CC BY
94
искусственный интеллект как новое явление в развитии здравоохранения и медицинского образования (обзор литературы)
Булычева Е.В.
Федеральное государственное бюджетное образовательное учреждение высшего образования «Оренбургский государственный медицинский университет» Министерства здравоохранения Российской Федерации, 460000, г. Оренбург, Российская Федерация
В настоящее время перед образовательными организациями высшего профессионального образования возникла необходимость подготовки квалифицированных кадров, имеющих профессиональные компетенции, обеспечивающие в будущем медицинских работников трудовыми дескрипторами по внедрению цифровых технологий и работу с искусственным интеллектом. В этой связи становится актуальным анализ основных трендов использования искусственного интеллекта в здравоохранении, его перспективы развития и проблемы реализации на практике. Анализ 36 отечественных и зарубежных научных статей по проблеме внедрения искусственного интеллекта в здравоохранение, опубликованных в период с 2002 по 2022 г., показал, что накоплен достаточный отечественный и зарубежный опыт по определению основных направлений совершенствования системы и качества медицинского образования с целью обеспечения нужд системы здравоохранения по внедрению цифровых технологий. Представленный обзор позволяет сформировать представление о перспективах использования искусственного интеллекта в медицине, о необходимости подготовки будущих медицинских работников, владеющих знаниями и умениями по работе с искусственным интеллектом, при выполнении своих профессиональных обязанностей в современных условиях.
Финансирование. Исследование не имело спонсорской поддержки. Конфликт интересов. Автор заявляет об отсутствии конфликта интересов.
Для цитирования: Булычева Е.В. Искусственный интеллект как новое явление в развитии здравоохранения и медицинского образования (обзор литературы) // Медицинское образование и профессиональное развитие. 2022. Т. 13, № 3. С. 76-84. Р01: https://doi.org/10.33029/2220-8453-2022-13-3-76-84 Статья поступила в редакцию 08.07.2022. Принята в печать 15.08.2022.
Ключевые слова:
профессиональное
медицинское
образование;
искусственный
интеллект; цифровые
технологии
в медицине
artificial intelligence as a new phenomenon in the development of healthcare and medical education (literature review)
Bulycheva E.V.
Orenburg State Medical University of the Ministry of Health of the Russian Federation, 460000, Orenburg, Russian Federation
Currently educational organizations of higher professional education are faced with the need to train qualified personnel with professional competencies that will provide medical workers with labor descriptors for the introduction of digital technologies and work with artificial intelligence in the future. In this regard, it
becomes relevant to analyze the main trends in the use of artificial intelligence in healthcare, its prospects for development and problems of implementation in practice. The analysis of 36 domestic and foreign scientific articles on the problem of the introduction of artificial intelligence in healthcare, published in the period from 2002 to 2022, showed that sufficient domestic and foreign experience has been accumulated to determine the main directions for improving the system and quality of medical education in order to meet the needs of the healthcare system for the introduction of digital technologies. The presented review allows us to form an idea about the prospects of using artificial intelligence in medicine, about the need to train future medical professionals who have knowledge and skills to work with artificial intelligence when performing their professional duties in modern conditions.
Keywords:
professional medical education; artificial intelligence; digital technologies in medicine
Funding. The study had no sponsor support.
Conflict of interest. The author declares no conflict of interest.
For citation: Bulycheva E.V. Artificial intelligence as a new phenomenon in the development of healthcare and medical education (literature review). Meditsinskoe obrazovanie i professional'noe razvitie [Medical Education and Professional Development]. 2022; 13 (3): 76-84. DOI: https://doi.org/10.33029/2220-8453-2022-13-3-76-84 (in Russian)
Received 08.07.2022. Accepted for publication 15.08.2022.
В современных условиях совершенствование медицинского образования требует внедрения цифровых инноваций [1]. Согласно данным, представленным в докладе международной исследовательской и консалтинговой компании international Data Corporation, выделяют несколько трендов развития современного здравоохранения. Так, в ближайшие 5 лет ожидается увеличение инвестиций в технологии искусственного интеллекта и передовую аналитику; увеличение до 65% пациентов, имеющих доступ к медицинской помощи через цифровые услуги; увеличение расходов медицинских организаций на технологии дистанционного медицинского обслуживания и клинические испытания с использованием цифровых систем до 70%; до 60% IT-инфраструктуры организаций здравоохранения будет построено на платформе данных с использованием искусственного интеллекта для автоматизации процессов и принятия решений; до 60% медицинских организаций перейдут от тестирования к полному развертыванию технологий вир-
туальной и дополненной реальности; до 65% рабочих процессов в области медицинской визуализации будут использовать искусственный интеллект для выявления заболеваемости и помощи при клинических вмешательствах [2]. Очевидно, что для реализации внедрения и рационального использования цифровых технологий, в том числе искусственного интеллекта, требуется, кроме наличия материально-технической базы, еще и формирование особых компетенций работников сферы здравоохранения.
