Регистрация

10—11 октября 2019 года
Москва, Конгресс-центр гостиницы «Космос»

ЦИФРОВОЕ ЗДРАВООХРАНЕНИЕ
Труды XX Международного конгресса «Информационные технологии в медицине»

Электронное издание ― М.: Консэф, 2019 ― URL: https://itmcongress.ru/itm2019/proceedings/

ISBN 978-5-6042061-1-9

УДК 61:004:614.2:061.3

ББК 51.1

Ц75

Сборник научных статей «Цифровое Здравоохранение. Труды XX Международного конгресса «Информационные технологии в медицине» включает в себя тематически структурированные результаты исследований авторов-участников конгресса по направлениям:

  • Математическое моделирование и анализ клинических процессов.
  • Интеллектуальный анализ данных и системы поддержки принятия врачебных решений.
  • Применение информационных систем для решения задач здравоохранения, образования и науки.

Издание ориентировано на специалистов в области информатизации здравоохранения и содержит актуальную экспертизу, основанную на практических результатах, полученных в результате апробации передовых методов прикладной математики и программных средств в сфере практического здравоохранения.

Редакционная коллегия:

Борисов Д.Н., доцент Военно-медицинской академии имени С.М. Кирова, Россия, Санкт-Петербург, к.м.н.

Зарубина Т.В., главный внештатный специалист по внедрению современных информационных систем в здравоохранении Министерства здравоохранения Российской Федерации, заведующая кафедрой медицинской кибернетики и информатики Российского национального исследовательского медицинского университета имени Н.И. Пирогова, д.м.н., проф.

Кобринский Б.А., заведующий лабораторией систем поддержки принятия клинических решений, Институт современных информационных технологий в медицине Федерального исследовательского центра РАН «Информатика и управление», д.м.н., проф.

Кудрина В.Г., заведующая кафедрой медицинской статистики и цифрового здравоохранения Российской медицинской академии непрерывного профессионального образования Минздрава России, д.м.н., проф.

Кузнецов П.П., профессор кафедры управления и экономики здравоохранения НИУ «Высшая школа экономики», Генеральный директор Фонда развития персонифицированной медицины,  вице-президент Национальной ассоциации медицинской информатики,   д.м.н., проф.

Лебедев Г.С., директор Института цифровой медицины, заведующий кафедрой информационных и интернет технологий ФГБАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет), д.т.н., проф.

Мухин Ю.Ю., ответственный редактор, исполнительный директор Оргкомитета Международного конгресса «Информационные технологии  в медицине», к.э.н.

Шифрин М.А., ведущий специалист лаборатории биомедицинской информатики и искусственного интеллекта НМИЦ нейрохирургии им. академика Н.Н. Бурденко, Член совета Европейской федерации медицинской информатики (EFMI), к.ф.-м.н.

Редакция:

Мухин Ю.Ю. ―  ответственный редактор, составитель, к.э.н.

Мухин К.Ю. ― выпускающий редактор

Минина А.А. – макет и верстка

Все материалы, вошедшие в сборник, представлены профессиональному сообществу в рамках конгресса и были рецензированы членами редакционной коллегии.

При цитировании статей сборника мы рекомендуем следующую библиографическую ссылку: Авторы. Заглавие статьи.//Цифровое здравоохранение: Труды XX Международного конгресса «Информационные технологии в медицине»: электронное издание ― М.: Консэф, 2019―С.10-20 ― Режим доступа:https://itmcongress.ru/dl/2019/proceedings/3.7.Ivanov_ITM2019.pdf(дата обращения: 16.12.2019). (Цветом выделены переменные компоненты, относящиеся к конкретной статье)

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 3.0 Непортированная.

Информация в материалах, размещенных на данной странице, является интеллектуальной собственностью их авторов.Авторы отдельных статей указаны в заголовках. При цитировании указанных материалов обязательна полная ссылка на первоисточник публикации https://itmcongress.ru/itm2019/proceedings.

© Авторы
© ООО «Консэф», 2019
© ООО «Консэф», дизайн и верстка, 2019

От редакции
Мухин Ю.Ю., ответственный редактор

Тексты статей:

Математическое моделирование и анализ клинических процессов

О доказательности медицинского диагноза: интеллектуальный анализ эмпирических данных о пациентах в выборках ограниченного размера.
Забежайло М.И., Трунин Ю.Ю.
Методы машинного обучения для дифференциальной диагностики болезней органов дыхания и сердечно-сосудистой системы.
Шахгельдян К.И., Гельцер Б.И., Рублев В.А., Курпатов И.А., Сергеев Е.А.
Комплексное использование алгоритмов нейронных сетей для оценки эффективности их работы в меняющихся условиях принятия врачебных решений.
Невзоров В.П., Буланова Т.М.

