W jakich obszarach i w jaki sposób sztuczna inteligencja może wspomagać lekarzy?

Tadeusiewicz, Ryszard

Artykuł - szczegóły

Tytuł artykułu

W jakich obszarach i w jaki sposób sztuczna inteligencja może wspomagać lekarzy?

Autorzy

Tadeusiewicz Ryszard

Identyfikatory

Warianty tytułu

In what areas and how can artificial intelligence support doctors?

Języki publikacji

Abstrakty

Sztuczna inteligencja jest obecnie bardzo szybko i wielokierunkowo rozwijana. Towarzyszą temu liczne zastosowania tej techniki w rożnych dziedzinach. Artykuł dokonuje wstępnego przeglądu obszarów, w których sztuczna inteligencja mogłaby wspomagać lekarzy. Przegląd ten nawiązuje do opracowania, które autor przygotował do wystąpienia firmy Microsoft na Forum Ekonomicznym w Karpaczu. Poruszana problematyka jest bardzo poważna, ale dla kontrastu i zaciekawienia czytelników ilustracje wskazujące kolejne obszary zastosowań sztucznej inteligencji w medycynie przedstawiono w postaci żartobliwych rysunków. W samym artykule nie przywoływano żadnych rozwiązań szczegółowych, bo chodzi tu o spojrzenie na całość problematyki „z lotu ptaka”, ale w spisie literatury przywołano publikacje autora, ilustrujące szczegółowo zarysowane ogólnie tezy.

Artificial intelligence is currently being developed very quickly and in many directions. This is accompanied by numerous applications of this technique in various fields. The article provides an initial overview of areas where artificial intelligence could support physicians. This review refers to the study prepared by the author for Microsoft’s presentation at the Economic Forum in Karpacz. The issues raised are very serious, but for the sake of contrast and interest of the readers, the illustrations showing the subsequent areas of application of artificial intelligence in medicine are presented in the form of humorous drawings. The article itself did not refer to any detailed solutions, because it is about looking at the whole problem from a “bird’s eye view”, but the list of references mentions the author’s publications, illustrating the general theses outlined in detail.

Słowa kluczowe

sztuczna inteligencja sztuczna inteligencja w medycynie ochrona zdrowia elektronika medyczna

artificial intelligence artificial intelligence in medicine health care medical electronics

Wydawca

Oddział Zagłębia Węglowego Stowarzyszenia Elektryków Polskich w Katowicach

Czasopismo

Śląskie Wiadomości Elektryczne

Rocznik

2023

Tom

Nr 3 (147)

Strony

4--9

Opis fizyczny

Bibliogr. 30 poz., rys.

Twórcy

autor

Tadeusiewicz Ryszard

AGH Akademia Górniczo -Hutnicza w Krakowie, Wydział Elektrotechniki , Automatyki , Elektroniki i Inżynierii Biomedycznej