Цель - провести анализ данных, опубликованных в научной литературе по вопросу перспектив и проблемам внедрения искусственного интеллекта в медицинское образование для обеспечения здравоохранения компетентными медицинскими работниками, способными работать в условиях современных цифровых технологий.
МАТЕРИАЛ И МЕТОДЫ
Обзор подготовлен путем сбора научных источников литературы, опубликованных отечественными и зарубежными авторами
за последние 10 лет (2002-2022 гг.) по ключевым словам: профессиональное медицинское образование, искусственный интеллект, цифровые технологии в медицине. Обобщение данных, а также стратегия электронного поиска проводилась согласно принципам PRISMA.
Для анализа было отобрано 36 научных статей, посвященных вопросам искусственного интеллекта в здравоохранении, опубликованных в рецензируемых научных журналах, индексируемых в наукометрических базах WoS, Scopus, входящих в перечень, утвержденный ВАК при Минобрнауки России. Поиск научных статей проводили в электронных базах PubMed, Google Scholar, РИНЦ. Критерии включения и исключения определены согласно рекомендациям Института Джоанны Бриггс «Критические инструменты оценки для использования в систематических обзорах» [3, 4]. Критериями включения статей в систематический обзор стали наличие в них проблем профессионального медицинского образования и потребности использования цифровых технологий, данные об опыте использования искусственного интеллекта в медицине, качество подготовки медицинских кадров для обеспечения необходимости по внедрению искусственного интеллекта в систему здравоохранения.
РЕЗУЛЬТАТЫ
В научной литературе акцентируется внимание на том, что в последние годы область медицинских наук претерпела значительные изменения. Одними из важных и наиболее сложных для осмысления стали изменения, связанные с технологиями развития искусственного интеллекта [5]. Согласно современным представлениям искусственный интеллект рассматривается как ансамбль разработанных и закодированных человеком рационально-логических формализирован-
ных правил, которые организуют процессы, позволяющие имитировать интеллектуальные структуры, производить целерациональные действия, а также осуществлять последующее кодирование и принятие инструментальных решений вне зависимости от человека [6].
Вопросы разработки, внедрения и использования искусственного интеллекта в медицине и в процессе обучения медицинским дисциплинам детально рассмотрены и опубликованы в ряде научных статей [7-13], в которых общей чертой является постулирование как необходимости, так и неизбежности цифровизации в сфере здравоохранения. Согласно докладу Минздрава России «Итоги 2020 года», в настоящее время в здравоохранении в сфере внедрения цифровых технологий более 926 тыс. автоматизированных рабочих мест медицинских работников подключены к медицинской информационной системе (МИС); 82,4% медицинских организаций используют МИС; 68,7% медицинских организаций подключены к централизованной подсистеме региональной государственной информационной системы (ГИС) в сфере здравоохранения; каждая пятая медицинская организация обеспечивает гражданам доступ к электронным медицинским документам в личных кабинетах пациента «Мое здоровье» на Едином портале государственных услуг и функций (ЕПГУ); больше половины медицинских организаций обеспечивают информационное взаимодействие с учреждениями медико-социальной экспертизы посредством подсистемы «Реестр электронных медицинских документов» ЕГИСЗ. Тем не менее И.П. Черная и соавт. [1] отмечают, что речь идет в данном случае о внедрении информационно-коммуникационных технологий, поэтому в рамках обозначенного в российском законодательстве подхода цифровыми инновациями эти результаты считать
нельзя. Однако вместе с тем цифровые инновации как результат внедрения сквозных технологий в России существуют. Достаточно показательны в этом смысле публикуемые материалы Центром компетенций цифровой трансформации сферы здравоохранения Минздрава России совместно с проектом CDO2Day (https://cdo2day.ru/), обзоры НИУ ВШЭ. В настоящее время успешно внедряются инновационные цифровые сервисы для здравоохранения на основе искусственного интеллекта, включая ИИ-алгоритмы компьютерного зрения в лучевой диагностике, которые автоматически детектируют и выделяют признаки патологий в широком диапазоне медицинских исследований:рентген и компьютерная томография исследования органов грудной клетки, маммограммы, снимки глазного дна, микроскопия мазка костного мозга и крови, ортопантомограммы и др. Кроме того, успешно применяются системы искусственного интеллекта по распознаванию рака легкого на компьтерно-томографических изображениях [14], в хирургии и хирургической онкологии [15]. Показана высокая эффективность использования искусственного интеллекта при диагностике рака кожи [16], при проведении магнитно-резонансной томографии, циркулярной границе резекции при раке прямой кишки [17] и при гистологических исследованиях метастатических лимфатических узлов при раке желудка [18]. В исследованиях A. Esteva показано, что графическая информация в виде снимка опухоли кожи была трактована с точностью, аналогичной таковой экспертных оценок [16]. Кроме того, при анализе маммограмм с помощью систем искусственного интеллекта у пациенток с уже известным диагнозом удалось сделать на 2,7-9,4% меньше ложноотрица-тельных заключений по сравнению с заключениями рентгенологов [19]. Все эти данные
свидетельствуют о пользе искусственного интеллекта в качестве диагностического инструментария. Как отмечают Р. Lakhani, В. БипЬагат [20] в своих исследованиях, системы искусственного интеллекта могут получить больше информации из последовательных случаев в течение нескольких минут, что намного превышает количество случаев, которые может проанализировать врач за всю жизнь. Подходы к принятию решений на основе искусственного интеллекта могут использоваться в случаях, когда эксперты не могут прийти к единому мнению.
