Актуальность. В статье представлены результаты обзорного исследования по истокам системной информатизации здравоохранения и становлению, как сейчас уже принято называть, цифрового здравоохранения в России, начиная с 60-х годов прошлого века, анализ развития процесса внедрения методов и технологий цифрового здравоохранения и обязательного медицинского страхования (ОМС). Комплексного анализа становления и развития цифрового здравоохранения в общероссийских масштабах ранее не производилось, и соответствующая периодизация этапов не разрабатывалась. Некоторые факты цифровизации федерального значения, особенно в истории развития системы ОМС в России, или не публиковались совсем, или публиковались изолированно от цифровизации здравоохранения в целом и не анализировались в общем контексте.
Цель. Систематизированный обзор основных событий развития цифрового здравоохранения в России и выработка обоснованной периодизации данного процесса, а также прогноз перспективных направлений развития, главное из которых – ориентация на пациента.
Материал и методы. Был проведен поиск публикаций в библиографической базе данных eLibrary за все годы, поисковой системе Google Scholar по полным текстам научных публикаций, анализ нормативных правовых актов, действующих на территории Российской Федерации, анализ информации из открытых интернет-источников с применением поисковой системы Яндекс. Поиск выполнялся по следующим ключевым словам: электронное здравоохранение; цифровое здравоохранение; цифровая трансформация; цифровизация; стадии развития; ЕГИСЗ; единый цифровой контур.
Результаты. В результате исследования выделено более 40 важнейших событий становления и развития цифрового здравоохранения в России, предложена и обоснована периодизация процесса цифровизации здравоохранения, начиная с создания системных предпосылок в конце 1993 года, и от старта цифровизации в масштабах России в 2006 году до третьей стадии, завершающейся в 2024 году. Сформулированы основные тенденции и прогнозы в сфере развития методов и технологий цифрового здравоохранения на перспективной четвертой стадии цифровизации здравоохранения с 2025 года.
Выводы. Цифровое здравоохранение России для единой системы охраны здоровья граждан стартовало только после создания необходимых объективных условий – массового распространения средств информационных технологий, введения системы ОМС и начала цифровой трансформации системы государственного управления в стране. В статье предложена и обоснована периодизация процесса становления и развития цифрового здравоохранения в Российской Федерации, включая перспективные направления и ключевые тенденции до 2030 года.

В последнее время возрастает интерес к использованию больших данных реальной клинической практики для разработки систем искусственного интеллекта в интересах врачебной практики – моделей диагностики заболеваний и состояний и прогноза их течения. При этом качество этих данных обычно невысоко из-за допускаемых ошибок при вводе, неоптимальной архитектуры информационных систем, отсутствия стандартизации и др. В обзоре рассмотрены критерии надежности данных реальной практики, наиболее часто встречающиеся проблемы и способы их устранения: оценка соответствия набора данных дизайну разрабатываемой модели, выявление и удаление дублирующих записей в наборах данных, обработка пропущенных значений, обнаружение и обработка выпадающих значений, выявление и обработка несогласованности в данных. Делается вывод о том, что требуется дальнейшее развитие методик создания наборов данных на основе реальной клинической практики в части повышения их качества, так как наличие ошибок в них может приводить к снижению качества создаваемых моделей машинного обучения для диагностики и прогнозирования

Всемирная организация здравоохранения фиксирует беспрецедентное увеличение глобальных расходов на здравоохранение с тенденцией дальнейшего роста до 2050 г. В качестве важного инструмента повышения эффективности этих расходов рассматриваются технологии искусственного интеллекта. Одним из источников информации, дающим представление о масштабах и интенсивности развернутых исследований, найденных решениях, их концепциях и глобальных технологических лидерах, является мировой портфель патентных документов. В данном исследовании был выполнен патентный анализ технологической области «Искусственный интеллект в здравоохранении», результаты которого позволили охарактеризовать направление как один из самых динамично развивающихся научных и технологических трендов последнего десятилетия. Показано, что ключевыми тематическими кластерами направления являются использование алгоритмов машинного обучения для создания прогнозных и диагностических моделей, а также разработки в области больших языковых моделей (LLM). Россия входит в топ-15 стран мира по патентной активности в направлении «Технологии языковых моделей в медицине», но сохраняет некоторое отставание от стран-лидеров по числу патентных семейств

