Перспективи застосування штучного інтелекту в аналізі даних проточної цитометрії

Скорочена інформація про документ
dc.contributor.authorКрупко, Катерина Михайлівна
dc.contributor.authorБогомолов, Микола Федорович
dc.date.accessioned2025-06-04T12:49:24Z
dc.date.available2025-06-04T12:49:24Z
dc.date.issued2025
dc.description.abstractІнтеграція штучного інтелекту (ШІ) у проточну цитометрію відкриває нові можливості для автоматизації аналізу даних в онкогематології, що є критично важливим у зв'язку зі зростаючими обсягами складних даних, які необхідно обробляти. Сучасна онкогематологія стикається з викликами, пов'язаними з необхідністю швидкої та точної діагностики, моніторингу захворювань та прогнозування клінічних результатів. Впровадження новітніх технологій, зокрема ШІ, дозволяє підвищити точність та ефективність діагностики, зменшити вплив людського фактора, мінімізувати суб'єктивні похибки та забезпечити відтворюваність результатів. Алгоритми машинного навчання відіграють ключову роль у цьому процесі, оскільки вони можуть бути застосовані для автоматизованої класифікації клітинних популяцій, виявлення рідкісних клітин, ідентифікації біомаркерів та прогнозування клінічних результатів пацієнтів. Це сприяє більш точній і швидкій діагностиці, покращенню стратифікації ризиків та персоналізації лікування. Автоматизований аналіз дозволяє лікарям швидше отримувати інформативні результати, що сприяє ухваленню своєчасних клінічних рішень. Крім того, інтеграція ШІ в онкогематологію узгоджується із сучасними тенденціями цифровізації та персоналізації медицини, спрямованими на підвищення якості медичної допомоги. Таким чином, використання ШІ у проточній цитометрії є перспективним напрямком, який має потенціал суттєво покращити стандарти діагностики та лікування онкогематологічних захворювань, оптимізуючи як процеси аналізу даних, так і результати терапії.
dc.description.abstractotherThe integration of artificial intelligence (AI) into flow cytometry opens new opportunities for automating data analysis in oncohematology, which is critically important due to the growing volumes of complex data that need to be processed. Modern oncohematology faces challenges related to the need for rapid and accurate diagnostics, disease monitoring, and clinical outcome prediction. The implementation of advanced technologies, particularly AI, enhances the accuracy and efficiency of diagnostics, reduces human factor influence, minimizes subjective errors, and ensures result reproducibility. Machine learning algorithms play a key role in this process, as they can be applied to automated classification of cell populations, detection of rare cells, biomarker identification, and prediction of clinical outcomes. This contributes to more precise and faster diagnostics, improved risk stratification, and personalized treatment approaches. Automated analysis enables physicians to obtain informative results more quickly, facilitating timely clinical decision-making. Moreover, the integration of AI into oncohematology aligns with modern trends in digitalization and personalized medicine, aimed at improving the quality of healthcareservices. Thus, the use of AI in flow cytometry is a promising direction with the potential to significantly enhance diagnostic and treatment standards in oncohematological diseases, optimizing both data analysis processes and therapeutic outcomes
dc.format.pagerangeС. 44-51
dc.identifier.citationКрупко К. М. Перспективи застосування штучного інтелекту в аналізі даних проточної цитометрії / Крупко Катерина Михайлівна, Богомолов Микола Федорович // Біомедична інженерія і технологія. – 2025. – Том 1. – № 17. – С. 44-51. – Бібліогр.: 18 назв.
dc.identifier.doihttps://doi.org/10.20535/.2025.17.328215
dc.identifier.orcid0009-0001-5251-4746
dc.identifier.orcid0000-0002-4351-527X
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/74082
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofБіомедична інженерія і технологія, Том 1, № 17, 2025
dc.subjectштучний інтелект
dc.subjectформені елементи крові
dc.subjectлазерні цитометри
dc.subjectбіосенсори
dc.subjectоптоелектронна діагностика
dc.subjectрозсіювання світла
dc.subjectточність діагностики
dc.subjectartificial intelligence
dc.subjectformed blood elements
dc.subjectlaser cytometers
dc.subjectbiosensors
dc.subjectoptoelectronic diagnostics
dc.subjectlight scattering
dc.subjectdiagnostic accuracy
dc.subject.udc616-006.04:004.8:577.27
dc.titleПерспективи застосування штучного інтелекту в аналізі даних проточної цитометрії
dc.title.alternativeNtegration of artificial intelligence into flow cytometry research for automating data analysis in oncohematology
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
44-51.pdf
Розмір:
555.78 KB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Біомедична інженерія і технологія, Том 1, № 17