Анализ больших данных, используемых в искусственном интеллекте, также позволяет стратифицировать пациентов на группы риска [21-23] и прогнозировать исход болезни [24]. Особый интерес в настоящее время представляет внедрение биокомпьютерных наноплатформ и модулей, которые состоят из небольших молекул, полимеров, нуклеиновых кислот или белков, которые могут использоваться при медицинской диагностике, биомедицинской визуализации, мониторинге окружающей среды и доставке терапевтических препаратов к целевым клеточным популяциям. Как отмечает В.Ф. Пятин и соавт. [25], будущая реализация парадигм системной биологии и системной нейрофизиологии, основанных на комплексном анализе больших и глубоких гетерогенных источников данных, будет иметь решающее значение для достижения более глубокого понимания патофизиологии болезни Альцгеймера, с использованием современных технологий интерфейс-«мозг-компьютер» и «искусственный интеллект», для того чтобы увеличить информативность, которую можно извлечь от доклинических и клинических показателей. Интеграция различных источников информации позволит получить новую целостную картину патофизиологического процесса
заболевания, которая будет охватывать его от молекулярных изменений до когнитивных проявлений. Внедрение многовекторных нейротехнологий искусственного интеллекта и принципов цифрового здравоохранения будет способствовать развитию нейробы-та и нейромаркетинга. Медико-социальное сопровождение к активному здоровому долголетию возможно при синхронизации информационных систем медицинских организаций, социальных учреждений, внедрению единого нейрофизиологического контура и современных интерфейсов, комбинированных и гибридных кластеров в диагностике, лечении, профилактике и реабилитации когнитивных нарушений и расстройств.
Учитывая вышеизложенное, становится очевидным, что внедрение искусственного интеллекта в здравоохранение является необратимым и необходимым процессом. В этой связи формирование соответствующих профессиональных компетенций у медицинских работников в процессе их подготовки становится требованием современного времени, как и внедрение непосредственно в процесс обучения современных цифровых технологий. Как признают специалисты, одной из проблем искусственного интеллекта является необходимость высокого уровня пользователей, поэтому до настоящего времени экспертные системы не получали широкое и эффективное применение в медицинской практике [26-29].
В ракурсе данной проблемы кадрового обеспечения цифровой трансформации медицинского образования в Распоряжении Правительства РФ от 02.12.2021 № 3759-р «Об утверждении стратегического направления в области цифровой трансформации науки и высшего образования» среди приоритетов отмечается регуляторное обеспечение внедрения цифровых технологий
в образовательных организациях высшего образования и научных организациях. Проведенный И.П. Черной и соавт. [1] анализ нормативной базы цифровых инноваций по обучению их использования показал, что основной акцент делается на решение управлением проблем процесса трансформации, в том числе в части снижения административной нагрузки и повышения качества обработки и доступности данных. В такой же логике описана задача повышения уровня цифровых компетенций научно-педагогических работников в двух проектах «Единая сервисная платформа науки» и «Цифровое мышление», для решения которых необходимо формирование единой экосистемы сервисов, обеспечение к ним доступа. Вопросы повышения квалификации кадров планируются лишь для организаций, подведомственных Минобрнауки России, а также для подготовки квалифицированных команд цифровой трансформации образовательных организаций высшего образования, в обязанности которых входит формирование и реализация такой стратегии.
