Исаченко Вадим Сергеевич - д.м.н., доцент, старший научный сотрудник, заместитель главного врача по хирургии, Санкт-Петербургский YBB уха, горла, носа и речи; профессор кафедры оториноларингологии и офтальмологии Медицинского института, Санкт-Петербургский UE/
190013, Санкт-Петербург, ул. Бронницкая, д. 9; 199034, Санкт-Петербург, Университетская наб., д. 7/9
Vadim S. Isachenko - Dr. Sci. (Med.), Associate Professor, Senior Researcher, Deputy Chief Physician for Surgery, Saint Petersburg Research Institute of Ear, Throat, Nose and Speech; Professor of the Department Otorhinolaryngology and Ophthalmology, Saint Petersburg SU.
9, Bronnitskaya St., St Petersburg, 190013; 7–9, Universitetskaya Emb., St Petersburg, 199034
Алиева Шуанет Исаевна – аспирант.
190013, Санкт-Петербург, ул. Бронницкая, д. 9
Shuanet I. Alieva - Postgraduate Student.
9, Bronnitskaya St., St Petersburg, 190013
Туйчиев Шохрух Хошимжон угли – аспирант.
199034, Санкт-Петербург, Университетская наб., д. 7/9
Shokhrukh Kh. Tuychiev - Postgraduate Student.
7–9, Universitetskaya Emb., St Petersburg, 199034
Высоцкая Светлана Сергеевна - заместитель заведующего организационно-методическим отделом, врач-оториноларинголог.
190013, Санкт-Петербург, ул. Бронницкая, д. 9
Svetlana S. Vysockaya - Deputy Head of the Organizational and Methodological Department, Otorhinolaryngologist.
9, Bronnitskaya St., St Petersburg, 190013
Коротаева Владлена Александровна - врач-оториноларинголог.
614010, Пермь, ул. Клары Цеткин, д. 9
Vladlena A. Korotaeva – Otorhinolaryngologist.
9, Klara Zetkin St., Perm, 614010
Гилязова Лариса Левоновна - врач-оториноларинголог.
614010, Пермь, ул. Клары Цеткин, д. 9
Хронический гнойный средний отит – распространенная патология ЛОР-органов, приводящая к стойкой тугоухости и вторичным внутричерепным осложнениям. Учитывая нехватку квалифицированных медицинских кадров, особенно на периферии, представляется крайне важным внедрение автоматизированных систем для диагностики данного состояния. Настоящее исследование посвящено рассмотрению актуальных методик использования искусственного интеллекта (ИИ) в процессе изучения отоэндоскопических снимков, полученных при диагностике хронического гнойного среднего отита. Рассмотрены ключевые исследования, демонстрирующие эффективность машинного обучения, включая архитектуры cверточных нейронных сетей и ансамблевые модели, достигающие точности до 95–97% в дифференциации патологий среднего уха. Особое внимание уделено сравнению результатов искусственного интеллекта с диагностикой врачей: алгоритмы превосходят неспециалистов и сопоставимы с опытными оториноларингологами. Уделено внимание обсуждениям проблем неоднородности данных, ограниченности выборок редких форм хронического гнойного среднего отита и зависимости результата от качества изображений. Оценен потенциал мобильных приложений на базе искусственного интеллекта для телемедицины, а также освещена необходимость создания масштабных аннотированных баз данных для обучения моделей. Интеграция искусственного интеллекта в медицинскую сферу обещает значительное повышение качества и доступности медицинской помощи. Применение ИИ-решений в клинической области может привести к существенному усовершенствованию процедур раннего выявления заболевания, что, в свою очередь, позволит своевременно принимать необходимые меры. Одновременно с этим внедрение данных систем способно ощутимо снизить уровень рабочей нагрузки, испытываемой медицинским персоналом, освобождая их для выполнения более сложных и ответственных задач. Кроме того, использование передовых алгоритмов ИИ может минимизировать вероятность возникновения нежелательных осложнений, что особенно важно для удаленных территорий и регионов, где доступ к узкоспециализированной медицинской помощи зачастую ограничен.
Chronic suppurative otitis media is a common ENT disorder leading to persistent hearing loss and secondary intracranial complications. Given the shortage of qualified medical personnel, especially in the periphery, the implementation of automated systems for diagnosing this condition is crucial. This study examines current methods for using artificial intelligence in the analysis of otoendoscopic images obtained during the diagnosis of chronic suppurative otitis media. Key studies demonstrating the effectiveness of machine learning are considered, including architectures of convolutional neural networks and ensemble models that achieve accuracy of up to 95–97% in differentiating middle ear pathologies. Special attention is paid to comparing the results of artificial intelligence with the diagnostics of doctors: the algorithms are superior to non-specialists and comparable to experienced otorhinolaryngologists. Attention is paid to discussing the problems of heterogeneity of data, limited samples of rare forms of chronic purulent otitis media and the dependence of the result on image quality. The potential of mobile applications based on artificial intelligence for telemedicine is assessed, and the need to create large-scale annotated databases for model training is highlighted. The integration of artificial intelligence into medicine promises to significantly improve the quality and accessibility of medical care. The use of AI solutions in clinical settings can significantly improve early disease detection procedures, which, in turn, will enable timely intervention. At the same time, the implementation of these systems can significantly reduce the workload of medical personnel, freeing them up to perform more complex and demanding tasks. Furthermore, the use of advanced AI algorithms can minimize the likelihood of unwanted complications, which is especially important for remote areas and regions where access to highly specialized medical care is often limited.
The authors declare that there are no conflicts of interest present.