Дополнительные иллюстрации

Рис. 2.3. Мобильные устройства, используемые пациентами расширенной программы медицинской помощи на дому. [Источник: расширенная программа медицинской помощи на дому клиники Майо (Mayo Clinic Advanced Care at Home). Используется с разрешения Medically Home Group, Inc.]

Рис. 4.1. Сравнение существующих систем поддержки принятия клинических решений и предлагаемой системы с использованием искусственного интеллекта. CDSS — система поддержки принятия клинических решений, CKM (clinical knowledge model) — модель клинических знаний, I-KAT (Intelligent Knowledge Authoring Tool) — инструмент интеллектуального создания знаний, NCCN (National Comprehensive Cancer Network) — Национальная всеобщая онкологическая сеть, NICE (National Institute for Health and Care Excellence) — Национальный институт здравоохранения и повышения квалификации, PM (prediction model) — прогностическая модель. (Источник: Choi D.-J., Park J.J., Ali T., Lee S. Artifi cial intelligence for the diagnosis of heart failure // NPJ Digital Medicine. 2020. Vol. 3. P. 54 [5]. https://doi.org/10.1038/s41746-020-0261-35; http://creativecommons.org/licenses/by/4.0/)

Рис. 5.1, А. Нейронная сеть, разработанная для дифференциации меланомы от обычного родимого пятна, сканирует десятки тысяч изображений, чтобы научиться распознавать небольшие различия между нормальными и аномальными образованиями на коже. (Источник: Cerrato P., Halamka J. The Transformative Power of Mobile Medicine. Cambridge, MA: Elsevier/Academic Press, 2019. P. 121 [6]. Воспроизведено с разрешения)

Рис. 5.1, Б. В процессе дифференциации нормальной и аномальной ткани нейронная сеть будет совершать множество ошибок. Обратное распространение оглядывается на эти ошибки, чтобы помочь программе скорректировать свои алгоритмы и повысить их точность. (Источник: Cerrato P., Halamka J. The Transformative Power of Mobile Medicine. Cambridge, MA: Elsevier/Academic Press, 2019. P. 121 [6]. Воспроизведено с разрешения)

Рис. 5.2, А. Исследование Look AHEAD не смогло продемонстрировать, что диета и интенсивные физические упражнения уменьшают сердечно-сосудистые осложнения у пациентов с диабетом. (Изображение предоставлено авторами)

Рис. 5.2, Б. Баум и соавторы (Baum et al.) [9] повторно оценили данные исследования Look AHEAD с помощью алгоритма случайного леса, разбив набор данных на 84 подгруппы и создав 1000 деревьев решений. (Изображение предоставлено авторами)

Рис. 5.2, В. Повторный анализ показал, что исследование Look AHEAD не смогло обнаружить различий в исходах, поскольку отрицательные и положительные эффекты в подгруппах нивелировали друг друга. (Изображение предоставлено авторами)

Рис. 5.2, Г. 85% пациентов действительно получили пользу от изменения образа жизни, поскольку они попали в две уникальные подгруппы; 15% — нет, потому что эти пациенты отличались от остальных по некоторым признакам. (Изображение предоставлено авторами)

Рис. 5.4. Компания Diagnostic Robotics использует данные из электронных медицинских карт, результаты лабораторных исследований, показания датчиков, временные ряды и геопространственные данные пациентов для создания системы триажа в отделении неотложной помощи. Здесь показан компонент системы, предназначенный для пациентов. (Источник: компания Diagnostic Robotics, использовано с разрешения)

Рис. 7.1. Хакеры используют различные уловки, чтобы завоевать доверие сотрудников, часто выдавая себя за друга, коллегу или руководителя в фишинговом письме. Их цель — заставить сотрудников перейти по ссылке или открыть вложение в сообщении, которое, в свою очередь, загружает вредоносное программное обеспечение в рабочую сеть больницы. Некоторые подсказки, помогающие распознать уловки социальной инженерии, показаны здесь. (Источник: https://blog.knowbe4.com/red-fl ags-warn-of-social-engineering. Использовано с разрешения автора)

Рис. 8.1. Плохо организованная система первичной медицинской помощи в Китае приводит к переполненным приемным отделениям многих специализированных клиник. Этот снимок был сделан в дерматологическом отделении крупной больницы в Шанхае. (Источник: Джон Халамка)