В своей работе А.В. Резаев и Н.Д. Трегубо-ва [5] отмечают, что внедрение новых методов исследования и преподавания в медицинских вузах - куда более сложный процесс, нежели изменения в содержании преподаваемых предметов. Основная задача при этом - отличить консервативные (относительно постоянные) элементы процесса образования и медицинской практики от эфемерных, легко изменяющихся. Вопрос заключается в том, что должно храниться в человеческом разуме, а что можно отдать на откуп искусственному интеллекту и онлайн-помощникам.
Используемые в настоящее время технологии искусственного интеллекта при обучении охватывают все сферы образовательного процесса: аудиторную, внеаудиторную, само-
стоятельную работу обучающихся, научно-исследовательскую деятельность, производственную практику. Анализ вопросов применения искусственного интеллекта в высшем образовании, проведенный С.А. Чубовым, показал, что его использование при подготовке фармацевтов позволило реализовать целый ряд возможностей для будущего специалиста: разработку лекарственных средств, обеспечение эффективных взаимоотношений, проведение аналитики продаж и маркетинга лекарственных средств, управление производством [30].
О необходимости использования искусственного интеллекта свидетельствуют приведенные данные в статье П.В. Мельникова и соавт.: 1 мин хирургического видео высокой четкости, по оценкам, в 25 раз превышает объем данных, найденных в изображении компьютерной томографии высокого разрешения, образовательный процесс - одна из основных точек приложения искусственного интеллекта [15]. Искусственный интеллект можно использовать для обработки огромных объемов хирургических данных для выявления или прогнозирования нежелательных явлений в режиме реального времени для поддержки интраоперационных клинических решений. На примере лапароскопической рукавной резекции желудка в реальном времени с использованием систем искусственного интеллекта показана точность 92,8% по автоматическому определению этапов операции и выявлению пропущенных или неожиданных этапов. Также при лапароскопической холецистэктомии критический вид безопасности составлял от 62 до 79% в зависимости от этапа операции. Обучающая модель достигла конкурентной точности 92,5; 95,4 и 91,3% в таких стандартных заданиях, как шитье, перекладывание иглы и вязание узла соответственно.
Э.И. Денисов отмечает, что роботы и автономные системы, основанные на искусственном интеллекте, все шире применяются во всех сферах жизни, но они создают ряд проблем и требуют гигиенической оценки [31]. Системы дополненной и виртуальной реальности, используемые на производствах и в быту, создают риски для здоровья особенно уязвимых групп работников и населения и требуют гигиенического контроля. Несмотря на ряд преимуществ, технологии дополненной виртуальной реальности требуют особого внимания гигиенистов, так как появляется все больше работ о негативных последствиях их влияния на самочувствие и здоровье особенно уязвимых групп работников и населения [32, 33]. При пользовании системами дополненной виртуальной реальности в большинстве случаев активируется опто-вестибуло-спинальная система, что вызывает спектр вестибулосенсорных, вести-буловегетативных и вестибулосоматических реакций, а также нарушения функционирования центральной нервной,сердечно-сосуди-стой системы, органов желудочно-кишечного тракта, психической сферы [32-35]. В этой связи Э.И. Денисов [31] и И.В. Бухтияров [36] отмечают необходимость разработки методов и критериев оценки киберфизических систем на основе развития информационной гигиены и гигиенической регламентации.
ЗАКЛЮЧЕНИЕ
В настоящее время накоплен достаточный опыт по эффективному использованию систем искусственного интеллекта в медицине, что требует формирования в процессе получения медицинского образования и совершенствования уже имеющихся профессиональных навыков компетенции по умению использовать передовые цифровые технологии в профессиональной деятельности.
СВЕДЕНИЯ ОБ АВТОРЕ
Булычева Екатерина Владимировна (Ekaterina V. Bulycheva) - кандидат медицинских наук, доцент, доцент кафедры профилактической медицины ФГБОУ ВО ОрГМУ Минздрава России, Оренбург, Российская Федерация Е-mail: e-sosnina0mail.ru https://orcid.org/ 0000-0002-8215-8674
ЛИТЕРАТУРА
1. Черная И.П., Просалова В.С., Николаева А.А. Сквозные технологии как цифровые инновации в здравоохранении и медицинском образовании // Теория и практика общественного развития. 2022. № 3. С. 64-73. DOI: https://doi.org/10.24158/ tipor.2022.3.9
2. Соловьев Н.В. Искусственный интеллект в медицине // сборник материалов научной конференции студентов и молодых ученых «Солидарность и сотрудничество». 2018. C. 63-66.