Bibliografia

[1] Tadeusiewicz R.: Podstawy elektroniki medycznej, Skrypt uczelniany AGH nr 640, Krakow 1978, http://otworzksiazke.pl/ksiazka/ podstawy_elektroniki_medycznej/
[2] Tadusiewicz R.: Wstęp. Rozdział w raporcie: Siewiorek R., Lach- -Kuśnierz M. (red.): Iloraz Sztucznej Inteligencji vol. 4 – Potencjał Sztucznej Inteligencji w Sektorze Ochrony Zdrowia, Fundacja AI LAW TECH, Warszawa, 2021, str. 6–8, https://bit.ly/3zh8R4Y
[3] Tadusiewicz R.: Technologia sztucznej inteligencji, Rozdział nr 1 w raporcie: Siewiorek R., Lach-Kuśnierz M. (red.): Iloraz Sztucznej Inteligencji vol. 4 – Potencjał Sztucznej Inteligencji w Sektorze Ochrony Zdrowia, Fundacja AI LAW TECH, Warszawa, 2021, str. 10–14, https://bit.ly/3zh8R4Y
[4] Tadeusiewicz R.: Archipelag sztucznej inteligencji. Część I, Napędy i sterowanie, nr 12, 2020, str. 26–40, https://www.academia.edu/44945777/ Archipelag_sztucznej_inteligencji_Cz%C4%99%C5%9B%C4%87_I
[5] Tadeusiewicz R.: Archipelag sztucznej inteligencji. Część II, Napędy i sterowanie, nr 1, 2021, str. 18–26, https://www.academia. edu/44945831/Archipelag_sztucznej_inteligencji_ Cz%C4%99%C5%9B%C4%87_II
[6] Tadeusiewicz R.: Archipelag sztucznej inteligencji. Część III, Napędy i sterowanie, nr 2, 2021, str. 30–38, https://www.academia. edu/45107029/Archipelag_sztucznej_inteligencji_cz_3
[7] Tadeusiewicz R.: Archipelag sztucznej inteligencji. Część IV, Napędy i sterowanie, nr 3, 2021, str. 48–56, https://www.academia. edu/45451269/Archipelag_sztucznej_inteligencji_ Cz%C4%99%C5%9B%C4%87_IV
[8] Tadeusiewicz R.: Jak sztuczna inteligencja może przyczynić się do rozwiązywania problemow nauk biomedycznych?, Rozdział w książce: Danielewska A., Kalbarczyk K. (red.): V Ogolnopolska Konferencja Naukowa „Wyzwania i problemy nauk biomedycznych”, Fundacja TYGIEL, Lublin, 2022, ISBN 978-83- 67194-15-0, str. 11–12, https://bc.wydawnictwo-tygiel.pl/public/ assets/700/V%20Og%C3%B3lnopolska%20Konferencja%20 Naukowa%20%E2%80%9EWyzwania%20i%20problemy%20 nauk%20biomedycznych%E2%80%9D.%20Abstrakty.pdf
[9] Wykaz publikacji autora zarejestrowanych w Bibliotece Głównej AGH można znaleźć na stronie https://bpp.agh.edu.pl/aut or/?idA=01111&idform=1&afi=1&f1Search=1&fodR=0&fdoR= 2023&fagTP=0
[10] Sakr A.S, Pławiak P., Tadeusiewicz R., Pławiak J., Sakr M., Hammad M.: ECG-COVID: An End-to-End Deep Model Based on Electrocardiogram for COVID-19 Detection, Information Science, vol. 619, 2023, pp. 324-339, https://doi.org/10.1016/j. ins.2022.11.069, https://www.sciencedirect.com/science/article/ pii/S0020025522013585?dgcid=author
[11] Avci D., Sert E., Dogantekin E.D., Yildirim O., Tadeusiewicz R., Pławiak P.: A new Super Resolution Faster R-CNN Model Based Detection and Classification of Urine Sediments. Biocybernetics and Biomedical Engineering, vol. 43, issue 1, 2023, pp. 58-68, https://doi. org/10.1016/j.bbe.2022.12.001, https://www.sciencedirect.com/ science/article/pii/S0208521622001127?utm_campaign=STMJ_ AUTH_SERV_PUBLISHED&utm_medium=email&utm_acid= 35772718&SIS_ID=&dgcid=STMJ_AUTH_SERV_PUBLISHED& CMX_ID=&utm_in=DM327306&utm_source=AC
[12] Patro K.K., Prakash A.J., Hammad M., Tadeusiewicz R., Pławiak P.: SCovNet: A Skip Connection-based Deep Learning Technique with Statistical Approach Analysis for the Detection of COVID-19, Biocybernetics and Biomedical Engineering, vol. 43, Is. 1, pp. 352– 368, https://doi.org/10.1016/j.bbe.2023.01.005, https://www. sciencedirect.com/science/article/pii/S0208521623000050?dgcid= coauthor
