Модели машинного обучения для оценки эффекта лечения при разнородной диагностической информации с экспертными правилами

Название НИОКТР	Модели машинного обучения для оценки эффекта лечения при разнородной диагностической информации с экспертными правилами
Аннотация	Проект направлен на разработку новых классов методов, моделей и алгоритмов, охватывающих все аспекты научной проблемы создания интеллектуальных систем диагностики и персонализации лечения, которые с одной стороны учитывали бы особенности медицинских данных, диагностики и выбора оптимального лечения, а с другой стороны являлись бы фундаментальными с точки зрения их применения в различных областях. Для решения проблемы создания интеллектуальных систем диагностики и персонализации лечения в проекте предлагается четыре пересекающихся класса новых моделей, охватывающих наиболее важные элементы систем, которые не могут быть реализованы большими языковыми моделями: 1) модели оценки эффекта лечения (heterogeneous treatment effect models), включая разработку «универсальных» (foundation) моделей оценки эффекта лечения; 2) модели анализа выживаемости с учетом цензурированных данных; 3) модели обучения на концептах (concept-based models); 4) модели многостадийных траекторий пациентов в процессе диагностики и лечения. В направлении решения задач в рамках этих четырех классов в проекте реализуются следующие результаты. «Универсальные» модели для решения задачи оценки эффекта лечения для реализации обучения модели на малых выборках в условиях ограниченного числа «леченных» пациентов при разнородной диагностической информации с использованием механизма частичного внимания. Модели оценки эффекта лечения с учетом дополнительной информации в виде зависимостей между пациентами, например, родственных связей. Модели оценки эффекта лечения при описании визуальной диагностической информации в виде концептов (concept-based learning) для интерпретации и объяснения предсказания эффекта лечения. Методы комбинирования индуктивного (модели машинного обучения) и дедуктивного обучения (экспертных правил в виде логических функций) в рамках обучения на концептах в задачах оценки эффекта лечения. Модели от «грубого к точному» (coarse-to-fine) с построением специальным образом иерархии концептов. Модели наивного анализа выживаемости и задачи классификации с интервальными вероятностями классов с использованием механизма внимания и модификации регрессии Надарая-Уотсона. Модели трансформенной обработки цензурированных данных на основе различных реализаций механизма самовнимания (self-attention) . Методы зашумления модели внимания в трансформерах в целях снижения фактора зависимости между моделями в композициях. Обобщение наивного анализа выживаемости на произвольный случай интервальных или неточных предсказаний в рамках теории случайных множеств Демпстера-Шейфера и моделей внимания. Разработка общего подхода к построению модели многостадийной траектории пациента, реализующей интеллектуальную систему с учетом неоднородности и цензурированности данных, обеспечение предиктивной аналитики состояния пациента. Разработка интеллектуальной системы, реализующей модели многостадийной траектории пациента Актуальность результатов проекта определяется тем, что большие языковые модели, ориентированные на медицину, сегодня не позволяют решать такие задачи как персонализированная оценка эффекта лечения, выполнять анализ выживаемости и строить многостадийные траектории пациента, что должно являться одним из основных элементов интеллектуализации медицинской диагностика и персонализации лечения. Отсутствие в настоящее время конкретных решений, связанных с созданием таких моделей, делает соответствующие задачи чрезвычайно перспективным.
Доступ к ОКОГУ исполнителя	False
Количество связанных РИД	1
Количество завершенных ИКРБС	0
Сумма бюджета	20400.0
Дата начала	2025-05-29
Дата окончания	2027-12-31
Номер контракта	25-11-00021
Дата контракта	2025-05-29
Количество отчетов	3
УДК	004.85
Количество просмотров	9
Руководитель работы	Уткин Лев Владимирович
Руководитель организации	Фомин Юрий Владимирович
Исполнитель	ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ АВТОНОМНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ОБРАЗОВАНИЯ "САНКТ-ПЕТЕРБУРГСКИЙ ПОЛИТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ ПЕТРА ВЕЛИКОГО"
Заказчик	Российский научный фонд
Федеральная программа	Отсутствует
Госпрограмма	—
Основание НИОКТР	Грант
Последний статус	2025-10-27 09:16:01 UTC, 2025-10-27 09:16:01 UTC
ОКПД	Работы оригинальные научных исследований и экспериментальных разработок в области естественных и технических наук, кроме биотехнологии
Отраслевой сегмент	—
Минздрав	—
Межгосударственная целевая программа	—
Ключевые слова	машинное обучение; диагностика; нейронные сети; интерпретация; классификация; трансформер; анализ выживаемости; медицина
Соисполнители	—
Типы НИОКТР	Поисковое (ориентированные фундаментальные) исследование
Приоритетные направления	—
Критические технологии	—
Рубрикатор	28.23.25 - Модели и системы обучения
OECD	—
OESR	Информатика – архитектура и аппаратное обеспечение
Приоритеты научно-технического развития	а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
Регистрационные номера	nioktr: {'id': 'SFB8KC6N9PRVNGITNSQUAO8H'}