3. Joanna Briggs institute. Checklist for prevalence studies. 2017. URL: https://joannabriggs.org/sites/default/files/2019-05/ JBI_Critical_Appraisal (дата обращения: 27.02.2020]
4. Munn Z., Moola S., Lisy K., Riitano D., Tufanaru C. Methodological guidance for systematic reviews of observational epidemiological studies reporting prevalence and incidence data // international Journal of Evidence-based Healthcare. 2017. Vol. 13. Р.147-153.
5. Резаев А.В., Трегубова Н.Д. Искусственный интеллект и искусственная социальность: новые явления и проблемы для развития медицинских наук // Эпистемология и философия науки. 2019. Т. 56, № 4. С. 183-199.
6. Резаев А.В., Трегубова Н.Д. Сайты компаний-разработчиков как источник данных об искусственном интеллекте. Сравнительный анализ Google, Yandex и Baidu // Социологический журнал. 2021. Т. 27, № 4. С. 118-145. DOI: https://doi. org/10.19181/socjour. 2021.27.4.8648
7. Итинсон К.С. Искусственный интеллект как перспективная технология в области медицинского образования и медицины // Карельский научный журнал. 2020. Т. 9, № 2 (31]: 16-18.
8. Поряева Е.П., Евстафьева В.А. Искусственный интеллект в медицине // Вестник науки и образования. 2019. № 6-2 (60]. С. 15-18.
9. Воробьев П.А., Воробьев А.П. Как обучить искусственный интеллект медицине или размышления о новой роли стандартизации // Проблемы стандартизации в здравоохранении. 2018. № 7-8. С. 19-34.
10. Позднева С.П., Маслов Р.В. Проблемы гуманизма и искусственный интеллект // Цивилизация - общество - человек. 2018. № 6-7. С. 19-23.
11. Богомолов А.И., Невежин В.П., Жданов Г.А. Искусственный интеллект и экспертные системы в мобильной медицине // Хроноэкономика. 2018. № 3 (11]: 17-28.
12. Добриднюк С.Л. Искусственный интеллект в медицине и здравоохранении // Информационное общество. 2017. № 4-5. С.78-93.
13. Забавников А.Е. Искусственный интеллект и медицина // Философские традиции и современность. 2017. № 1 (11]: 66-73.
14. Кульберг Н.С., Гусев М.А., Решетников Р.В., Елизаров А.Б., Новик В.П., Прокудайло С.Б., Филиппович Ю.Н., Гомболев-ский В.А., Владзимирский А.В., Камынина Н.Н., Морозов С.П. Методология и инструментарий создания обучающих выборок для систем искусственного интеллекта по распознаванию рака легкого на КТ-изображениях // Здравоохранение Российской Федерации. 2020. № 64 (6]. С. 343-350. DOI: https://www.doi.org/10.46563/0044-197X-2020-64-6-343-350
15. Мельников П.В., Доведов В.Н., Каннер Д.Ю., Черниковский И.Л. Искусственный интеллект в онкохирургической практике // Тазовая хирургия и онкология. 2020. № 10 (3-4]. С. 60-64.
16. Esteva A., Kuprel B., Novoa R.A., Ko J., Swetter S.M., Blau H.M., Thrun S. Dermatologist-level classification of skin cancer with deep neural networks // Nature. 2017. N 542. P. 115-118.
17. Wang S.Z., Wang J.G., Lu Y. Clinical application of convolutional neural network in pathological diagnosis of metastatic lymph nodes of gastric cancer // Zhonghua Wai Ke Za Zhi. 2019. Vol. 57, N 12. P. 934-938. DOI: https://www.doi.org/10.3760/cma .j.issn.0529-5815.2019.12.012.
18. Wang D., Xu J., Zhang Z. et al. Evaluation of rectal cancer circumferential resection margin using faster region-based convolutional neural network in highresolution magnetic resonance images // Dis Colon Rectum. 2020. Vol. 63, N 2. P. 143-151. DOI: https://www.doi.org/10.1097/DCR.0000000000001519
19. McKinney S.M., Sieniek M., Godbole V. et al. International evaluation of an AI system for breast cancer screening // Nature. 2020. Vol. 577. P. 89-94.
20. Lakhani P., Sundaram B. Deep learning at chest radiography: Automated classification of pulmonary tuberculosis by using convolutional neural networks // Radiology. 2017. Vol. 284. P. 574-582.
