Статьи с темой: «большие данные»
-
2024 № 13 Подходы к разработке концептуальной модели архитектуры цифровой медицинской экосистемы.
До настоящего времени ни в академических кругах, ни в медицинском и ИТ сообществах не сформировано единого мнения, какой должна быть архитектура медицинской экосистемы. В связи с ориентированностью медицинских экосистем, в отличие от иных бизнес-экосистем, в первую очередь на удовлетворение потребностей пациентов в здоровье-сбережении, а также в связи с постоянными изменениями в мире ИТ и современном бизнесе, работа по согласованию бизнеса и ИТ в интересах пациентов в медицинской экосистеме приобретает особое значение. Предлагается использовать подход, основанный на концепции архитектуры предприятия (АП), которая уже в течение достаточно длительного времени использовалась для разработки информационных систем, в сочетании с подходом, основанном на управлении ИТ-сервисами. В данной статье приводится обоснование использования концепции АП совместно с управлением ИТ-сервисами для согласования потребности бизнеса и информационных технологий при разработке архитектуры медицинской экосистемы. Цель данной статьи – дать общее представление об использовании АП для решения проблем совместного создания ценностей в рамках медицинской
экосистемы средствами информационных технологий. Также в статье представлен фреймворк TOGAF как один из наиболее перспективных общих фреймворков для разработки архитектуры медицинской экосистемы. В качестве экосистемного продукта описан массив медицинских услуг экосистемы, также описаны основные артефакты и система управления экосистемы.
Настоящая статья может стать отправной точкой для разработки архитектуры медицинской экосистемы с использованием существующих архитектурных фреймворков или для разработки специализированных фреймворков для применения в этой области. -
2024 № 13 Перспективы создания цифровых медицинских экосистем в России: цифровые двойники и другие технологии, проблемы и подходы.
Усилия медицины постепенно смещаются от борьбы с конкретным заболеванием к обеспечению индивидуального благополучия пациентов с одновременным ростом информационной емкости медицины. Информационно-коммуникационные технологии рассматриваются как ключевой фактор любой стратегии повышения качества и экономической эффективности медицинской помощи. Развитие систем электронных медицинских карт, интеллектуального здравоохранения, мобильной медицины, искусственного интеллекта открыли новые возможности для сотрудничества и взаимодействия между поставщиками медицинских услуг и пациентами в рамках цифровой экосистемы медицинской помощи, стимулируя технологические инновации. Медицинская экосистема призвана реализовать системный подход к обработке клинических данных, как основы повышения эффективности медицинской помощи за счет цифровой трансформации сквозных медицинских технологических процессов. Она сфокусирована на интеграции работы разных поставщиков и потребителей медицинской помощи, обмене между ними данными и информацией для оказания комплексной медицинской помощи пациентам некоторого объединения МО. Медицинские экосистемы рассматриваются как системы, которые фокусируются на данных и генерировании новых знаний о здоровьесбережении, то есть как открытые и слабосвязанные системы, которые позволяют участникам использовать полученные знания по-своему, например, в отдельных экосистемах МО участников.
Цифровая трансформация здравоохранения происходит в фарватере цифровой экономики. Мы имеем дело с трансфером инновационных решений бизнес-экосистем в медицину, что предполагает необходимость учета особенностей предметной области. Ключевой технологией цифровой трансформации медицины вслед за многими отраслями экономики считается метод цифрового двойника, применение которого невозможно без использования и развития других экосистемных технологий: ЭМК, аналитики больших данных, ИИ, интернета вещей и блокчейна. Эффективная и всеобъемлющая реализация концепции цифровых двойников для такой предметной области, как медицина, возможна, если решена проблема объединения поставщиков и потребителей медицинской помощи в цифровую медицинскую экосистему, способную предоставить целостные и однородные первичные данные.
