17 Байболдина, А.А. Лакман, И.А. Мухамадеев, Т.Р Загидуллина, А.Ш. Арсланова, А.И. Мезенцева, А.И. машинное обучение глаукома диагностика искусственные нейронные сети метрики качества 2024 2024-11-27 10.34883/PI.2024.14.3.035 Введение. Глаукома является прогрессирующим заболеванием органа зрения и относится к одной из самых распространенных причин неизлечимой слепоты во всем мире. Поэтому ранняя диагностика данного заболевания имеет решающее значение в современной офтальмологии. Однако данный процесс может быть трудоемким и дорогостоящим, в связи с чем постоянно возникает потребность в разработке более эффективных комплексных методов диагностики. Актуальным является внедрение технологий машинного обучения при принятии врачебного решения и повышение качества диагностики заболевания. Цель. Провести систематический отбор опубликованных научных работ, посвященных проблеме применения машинного обучения при диагностике глаукомы, проанализировать точность и эффективность исследуемых технологий. Материалы и методы. Проведен анализ статей, опубликованных в 2014–2024 гг. и посвященных теме применения машинного обучения при диагностике глаукомы. Поиск литературы был осуществлен по базам PubMed/MEDLINE и eLibrary по группам ключевых словосочетаний: machine learning, glaucoma, diagnostic. После изучения полного текста 48 работ, соответствующих критериям отбора, было выбрано 24 статьи, наиболее релевантных поставленной задаче. Результаты. Выполнен анализ источников, описывающих применение технологий искусственного интеллекта, в частности машинного обучения, для диагностики глаукомы. Рассмотрены существующие способы разграничения показателей нормы от патологии, представлена информация о применяемых наборах данных для построения математических моделей, оценены качество и эффективность моделей, а также выделены основные преимущества и недостатки используемых классификационных методов. Модели, построенные на алгоритмах машинного обучения, продемонстрировали точность предсказания выше 90%, подтверждая потенциал применения этих методов для диагностики глаукомы. Заключение. Наблюдается значительный интерес мирового научного сообщества к применению технологий искусственного интеллекта, в частности методов машинного обучения, при диагностике и прогнозировании глаукомы. Внедрение методов машинного обучения в офтальмологии представляется перспективным инструментом для повышения выявляемости заболевания на ранних стадиях https://repo.bashgmu.ru/publication/4566 https://repo.bashgmu.ru/files/4742