AI проекты
Этапы подбора
Резюме
Оставить заявку на трудоустройство
Блог
Почему услуга бесплатна
Стажировка по проекту
Создание ИИ-системы по анализу и мониторингу содержания глюкозы в крови для оптимизации текущей сахаро-снижающей терапии
сахарного диабета

Компания: ООО «Эндокринология онлайн»
Суть проекта
Задачи
Для чего
Вводные данные
  • Сбор и предобработка данных непрерывного мониторинга гликемии (НМГ) и сопутствующих данных о режиме инсулинотерапии, питании и физической активности пациентов
  • Формирование выходных форм аналитического анализа данных по пациентам
  • Подбор методов и подходов в применении ИИ для получения целевых результатов
  • Целевые показатели эффективности инсулинотерапии:
  • Уровень глюкозы в крови на протяжении более 70% времени суток поддерживается в целевом диапазоне (4-10 ммоль/л)
  • Отсутствуют тяжелые гипогликемии
  • Умеренно выраженные гипогликемии происходят не чаще трех раз в сутки
  • Масса тела пациента стабильна
Проект нацелен на создание прототипа приложения с нейронной сетью для врачей-диабетологов и пациентов с диабетом, у которых установлено устройство непрерывного мониторинга гликемии (НМГ)

  • Ежесуточные данные НМГ
  • Данные о сопутствующем режиме инсулинотерапии
  • Данные о питании пациента с оценкой калорийности потребляемых продуктов
  • Данные о физической активности пациента
Выходные данные
  • Рекомендуемая доза длительно действующего инсулина, вводимого один раз (утром или вечером) или два раза (утром и вечером) в сутки
  • Рекомендуемые время (утро и/или вечер) и количество (одна или две) доз длительно действующего инсулина
  • Рекомендуемая доза короткого инсулина, вводимого перед едой (с учетом текущего значения глюкозы в крови, целевого значения глюкозы в крови через два часа после еды, содержания углеводов в предстоящем приеме пищи, физической активности накануне и в ближайшее время после приема пищи)
  • Рекомендация о дополнительном приеме углеводов в зависимости от тренда гликемии и соответствующего риска развития гипогликемии в течение ближайших 15-20 минут
  • Рекомендация о дополнительной инъекции короткого инсулина в зависимости от тренда гликемии и соответствующего риска превышения предельного целевого значения (обычно 10 ммоль/л)
  • Коррекция дозы инсулина и приема пищи в зависимости от предстоящей плановой физической активности (тренажеры и т. п.)
Участники
1 команды проекта
  • Руслан Гришаков
    Тимлид проекта
  • Михаил Кудряшов
    Помощник тимлида
    Михаил оказывал поддержку руководителю команды в организации процесса разработки проекта, включая следующие задачи:
    • Подготовка отчетов о текущем состоянии проекта
    • Анализ рисков, связанных с обработкой данных на различных этапах разработки
    • Мониторинг эффективности работы команды
    • Оценка перспектив и возможностей проекта для его дальнейшего развития
  • Сергей Шишкин
    Руководитель группы продвижения продукции
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей
    • Серия экспериментов с ИИ-моделями, прогнозирующих уровень глюкозы в крови, с полученной оценкой точности лучшей модели 98% (RMSE = 0.36 ммоль/л), используя в обучении моделей скользящие окна данных (за определенный отрезок) разного размера (от 15 до 180 мин)
    • Визуализация медианного значения и перцентилей для демонстрации анализа входных данных и результатов работы ИИ-моделей, позволяющая сформировать рекомендации для врача по удержанию уровня глюкозы в крови в целевом диапазоне
    • Презентация и аналитический отчет о проведенных исследованиях
  • Александр Волохов
    Инженер-исследователь, директор компании
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей
    • Серия экспериментов с ИИ-моделями, прогнозирующих уровень глюкозы в крови, с полученными оценками точности лучшей модели AutoSarimax на исходных данных; на исходных данных с добавлением первой и второй производной; на исходных данных с добавлением первой и второй производной и скользящего среднего: RMSE = 0.724; 0.350; 0.246 соответственно
    • Визуализация медианного значения и перцентилей для демонстрации анализа входных данных и результатов работы ИИ-моделей, позволяющая сформировать рекомендации для врача по удержанию уровня глюкозы в крови в целевом диапазоне
    • Презентация и аналитический отчет о проведенных исследованиях
  • Валерия Верещак
    Менеджер по работе с клиентами в компании Т-Директ
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей, включая фичеинжиниринг (формирование перечня используемых параметров)
    • Серия экспериментов с ИИ-моделями, прогнозирующих уровень глюкозы в крови: LSTM (MAE = 0.0196), LightGBM (MAE = 0.0193), XGBoost (MAE = 0.0595), среди которых у XGBoost оказалось оптимальное соотношение вычислительной эффективности и точности предсказаний (RMSE = 0.0246)
    • Серия экспериментов с ИИ-моделями, прогнозирующих тренды уровня глюкозы в крови
    • Анализ автокорреляции и переобучения
    • Автоматическое формирование рекомендаций по удержанию уровня глюкозы в крови в целевом диапазоне по результатам прогноза ИИ-модели
    • Реализация пошагового обучения с последовательным добавлением данных
    • Презентация и аналитический отчет о проведенных исследованиях
  • Абдалла Шукейр
    занимается IT, web-design
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей
