КемГМУ Минздрава России провел Школу передовых технологий в статистической обработке данных

Студенты, ординаторы, аспиранты, молодые ученые, руководители научно-исследовательских работ, а также заинтересованные в вопросах статистической обработки материалов научных исследований прошли Школу передовых технологий в статистической обработке данных.

Пять дней интенсивного обучения строились по принципу «от теории к практике» и охватывали ключевые этапы работы с данными в медицинских исследованиях.

«Нередко молодые ученые сталкиваются с ситуацией, когда казалась бы сильная научная работа рушится, если её статистическая часть не проработана должным образом. Если не умеете планировать исследование, считать необходимый объем наблюдений, рискуете потратить время на данные, которые будут не пригодны для него, а результаты не устроят ни исследователя, ни научную общественность. Поэтому важны не формулы и программы для статистической обработки, а понимание, какие методы необходимо применять для достижения конкретных задач исследования, как интерпретировать полученные в ходе статистической обработки результаты. В школе передовых технологий в статистической обработке данных мы учим думать, проверять и критически оценивать информацию и не бояться работать с цифрами», — отметила Татьяна Штернис, канд. мед. наук, доцент, заведующая кафедрой информационных технологий КемГМУ Минздрава России.

Практика «Журнальный клуб: учимся на чужих ошибках»

Ирина Самусь, канд. мед. наук, старший научный сотрудник лаборатории моделирования управленческих технологий НИИ комплексных проблем сердечно-сосудистых заболеваний, провела практикум по разбору опубликованной научной статьи. Участники учились оценивать корректность представления статистических данных, проверять соответствие методов заявленным задачам и определять дизайн исследования.

Лекция «Планирование научного исследования»

Татьяна Штернис, канд. мед. наук, заведующая кафедрой информационных технологий КемГМУ Минздрава России, посвятила два дня вопросам планирования. Слушатели освоили формулировку клинического вопроса по PICO, выдвижение гипотез, понятие об ошибках первого и второго рода, а также выбор дизайна исследования. На мастер-классе участники научились рассчитывать необходимый объем выборки и определять мощность исследования.

Лекция чистка и разведочный анализ данных

В лекции Ирины Самусь были освещены ключевые методы работы с пропущенными значениями, дубликатами записей и некорректными форматами данных. Участники освоили инструменты подготовки «сырых» датасетов к многомерному анализу.

Статистический практикум

Состоялось экспертное консультирование по результатам собственных исследований участников — каждый мог получить обратную связь от опытных наставников.

Мастер-класс прогностические модели и ROC-анализ

Роман Замараев, канд. техн. наук, старший научный сотрудник ФИЦ информационных и вычислительных технологий СО РАН (г. Новосибирск), провёл мастер-класс по построению классификаторов пациентов в бинарной постановке. Слушатели познакомились с моделями, матрицами ошибок и ROC-анализом для оценки качества прогностических моделей.

Мастер класс вайб-кодинг с искусственным интеллектом

Илья Селин, ассистент кафедры эпидемиологии и инфекционных болезней КемГМУ Минздрава России, продемонстрировал современный подход к программированию — «вайб-кодинг», при котором разработчик формулирует задачу на естественном языке, а искусственный интеллект генерирует соответствующий код. Этот инструмент позволяет ускорить анализ данных в 3–5 раз даже без глубоких навыков программирования.

По словам Татьяны Штернис, владение статистическими методами для молодого учёного — это не «плюс в резюме», а базовая профессиональная компетенция. Это то, что отличает догадку от доказательства, а достоверные результаты от бесконечных доработок.