платформа построена на базе историй болезни реальных пациентов
Как работает онлайн-тренажер по повышению квалификации врачей в регионах
Задача
Создать ИТ-решение для повышения квалификации узких медицинских специалистов. Чтобы помочь врачам видеть проблемы пациента с первых симптомов, нужно дать возможность специалисту тренироваться на разных примерах заболеваний, в том числе научить различать проблемы не своего профиля.
Предпосылки и мотивация
Из-за врачебных ошибок тяжелые осложнения в России каждый год получают более 70 тыс. человек. Главная причина — сложность в диагностике и нехватка квалификации специалистов. Чаще суть врачебной ошибки — неверное лечение пациента из-за неправильного диагноза. И проблема не в нежелании врачей учиться — слишком быстро меняются условия технологического прогресса, окружающей среды и социума, что требует быстрой адаптации врачей. Дефицит кадров на местах, особенно в регионах, вынуждает медицинских специалистов работать интенсивнее и принимать больше пациентов. Это ведет к эмоциональному и профессиональному выгоранию части врачей, они меньше интересуются освоением новых видов лечения и технологий.
Часто доктор смотрит на пациента с точки зрения своей специализации и не замечает симптомы других заболеваний, потому что не знает о них. Из-за бюрократии, общего стресса и повышенного информационного шума у него нет мотивации дополнительно узнавать про них. При этом годами люди не могут выяснить причину своего заболевания, а узкопрофильные перегруженные врачи не в состоянии им помочь.
Решение
Несмотря на то, что в медицине не всегда очевиден диагноз, логика остается единой: чем больше пациентов примет и вылечит врач, тем более умелым специалистом он будет. Команда DocClub разработала новую механику повышения квалификации в медицине — онлайн-тренажер. На нем врач тренируется опрашивать, диагностировать пациента и назначать ему верное лечение. Инструмент позволяет расширить клинический спектр, с которым сталкивается специалист в повседневной практике, перенять опыт и взгляд своих коллег на ведение таких пациентов, а также сразу получить разбор своих решений.
Тренажеры отличаются по специализациям, посвящены разнообразным заболеваниям и имеют различный уровень сложности. Они максимально приближены к привычному приему, который ведет врач. Формат позволяет нативно, естественным способом повышать профессиональный уровень доктора. По ходу активностей система выдает подсказки и направляет специалиста в верном направлении, анализируя его правильные и неправильные решения.
Тренажеры DocClub расширяют практический опыт, проверяют знания врачей и накапливают новые. Тренажеры построены на базе историй болезни реальных пациентов.
Реализация
К проекту подключены неврологи, оториноларингологи и акушер-гинекологи из шести городов-миллионников: Санкт-Петербурга, Краснодара, Ярославля, Казани, Екатеринбурга и Нижнего Новгорода. Ежемесячно на платформе появляются по два-три новых тренажера для каждой специальности, выходят саммари на лучшие медицинские материалы.
Востребованы групповые консультации — «онлайн-консилиумы» (пять-десять врачей) клинических случаев, где обсуждается сложный пациент. Получить альтернативное мнение на платформе может врач, подключенный к проекту. В особых случаях команда DocClub подключает спонсоров и именитых экспертов для диагностики и лечения сложного пациента.
Пример — Дарья С, 20 лет, Нижний Новгород. Жалобы — прогрессирующая потеря зрения. Окулист, невролог и нейрохирург не могли выявить причину. В истории пациентки больше двух лет хождений по врачам — семь неподтвержденных диагнозов, сотни анализов, тестов, МРТ, УЗИ различных органов и систем, частое лечение в стационаре с тяжелой формой ОРЗ, невозможность полноценно учиться и работать, депрессия.
Команда DocClub обратилась к иммунологу, вирусологу и аллергологу, ведущему сотруднику ФГБУ НИИ общей патологии и патофизиологии Ирине Аниховской, автору запатентованной диагностической СОИС-технологии. После проведения СОИС-теста у пациентки было выявлено заболевание желудочно-кишечного тракта в стадии обострения. По результатам последующей диагностики выставлен диагноз хронический гиперсенситивный (аутоиммунный) колит. Начат курс длительной терапии. Спустя шесть месяцев у пациентки наблюдается отличное самочувствие, остановка потери зрения при возможности его полного восстановления, активная студенческая жизнь.
На основе кейса пациентки медицинские эксперты команды совместно с Ириной Аниховской разработали онлайн-тренажер для врачей проекта — показать «неврологические маски» заболеваний других органов, на раннем этапе выявлять таких пациентов и отправлять к нужному специалисту.
Результаты
Платформа собирает детальную статистику — виден планомерный рост диагностических навыков врачей по каждому из диагнозов. Например, на начальном этапе активностей по теме «Фибромиалгия» только 19% врачей поставили верный диагноз с первого раза и 43% выписали правильное лечение, а после прохождения курса верный диагноз поставили с первого раза 91% неврологов и 69% выписали правильное лечение.
На базе многофункциональной платформы eDocLib, разработанной компанией «Электронные Офисные Системы», создан прикладной программный продукт для медицинских учреждений России. Автоматизированная система eDocLib-«Электронная амбулаторная история болезни» (ЭлАИБ) предназначена для ведения амбулаторных карт, организации приема пациентов, фиксирования результатов обследования и хода лечения.
