Разработка и валидация метода классификации офтальмологической патологии с применением глубокого машинного обучения

Огромное количество исследований по разработке новых препаратов требует совершенствования существующих подходов в поиске новых химических соединений, обладающих фармакологической активностью. Одним из возможных путей внедрения инновационных методов в процесс проведения доклинических исследований лекарственных средств является использование активно развивающихся направлений в области информационных технологий, например интеллектуального анализа данных с использованием методов глубокого машинного обучения. При наличии огромного объема информации, накопленной за несколько лет доклинических исследований, существующие решения в данной сфере позволяют получить нейросетевую модель данных достаточной степени точности, тем не менее, нет универсального метода, который позволил бы комплексно подойти к проблеме анализа результатов доклинических лабораторных исследований лекарственных средств. Существующие решения обладают рядом недостатков, которые зачастую не позволяют использовать их на практике. Две главные проблемы – это сложность верификации результатов и неполнота списка рассчитываемых параметров. Для решения данной проблемы предложена система идентификации фармакологической активности нового лекарственного средства, рассмотренная на примере офтальмологических доклинических лабораторных исследований. В рамках разработки данной системы реализован метод классификации офтальмологической патологии на основе сверточной нейронной сети. Разработана архитектура нейронной сети, экспериментальным путем подобраны ее гиперпараметры. Точность модели во время обучения составила 90 %, а точность тестовой выборки – 81 %.