Аннотация
Кіріспе. Қазіргі уақытта рентгенографияда кеуде мүшелерінің патологиясын анықтауға арналған жасанды интеллект жүйелері бар, олар да рентгенолог дәрігерлердің жұмысын атқарады, бірақ рентгенолог дәрігерлерге қарағанда жылдам оқып беру мүмкіндіктері жоғары болады. Өкпе туберкулезі, пневмония, ісік және басқа да аурулардың эксперименттік және коммерциялық диагностикалық жүйелері талданған. Кеуде қуысының рентгенографиясын қысқа уақытта интерпретация жасауы үшін жасанды интеллектті пайдалану мүмкіндіктері қарастырылған ғылыми іздену еңбектері де бар. Мақсаты. Интерндердің жасанды интеллект технологияларын қолдана отырып өкпе рентген суреттерімен жұмыс істеуінің нәтижелеріне талдау жасау. Материалдар мен әдістер. Зерттеу әдісі үшін мәліметтерді жинау және статистикалық талдауларды жүргізуге сауалнамалар және жасанды интеллект таңдалды. Сауалнама Google Forms арқылы онлайн режимінде жүргізілді. Интерндерге жылдам хабар алмасу үшін сауалнамалар корпоративті электрондық пошталарға жіберіліп алынды. Сауалнама Қарағанды медициналық университеттің интерндері арасында ғана жүргізілді. Зерттеу 159 қатысушы интерндер пікірінен алынды. Деректерді сараптамалау Matplotlib Python қосымшасы арқылы жүргізілді. TensorFlow кітапханасының негізінде жасанды интлеллекті қолдана отырып, өкпенің рентген суреттерінен паталогияларды анықтауға арналған Convolutional Neural Network архитектурасы пайдаланылды. Жинақ 1255 сау өкпе рентгенін және 1308 патологиялық өкпе рентгенін қамтыды. Бұл суреттерді интерндер анкетаға жауап берер алдында 10-20 суреттен ақпарат ретінде қарап шықты. Нәтижелері. Сауалнама 159 интернге жіберіліп, барлығынан жауап алынды. Барлық сұрақтарға жауап бермегендері болған жоқ. Сауалнамалардың нәтижелері Google Forms және Matplotlib Python қосымшасы арқылы автоматты түрде есептеп шығарып берілді. жасанды интеллекті білемін және оң көзқарасын білдіргендер саны 156 (98%) болды, ал білмейтіндер саны 3 (2%) болды. Жасанды интеллект технологияларының жеке түрлерімен таныс болуында 57-і (36,4%) MAN AlexNet түрін, 54-і (34,4%) ResNet50 түрін, 42-сі (26,2%) VGG16 түрін, 2–уі (1%) Lunit INSIGHT CXR білетіндіктерін және 3-уі (2%) білмейтіндігін көрсетті. Мұның ішінде жауап берушілердің 15-і (шамамен 9,4%) 2-4 түрін қабаттастырып білетіндіктерін көрсетті. Интерндердің жасанды интеллектке рентген диагностикасын жылдамдатуы бойынша берген пікірлерін талдау 5 баллдық шкаламен анықталды. 5 балл бергендер саны 67 (42,1%), 4 балл бергендер саны 39 (24,5%), 3 балл бергендер саны 41 (25,8%), және 1-2 балл бергендер саны 7-4 (4,4%-3,2%) болды. Енді мұнда интерндердің жасанды интеллект рентген диагностикасын жылдамдатады деушілері, яғни 4-5 балл бергендері 106 (66,6%) болды. Интерндердің жасанды интеллекттің диагнозды нақты қоюдағы пікірлерін талдауы да 5 баллдық шкаламен анықталды. 5 балл бергендер саны 71 (44,6%), 4 балл бергендер саны 37 (23,3%), 3 балл бергендер саны 42 (26,4%) және 1-2 балл бергендер саны 4-5 (2,5%-3,2%) болды. Енді мұнда интерндердің жасанды интеллект өкпе рентгенінде нақты диагноз қою деушілері, яғни 4-5 балл бергендері 108 (67,9%) болды. Қорытынды. Қорытындылай келе, өкпе суреттерін оқып, рентген қорытындысын беретін жасанды интеллект технологияларын интерндердің жақсы білетіндіктерін көрдік. Яғни ең жиі білетіндері MAN AlexNet 57-і (36,4%), ResNet50 54-і (34,4%) және VGG16 42-сі (26,2%) болып табылды. Интерндердің жасанды интеллект технологиялары арқылы рентген диагностикасын жылдамдатушы деушілерінің 4-5 балл бергендер саны 106 (66,6%) болды. Яғни диагноз қою процесін жасанды интеллекттің жылдамдатуына интерндердің жартысынан көпшілігі жақсы баға бергендігін көреміз. Интерндердің жасанды интеллект технологиялары нақты диагноз қояды деушілерінің 4-5 балл бергендер саны 108 (67,9%) болды. Яғни жасанды интеллекттің нақты диагноз қоюына интерндердің жартысынан көпшілігі жоғары баға бергендігін көреміз.