Рассмотрена проблема построения управляющего воздействия в задаче медикаментозного подавления роста опухоли. Синтез управления осуществлен с помощью метода линеаризации нелинейной системы обратной связью по состоянию. В результате исследования получен закон управления, обеспечивающий системе локальную устойчивость, что в физическом смысле означает прекращение роста опухоли. Адекватность модели роста опухоли достигается с помощью ее построения алгоритмом самоорганизации с резервированием трендов. Линейные тренды применяются в законе управления, а нелинейные самоорганизующиеся модели использованы для проверки результата лечения. Результаты математического моделирования подтвердили эффективность полученных решений.

Одной из основных задач современной медицинской микробиологии является изучение причинно-следственных связей микробиоты с состоянием здоровья и развитием патологии в организме человека. Знание их открывают нам новые возможности для диагностических, профилактических и лечебных мероприятий ряда нозологий. В качестве дополнения к методам многомерного статистического анализа предлагается новый автоматизированный подход, который базируется на планарном проецировании многомерных аналитических данных и отличается технологической простотой и наглядностью процесса оперативной диагностики.
Цель исследования состояла в использовании нового автоматизированного подхода на основе метода картирования диагностических полей к определению информативных параметров и основных закономерностей формирования эубиоза/дисбиоза толстого кишечника человека и развития хронического простатита с потерей фертильности у мужчин.
Материалы и методы. С помощью метода картирования диагностических полей, чья геометризация базируется на многомерных наблюдениях состояния каждого обследуемого, определена размерность признакового пространства путем вычисления равнодействующих каждого вектора признаков и для расчета диаграммы Вороного — диагностической палетки. В работе использованы две выборки: первая — из 126 штаммов, выделенных от 65 обследуемых лиц (от 18 до 45 лет) на дисбиоз толстого кишечника человека, вторая — 124 теста по 73 мужчинам репродуктивного возраста (20–45 лет).
Результаты. Установлено, что метод картографии равнодействующих создает легко интерпретируемые графические документы по исходным данным и способствует оперативному распознаванию неизвестных состояний/диагнозов. Создаваемые картограммы снимают ограничения ракурсной визуализации многомерных объектов и существенно упрощают интерпретацию данных.
Выводы. Таким образом, эффективность картографической диагностики подтверждается сравнением ее результатов с клиническими. При этом могут в качестве данных могут использоваться как исходные наблюдения, так и статистически обработанный материал.

Вопросы внедрения в систему здравоохранения мероприятий по профилактике заболеваний системы кровообращения являются актуальными. Целью работы является разработка технологии гибридного искусственного интеллекта, объединяющего различные методы и подходы представления и использования знаний для оценки и прогноза индивидуальных рисков развития сердечно-сосудистых событий. Для исследования использованы следующие модели представления рисков: балльная система, многофакторные вейбулл- и логистическая регрессия, искусственные нейронные сети; онтологический подход к представлению знаний в явном виде и построению программных решателей, генерирующих объяснение в понятных врачу терминах. В качестве основного технологического решения используется облачная платформа IACPaaS, где предложена инфраструктура и технология разработки интеллектуальных сервисов. Результатом исследования является гибридная технология оценки рисков и прогнозирования, представленная в статье архитектурой производимых сервисов поддержки решений, онтологией знаний, базой знаний для кардиологии и методами реализации сервисов. Ключевой особенностью технологии является ее масштабируемость за счет подключения новых микросервисов, реализованных на произвольных гетерогенных архитектурах. Область применения — от исследователей оценки рисков и прогнозирования в кардиологии до врачей из практической медицины.

Информационные технологии (ИТ) в современном дополнительном профессиональном образовании (ДПО) медицинских работников играют всё более активную роль, становясь основой при организации обучения. С целью обоснования стратегии дальнейшего развития ДПО проведен анкетный опрос врачей (n = 211), «погруженных» в новые формы обучения с использованием дистанционных образовательных технологий (ДОТ), а также приведены нормативные документы, которые должны стать объективной основой для создания условий эффективной учёбы врачей в реальных условиях ограничений по очной форме присутствия. По результатам анкетного опроса врачей систематизированы их мнения и оценки. Среди проблем ведущая роль принадлежит трудностям обучения на рабочих местах в условиях не предоставления для этого возможностей. К настоящему времени создана юридически значимая основа для обучения врачей в условиях использования ДОТ. Актуальная проблема — насколько оперативно и сами врачи, и их работодатели внедрят новые нормы Трудового кодекса на практике.