[13] Salankar N., Qaisar S.M., Pławiak P., Tadeusiewicz R., Hammad M.: EEG based Alcoholism Detection by Oscillatory Modes Decomposition Second Order Difference Plots and Machine Learning, Biocybernetics and Biomedical Engineering, vol. 42, Issue 1, 2022, pp. 173–186, https://doi.org/10.1016/j. bbe.2021.12.009; https://www.sciencedirect.com/science/article/ pii/S0208521621001479; https://www.researchgate.net/ publication/357434104_EEG_based_Alcoholism_Detection_ by_Oscillatory_Modes_Decomposition_Second_Order_Difference_ Plots_and_Machine_Learning#fullTextFileContent
[14] Hammad M., Bakrey M., Bakhied A., Tadeusiewicz R., El-Latif A.A.A., Plawiak P.: A Novel End-to-End Deep Learning Approach for Cancer Detection Based on Microscopic Medical Images, Biocybernetics and Biomedical Engineering, vol. 42, iss. 3, pp. 737–748, https://www.sciencedirect.com/science/article/ pii/S020852162200047X?utm_campaign=STMJ_AUTH_SERV_ PUBLISHED&utm_medium=email&utm_acid=35772718&SIS_ID=&dgcid=STMJ_AUTH_SERV_PUBLISHED&CMX_ID=&utm_ in=DM267652&utm_source=AC
[15] Tadeusiewicz R.: Roboty chirurgiczne, Napędy i Sterowanie, nr 3, Marzec 2020, str. 80–87, https://www.academia.edu/44954041/ Roboty_chirurgiczne; https://nis.com.pl/magazine,242
[16] Dobrowolski Z., Tadeusiewicz R., Glazar B., Dobrowolski W.: Robotyka urologiczna, Lettra-Graphic, Krakow 2014 (ISBN: 78-83- 89937-70-4), https://www.academia.edu/37658970/Robotyka_ urologiczna
[17] Szaleniec J., Tadeusiewicz R.: Robotic surgery in otolaryngology, Chapter (No. 9) in book: Roterman-Konieczna I. (ed.): Simulations in Medicine. Computer-aided diagnostics and therapy, De Gruyter, Berlin, 2020, pp. 117–127; DOI 10.1515/9783110667219-009 https://www.researchgate.net/publication/341158268_9_Robotic_ surgery_in_otolaryngology; https://www.degruyter. com/view/title/561095
[18] Tadeusiewicz R., Klocek J., Piłat A., Jabłoński M., Tylek P., Walczyk J., Adadmczyk F., Szaroleta M.: Gripping-positioning unit drive control in an automaton scarifying oak seeds. [In Polish: Sterowanie napędem zespołu chwytno-pozycjonującego w automacie skaryfikującym nasiona dębu], Napędy i Sterowanie, nr 11, 2017 stronice 82–87, ISSN 1507-7764, https://www.researchgate. net/publication/340594717_Sterowanie_napedem_ zespolu_chwytno pozycjonujacego_w_automacie_skaryfikujacym_nasiona_debu#fullTextFileContent; https://www. academia.edu/35243520/Sterowanie_nap%C4%99dem_zespo% C5%82u_chwytno-pozycjonuj%C4%85cego_w_automacie_ skaryfikuj%C4%85cym_nasiona_d%C4%99bu
[19] Smyczyńska U., Smyczyńska J., Tadeusiewicz R.: Influence of neural network structure and dataset size on its performance in prediction of height of growth hormone – treated patients. Bio-Algorithms and Med-Systems, Vol. 12, No. 2, 2016, pp. 53–59, DOI 10.1515/ bams-2016-0001, https://www.academia.edu/37048474/ Influence_of_neural_network_structure_and_dataset_size_ on_its_performance_in_prediction_of_height_of_growth_ hormone_treated_patients; https://www.researchgate.net/ publication/302978857_Influence_of_neural_network_structure_ and_data-set_size_on_its_performance_in_the_prediction_ of_height_of_growth_hormone-treated_patients
