Модели прогнозирования осложнений: российские разработки в клиниках

Листал ленту и зацепился за обзор Vademecum о российских моделях машинного обучения для прогнозирования осложнений. Речь не о готовых продуктах, а о научных разработках, которые пока не в клиниках — но уже могут повлиять на будущее.

Vademecum пишет о модели машинного обучения, представленной учёными Томского политеха и партнёров, которая прогнозирует. Исследование базируется на 92 случаях, где модель с использованием только клинических данных оказалась точнее сложных вариантов с радиомическими и дозиомическими признаками. Отдельно упоминается модель для оценки риска осложнений после эндоскопического удаления новообразований кишечника — на 3753 пациентах, где риск осложнений составил 2,9%. Ключевые предикторы — гипертония и размер полипа.

На мой взгляд, важна не сама модель, а то, что она уже существует в России и основана на реальных клинических данных. Это не фантастика — это шаг к персонализированной оценке риска. Но пока это исследование, а не инструмент. Главное — что такие разработки возможны, и они могут стать основой для цифровых сервисов в будущем. Особенно если в клинике уже есть данные, которые можно использовать для подобных расчётов.

У вас в МИС, на сайте или в системе учёта пациентов есть данные о размере полипов, артериальном давлении, типе новообразований по Парижской классификации? Проверьте, как они хранятся и доступны. Спросите у подрядчика, можно ли в будущем использовать эти данные для расчётов риска. Это не про внедрение сегодня — про подготовку к тому, что может стать стандартом завтра.