21. Fritz B.A., Cui Z. Zhang M. Deep-learning model for predicting 30-day postoperative mortality // Br J Anaesth. 2019. Vol. 125, N 5. P. 688-695. DOI: https://www.doi.org/10.1016/j.bja.2019.07.025
22. Rajkomar A., Oren E., Chen K. et al. Scalable and accurate deep learning with electronic health records // NPJ Digit Med. 2018. N 1. P. 18.
23. Weng S.F., Vaz L., Qureshi N. Prediction of premature all-cause mortality: a prospective general population cohort study comparing machine-learning and standard epidemiological approaches // PLoS One. 2019. Vol. 14, N 3. P. e0214365. DOI: https:// www.doi.org/10.1371/journal.pone.0214365
24. Brennan M., Puri S., Ozrazgat-Baslanti T., Feng Z., Ruppert M., Hashemighouchani H., Momcilovic P., Li X., Wang D.Z., Bihorac A. Comparing clinical judgment with the MySurgeryRisk algorithm for preoperative risk assessment: a pilot usability study // Surgery. 2019. Vol. 165, N 5. P. 1035-1045.
25. Пятин В.Ф., Колсанов А.В., Романчук Н.П., Романов Д.В., Давыдкин И.Л., Волобуев А.Н., Сиротко И.И., Булгакова С.В. Биоинформатика и искусственный интеллект: геронтологические и гериатрические компоненты медико-социального сопровождения к активному здоровому долголетию // Бюллетень науки и практики. 2020. Т. 6, № 12. С. 155-175.
26. Покидова А.В. Искусственный интеллект в медицине // Достижения науки и образования. 2018. Т. 1, № 23. С. 9-11.
27. Кушнерова И.А., Акимов С.С. Перспективы применения искусственного интеллекта в медицине // Материалы VIII Всероссийской научно-практической конференции «Компьютерная интеграция производства и ИПИ-технологии». 2017. С. 249-250.
28. Шатаев Д.А. Проблема искусственного интеллекта в медицине // Материалы II международной научно-практической конференции «Качество жизни: современные риски и технологии безопасности». 2017. С. 262-266.
29. Аверьянова О.А., Коршак В.И. Искусственный интеллект в условиях современной медицины // Естественные и математические науки в современном мире. 2016. Т. 42. С. 34-38.
30. Чубов С.А. Теоретические и технологические аспекты формирования профессиональной компетентности будущих фармацевтов на основе применения средств искусственного интеллекта // Известия Волгоградского государственного педагогического университета. 2022. № 2 (165). С. 117-121.
31. Денисов Э.И. Роботы, искусственный интеллект, дополненная и виртуальная реальность: этические, правовые и гигиенические проблемы // Гигиена и санитария. 2019. Т. 98, № 1. С. 5-10. DOI: https://www.doi.org/10.18821/0016-9900-2019-98-1-5-10
32. Handbook of virtual environments: design, implementation, and applications. Ed. by Stanney K.M., Hale K.S. CRC Press, 2002. 1232 p. ISBN: 080583270X.
33. Herrera A.K., Mathew F.Z., Gugliucci M.R., Bustillos C. Augmented reality, virtual reality, & health. NIH-NNLM NER. Repository. 42. University of Massachusetts Medical School, 2017. 75 p. URL: http://escholarship umassmed edu/ner/42 (date of access 25.02.2021)
34. Johnson S., Coxon M. Sound can enhance the analgesic effect of virtual reality // Royal Society open science. 2016. Vol. 3, N 3. P. 150567.
35. Jones T., Moore T., Choo J. The Impact of Virtual Reality on Chronic Pain // PloS one. 2016. Vol. 11. N 12. P. e0167523. DOI: https://www.doi.org/10.1371/journal.pone.0167523
36. Бухтияров И.В., Денисов Э.И. Гигиенические аспекты роботизации: факторы риска и принципы безопасности // Гигиена и санитария. 2021. № 1. С. 6-12.
REFERENCES
1. Chernaya I.P., Prosalova V.S., Nikolaeva A.A. End-to-end technologies as digital innovations in healthcare and medical education. Teoriya i praktika obshhestvennogo razvitija [Theory and practice of social development]. 2022; 3: 64-73. URL: https:// doi.org/10.24158/tipor.2022.3.9 (in Russian]
2. Soloviev N.V. Artificial intelligence in medicine. Solidarnost' i sotrudnichestvo: Sbornik materialov nauchnoj konferencii. [Solidarity and cooperation: Collection of materials of the scientific conference]. 2018: 63-6. (in Russian]
3. Joanna Briggs Institute. Checklist for prevalence studies. 2017. URL: https://joannabriggs.org/sites/default/files/2019-05/ JBI_Critical_Appraisal (date of access: 27.02.2020]
4. Munn Z., Moola S., Lisy K., Riitano D., Tufanaru C. Methodological guidance for systematic reviews of observational epidemiological studies reporting prevalence and incidence data. International Journal of Evidence-based Healthcare. 2017; 13: 147-53.
