«4P-MEDICINE» КАК МОДЕЛЬ ЦИФРОВОЙ ТРАНСФОРМАЦИИ УЧРЕЖДЕНИЙ ЗДРАВООХРАНЕНИЯ
Abstract
Цифровая трансформация радикально меняет здравоохранение, предлагая новые возможности для профилактики, диагностики и лечения заболеваний. Статья исследует применение концепции 4P/5P-медицины как фреймворка для реализации этих изменений. Особое внимание уделяется роли машинного обучения, искусственного интеллекта, носимых устройств и генетической диагностики в создании персонализированных подходов к лечению и управлению здоровьем. Анализируются вызовы, связанные с обработкой данных, и подчеркивается важность отказа от усредненных показателей в пользу точных, индивидуальных решений.
Full text
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 566 «4P-MEDICINE» КАК МОДЕЛЬ ЦИФРОВОЙ ТРАНСФОРМАЦИИ УЧРЕЖДЕНИЙ ЗДРАВООХРАНЕНИЯ Грицук Ангелина Евгеньевна Брестский государственный технический университет, студент https://doi.org/10.5281/zenodo.17272703 Аннотация. Цифровая трансформация радикально меняет здравоохранение, предлагая новые возможности для профилактики, диагностики и лечения заболеваний. Статья исследует применение концепции 4P/5P-медицины как фреймворка для реализации этих изменений. Особое внимание уделяется роли машинного обучения, искусственного интеллекта, носимых устройств и генетической диагностики в создании персонализированных подходов к лечению и управлению здоровьем. Анализируются вызовы, связанные с обработкой данных, и подчеркивается важность отказа от усредненных показателей в пользу точных, индивидуальных решений. Ключевые слова: цифровая трансформация, предиктивность, превентивность, персонализация, партисипативность, прецизионность. Цифровая трансформация организаций различных секторов экономики проводится при помощи комплекса инструментов и в различной степени затрагивает все сферы жизни человека. Некоторые инструменты применимы к определенным отраслям экономики (промышленный интернет вещей, процессная аналитика), а другие – к разным (интернет вещей, искусственный интеллект, машинное обучение). В рамках цифровой трансформации здравоохранения рассматривается комплекс технологий: робототехнические решения, нейротехнологии, дополненная и искусственная реальность, носимые устройства биомониторинга, искусственный интеллект и машинное обучение как его подкатегория. Цифровая трансформация любого сектора экономики нацелена на клиентоориентированность. Так, в отношении здравоохранения применяют понятие «пациентоориентированность», принципы которой описаны в концепции 4P-Medicine. Впервые о концепции 4П-медицины заговорил в 2002 году профессор Института системной биологии Сиэтла, ученый-биотехнолог Лерой Эдвард Худ [1]. Его труды посвящены биотехнологии, геномике и иммунологии, а также применению геномных технологий в практической медицине. Концепция включает следующие принципы: предиктивность, превентивность, персонализация, партисипативность. Первым принципом концепции является предиктивность (от английского ‘predict’ – предсказывать). Предиктивность в концепции 4П-медицины обеспечивается посредством использования технологии машинного обучения. Целью машинного обучения является создание математической модели для обработки Больших Данных, способной обучаться без непосредственных инструкций. Каждая модель машинного обучения проходит пять стандартных этапов вне зависимости от сферы ее применения: обработка датасета, формирование признаков, нормализация данных, моделирование на датасете, внедрение модели. Обработка данных медицинских учреждений отличается в первую очередь разрозненностью и низкой степенью структуризации, что усложняет и затрудняет
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 567 создание датасета как для обучения, так и наборов данных для дальнейшей работы модели машинного обучения. Самым длительным по времени и наиболее трудозатратным является этап работы с только собранными, «сырыми», данными. Ожидаемым результатом обработки является получение конечных данных, выделенных из собранного массива, в стандартной форме записи медицинских данных. Основной проблемой медицинских данных является низкая заполненность значений признаков, из-за чего специалист по машинному обучению не может работать на данными без консультаций со специалистами соответствующих профилей. Второй принцип концепции, превентивность (от английского ‘prevent’ – предотвращать), подразумевает своевременную диагностику симптомов заболеваний. Заблаговременное обнаружение заболевания позволяет провести курс лечения вовремя, что снижает влияние его последствий на здоровье пациента, а также позволяет избежать повторного появления болезни. Принцип реализуется, в первую очередь, при помощи регулярного мониторинга состояния организма пациента. Регулярный мониторинг обеспечивается путем использования носимых устройств – портативных электронных приборов, которые взаимодействуют со средой и пользователем. Одной из наиболее используемых формой носимых устройств являются трекеры активности, которые встречаются в двух формах [2]: – фитнес-трекеры (браслеты, связанные с мобильными устройствами), – смартфоны со встроенными акселерометрами и гироскопами в сочетании со специальными мобильными приложениями. Вне зависимости от вида, трекеры могут использоваться для отслеживания состояния амбулаторного больного или пациента в период реабилитации, а также в целях медицинских научных исследований. На основе собранных данных модель машинного обучения может проводить сравнение уровня активности пациента в разное время суток. «Умные» очки, в отличие от трекеров, используются в основном при обучении врачей и медицинских сестер. Так, очки «GoogleGlass» производят видеозапись проводимых сотрудником манипуляций, фиксируют повороты головы