинской практике.
Актуальность: Актуальность проекта обусловлена сохраняющейся проблемой ранней диагностики респираторных заболеваний, особенно на фоне роста заболеваемости и увеличения нагрузки на систему здравоохранения. Своевременное выявление патологий легких остается ограниченным, что приводит к позднему началу лечения и ухудшению состояния пациентов. В этой связи особую значимость приобретает разработка неинвазивных методов диагностики, таких как анализ звуков дыхания. Использование технологий машинного обучения и глубокого анализа акустических сигналов открывает новые возможности для повышения точности и скорости диагностики. Создание интеллектуальной рекомендательной системы позволит автоматизировать процесс выявления патологий и обеспечить врачей дополнительным инструментом для принятия решений. В целом проект способствует повышению доступности и качества медицинских услуг, а также снижению затрат на лечение за счет более раннего вмешательства.
Научный руководитель: Доктор Ph.D., Профессор, Жекамбаева Майгуль Несипалдиевна
Ожидаемые и достигнутые результаты: В рамках проекта уже сформированы и предварительно обработаны обширные наборы звуковых данных легких, включающие как нормальные, так и патологические состояния, что обеспечило высокое качество обучающей выборки. Разработаны и протестированы различные архитектуры глубокого обучения, включая CNN, RNN, LSTM, а также гибридные и ансамблевые модели с механизмами внимания. Полученные результаты подтвердили эффективность предложенного подхода к ранней диагностике респираторных заболеваний на основе анализа акустических сигналов. Научная новизна проекта заключается в интеграции современных методов обработки звука и алгоритмов глубокого обучения для медицинской диагностики. Ожидается, что дальнейшее развитие системы позволит обеспечить высокоточную классификацию патологий легких в режиме реального времени. Разработанная система станет дополнительным инструментом поддержки принятия решений для врачей и повысит качество диагностики. Внедрение технологии в медицинские учреждения Республики Казахстан позволит сократить время диагностики и обеспечить более раннее начало лечения. Также ожидается снижение медицинских затрат за счет повышения эффективности диагностики и профилактики осложнений. Коммерциализация проекта предусматривает внедрение системы в клиники и ее адаптацию для мобильных платформ, что позволит использовать технологию для домашнего мониторинга пациентов. В целом результаты проекта будут способствовать развитию научно-технического потенциала, повышению конкурентоспособности научных организаций и созданию новых направлений исследований в области биомедицинской инженерии и цифровой медицины.
Список публикаций с ссылками на них
- Zhekambayeva M., Akylzhan P., Nazarova A., Yussupova G., Mailybayev E., Katayev N. Real-time augmented reality-enabled sports exercise monitoring system with personalized recommendations // Retos. – 2025. – Vol. 73. – P. 909–922. – DOI: https://doi.org/10.47197/retos.v73.117751. – ISSN 1579-1726