5. Rezaev A.V., Tregubova N.D. Artificial intelligence and artificial sociality: new phenomena and problems for the development of medical sciences. Jepistemologija i filosofija nauki [Epistemology and philosophy of science]. 2019; 56 (4]: 183-99. (in Russian]
6. Rezaev A.V., Tregubova N.D. Websites of development companies as a source of data on artificial intelligence. Comparative analysis of Google, Yandex and Baidu. Sociologicheskij zhurnal [Sociological Journal]. 2021; 27 (4]: 118-45. DOI: https://doi. org/10.19181/socjour.2021.27.4.8648 (in Russian]
7. Itinson K.S. Artificial intelligence as a promising technology in the field of medical education and medicine. Karel'skij nauchnyj zhurnal [Karelian Scientific Journal]. 2020; 9 (2 (31]]: 16-8. (in Russian]
8. Polyaeva E.P., Evstafyeva V.A. Artificial intelligence in medicine. Vestnik nauki i obrazovanija [Bulletin of Science and Education]. 2019; (6-2(60]]: 15-8. (in Russian]
9. Vorobyov P. A., Vorobyov A.P. How to train artificial intelligence in medicine or reflections on the new role of standardization. Problemy standartizacii v zdravoohranenii [Problems of standardization in healthcare]. 2018; (7-8]: 19-34. (in Russian]
10. Pozdneva S.P., Maslov R.V. Problems of humanism and artificial intelligence. Civilizacija - obshhestvo - chelovek [Civilization - society - man]. 2018; (6-7]: 19-23. (in Russian]
11. Bogomolov A.I., Nevezhin V.P., Zhdanov G.A. Artificial intelligence and expert systems in mobile medicine. Hronojekonomika [Chronoeconomics]. 2018; 3 (11]: 17-28. (in Russian]
12. Dobridnyuk S.L. Artificial intelligence in medicine and healthcare. Informacionnoe obshhestvo [Information society]. 2017; 4-5: 78-93. (in Russian]
13. Zabavnikov A.E. Artificial intelligence and medicine. Filosofskie tradicii i sovremennost' [Philosophical traditions and modernity]. 2017; 1 (11]: 66-73. (in Russian]
14. Kulberg N.S., Gusev M.A., Reshetnikov R.V., Elizarov A.B., Novik V.P., Prokudailo S.B., Filippovich Yu.N., Gombolevsky V.A., Vladzimirsky A.V., Kamynina N.N., Morozov S.P. Methodology and tools for creating training samples for artificial intelligence recognition systems lung cancer on CT images. Zdravoohranenie Rossijskoj Federacii [Healthcare of the Russian Federation]. 2020; 64 (6]: 343-50. DOI: https://www.doi.org/10.46563/0044-197X-2020-64-6-343-350 (in Russian]
15. Melnikov P.V., Dovodov V.N., Kanner D.Yu., Chernikovsky I.L. Artificial intelligence in oncosurgical practice. Tazovaja hirurgija i onkologija [Pelvic surgery and oncology]. 2020; 10 (3-4]: 60-4. (in Russian]
16. Esteva A., Kuprel B., Novoa R.A., Ko J., Swetter S.M., Blau H.M., Thrun S. Dermatologist-level classification of skin cancer with deep neural networks. Nature. 2017; (542]: 115-8.
17. Wang S.Z., Wang J.G., Lu Y. Clinical application of convolutional neural network in pathological diagnosis of metastatic lymph nodes of gastric cancer. Zhonghua Wai Ke Za Zhi. 2019; 57 (12]: 934-8. DOI: https://www.doi.org/10.3760/cma.j.is sn.0529-5815.2019.12.012
18. Wang D., Xu J., Zhang Z. et al. Evaluation of rectal cancer circumferential resection margin using faster region-based convolutional neural network in highresolution magnetic resonance images. Dis Colon Rectum. 2020; 63 (2]: 143-51. DOI: https:// www.doi.org/10.1097/DCR.0000000000001519
19. McKinney S.M., Sieniek M., Godbole V. et al. International evaluation of an AI system for breast cancer screening. Nature. 2020; 577: 89-94.
