Улучшение обработки данных с помощью машинного обучения в контексте медицинского образования

Shyndaliyev N.; Orynbayeva A.; Shadinova K.; Barakova A.; Nurmukhanbetova N.

Статья

Улучшение обработки данных с помощью машинного обучения в контексте медицинского образования

Shyndaliyev N. ,

Orynbayeva A. ,

Shadinova K. ,

Barakova A. , Nurmukhanbetova N.

2025

https://doi.org/10.15829/1728-8800-2025-4446

Экспоненциальный рост объема биомедицинских данных в сочетании с развитием методов машинного обучения (МО) создали новые возможности для более точной диагностики, улучшенного планирования лечения и ведения пациентов. Однако успешное внедрение МО в клиническую практику зависит от уровня понимания и компетентности медицинских специалистов в этих технологиях. В данном исследовании рассматривается эффективность интеграции методов МО в учебные программы Медицинского Университета Астана и Казахского Национального Медицинского Университета им. С. Д. Асфендиярова. В качестве объекта исследования были выбраны детские аллергические заболевания, такие как астма, ринит и кожные патологии. Для анализа клинических и образовательных данных был применен метод контролируемого машинного обучения — линейная регрессия. Результаты показали, что экспериментальная группа студентов, прошедшая обучение с элементами МО, продемонстрировала значительное улучшение аналитических навыков и точности обработки данных по сравнению с контрольной группой. Разработанная модель МО достигла коэффициента детерминации (R2) в 0,85 при низких значениях ошибок прогнозирования (MAE=0,45, MSE=0,30, RMSE=0,55). Статистические тесты подтвердили гипотезу о том, что структурированное МО способствует повышению компетенций студентов-медиков, что позволяет будущим медицинским работникам более эффективно использовать подходы, основанные на анализе данных, для улучшения качества лечения пациентов. Это исследование вносит свой вклад в растущее количество научных работ, посвящённых интеграции МО в медицинское образование, и подчёркивает необходимость дальнейших исследований в области продвинутых алгоритмов МО и оценки их долгосрочных клинических эффектов.

Shyndaliyev N. , Orynbayeva A. , Shadinova K. , Barakova A. , Nurmukhanbetova N. Улучшение обработки данных с помощью машинного обучения в контексте медицинского образования. Кардиоваскулярная терапия и профилактика. 2025;24(2S):4446. https://doi.org/10.15829/1728-8800-2025-4446

Цитирование

Список литературы

1. Cruz JA, Wishart DS. Applications of machine learning in cancer prediction and prognosis. Cancer Inform. 2007;2:59-77.

2. Jia Z, Chen J, Xu X, et al. The importance of resource awareness in artificial intelligence for healthcare. Nat Mach Intell. 2023; 5(7):687-98.

3. Cunningham P, Cord M, Delany SJ. Supervised Learning. In: Cord M, Cunningham P, editors. Machine Learning Techniques for Multimedia: Case Studies on Organization and Retrieval [Internet]. Berlin, Heidelberg: Springer; 2008 p. 21-49. doi:10.1007/978-3-540-75171-7_2.

4. Naik N, Rallapalli Y, Krishna M, et al. Demystifying the Advancements of Big Data Analytics in Medical Diagnosis: An Overview. Eng Sci. 2021;19(2):42-58.

5. Scott I, Carter S, Coiera E. Clinician checklist for assessing suitability of machine learning applications in healthcare: BMJ Health & Care Informatics 2021;28:e100251. doi:10.1136/bmjhci-2020-100251.

6. Orynbaeva AS, Shindaliyev NT, Abdikadyr ZN. Possibilities of Using Machine Learning Algorithms in Medical Data Processing: Manual for Students. Astana Aktaulova’s LLP; 2024. 190 p.

7. Gui C, Chan V. Machine learning in medicine. Univ West Ont Med J. 2017;86(2):76-8.

8. Habehh H, Gohel S. Machine Learning in Healthcare. Curr Genomics. 2021;22(4):291-300.

9. Dhillon A, Singh A. Machine learning in healthcare data analysis: a survey. J Biol Today’s World. 2019;8(6):1-10.

10. Ghassemi M, Naumann T, Schulam P, et al. A Review of Challenges and Opportunities in Machine Learning for Health. AMIA Summits Transl Sci Proc. 2020;2020:191-200.

11. Nayyar A, Gadhavi L, Zaman N. Chapter 2 — Machine learning in healthcare: review, opportunities and challenges. In: Machine learning in healthcare: review, opportunities and challenges. 2021;23-45. doi:10.1016/B978-0-12-821229-5.00011-2.

12. Bi WL, Hosny A, Schabath MB, et al. Artificial intelligence in cancer imaging: Clinical challenges and applications. CA Cancer J Clin. 2019;69(2):127-57.

13. Magoulas GD, Prentza A. Machine learning in medical applications. In: Advanced course on artificial intelligence. Springer; 1999. p. 300-7.

14. Sendak MP, D’Arcy J, Kashyap S, et al. A Path for Translation of Machine Learning Products into Healthcare Delivery. EMJ Innov. 2020. doi:10.33590/emjinnov/19-00172.

15. Deo RC. Machine Learning in Medicine. Circulation. 2015;132(20): 1920-30.

16. Zamzam AH, Abdul Wahab AK, Azizan MM, et al. A Systematic Review of Medical Equipment Reliability Assessment in Improving the Quality of Healthcare Services. Front Public Health. 2021;9:753951.

17. Cajal B, Jiménez R, Gervilla E, Montaño JJ. Doing a Systematic Review in Health Sciences. Clin Health. 2020;31(2):77-83.

18. Goodacre R, Broadhurst D, Smilde AK, et al. Proposed minimum reporting standards for data analysis in metabolomics. Metabolomics. 2007;3(3):231-41.

19. Montgomery DC, Peck EA, Vining GG. Introduction to Linear Regression Analysis. 5th edition. Hoboken, NJ: John Wiley & Sons Inc; 2012. 645 p.

20. Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. N Engl J Med. 2019;380(14):1347-58.

21. van Breugel M, Fehrmann RSN, Bügel M, et al. Current state and prospects of artificial intelligence in allergy. Allergy. 2023; 78(10):2623-43.

22. Khan M, Banerjee S, Muskawad S, et al. The Impact of Artificial Intelligence on Allergy Diagnosis and Treatment. Curr Allergy Asthma Rep. 2024;24(7):361-72.

23. Breiteneder H, Diamant Z, Eiwegger T, et al. Future research trends in understanding the mechanisms underlying allergic diseases for improved patient care. Allergy. 2019;74(12):2293-311.

24. Rabe KF, Adachi M, Lai CKW, et al. Worldwide severity and control of asthma in children and adults: The global asthma insights and reality surveys. J Allergy Clin Immunol. 2004;114(1):40-7.

Документы

Источник

Информация

Автор

Shyndaliyev N. НАО "Евразийский национальный университет им. Л. Н. Гумилева"
Orynbayeva A. НАО "Евразийский национальный университет им. Л. Н. Гумилева"
Shadinova K. НАО "Евразийский национальный университет им. Л. Н. Гумилева"
Barakova A. НАО "Евразийский национальный университет им. Л. Н. Гумилева"
Nurmukhanbetova N. НАО "Евразийский национальный университет им. Л. Н. Гумилева"

Название журнала

Кардиоваскулярная терапия и профилактика

Ключевые слова