В настоящее время математический анализ и трёхмерное моделирование являются новыми перспективными способами получения дополнительной информации, с помощью которых исследователь имеет возможность виртуально наблюдать и моделировать сложные биомеханические явления. Вопросы динамической анатомии шеи, а также биомеханических характеристик отдельных её структур составляют значительный практический и теоретический интерес для многих областей медицины.
Цель исследования: разработка виртуальной динамической модели шеи человека и на её основе воспроизведение динамических процессов с использованием метода конечных элементов.
Материалы и методы: Изучена биомеханика физиологических процессов шейного отдела позвоночника с применением МРТ. Генерация сетки конечных элементов и контактные взаимодействия выполнялись с использованием программного обеспечения HyperMesh. Конечно-элементный анализ был выполнен с использованием программного обеспечения Abaqus CAE 6.14.
Проведен ретроспективный анализ результатов 124 высококачественных МРТ исследований (40 мужчин и 84 женщины). В базу данных включены исследования, которые подходили под параметры включения и исключения. Статистическую обработку проводили с помощью программы MS Excel 2019 в надстройке «Анализ данных». Параметрические показатели проверяли на нормальное распределение в функции «описательной статистики», затем рассчитывали достоверность различия показателей с помощью двухстороннего критерия Стьюдента. Для оценки непараметрических показателей использовали χ2 -Пирсона с построением таблиц сопряженности. Для изучения зависимости значения tg α от возраста пациентов при наличии или отсутствием выпячиваний МПД применили дисперсионный анализ различий в более чем двух группах с применением метода одностороннего ANOVA.
Результаты: Разработана методика создания виртуальной динамической модели шеи. Результаты конечноэлементного анализа сегмента С3-С5 при осевой нагрузке были сопоставлены с данными in vitro.
Заключение: Результаты моделирования с использованием предложенной методики хорошо согласуются с экспериментальными данными. Сгенерированные биомеханические модели позволяют описывать динамические явления в шейном отделе позвоночника и получать широкий спектр количественных свойств объектов

Целью данного исследования представлялось изучение и оценка вовлеченности врачей-рентгенологов в использование программного обеспечения с применением технологий искусственного интеллекта (ИИ) и удовлетворённости применением данных технологий в качестве поддержки при принятии врачебных решений.
Анкетирование врачей-рентгенологов проводилось в 2021-22 гг. на базе медицинских организаций Департамента здравоохранения Москвы.
В 2021 году прошли опрос 333 врача-рентгенолога, в 2022 г – 342. Анкетирование проходили врачи разных специализаций: компьютерной томографии, магнитно-резонансной томографии, рентгенографии и маммографии, различного возраста и стажа работы по специальности. При исследовании вовлеченности выяснилось, что в 2022 году по сравнению с 2021 годом вовлеченность врачей выросла более чем в 2 раза. Оценка удовлетворенности использования технологий ИИ в работе показала, что в 2022 году по сравнению с 2021 годом отмечается тенденция сдвига мнений от крайних оценок «отлично» и «неудовлетворительно» к оценкам «хорошо» и «удовлетворительно».
На основании полученных результатов можно сделать вывод о том, что технологии ИИ требуют дальнейшего развития, не только с клинической или технической точки зрения, но и с популяризационной, образовательной стороны для врачей, использующих технологии ИИ в своей работе

Актуальность. Телемедицина является важным инструментом для обеспечения доступности медицинской помощи, способствуя снижению заболеваемости и смертности, прежде всего от хронических заболеваний. Необходимо внедрение в клиническую практику организационных моделей для развития телемедицины в нашей стране.
Цель. Сформировать новые подходы по наблюдению за пациентами с помощью телемедицинских технологий в федеральном учреждении.
Материал и методы. В центре телемедицины СамГМУ была активирована работа по проведению телемедицинских консультаций (ТМК) «врач-пациент» и «врач-врач». Внедрен послеоперационный телепатронаж пациентов, выписывающихся из стационара после проведенных хирургических вмешательств. Реализован подход fast-track в хирургии и интервенционной кардиологии. Организовано дистанционное наблюдение за пациентами кардиологического профиля. Налажена работа по дистанционному наблюдению за пациентами, находящимся в листе ожидания на пересадку внутренних органов и после ее выполнения.
Результаты. Число ТМК, проведенных в 2022 г., превышают данные 2020-21 гг. в 32,9 и 25,4 раза, соответственно. Анализ ТМК «врач-пациент» показал рост в 2022 г. по сравнению с 2021 г. в 358 раз. Отмечен рост ТМК «врач-врач» в 2022 г. по сравнению с 2021 г. в 2,5 раза. Выполнено 6602 ТМК в процессе реализации амбулаторного телепатронажа. 284 ТМК, выполненные в 2022 г., позволили осуществлять контроль пациентов после хирургических вмешательств. Подход «fast-track» позволил снизить койко-день пребывания в стационаре и обеспечить телемедицинское наблюдение 987 пациентов после кардиохирургических вмешательств. Практика дистанционного наблюдения позволила осуществлять динамический контроль за 53 пациентами, находящимися в листе ожидания на пересадку органов, и пациентами после трансплантации.
Выводы. Организация специализированных центров телемедицины в лечебно-профилактических учреждения способствует развитию телемедицинских технологий в нашей стране и внедрению в отечественную медицину лучших инновационных практик, направленных на повышение качества и доступности медицинской помощи