Проблема ранней и своевременной постановки точного диагноза при редких болезнях наследственной природы является общемировой. Использование ассистирующих врачу компьютерных систем может позволить решить данную проблему. Существуют различные зарубежные системы поддержки принятия решений в медицине. Однако, отечественные функционирующие системы в данной проблемной области в настоящее время отсутствуют.
Цель настоящего исследования — повышение своевременности и точности постановки верного диагноза больным, имеющим признаки наследственных лизосомных болезней накопления с использованием интеллектуальной компьютерной системы поддержки принятий решений.
Материалы и методы. Для наполнения базы знаний были проанализированы разнородные источники медицинской информации, содержащие описания фенотипических проявлений группы лизосомных болезней накопления. Извлеченные из литературы знания были дополнены тремя экспертными оценками — коэффициентом модальности, факторами уверенности манифестации и выраженности. Для клинической апробации системы использовались описания 35 клинических случаев из литературы и деперсонифицированные выписки из электронных медицинских карт 75 пациентов из четырёх специализированных медицинских организаций Российской Федерации.
Результаты. Разработана экспертная система поддержки принятия решений по дифференциальной диагностике орфанных наследственных заболеваний ГенДиЭС. База знаний системы реализована на облачной платформе IACPaaS в виде онтологической сети. Это позволило описывать заболевания с учётом экспертных оценок по четырём выделенным возрастным периодам и вносить данные пациентов с подозрением на наследственное заболевание. Алгоритм сопоставительного анализа использован для оценки сходства клинической картины пациента с экспертными описаниями. Точность по результатам тестирования составила 88,18% для дифференциально-диагностического ряда из пяти гипотез.
Заключение. Реализация базы знаний в виде онтологической модели обеспечила экспертной системе ГенДиЭС высокую эффективность на этапе формирования гипотез на долабораторном этапе диагностики.

Процессы создания максимально простой и одновременно эффективной прогностической модели в медицине должны быть сбалансированы. Факторы, включенные в модель, являются основой ее качества и практической значимости, однако их выбор — не всегда простая задача. Цель исследования — сравнение разных методов селекции предикторов для создания медицинских прогностических моделей.
Материалы и методы. Для выбора предикторов использовали такие методы, как корреляция, фильтрация признаков на основе базовой статистики, однофакторный анализ Хосмера-Лемешоу, так и сложные, которые часто используются в машинном обучении: рекурсивное исключение признаков, регрессия «LASSO» и деревья классификации. Прогностические модели построили с использованием метода бинарной множественной логистической регрессии. Статистический анализ проводился с использованием языка программирования R (версия 3.4.2).
Результаты. Наборы предикторов, полученные при помощи методов «LASSO» и случайного леса, а также методом пошаговой регрессии, позволили построить наиболее точные прогностические модели (минимальное значение AIC). Базовые методы статистического анализа и однофакторный регрессионный анализ по методу Хосмера-Лемешоу оказались наименее эффективными.
Заключение. Применение методов селекции предикторов часто существенно сокращает их количество, отсеивая неинформативные, что улучшает качество будущей модели прогноза.

В настоящее время в здравоохранении Российской Федерации идет активное развитие и внедрение различных информационных систем для здравоохранения, в том числе медицинских информационных систем медицинских организаций (МИС МО), предназначенных для автоматизации лечебно-диагностических, административных, вспомогательных и иных процессов, а также радиологических информационных систем (РИС), необходимых для автоматизации службы лучевой диагностики и радиологии. Многие из используемых в настоящее время медицинских информационных систем разработаны 10 и более лет назад, основаны на различных технологических и архитектурных подходах, имеют ряд проблем с удобством интерфейса, интеграцией с существующими информационными системами в сфере здравоохранения, скоростью и качеством сопровождения со стороны компании-разработчика. В этой связи перед медицинскими организациями порой возникает задача выбора МИС МО или РИС из имеющихся на рынке предложений с целью замены старой системы и/или внедрения нового решения. Без единой методологии и критериев оценки такой выбор является достаточно затруднительным и непрозрачным. В этой связи авторами разработана и предложена методика, позволяющая стандартизировать оценку уровня зрелости МИС МО и РИС для принятия решений о целесообразности сохранения текущего продукта или его замены на решения других компаний.