HealthNet - медицина и технологии

🧪💎 Как ИИ помогает «приручить» омиксные технологии, превращать цифры из бланка анализов в клинические решения, предсказывать риски болезней за 10 лет до появления симптомов и экономить системе ОМС до 7 млрд рублей в год? Подводим итоги клуба «Цифровая медицина», где обсуждали «умные» решения для лабдиагностики. Ведущие разработчики инновационных решений на стыке in vitro, ИИ и биотеха рассказали, как создавали и внедряли свои платформы в реальную клиническую практику, что из этого вышло, и как алгоритмы сегодня расширяют возможности просто «мокрой» лаборатории. Тема встречи оказалась крайне резонансной – оно и понятно, ведь около 70% клинических решений в наше время принимается именно на основе данных лабораторной диагностики, но при этом мы используем едва ли 5% той информации, которую научились извлекать «из пробирки». Все прочее – это наши неиспользованные возможности. Как раз о них мы и поговорили на клубе. 💥 Светлана Апполонова, к.х.н., руководитель Центра биофармацевтического анализа и метаболомных исследований Сеченовского Университета – представила платформу «МетабоСкан», которая определяет метаболический фенотип пациента – паттерн работы обмена веществ, объясняющий, почему стандартные рекомендации не для всех одинаково эффективны. Система анализирует более 220 метаболитов в крови, формируя на их основе «функциональные оси» и интегральные индексы здоровья, что позволяет врачу увидеть системные сбои в организме еще на доклинической стадии и сформировать персонализированный «коридор здоровья», а также мониторить отклик организма на терапию или изменение образа жизни в динамике. 🗯 Современная медицина устроена как айсберг – мы видим только верхушку, когда болезнь уже случилась, а 60-70% хронических заболеваний диагностируется, к сожалению, слишком поздно. Когда организм уже начинает кричать о помощи на языке, который мы до сих пор не понимали, у нас в запасе есть 5-10 лет, чтобы решить проблему на доклинической стадии. С помощью ИИ мы начинаем слышать этот крик и понимать этот язык. Казалось бы, сегодня у нас есть метаболомика, омиксные технологии обещали нам революцию в медицине, но, имея в арсенале около 1000 уже известных клинических биомаркеров, врач реально работает лишь с 10 из них. Лаборатория производит цифры, врач принимает решения, между ними – пропасть интерпретации, которую не заполнить ни автоматизацией, ни расширением панели тестов. Поэтому нужен провайдер, который превращал бы цифры в клинические решения, чтобы врач получал ответ, а не данные. 💥 Любовь Станкевич, к.м.н, врач КЛД, директор по лабораторной медицине и производству компании «ЛабКвест», вице-президент Российской ассоциации медицинской лабораторной диагностики (РАМЛД) – рассказала о том, как превратить лабораторию в полноценного интеллектуального партнера клинициста с помощью СППВР «Доктор Q», которая помогает врачам интерпретировать сложные лабораторные паттерны и снижает риск диагностических ошибок. Вместо простой выдачи бланка с результатами ИИ определяет соответствие назначенных тестов клинической картине и подсвечивает критические отклонения или логические противоречия в диагностике. Сервис поддерживает более 90 терапевтических цепочек, а рекомендации охватывают практически все типы исследований – от биохимии до НИПТов. 🗯 Лабораторная медицина стала драйвером того перехода от реактивной к проактивной концепции 5P-медицины, о которой сейчас не говорит только ленивый. Если раньше ответом на вопрос о миссии лаборатории было, как у пионеров, «Всегда готов предоставить точный результат вовремя, быстро и правильно выдать цифру», то сегодня мы понимаем, что на самом деле никакая цифра ни клиницисту, ни пациенту не нужна. Им нужно решение клинической задачи. Поэтому миссия лабораторий тоже трансформировалась – сегодня это поддержка в принятии клинических решений для врача и поддержка пациента с помощью интерпретируемой информации об их здоровье. Лаборатория делает возможной ту самую партисипативную медицину, отвечает за более раннюю предикцию и позволяет в целом повышать эффективность системы здравоохранения 👇👇👇