Реализация концепции совместного управления здоровьем пациента в рамках цифровых экосистем медицинской помощи сталкивается с препятствиями, в первую очередь, из-за сложных проблем, связанных с интероперабельностью, конфиденциальностью, безопасностью и эффективным управлением данными. Решение возможных проблем находится в обеспечении приоритета научных исследований для усиления объективизации выбора экосистемных технологий и определения этапности в достижении поставленных целей. Развитие экосистемы необходимо рассматривать в виде строительных блоков, которые со временем накладываются один на другой. Первые, нижние блоки призваны расширить возможности имеющихся технологий, а более поздние потребуют специальных исследований в области информационных технологий в широком смысле, а также медицинской информатики, в частности. Необходимы и упреждающие изменения в регулировании отрасли с учетом вызовов цифровой экономики и динамики изменений в социальной сфере. -
2022 № 6 Опыт и перспективы применения цифровых двойников в общественном здравоохранении
Цифровизация здравоохранения открывает возможности для применения новых подходов к организации медицинской помощи, повышению ее качества, оптимизации использования ресурсов здравоохранения. Цифровой двойник – один из новых подходов, виртуальная модель физического объекта с динамическими двунаправленными связями между физическим объектом и его соответствующим двойником в цифровой среде. Цифровые близнецы позволяют изучать, создавать и проверять новые гипотезы, а также проводить эксперименты и исследования in silico.
Цель исследования – описать существующий российский и зарубежный опыт практического применения цифровых двойников в сфере здравоохранения. Материалы и методы. Обзор литературы проводился в базах данных Pubmed и Elibrary.
Исключались публикации, в которых описывались этические и нормативно-правовые аспекты, промышленное, инженерное или логистическое применение. Статьи прошли два раунда рецензирования. Результаты. Цифровые двойники применяются в клинической медицине для тестирования новых методов лечения и реакции на них организма, для моделирования работы органов и тканей. Описано применение технологии для разработки прецизионной терапии в кардиологии, онкологии, эндокринологии, гастроэнтерологии, ортодонтического лечения, реабилитации, интенсивной терапии. Цифровой двойник может использоваться органами здравоохранения для моделирования поведения пациентов, прогнозирование распространения инфекционного процесса, работы медицинского учреждения и его структурных подразделений с целью оптимизации ресурсов.
Выводы. В статье представлен обзор основных сфер применения цифровых двойников для персонализированной медицины, общественного здравоохранения и умных здоровых городов. Перспективы использования цифровых двойников лежат в области создания умных «здоровых» городов и регионов. -
2023 № 6 Опыт применения технологий искусственного интеллекта для развития профилактического здравоохранения на примере Кировской области.
Здравоохранение является одной из приоритетных отраслей для практического применения систем искусственного интеллекта (ИИ). В 2018 г. в Кировской области было принято решение запустить собственный региональный проект внедрения технологий ИИ с целью получения практического опыта и понимания особенностей, преимуществ и барьеров применения ИИ. В качестве приоритетного направления было выбрано совершенствование профилактической медицины. В качестве базового программного продукта была выбрана российская платформа прогнозной аналитики Webiomed. Реализация проекта включала 3 этапа: пилотную апробацию в 2019–2020 гг., промышленную эксплуатацию в режиме «второго мнения» в 2021–2022 гг. и внедрение в режиме цифрового помощника, запущенное в 2023 г. В результате реализации 1го и 2го
этапов проекта удалось доказать, что главным преимуществом ИИ при анализе больших медицинских данных является автономная и высокая точность интерпретации имеющейся в ней информации. ИИ-система способна самостоятельно извлекать из электронных медицинских карт необходимые для анализа данные, сопоставлять их с данными прошлых периодов, оценивать динамику изменения показателей здоровья, выявлять появление опасных тенденций и факторов риска. Все вместе это позволяет формировать так называемые «цифровые профили» пациентов, которые в свою очередь представляют из себя ценный ресурс для поддержки принятия управленческих и клинических решений.