Инновационная мастерская: «Студенты-программисты – врачам Санкт-Петербурга»

С 5 по 17 июля в СПбГУТ состоялась ознакомительная практика на кафедре Программной инженерии и вычислительной техники. Впервые практика была проведена в формате инновационной мастерской: студенты в составе небольших творческих групп разрабатывали программные продукты для конкретных медицинских учреждений с целью помощи врачам в борьбе с коронавирусной инфекцией.

Инновационная мастерская проходила под руководством заведующего кафедрой ПИВТ, доктора технических наук, доцента Руслана Киричка.

В течение двух недель студенты под руководством преподавателей разрабатывали программное обеспечение и демонстрировали его приглашенным врачам, которые оказывают медицинскую помощь в «красной зоне». В ходе работы над проектами студенты использовали полученные знания за предыдущий период обучения, а также осваивали необходимые языки программирования, базы данных, фреймворки и недостающие компоненты для реализации своих проектов.

Приемка проектов проводилась под руководством начальника научно-исследовательского отдела (медико-биологических исследований) Военно-медицинской академии им. С. М. Кирова, подполковника медицинской службы, кандидата медицинских наук Руслана Глушакова. В течение последних двух месяцев 2020 года, в самый разгар пандемии коронавируса, подполковник медицинской службы Р. Глушаков исполнял обязанности заместителя начальника сводного медицинского отряда Минобороны России. Специалистами отряда были организованы мероприятия маршрутизации пациентов, медицинской сортировки и оперативного сбора информации в соответствии с основными канонами военно-медицинской науки в условиях массового поступления раненых, больных и пострадавших. Также были организованы обучающие семинары, мастер-классы, клинические разборы и практические тренинги для специалистов здравоохранения, создан респираторный центр для пациентов, имеющих дыхательную недостаточность и нуждающихся в респираторной поддержке, организован квалифицированный прием и оказание специализированной помощи населению. За проделанную работу и доблестный самоотверженный труд специалисты сводного отряда Министерства обороны были награждены правительственными и ведомственными наградами.

В своем вступительном слове Руслан Глушаков обратил внимание на важность проводимой работы по интеграции инновационных технологий в здравоохранение с целью решения текущих прикладных задач. Также отмечено, что знания и умения, которыми обладают студенты СПбГУТ, очень нужны медикам. IT-технологии в здравоохранении делают медицину доступнее и улучшают качество диагностики и лечения, ускоряют диагностический поиск и принятие решений, а также способствуют повышению квалификации специалистов. Совместные исследования создадут синергетический эффект и создадут опережающий задел для спасения пациентов.

В ходе презентации участникам команд задавались вопросы, а также давались рекомендации по доработке представленных прототипов.

Лучшие проекты будут доработаны и внедрены в качестве пилотных проектов в Военно-медицинской академии им. С. М. Кирова, Санкт-Петербургском государственном педиатрическом медицинском университете.

Летом 2022 года студенты смогут пройти производственную практику в научно-исследовательском центре Военно-медицинской академии им. С. М. Кирова с целью апробации наработок, а также участия в инновационных исследованиях по программированию экзоскелетов и роботизированных манипуляторов в операционных нового поколения.

Среди множества проектов стоит отметить проекты, которые имели практическую направленность и были выделены в качестве приоритетных для доработки и внедрения:

Проект «Lungo-vision»

COVID-19, как и многие другие заболевания, оказывает крайне пагубное влияние на дыхательную систему человека, особенно на легкие. Для выявления заболевания обычно проводят компьютерную томографию (КТ) грудной клетки и другие обследования, в результате которых получаются снимки органов дыхания, на которых будут видны пораженные заболеванием участки.

Для помощи в диагностике было разработано программное обеспечение на основе нейронной сети, на вход которой загружаются рентгеновские снимки в расширении “.dcm”, а на выходе формируется предварительный диагноз в текстовом формате. Также на снимке подсвечиваются цветом возможные признаки заболевания (участки затемнения легких, неравномерные помутнения легочной ткани и др.).

