Перспективы использования модели искусственного интеллекта в качестве образовательной платформы для обучения микробиологов

Обложка

Цитировать

Полный текст

Аннотация

Постановка проблемы. Технология искусственного интеллекта (ИИ) обладает широким потенциалом в различных областях медицины, в том числе и в микробиологии. Однако в настоящее время ИИ и образовательные платформы с его использованием применяются недостаточно. Актуальным является решение проблемы оптимизации существующих методов подготовки микробиологов в вузе при помощи ИИ, чтобы сделать процесс обучения студентов более эффективным, персонализированным и глубоким. Методология. Проанализированы российские и зарубежные исследования, посвященные применению ИИ в медицине и в медицинском образовании, проведено моделирование подходов к подготовке микробиологов - качественного проведения лабораторных исследований, основанных на использовании ИИ. Авторы применяли передовые методы машинного обучения, включая алгоритмы сегментации и кластеризации для обработки изображений микробиологических образцов. Результаты . Разработан и внедрен учебный курс «Применение искусственного интеллекта в микробиологической практике» для слушателей программ ДПО и студентов - будущих микробиологов с целью вооружить их знаниями и практическими умениями по интеграции описываемой технологии в процесс анализа микробиологических образцов. Предложены теоретические и практические подходы к проведению занятия в лаборатории, приемы подготовки образцов и создания масок с помощью ИИ. Внедрение учебного курса показало высокую готовность обучающихся к работе с ИИ, актуальность предложенных образовательных материалов и возможность их применения на практике в широком спектре лабораторных исследований. Заключение . Разработанный и описанный учебный курс для подготовки слушателей системы ДПО и студентов - будущих микробиологов - перспективная основа для обучения в рамках качественного изменения практических исследований в микробиологических лабораториях, проводимых с использованием ИИ.

Об авторах

Павел Николаевич Филиппов

Московский научно-практический центр лабораторных исследований, Департамент здравоохранения г. Москвы

Email: FilippovPN@dcli.ru
ORCID iD: 0009-0001-3613-0558

врач-бактериолог, заведующий лабораторным центром

Российская Федерация, 115580, Москва, Ореховый бульвар, д. 49, корп. 1

Андрей Григорьевич Комаров

Московский научно-практический центр лабораторных исследований, Департамент здравоохранения г. Москвы

Email: KomarovAG@dcli.ru
ORCID iD: 0009-0000-8597-7125
SPIN-код: 8442-5834

главный внештатный специалист по клинической лабораторной диагностике

Российская Федерация, 115580, Москва, Ореховый бульвар, д. 49, корп. 1

Константин Михайлович Лобастов

ООО «ТРЕТИС»

Email: KomarovAG@dcli.ru
ORCID iD: 0009-0009-0089-1388

генеральный директор

Российская Федерация, 125315, Москва, Ленинградский пр., д. 80б, корп. 3, помещ. 14/т

Рустам Альбертович Хакимов

ООО «ТРЕТИС»

Email: rabotarystam@yandex.ru
ORCID iD: 0000-0002-0384-882X

технический руководитель

Российская Федерация, 125315, Москва, Ленинградский пр., д. 80б, корп. 3, помещ. 14/т

Василий Викторович Шевцов

Российский университет дружбы народов

Email: shevtsov-vv@rudn.ru
ORCID iD: 0009-0002-1624-9823

директор Департамента технологических и информационных ресурсов, Дирекция по цифровизации

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Наталья Александровна Усова

Российский университет дружбы народов

Автор, ответственный за переписку.
Email: usova_na@pfur.ru
ORCID iD: 0000-0002-1728-7736
SPIN-код: 8658-2032

кандидат педагогических наук, доцент, доцент кафедры информационных технологий, Институт непрерывного образования и сравнительной политики

Российская Федерация, 117198, Москва, ул. Миклухо-Маклая, д. 6

Список литературы

  1. Manannikov AO, Gaev LV. Use of artificial intelligence technologies in medicine: modern approaches and prospects. Trends in the Development of Science and Education. 2024;(111-8):58–61. (In Russ.) EDN: DSHYSZ
  2. Sousova IV, Paskar’ SS, Shipulin NA, Bogomolova MV, Sousova EV. Uses of artifical intelligence in medicine: literature review and description of a clinical case. Hospital Medicine: Science and Practice. 2025;8(1):64–72. (In Russ.) EDN: GXRLKB
  3. Gilmanov RA, Akhmetov IV. Verification and accessibility of data for teaching models of artificial intelligence in medicine. Modern Scientific Research and Innovations. 2025;(3). (In Russ.) EDN: ZUYUGY
  4. Baiturganov TM, Aitkozhin GK, Zhunusova LE, et al. The use of artificial intelligence in the patient-centered online system Saubol in preventive medicine in Kazakhstan: a literature review. Vestnik Nauki i Tvorchestva = Bulletin of Science and Creativity. 2023;(8):20–27. (In Russ.) EDN: WKSRHJ
  5. Avacheva TG, Milovanova OA, Krivushin AA, Prohina SA. Features of teaching artificial intelligence within higher medical education programs. Russian Journal for Personalized Medicine. 2025;5(2):154–165. (In Russ.) https://doi.org/10.18705/2782-3806-2025-5-2154-165 EDN: XPGBFE
  6. Khudik VA. The role of artificial intelligence in optimizing the educational process at a medical university. Bulletin of the St. Petersburg Research Institute of Pedagogy and Psychology of Higher Education. 2025;(1):5–18. (In Russ.) EDN: MRATIJ
  7. Bessa LJ, Shaaban M, Aminov R. Editorial: insights in antimicrobials, resistance & chemotherapy: 2022. Frontiers in Microbiology. 2023;14. https://doi.org/10.3389/fmicb.2023.1310156
  8. Lakbar I, Singer M, Leone M. 2030: will we still need our microbiologist? Intensive Care Medicine. 2023;49:1232–1234. https://doi.org/10.1007/s00134-023-07186-6
  9. Antonios K, Croxatto A, Culbreath K. Current state of laboratory automation in clinical microbiology laboratory. Clinical Chemistry. 2022;68(1):99–114. https://doi.org/10.1093/clinchem/hvab242
  10. Tran K N, Albahra S, May L, et al. Evolving applications of artificial intelligence and machine learning in infectious diseases testing. Clinical Chemistry. 2022;68(1):125–133. https://doi.org/10.1093/clinchem/hvab239
  11. Ahsan Z. Integrating artificial intelligence into medical education: a narrative systematic review of current applications, challenges, and future directions. BMC Medical Education. 2025;25:1187. https://doi.org/10.1186/s12909-025-07744-0
  12. Arnaout R. Machine learning in clinical pathology: seeing the forest for the trees. Clinical Chemistry. 2018;64(11):1553–1554. https://doi.org/10.1373/clinchem.2018.295121
  13. Alekseeva MG, Zubov AI, Novikov MYu. Artificial intelligence in medicine. International Research Journal. 2022;(7):10–13. (In Russ.) https://doi.org/10.23670/IRJ.2022.121.7.038
  14. Bryantseva OV. Main directions and problems of implementation of artificial intelligence technologies in medicine. Saratov State Law Academy Bulletin. 2024;(3):118–121. (In Russ.) https://doi.org/10.24412/2227-7315-2024-3-118-121 EDN: FVIBPX
  15. Senatov AV, Senatov YuA. The development of artificial intelligence in medicine: problems and directions of use. Social Relations. 2024;(2):85–94. (In Russ.) EDN: DTQDKF

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).