[20] Smyczyńska U., Smyczyńska J., Hilczer M., Stawerska R., Tadeusiewicz R., Lewiński A.: Pre-treatment growth and IGF-I deficiency as main predictors of response to growth hormone therapy in neural models. Endocrine Connections, vol. 7, No. 1, 2018, pp. 239-249, DOI 10.1530/EC-17-0277; https://www.ncbi.nlm.nih. gov/pmc/articles/PMC5793807/; https://www.ncbi.nlm.nih. gov/pubmed/29242356; http://www.endocrineconnections. com/content/7/1/239; http://www.endocrineconnections.com/ content/early/2017/12/14/EC-17-0277.full.pdf; https://www. researchgate.net/publication/321828988_Pre-treatment_ growth_and_IGF-I_deficiency_as_main_predictors_of_response_ to_growth_hormone_therapy_in_neural_models
[21] Smyczyńska J., Hilczer M., Smyczyńska U., Stawerska R., Tadeusiewicz R., Lewiński A.: Artificial neural models – a novel tool for predicting the efficacy of growth hormone (GH) therapy in children with short stature. Neuroendocrinology Letters (ISSN: 0172- 780X; ISSN-L: 0172-780X ) Volume 36 No. 4, 2015, pp. 348–353 https://www.researchgate.net/publication/282765723_Neural_ network_models_-_A_novel_tool_for_predicting_the_efficacy_ of_growth_hormone_GH_therapy_in_children_with_ short_stature
[22] Smyczyńska U., Smyczyńska J., Tadeusiewicz R.: Neural modeling of growth hormone thereapy for the prediction of therapy results. Bio-Algorithms and Med-Systems Vol. 11, No. 1, 2015, pp. 33-45, DOI 10.1515/bams-2014-0021, https://www.academia. edu/37048787/Neural_modelling_of_growth_hormone_thereapy_ for_the_prediction_of_therapy_results ; http://yadda.icm. edu.pl/baztech/element/bwmeta1.element.baztech-f0dcb246- 30f7-4919-b58a-55b89d7d1f3f; https://www.researchgate.net/ publication/276394454_Neural_modelling_of_growth_hormone_ therapy_for_the_prediction_of_therapy_results
[23] Smyczyńska U., Smyczyńska J., Hilczer M., Stawerska R., Lewiński A., Tadeusiewicz R.: Artificial neural networks – a novel tool in modelling the effectiveness of growth hormone (GH) therapy in children with GH deficiency, Pediatric Endocrinology, ISSN: 1730- 0282, vol. 14, No. 2(51), 2015, pp. 9-18 https://www.researchgate. net/publication/282914013_Artificial_neural_networks_-_a_ novel_tool_in_modelling_the_effectiveness_of_growth_hormone_ GH_therapy_in_children_with_GH_deficiency
[24] Sasiada M., Fraczek-Szczypta A., Tadeusiewicz R.: Efficiency testing of artificial neural networks in predicting the properties of carbon nanomaterials as potential systems for nervous tissue stimulation and regeneration. Bio-Algorithms and Med-Systems, Vol. 13, No. 1, 2017, pp. 25–35, DOI: 10.1515/ bams-2016-0025, https://www.academia.edu/37048133/ Efficiency_testing_of_artificial_neural_networks_in_predicting_ the_properties_of_carbon_nanomaterials_as_potential_ systems_for_nervous_tissue_stimulation_and_regeneration; https://www.degruyter.com/view/j/bams.2017.13. issue-1/bams-2016-0025/bams-2016-0025.xml; https://www. researchgate.net/publication/314137982_Efficiency_testing_ of_artificial_neural_networks_in_predicting_the_properties_ of_carbon_nanomaterials_as_potential_systems_for_nervous_ tissue_stimulation_and_regeneration