Для обучения нейронной сети было использовано 3440 снимков компьютерной томографии: 2900 – в обучающей выборке, 400 –  в выборке валидации, 140 –  в тестовой выборке. Все снимки КТ предварительно были классифицированы врачами и распределены для удобства обучения нейронной сети.

Проект «Клиник-бот»

В ходе инновационной мастерской был разработан Телеграм-бот для упрощения нахождения гостей и пациентов в больницах. Бот обладает главным меню с двумя кнопками: гость и пациент. В кнопке «пациент» пользователю предоставляется ещё две кнопки: уведомления и навигация. По нажатию кнопки «уведомления» пользователь перенаправляется в меню с выбором создать/показать уведомления. Уведомления приходят в то время, какое указал пользователь (например, напоминания по приему лекарств). В кнопке «навигация» пользователь может найти нужный ему кабинет путем определения своего местоположения и указания маршрута следования до нужного кабинета (выполнено на примере 4-го этажа СПбГУТ).

В кнопке «гость» имеется аналогичная навигация, а также запись к врачу.

Запись к врачу выполняется следующим образом: человек выбирает специалиста, нужного врача (ФИО в виде выпадающего списка) и свободное время для записи на прием. Ссылка на бота: https://t.me/korona_bonch_bot

Проект: «Воркаут.очередь»

«Воркаут.очередь» – это приложение для посещения мест занятия спортом в установленный временной интервал, чтобы не создавать скопления большого количества людей и тем самым посильно бороться с распространением коронавирусной инфекцией. Цель приложения – систематизировать поток людей на спортивных площадках и ограничить максимально возможное число людей на них. Реализация следующая – у каждой площадки есть свой лимит одновременно занимающихся людей, если человек хочет позаниматься, он сканирует через приложение QR-код и, если есть свободные места, начинает 30-минутное занятие. По истечении времени на телефон приходит уведомление об окончании сессии и с просьбой покинуть зону. Если же свободных мест нет, то пользователь может встать в электронную очередь. После того как очередь подошла, человек может приступить к тренировкам. Предполагается, что каждая спортивная площадка будет иметь QR-код, который будет привязан к соответствующей очереди.

Проект: Проект «Браслеты»

Разработанное программное обеспечение позволяет осуществлять мониторинг здоровья пациентов Covid-отделений с помощью браслетов Mi Band (Xiaomi). Идея заключается в отвязке браслетов от классической схемы отправки данных на смартфон и на облачный сервис Xiaomi (Mi Home). Браслеты подключаются к одноплатному компьютеру Rspberry Pi, который выступает в роли граничного облака (EDGE-cloud). Собранная информация визуализируется через интерфейс постовой медсестре. Мониторинг здоровья с помощью браслетов в режиме online позволит медработникам оперативно реагировать в случае резкого ухудшения здоровья больного (изменение пульса, изменение концентрации кислорода в крови, неактивность пациента более какого-то количества часов, падение пациента и др.). Большинство функций браслета не требуют настройки, что позволит использовать их и не тратить лишнее время на обучение или дополнительную конфигурацию. Один браслет без подзарядки может осуществлять мониторинг в течение 21 дня, что позволит контролировать состояние пациента в течение всего срока пребывания в медицинском учреждении.

Также стоит отметить, что совместные исследования СПбГУТ и Военно-медицинской академии имени С. М. Кирова продолжаются не первый год, ранее был разработан и внедрен программно-аппаратный комплекс документирования и визуализации служебной информации медицинского характера на базе приложений дополненной реальности. Проводятся исследования по изучению передачи информации от инвазивных датчиков, прогнозирования геоклиматических изменений на основе мультифакторного мониторинга поведения животных.

Информация предоставлена кафедрой ПИВТ