Интеллектуальный анализ данных и системы поддержки принятия врачебных решений

Об опыте применения технологий искусственного интеллекта для автоматического распознавания рентгеновских изображений органов грудной полости.
Толкачев А.Ю., Кулеев Р.Ф.
Применение OLAP технологий с целью исследования влияния дозы ионизирующего излучения на заболеваемость.
Думанский С.М., Баранов Л.И., Яганов С.А., Дибиргаджиев И.Г.

Применение информационных систем для решения задач здравоохранения, образования и науки

Технология электронного бенчмаркинга медицинских организаций региона.
Данилов А.В.
Формирование информационной основы для повышения качества подготовки медицинских работников в первичном звене здравоохранения.
Комаров С.Г., Андреева Т.В.
Роль профессиональных компетенций в формировании информационного профиля врача.
Кудрина В.Г., Андреева Т.В., Гончарова О.В., Экажева П.С.
Публикационная активность медицинских специалистов (cовременное состояние и подходы к оценке).
Борисов Д.Н., Иванов В.В., Кушнирчук И.И.
Применение цифровых методов для диагностики психоэмоционального состояния и коррекции состояния пациентов с психическими расстройствами разных возрастов.
Жовнерчук Е.В., Клименко Г.С., Кожин П.Б., Лебедев Г.С., Московенко А.В.
Совершенствование форм статистической отчетности научных учреждений Минздрава России.
Лебедев Г.С., Крылов О.Б., Леляков А.И., Миронов Ю.Г.,Ткаченко В.В.

Как ИИ помогает искать генетические маркеры ответа на терапию

Можно ли по особенностям ДНК понять, почему один пациент отвечает на лечение лучше другого? Об этом на «ИТМ 2026» расскажет Мария Попцова, заведующая международной лабораторией биоинформатики НИУ ВШЭ, в докладе «Метод отбора маркерных некодирующих вариантов с помощью AlphaGenome и фундаментальных моделей геномики».

В центре внимания — некодирующие варианты ДНК. Они не меняют структуру белка напрямую, но могут влиять на активность генов — например, определять, сколько белка производит клетка и в каких тканях.

Исследователи предложили метод отбора таких вариантов по их предполагаемому аллель-специфическому влиянию на экспрессию генов. На данных полногеномного секвенирования пациентов с идиопатической легочной артериальной гипертензией с помощью AlphaGenome оценили влияние вариантов в области гена BMPR2 на его активность в 285 тканях.

Для классификации вариантов применили инструменты AutoGluon. Результаты AlphaGenome сопоставили с прогнозами других фундаментальных моделей геномики — Borzoi, DNABERT-2, HyenaDNA, Caduceus и Evo 2.

Зачем это нужно? Такой подход может помочь находить генетические маркеры, связанные с особенностями заболевания и ответом на терапию, а также определять варианты, которые требуют дальнейшей экспериментальной проверки.

Медицинская микробиология как задача data science

Медицинская микробиология как задача data science: от отдельных антибиотикограмм к национальной системе данных — так называется доклад заместителя директора Смоленского государственного медицинского университета Алексея Кузьменкова на «ИТМ-2026».

Анализ данных устойчивости к антимикробным препаратам требует стандартизации, формализованного контроля качества и оценки межлабораторной сопоставимости результатов. Применение статистических методов и алгоритмов интеллектуального анализа позволяет выявлять систематические ошибки, оценивать факторы вариабельности и формировать воспроизводимые показатели антибиотикорезистентности. Интеграция стандартизированных данных создает основу для многоуровневого мониторинга и построения национальной системы микробиологических данных для терапии пациентов.

Как внедрить ИИ в клиническую практику и оценить его пользу для врача и пациента

На «ИТМ 2026» медицинский директор компании «МедикБук» Ксения Астракова представит опыт применения сервиса поддержки принятия врачебных решений MedicBK в диспансерном наблюдении пациентов с сердечно-сосудистыми заболеваниями. Проект охватил 286 медицинских организаций в шести субъектах Российской Федерации.

В докладе — измеримые результаты использования ИИ:

  • рост доли пациентов, достигших целевых показателей артериального давления и холестерина;
  • увеличение частоты ключевых обследований;
  • повышение полноты и качества данных в электронных медицинских картах.

Отдельный блок будет посвящен ограничениям масштабирования ИИ-сервисов: организационным барьерам, различиям в готовности инфраструктуры и качестве данных, кадровым и методическим сложностям, а также границам применения аналитических инструментов при неполных или неструктурированных данных.

Ксения Астракова коснется в своем докладе проблемы быстро растущего рынка ИИ-сервисов для врачей, не являющихся медицинскими изделиями и не проходящих регуляторную оценку безопасности и клинической эффективности. Она расскажет о принципиальных различиях между универсальными большими языковыми моделями и медицинскими изделиями с искусственным интеллектом, зарегистрированными и одобренными Росздравнадзором. В центре внимания — валидация, прослеживаемость решений, ответственность разработчиков и безопасность пациента.

Наверх