    • Серия экспериментов с ИИ-моделями, прогнозирующих уровень глюкозы в крови: LSTM (MAE = 0.76 ммоль/л), LightGBM (MAE = 0.44 ммоль/л), XGBoost (MAE = 0.63 ммоль/л), Ridge Regression (MAE = 0.06 ммоль/л), Transformer, SARIMA (MAE = 0.16 ммоль/л), в которых LSTM и Ridge Regression показали высокую точность прогнозов в нелинейных паттернах, а SARIMA с автоматическим подбором параметров оказалась наиболее подходящей для данных с выраженной сезонностью
    • Серия экспериментов с ИИ-моделями, прогнозирующих тренды уровня глюкозы в крови
    • Визуализация медианного значения и перцентилей для демонстрации анализа входных данных и результатов работы ИИ-моделей, позволяющая сформировать рекомендации для врача по удержанию уровня глюкозы в крови в целевом диапазоне
    • Расчет углеводов и хлебных единиц (ХЕ) по вводимым данным о питании пациента, а также по анализу изображений блюд с помощью обученных ИИ-моделей ResNet-50 и EfficientNet-B1
    • Web-приложение с интерфейсом калькулятора ХЕ, позволяющее также загружать данные НМГ, обрабатывать их, делать прогноз уровня глюкозы в крови на 30 минут и формировать рекомендации по его удержанию в целевом диапазоне
    • Видеопрезентация проведенных исследований
  • Игнат Богдан
    Руководитель Центра цифровой социологии и социогуманитарных технологий в здравоохранении НИИОЗММ ДЗМ
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей
    • Серия экспериментов с ИИ-моделями, прогнозирующих уровень глюкозы в крови
    • Серия экспериментов с ИИ-моделями, прогнозирующих тренды уровня глюкозы в крови
    • Использование генетического алгоритма для оптимизаций и формирования рекомендаций
    • Презентация проведенных исследований
  • Василий Даутов
    Ведущий разработчик, научный руководитель R&D центра etzetop
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей
    • Визуализация зависимостей в данных
    • Разработка интерфейса приложения для мониторинга и управления уровнем глюкозы в крови
    • Использование в разработке приложения ИИ-моделей: LSTM для прогноза уровня глюкозы в крови и PPO (Proximal Policy Optimization) для обучения с подкреплением
    • Разработка логики управления уровнем глюкозы в крови с возможностью получения данных НМГ с подкожных датчиков
    • Создание симулятора больного сахарным диабетом, способного имитировать получение данных по уровню глюкозы в крови с глюкометра или датчика НМГ и моделировать реакции на введение инсулина, прием пищи, физическую активность и стресс
    • Отладка кода приложения
    • Презентация разработки приложения для мониторинга и управления уровнем глюкозы в крови
  • Александр Гиллер
    Инженер/3D-моделлер в проектном институте
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей
    • Визуализация зависимостей в данных
    • Использование LLM для анализа данных
    • Подготовка выходных форм с анализом данных
  • Вячеслав Степанов
    Инженер-программист, ООО Ардокс
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей
    • Серия экспериментов с ИИ-моделями, прогнозирующих уровень глюкозы в крови на 1 час вперед с полученной ошибкой прогнозирования в 6.2% для лучшей модели
    • Разработка модуля для автоматического формирования суточных глюкозных профилей пациентов для амбулаторного использования
    • Презентация проведенных исследований
  • Ольга Шадрина
    ИТ-менеджер на промышленном предприятии
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Нахождение подходящих для проекта датасетов на Kaggle
    • Обработка данных от заказчика
    • Визуализация зависимостей в данных
    • Обработка датасета Shanghai, содержащего информацию по 125 пациентам с диабетом 1-го и 2-го типа, с использованием LLM
    • Серия экспериментов с ИИ-моделями MLPRegressor для прогноза содержания глюкозы в крови на следующий день (MSE от 0.87 до 10.37)
    • Презентация проведенных исследований
  • Владислав Чоповдя
    Инженер путей сообщения
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Обработка данных от заказчика
    • Визуализация зависимостей в данных
  • Наталья Лямина
    Аналитик / БиоИнформатик
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка презентации с предложениями по исследованию развития диабета у женщин после гестационного сахарного диабета (ГСД)
  • Наталья Старкова
    Инженер-сметчик
    • Исследование влияния данных по инсулинотерапии, питанию и физической активности на уровень глюкозы в крови
    • Подготовка входных данных для обучения ИИ-моделей
    • Визуализация зависимостей в данных
    Серия экспериментов с ИИ-моделями, прогнозирующих уровень глюкозы в крови: LinearRegression, LSTM, XGBRegressor, GradientBoostingRegressor, Auto_timeseries, TabNetRegressor
  • Александр Древаль
    АВТОР ПРОЕКТА «ДИАБЕТОЛОГИЯ ОНЛАЙН», ПРОФЕССОР, Д.М.Н., МАТЕМАТИК
    • Разъяснение задач по проекту с точки зрения врача
    • Обзор методов применения ИИ для задач проекта
    • Активное участие в обсуждениях по решениям задач проекта
Участники
2 команды проекта
  • Белоус Павел
    Тимлид проекта
  • Любина Татьяна
    Секретарь в районном суде
  • Гайнутдинова Любовь
    Научный сотрудник в научно-исследовательском институте (по профессии инженер-программист)
  • Беляев Павел
    Инженер по специальности "Теплогазоснабжение и вентиляция"
  • Ванюшкина Ксения
    Преподаватель корейского/ английского языка
  • Лисин Роман
    Системный администратор вычислительного кластера HPC
  • Галлямов Равиль
    Главный инженер проекта
  • Крючков Алексей
    Предприниматель
  • Соловьёва Ольга
    Ведущий инженер / АСУ