Во введении обозначается тема применения искусственного интеллекта для диагностики и лечения заболеваний, объясняется её связь с биологией, медициной и информатикой. Здесь формулируются проблема, цель и задачи проекта, указываются объект и предмет изучения, а также кратко описывается предполагаемый учебный продукт. Отдельно оговаривается, что проект носит образовательный характер и не предлагает использовать алгоритмы для самостоятельной постановки диагнозов или выбора лечения.

В этом разделе раскрываются понятия искусственного интеллекта, алгоритма и машинного обучения, необходимые для понимания медицинских примеров. Объясняется, что модель настраивается по данным и затем применяет найденные закономерности к новым случаям. Раздел помогает отличить обученную систему от обычной программы с заранее заданными правилами и показывает, почему качество исходных примеров влияет на результат.

Раздел описывает, как алгоритмы анализируют медицинские изображения, лабораторные показатели и другие сведения о пациенте. На конкретных примерах рассматриваются поиск подозрительных областей на снимках и оценка вероятности заданного состояния. Также поясняется, что результат системы является вспомогательной информацией: диагноз требует сопоставления данных с осмотром, симптомами и профессиональной оценкой врача.

Здесь рассматриваются способы, которыми цифровые системы могут помогать специалистам при выборе дальнейших действий: структурировать сведения, сопоставлять их с рекомендациями и отслеживать изменения показателей. Раздел разграничивает поддержку принятия решений и самостоятельное назначение терапии. Особое внимание уделяется тому, что врач должен учитывать противопоказания, состояние конкретного пациента и актуальные медицинские рекомендации.

В разделе анализируются причины неверных прогнозов: неполные или несбалансированные выборки, ошибки разметки, низкое качество данных и различия между условиями обучения и реальной клиникой. Обсуждаются конфиденциальность медицинской информации, риск предвзятости и ответственность за решение. Это помогает понять, почему необходимы проверка результатов специалистами и контроль качества системы.

Практическая часть знакомит с принципом классификации на специально подготовленных условных данных или безопасном открытом учебном наборе. Участники определяют признаки и категории, показывают, как модель соотносит новый пример с обучающими данными, и фиксируют ограничения демонстрации. Реальные персональные сведения и попытки диагностики участников не используются, чтобы исключить медицинские и этические риски.

В этом пункте результаты учебной классификации сопоставляются с заранее известными правильными ответами. Участники объясняют, что означают верные и ошибочные предсказания, и при необходимости рассматривают чувствительность и специфичность на простом примере. Цель раздела — показать, что одной демонстрации недостаточно для вывода о пригодности медицинской модели и что важны состав данных и условия проверки.

На этом этапе материалы исследования преобразуются в доклад, презентацию или инфографику для школьной аудитории. В продукт включаются схема работы алгоритма, понятные примеры его медицинского применения, объяснение ограничений и правила ответственного отношения к автоматическим результатам. Все фактические утверждения сопровождаются источниками, а примеры формулируются так, чтобы их нельзя было принять за персональную медицинскую рекомендацию.

В заключении кратко соотносятся полученные результаты с целью и задачами проекта. Формулируется, какие медицинские задачи ИИ может поддерживать, почему его выводы требуют проверки и какие ограничения выявлены в учебной демонстрации. Также отмечается практическая ценность подготовленного продукта для знакомства школьников с медицинскими технологиями и обозначаются вопросы, которые можно изучить подробнее.

В списке приводятся использованные источники: материалы Всемирной организации здравоохранения, сведения государственных медицинских регуляторов, учебные издания и научно-популярные публикации о машинном обучении и медицине. Для каждого источника указываются автор или организация, название, дата публикации и ссылка, если материал найден в интернете. Перечень позволяет проверить факты и отличить надёжные сведения от неподтверждённых утверждений.