Как врачу или руководителю говорить с аналитиками на одном языке
Как формулировать аналитическую задачу так, чтобы данные отвечали на управленческий или клинический вопрос, а не жили отдельно.
ИИ и анализ данных в медицине
Что важно проверить перед использованием медицинских данных в проекте
Чек-лист для медицинских данных: происхождение, полнота, смысл переменных, ограничения, безопасность и пригодность для задачи.
Где ИИ в медицине реально полезен, а где начинается маркетинг
Трезвый взгляд на ИИ в медицине: полезные сценарии, ограничения, риски данных и признаки маркетингового обещания.
Конец социальных сетей как института профессионального блогинга: экспертность в эпоху ИИ
В последние годы становится очевидным, что профессиональный блогинг в социальных сетях переживает системный кризис. Речь идёт не о снижении популярности платформ как таковых, а о подрыве их ключевой функции — демонстрации и верификации экспертности. Искусственный интеллект и усреднение контента Современные нейросетевые модели достигли уровня, при котором они способны генерировать качественный, … Читать далее
Когда фантастика становится прогнозом: интеллектуальный дефицит, искусственный интеллект и профилактика когнитивного упадка
Современная зависимость от ИИ-диагностики и отказ от чтения и сложных когнитивных задач может ускорять интеллектуальное истощение. Научные исследования подтверждают: регулярное чтение и умственная активность защищают когнитивные функции и замедляют возрастной упадок мозга.
Курс «Математическая статистика и анализ клинических (экспериментальных) исследований»
В данном курсе представлены фундаментальные и статистические концепции, необходимые для элементарного анализа данных. Уровень курса соответствует уровню студентов университетов, врачей специалистов. Для прохождения курса необходимы знания математики на уровне средней школы. Кроме фундаментальных вопросов будут разобраны вопросы планирования клинического исследования и эксперимента. Мы расскажем, как правильно сформулировать гипотезу, собрать и обработать данные. В курсе будут раскрыты вопросы правильной интерпретации полученных данных, дизайна исследования.
Оценка статистических параметров совокупности
1.Работа в программе Jamovi 2.Расчет показателей средней, ошибки средней 3.Оценка показателей вариации: стандартное отклонение, дисперсия 4.Оценка соответствия выборки нормальному закону распределения 5.Оценка робастных статистик (медиана, квартили, размах)
Совершенствование фармакотерапии на основе поиска «скрытых знаний» с использованием OLAP системы
Введение и цель исследования Благодаря внедрению информационных технологий и снижению стоимости хранения данных в сфере здравоохранения увеличиваются объёмы хранимой информации. В данной информации могут содержатся скрытые знания (hidden knowledge), представляющие собой полезные закономерности, которые могут использоваться для повышения качества клинических и управленческих решений. Однако, для извлечения этих закономерностей требуются новые … Читать далее
Использование инструментов искусственного интеллекта для повышения эффективности профилактики психического здоровья населения
Введение/цель. Одним из перспективных направлений персонализации медицинской помощи является использование инструментов искусственного интеллекта для оптимизации диагностики и лечения. Однако анализ литературы показывает, что эффективность различных инструментов предиктивного анализа неоднозначна. Одним из инструментов прогноза является нейросетевой анализ. Данный инструмент показал свою эффективность в задачах по классификации, в том числе постановки диагноза. … Читать далее
Перспективность методов анализа больших данных (big data) для оценки качества и эффективности фармакотерапии пациентов с артериальной гипертензией
Базы данных являются ключевыми объектами современной системы здравоохранения, в тоже время в Российской Федерации единичные работы посвящены вопросам выявления и использования закономерностей для нужд практического здравоохранения. Сама по себе интеграция и накопление данных не дает значительного повышения эффективности процессов профилактики и лечения заболеваний людей. В частности, внедрение системы электронных историй болезни в клиниках позволило добиться повышения скорости доступа к данным, снизило число ошибок, однако на процесс диагностики и качество медицинской помощи это не повлияло.