Все презентации

Презентация на тему «Искусственный интеллект в медицине»

Информатика · реферат · 11 слайдов

Сделать свою версию за 2 минуты

Слайды презентации

Искусственный интеллект в медицине — слайд 1 Искусственный интеллект в медицине — слайд 2 Искусственный интеллект в медицине — слайд 3 Искусственный интеллект в медицине — слайд 4 Искусственный интеллект в медицине — слайд 5 Искусственный интеллект в медицине — слайд 6
Показать все слайды (11)
Искусственный интеллект в медицине — слайд 7 Искусственный интеллект в медицине — слайд 8 Искусственный интеллект в медицине — слайд 9 Искусственный интеллект в медицине — слайд 10 Искусственный интеллект в медицине — слайд 11

План презентации

  1. Искусственный интеллект в медицине
  2. Цель и задачи реферата
  3. ИИ в медицине — уже не эксперимент, а разрешённая практика
  4. Где ИИ помогает, а где пока только пробуют
  5. Как ИИ входил в медицину
  6. Как работает диагностическая модель
  7. Цитата: ИИ не заменит рентгенологов. Но рентгенологи, использующие ИИ,…
  8. Главные риски внедрения
  9. Московский опыт: ИИ читает миллионы снимков
  10. Выводы
  11. Список литературы

Что рассказать на защите

Реферат стоит защищать с уточнения рамки: речь не о «враче-роботе» из фантастики, а о прикладных системах, которые уже прошли регистрацию как медицинские изделия. К середине 2024 года Управление по санитарному надзору США (FDA) одобрило около 950 таких систем, и примерно три четверти из них относятся к лучевой диагностике. Первая автономная диагностическая система — для выявления диабетической ретинопатии по снимку глазного дна — получила одобрение ещё в 2018 году. Это хорошая отправная точка: технология не гипотетическая, она в клиниках.

Основная часть — где ИИ реально помогает и где пока только пробуют. В клинике он ищет патологии на КТ, МРТ и рентгене, используется в скрининге рака молочной железы и лёгких, сортирует пациентов с подозрением на инсульт, ускоряет разработку лекарств. Пока эксперимент — постановка окончательного диагноза без врача, прогноз индивидуального течения болезни, полностью автономная хирургия. Вывод формулируется просто: ИИ силён в узких повторяемых задачах и слаб там, где нужны контекст и ответственность.

Полезно коротко объяснить, как работает диагностическая модель: её обучают на десятках тысяч снимков, размеченных врачами; свёрточные нейросети выделяют признаки на изображении; на выходе — вероятность патологии и подсвеченная зона внимания; итоговое решение остаётся за врачом. Отсюда вытекают и риски. Технические: смещение из-за нерепрезентативных данных, эффект «чёрного ящика», падение точности на данных другой больницы. Организационные: неясная ответственность за ошибку, отставание регулирования, риск избыточного доверия к подсказке. Риски управляемы, но требуют валидации, мониторинга и обучения персонала.

Завершить стоит российским опытом. В Москве с 2020 года идёт эксперимент по компьютерному зрению в лучевой диагностике: через платформу «МосМедИИ» для регионов обработано более 16 миллионов исследований, московским врачам доступно около 70 сервисов, охвачено более 45 клинических направлений. На вопрос об источниках — сослаться на перечень FDA, книгу Эрика Топола «Deep Medicine», обзоры The Lancet Digital Health, отчёты Центра диагностики и телемедицины и материалы Нобелевского комитета: премия по химии 2024 года присуждена в том числе за предсказание структуры белка нейросетью.

Структура работы по этой теме

Цель и задачи

Выводы

Список литературы

  1. FDA. Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices. — 2024. — URL: fda.gov
  2. Topol E. Deep Medicine. — New York: Basic Books, 2019.
  3. The Lancet Digital Health. Artificial intelligence in clinical practice. — 2023. — URL: thelancet.com
  4. Центр диагностики и телемедицины ДЗМ. Эксперимент по применению ИИ в лучевой диагностике: итоги. — М., 2025.
  5. Нобелевский комитет по химии. The Nobel Prize in Chemistry 2024. — URL: nobelprize.org

Похожие темы

Сделать свою версию за 2 минуты Открыть образец в редакторе