[25] Tadeusiewicz R., Izworski A., Stanisz-Walis K.: Prediction of Clinical Diseases Using Artificial Neural Networks. In: Prahlad Vadakkepat, Tan Woei Wan, Tan Kay Chen, Loh Ai Poh (eds.): Proceedings of Second International Conference on Computational Intelligence, Robotics and Autonomous Systems CIRAS, Singapore 2003, p. 109 (abstract), ISSN 0219-6131, full paper (7 pages) on CD https://www.academia.edu/38036622/Prediction_of_Clinical_ Diseases_Using_Artificial_Neural_Networks
[26] Sukiennik A., Kruczek P., Pietrzyk J. J., Wajs W., Tadeusiewicz R., Pisarkiewicz T.: A continuous measurement method for blood gases prediction using neural network [In Polish: Zastosowanie ciągłego pomiaru saturacji hemoglobiny tlenem w prognozowaniu przez sieć neuronową parametrow gazometrii krwi tętniczej], Materiały I Sympozjum Modelowanie i Pomiary w Medycynie, Wydawnictwo Zakładu Metrologii AGH, Krakow 1999, pp. 107–117 oraz w miesięczniku naukowo-technicznym Pomiary- Automatyka- Kontrola, nr 7, 1999, pp. 24–29, https://www. academia.edu/36770052/Zastosowanie_ciągłego_pomiaru_saturacji_ hemoglobiny_tlenem_w_prognozowaniu_przez_sieć_ neuronową_parametrow_gazometrii_krwi_tętniczej
[27] Wajs W., Sukiennik A., Tadeusiewicz R., Kruczek P., Pietrzyk J.: Estimation of precision and prediction of medical parameters of blood gasometry by artificial neuron network methods [In Polish: Ocena dokładności prognozowania parametrow medycznych gazometrii krwi metodami sztucznych sieci neuronowych], W pracy zbiorowej: Nałęcz M.: XI Krajowa Konferencja Naukowa „Biocybernetyka i Inżynieria Biomedyczna”, Polska Akademia Nauk, Warszawa 1999, tom II, pp. 847–851, https://www.academia. edu/37274238/Ocena_dokładności_prognozowania_parametrow_ medycznych_gazometrii_krwi_metodami_sztucznych_ sieci_neuronowych
[28] Tadeusiewicz R.: Informatyka medyczna, Rozdział w pracy zbiorowej: Goban-Klas T. (red.): Komunikowanie w ochronie zdrowia – interpersonalne, organizacyjne i medialne, Wolters Kluwer, Warszawa 2014, str. 151–164, https://www.academia. edu/37084287/Informatyka_medyczna; http://yadda.icm.edu. pl/yadda/element/bwmeta1.element.desklight-7f3527a4- 5509-4829-ab21-c4a79c3940c5
[29] Zeng Y., Skibniewski M.J., Tadeusiewicz R.: Enhancing Collaboration in Project-Based Organizations with Information Technology: A Multi-Level Strategy. In PMI Research Conference “Defining the Future of Project Management” (ISBN: 978-1-933890-48-7) PMI, Warsaw, 2008, CD Version only, pp. 1–13, https://www. academia.edu/38040671/Enhancing_Collaboration_in_Project- Based_Organizations_with_Information_Technology_A_ Multi-Level_Strategy; https://www.pmi.org/learning/library/ enhancing-collaboration-project-based-organizations-7141; http://marketplace.pmi.org/Pages/ProductDetail.aspx?GMProduct= 00101087200#
[30] Kakiashvili T., Koczkodaj W.W., Montgomery P., Passi K., Tadeusiewicz R.: Assessing the Properties of the World Health Organization’s Quality of Life Index, w Proceedings of the International Multiconference on Computer Science and Information Technology, Polish Information Processing Society, Wisla, 2008 (ISSN 1896-7094; ISBN 978-83-60810-14-9), pp. 151–154 https://www. researchgate.net/publication/224370539_Assessing_the_properties_ of_the_World_Health_Organization%27s_Quality_of_ Life_Index

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).

Typ dokumentu

Bibliografia

Identyfikator YADDA

bwmeta1.element.baztech-a7e4b64b-ce42-40d9-a68c-bb6121b99f23