Стажировка по проекту
Компания: ФГБУ - Национальный медицинский исследовательский центр терапии и профилактической медицины Министерства здравоохранения Российской Федерации
Разработка нейросетевой рекомендательной системы для пациентов с диагнозом рака легких
Суть проекта
Задача
Для чего
Вводные данные
Выходные данные
Задача заключается в разработке нейронной сети для классификации методик лечения третьей стадии рака легких на основе результатов обследований. Сеть должна предсказывать как метод лечения, так и уверенность доктора в диагнозе и выбранной методике лечения
Ресурс (сайт), на котором при внесении портрета больного будут даваться рекомендации при лечении рака легкого III стадии
Табличные данные экспертов, членов группы по формированию Клинических рекомендаций AOP «Злокачественное новообразование бронхов и легкого»
Помощь в установке правильного лечения при лечении рака легкого
Участники
1 команды проекта
  • Терещенко Алексей
    Тимлид проекта
    Алексей - руководитель группы разработчиков, отвечал за полную разработку проекта
  • Малицкий Андрей
    Помощник Тимлида
    Андрей помогал руководителю команды организовывать процесс разработки проекта
  • Леонтьев Дмитрий
    Помощник Тимлида
    Дмитрий помогал руководителю команды организовывать процесс разработки проекта
  • Рыков алексей
    занимается разработкой нейросотрудников в УИИ
    • Выполнен анализ и подготовка исходных данных;
    • Разработаны и обучены нейронные сети для классификации методик лечения третьей стадии рака легких (Иммунотерапия, ХЛТ);
    • Проведена оценка точности моделей на тестовой выборке - 100%;
    • Разработано desktop приложение с графическим интерфейсом на PySide6 (навигация по дереву, ввод данных о враче и пациенте, результатов обследования, возможность ввода врачом заключения и назначения лечения, вывод рекомендаций нейронной сети, формирование итогового эпикриза с сохранением в текстовый файл)
  • Кузьмин Олег
    Инженер-радиотехник
    Реализовано два подхода к решению задачи:
    • Первый подход реализован для задачи ХЛТ, создано три НС для каждого эксперта, получен результат предсказания. Дополнительно создана функция, которая принимает на вход  один из векторов  из выборки,  подает его на входы всех трех НС и расшифровывает полученный от каждой сети результат;
    • Второй подход  решает задачу определения направления лечения среди нескольких вариантов: «Иммунотерапия», «XLT», «Переход на вариант лечения IV стадии», «Наблюдение»
  • Татаринов Алексей
    Инженер-разработчик
    • По всем данным параметров пациентов построены столбчатые диаграммы сбалансированности и  корреляционная матрица;
    • Разработана AutoML модель нейронной сети на базе KerasTuner для точного подбора гиперпараметров;
    • Получено четыре модели нейронных сетей, одна модель показала точность 92% (рекомендательные ответы по лечению иммунотерапией) и три модели с 100% точностью (рекомендательные ответы трёх экспертов по лечению химио-лучевой терапией).
  • Новикова Элина
    специалист по закупкам в ООО НПФ Винар
    • Обработка предоставленных заказчиком данных с помощью библиотеки Pandas;
    • Построение графиков с помощью библиотеки Matplotlib для анализа данных. Формирование единой выходной переменной;
    • Оценка значимости данных с помощью библиотеки Sklearn;
    • Разработка моделей с помощью Keras Tuner;
    • Создана презентация по стажировке
  • Козлов Алексей
    инженер-программист в ООО «ТАиП»
    • Выполнен анализ и подготовка исходных данных;
    • Созданы четыре  модели нейронных сетей;
    • Сделана web-интеграция с использованием FastAPI, Flask; 
    • Создано десктопное приложение на PyQt6
  • Шульцев Дмитрий
    Коммерческий директор в ООО инсерв
    • Выполнен анализ данных - тепловые карты  и т. д.;
    • Созданы модели нейронных сетей - в AutoKeras и с подбором весов со 100% точностью, используя маппинг данных;
    • Созданы приложение под Linux и Win на  PyQt6, Web -  на FastApi
  • Кобызев Юрий
    Начальник отдела информационных систем ООО СТЭККОМ
    • Выполнен анализ и подготовка исходных данных;
    • Создан сайт на современной технологии для машииного обучения - gradio,  с нейро-сетями по предикту рекомендованного лечения (экспертами НМИЦ) по анализам для  химио-лучевой терапии и иммуно-терапии. Использована архитектура нейросети: catboost
  • Оснач Ольга
    Аналитик-инженер данных
    • Выполнен анализ и подготовка исходных данных;
    • Созданы две модели нейронных сетей;
    • Сделана интеграция с телеграм бот с использованием Telebot
  • Смирнов Даниил
    Геодезист
    • Выполнен анализ и подготовка исходных данных;
    • Создано LightGBM дерево предикта по имуннологии;
    • Разработан проект приложение на  PyQt6;
    • Разработан проект приложения веб сервиса на Fast API.
  • Поляков Владимир
    Руководитель группы системных администраторов предприятия химической промышленности
    • Обработка и анализ входных данных с выявлением значимых параметров;
    • Подготовка и обучение нейросетевых регрессионных моделей по двум этапам лечения (Иммунотерапия и ХЛТ);
    • Для демонстрацией работы нейросети с рекомендациями по «Иммунотерапии» и «ХЛТ» написание desktop-приложение на PyQt6 и online-решение;
    • REST API приложение на базе инфраструктуры Flask развернутое на веб-хостинге
Участники
2 команды проекта
  • Колбенев Василий
    Тимлид проекта
    Василий - руководитель группы разработчиков, отвечал за полную разработку проекта
  • Ерюкова Татьяна
    Помощник Тимлида
    Татьяна помогала руководителю команды организовывать процесс разработки проекта
  • Курагин Илья
    специалист по международным корпоративным финансам, цифровой маркетинг и разработчик продуктов. Работаю в проектах связанных с FMCG маркетом. Предприниматель
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей;
    • Разработка Tg-бота и интеграция лучшей модели в него
  • Лямина Наталья
    Аналитик / БиоИнформатик
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей
  • Акст Руслан
    Директор по продажам
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей
  • Восколович Сергей
    преподаватель предметов Информатика, Информационные технологии
    Анализ данных/поиск материалов;
    Обработка данных;
    Эксперименты с различными архитектурами нейросетей;
    Разработка тг-бота и интеграция лучшей модели в него
  • Кравченко Дмитрий
    торговый представитель (ТМ VitUp ) компания Южный берег
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей;
    • Разработка Tg-бота и интеграция лучшей модели в него
  • Горюнов Геннадий
    Инженер-схемотехник, работал в проектах по разработке радиоэлектронных систем / Бренд менеджер, работал в проектах по продвижению электронных компонентов.
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей;
    • Разработка Tg-бота и интеграция лучшей модели в него
  • Шабалин Николай
    Senior Data analyst, BI developer
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей
  • Винниченко Константин
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей
  • Малюшкина Евгения
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей;
    • Разработка веб-приложения и интеграция лучшей модели
  • Чернов Игорь
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей
  • Бариев Ильяс
    • Анализ данных/поиск материалов;
    • Обработка данных;
    • Эксперименты с различными архитектурами нейросетей
Демонстрация проекта 1 команды
Демонстрация проекта 2 команды
Благодарность университетУ