человека, а также число и время введения иглы в вену при проведении инвазивных манипуляций. Использование «умных» очков в таком случае позволяет контролировать действия будущих медицинских работников и объективно анализировать их. Если говорить о применении устройства непосредственно на практике, «умные» очки могут использоваться для внедрения дополненной реальности при лабораторной диагностике. При помощи компьютерного зрения очки способны считать изображение препарата, а алгоритмы машинного обучения сделают вывод о, например, результате иммунохроматографического экспересс-теста. Данные о тестировании в таком случае должны автоматически отобразиться во внутренней информационной системе медицинского учреждения. Персонализация (от английского ‘person’ – личность) – третий принцип концепции, который предполагает исследование генетического профиля пациента с учетом воздействия факторов окружающей среды для создания индивидуальной программы лечения пациента. Персонализированный подход в медицине направлен не на лечение заболевания, а на лечение человека. В рамках концепции 4П-медицины пациентов классифицируют на группы в зависимости от генетической предрасположенности к заболеваниям, подверженности иммунитета воздействию вирусов и бактерий, а также
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 568 по реакции организма на определенные препараты и подходы к лечению. В зависимости от принадлежности к выделенной категории пациенты получают различные препараты и способы лечения. Основными инструментами осуществления принципа персонализации являются искусственный интеллект и машинное обучение. Так, в нейробиологии машинное обучение позволяет производить сортировку импульсов, улавливаемых внеклеточным электродом, для анализа активности долей головного мозга, классифицировать нейроны на основе их морфологических, структурных и функциональных характеристик, а также прогнозировать заболевания центральной нервной системы. В онкологии искусственный интеллект применяется для выявления раковых опухолей и определения стадии заболевания. В биохимии машинное обучение необходимо для разработки кинетических моделей и генерирования дифференциальных уравнений, описывающих биологические процессы, а также для создания алгоритмов предсказания пространственной структуры биополимеров. При изучении и предсказании эффекта взаимодействия молекулы лекарства с белком, а также создании модели-симулятора реакций организма на препараты биофизики также прибегают к машинному обучению. Партисипативность (от английского ‘participate’ – принимать участие) – четвертый принцип концепции 4П-медицины. Суть патисипативности заключается в высокой степени вовлеченности пациента как в процесс его лечения, так и в процесс профилактики заболеваний. В рамках концепции пациент способен при помощи специализированных сервисов изучать специфику своего заболевания и назначенных препаратов, чтобы понимать принципы воздействия на заболевания и ответственно подходить к процессу лечения. Такие механизмы, как самостоятельный выбор специалиста, отслеживание динамики показателей анализов, возможность удаленной консультации посредством чатбота могут способствовать повышению заинтересованности и осознанности в процессе лечения, а также осознанию собственной ответственности за свою жизнь и здоровье. Являясь активным участником системы здравоохранения, пациент продемонстрирует более высокий уровень дисциплины не только в лечении заболевания, но и в дальнейшей профилактике. Спустя десятилетие с момента первого упоминания концепции «4P-Medicine» к четырем основным принципам стали также причислять пятый принцип – прецизионность (от английского ‘precision’ – точность). Медицину, основывающуюся на этом принципе, называют точной, или прецизионной. Отличием такой медицины от традиционной является отсутствие ориентации на средние показатели. Можно сказать, что при использовании генетической диагностики, а также предиктивных возможностей машинного обучения и искусственного интеллекта отпадает необходимость в подсчете «средней температуры по больнице». Усредненные показатели, ориентация на верхнюю и нижнюю нормы допустимых значений не позволяют в полной мере реализовать более продуктивный индивидуальный подход к профилактике, диагностике и лечению заболевания. 4П-медицина нацелена на заблаговременное обнаружение сердечно-сосудистых, неврологических и онкологических заболеваний, снижение трат на медицинские препараты, а также повышение эффективности их действия. Иными словами, выявление заболевания на доклинической стадии – главная задача 4П-медицины.
INTERNATIONAL SYMPOSIUM “ADVANCED RESEARCH IN ECONOMICS AND BUSINESS MANAGEMENT”, SEPTEMBER 19, 2025 569 Цифровые технологии заставляют пересмотреть привычное функционирование как учреждений здравоохранения, так и любых других организаций. Цифровая трансформация – это оптимизация производственных и управленческих процессов, обеспечение новых способов взаимодействия между экономическими субъектами, разработка новых форматов взаимодействия поставщиков товаров и услуг с клиентами. ИСПОЛЬЗОВАННАЯ ЛИТЕРАТУРА 1. Концепция 4П медицины. - Текст : электронный // Basis genomic group : [сайт]. - 2019. - 13 сент. - URL: https://basisgg.ru/myi-v-smi/4p-mediczina-%E2%80%93-novoenapravlenie-razvitiya-zdravooxraneniya/?ysclid=m05c0p63 2. by41311842 (дата обращения: 13.09.2025). 3. Систематический обзор эффективности и значимости носимых устройств в практическом здравоохранении. - Текст : электронный // https://jtelemed.ru/ : [сайт]. - 2016. - URL: https://jtelemed.ru/article/sistematichesk 4. ij-obzor-jeffektivnosti-i-znachimosti-nosimyh-ustrojstv-v-prakticheskomzdravo?ysclid=lnroeczko6341743170 (дата обращения: 20.08.2025).