20. Lakhani P., Sundaram B. Deep learning at chest radiography: automated classification of pulmonary tuberculosis by using convolutional neural networks. Radiology. 2017; 284: 574-82.
21. Fritz B.A., Cui Z. Zhang M. Deep-learning model for predicting 30-day postoperative mortality. Br J Anaesth. 2019; 123 (5]: 688-95. DOI: https://www.doi.org/10.1016/j.bja.2019.07.025
22. Rajkomar A., Oren E., Chen K., et al. Scalable and accurate deep learning with electronic health records. NPJ Digit Med. 2018; (1]: 18.
23. Weng S.F., Vaz L., Qureshi N. Prediction of premature all-cause mortality: A prospective general population cohort study comparing machine-learning and standard epidemiological approaches. PLoS One. 2019; 14 (3]: e0214365. DOI: https://www.doi. org/10.1371/journal.pone.0214365
24. Brennan M., Puri S., Ozrazgat-Baslanti T., Feng Z., Ruppert M., Hashemighouchani H., Momcilovic P., Li X., Wang D.Z., Bihorac A. Comparing clinical judgment with the MySurgeryRisk algorithm for preoperative risk assessment: a pilot usability study. Surgery. 2019; 165 (5]: 1035-45.
25. Pyatin V.F., Kolsanov A.V., Romanchuk N.P., Romanov D.V., Davydkin I.L., Volobuev A.N., Sirotko I.I., Bulgakova S.V. Bioinformatics and artificial intelligence: gerontological and geriatric components of medical and social support for active healthy longevity. Bjulleten' nauki i praktiki [Bulletin of Science and Practice]. 2020; 6 (12]: 155-75. (in Russian]
26. Ostrovova A.V. Artificial intelligence in medicine. Dostizhenija nauki i obrazovanija [Achievements of science and education]. 2018; 1 (23]: 9-11. (in Russian]
27. Kushnerova I.A., Akimov S.S. Prospects for the use of artificial intelligence in medicine. Materialy VIII Vserossiyskoy nauchno-practiceskoy konferentsii «Kompyuternaya integratsiya proizvodstva i IPI-tekhnologii» [Materials of the VIII All-Russian Scientific and Practical Conference «Computer integration of production and IPI technologies»]. 2017: 249-50. (in Russian]
28. Shataev D.A. The problem of artificial intelligence in medicine. Kachestvo zhizni: sovremennye riski i tehnologii bezopasnosti: materialy II mezhdunarodnoj nauchno-prakticheskoj konferencii [Quality of life: modern risks and security technologies: materials of the II International Scientific and practical Conference]. 2017: 262-6. (in Russian]
29. Averyanova O.A., Korshak V.I. Artificial intelligence in the conditions of modern medicine. Estestvennye i matematicheskie nauki v sovremennom mire [Natural and mathematical sciences in the modern world]. 2016; 42: 34-8. (in Russian]
30. Chubov S.A. Theoretical and technological aspects of the formation of professional competence of future pharmacists based on the use of artificial intelligence. Izvestija volgogradskogo gosudarstvennogo pedagogicheskogo universiteta [Proceedings of the Volgograd State Pedagogical University]. 2022; 2 (165]: 117-21. (in Russian]
31. Denisov E.I. Robots, artificial intelligence, augmented and virtual reality: ethical, legal and hygienic problems. Gigiena i sanitarija [Hygiene and sanitation]. 2019; 98 (1]: 5-10. DOI: https://www.doi.org/10.18821/0016-9900-2019-98-1-5-10 (in Russian]
32. Handbook of virtual environments: design, implementation, and applications. Ed. by Stanney K.M., Hale K.S . CRC Press, 2002. 1232 p. ISBN:080583270X
33. Herrera A.K., Mathew F.Z., Gugliucci M.R., Bustillos C. Augmented reality, virtual reality, & health . NIH-NNLM NER. Repository. 42. University of Massachusetts Medical School, 2017. 75 p. URL: http://escholarship umassmed edu/ner/42 (date of access 25.2.2021]
34. Johnson S., Coxon M. Sound can enhance the analgesic effect of virtual reality. Royal Society open science. 2016; 3 (3]: 150567.
35. Jones T., Moore T., Choo J. The impact of virtual reality on chronic pain. PloS one. 2016; 11 (12]: e0167523. DOI: https://www. doi.org/10.1371/journal.pone.0167523
36. Bukhtiyarov I.V., Denisov E.I. Hygienic aspects of robotization: risk factors and safety principles. Gigiena i sanitarija [Hygiene and sanitation]. 2021; 1: 6-12. (in Russian]