Конфигурация, разработанная специалистами компании ООО «НПЦ «Космос-2» (г. Ростов-на-Дону), партнера ЭОС, полностью соответствует утвержденным стандартам оказания медицинской помощи в России и нормативным документам Минздравсоцразвития РФ. Подготовка технического задания и выработка концепции системы проводилась под руководством членов ассоциации врачей-колопроктологов России.
Индивидуальные потребности медицинских учреждений в автоматизации ежедневной деятельности по приему пациентов практически невозможно обеспечить стандартными технологическими решениями, предлагаемыми на рынке. Специфика ведения справочников, разнообразный контент, который необходимо вносить в амбулаторные карты (данные анализов, УЗИ, рентгеновские снимки и т.д.), особый «врачебный язык» – все это требует серьезной доработки любой из стандартных систем или создания дорогостоящих «заказных» продуктов.
Не создавать «с нуля», а найти систему с гибкими возможностями конфигурирования и адаптировать ее – такая задача была поставлена медиками одной из ростовских диагностических клиник перед специалистами компании «Космос-2». Также существенными требованиями стали быстрота создания продукта и разумная стоимость решения в целом.
«Коробочная» ECM-система eDocLib, разработанная ЭОС, как раз и удовлетворяла всем этим критериям. Компания ЭОС именно эту платформу рекомендовала партнерам для создания заказных решений под специфику задач конкретных заказчиков.
Широкие возможности конфигурирования eDocLib позволили прописать правила обработки данных, сконструировать справочники и документы, обеспечить пользователей наглядным и удобным интерфейсом и в итоге за короткий срок создать новое прикладное решение.
Сократить непродуктивные временные затраты врачей, ведущих прием, и пациентов, ожидающих выписки медзаключений – такой была главная цель разработки АС ЭлАИБ. Система решает задачи учета пациентов, записи на прием, ведения электронной истории болезни, а также контроля диагностики и хода лечения. Продукт предназначен для медицинских учреждений – консультационно-диагностических центров, поликлиник и кабинетов, а также для лечебно-диагностических учреждений «узкого» профиля.
АС eDocLib-«Электронная амбулаторная история болезни» также обеспечивает:
формирование и ведение базы электронных амбулаторных карт пациентов (с прикреплением к ним снимков, фотографий и т.д.) и базы электронных историй болезни;
удобный ввод данных с использованием многообразных справочников и специфических стандартных фраз при документировании амбулаторного приёма;
возможность быстрого поиска и просмотра медкарт пациентов;
формирование отчетов и печатных форм о результатах обследования и проведенных операциях/манипуляциях. В стандартную поставку системы уже включены формы медицинских заключений и аналитические отчеты (по диагнозам, по манипуляциям, по видам обследований);
формирование статистической отчётности для специалистов консультационно-диагностической клиники;
настройку прав доступа пользователей системы к медицинской информации.
По отзывам медиков, уже использующих ЭлАИБ в работе, система позволила облегчить работу врачей, сократить время, которое тратилось на рутинные процедуры записи результатов приема (данные обследований, результаты наблюдений, назначения и рекомендации и т.д.) и выписку медзаключений. Возможность быстрого доступа ко всем данным о посетителе и его истории болезни, а также справочники и «стандартные тексты» освободили время, которое тратилось на «технические» операции, в пользу работы непосредственно с пациентом.
ООО «НПЦ «Космос-2» приступило к тиражированию данной конфигурации и предлагает ее медицинским клиникам, центрам и кабинетам по всей России. Напомним, что на базе платформы eDocLib компанией ЭОС и партнерами разработано уже несколько прикладных конфигураций – eDocLib:Актив Бизнес, eDocLib: Хранение и оцифровка, eDocLib: Реестры НКО и др.
Начальник группы телемаркетинга
Закажите демонстрацию системы
Мы свяжемся с вами, проконсультируем по интересующим вопросам, подготовим персональную демонстрацию в удобное для вас время.
Переход на отечественную АИС МФЦ
Скидка на право использования АИС МФЦ «ДЕЛО» при миграции с других решений по автоматизации МФЦ
«Амнистия» по техподдержке
Акция для клиентов, у которых есть просроченная техподдержка до 01.01.2015
Цифровые платформы для сбора медицинских данных. Обзор
Сегодня в системе здравоохранения растет осознание необходимости привлечения пациентов к участию в процессе лечения. Важным аспектом, позволяющим реорганизовать отрасль, является создание возможности использовать непрерывный поток данных о здоровье с носимых устройств, датчиков и других аналогичных систем и приборов.
Подобная технология, в частности системы удаленного мониторинга и мобильные приложения, сможет обеспечить более плотный контакт пациентов со своим врачом и открывает пациентам новые возможности для обмена данными с врачами. Врачам же это дает возможность составить более полное представление о пациентах, особенно о том, как пациенты ведут себя в перерывах между приёмами в клинике, что может значительно улучшить результаты лечения хронических заболеваний.
Но сегодня врачи, как правило, сопротивляются внедрению таких технологий и использованию их в своих диагностических и лечебных решениях. Причин много: информационная и эмоциональная перегрузка, неполные или ненадежные данные, проблемы конфиденциальности и безопасности и так далее.
Сегодня нет легкого способа перемещения данных между системами, такие технологии только создаются. Операционная совместимость данных остается проблемой, поскольку большая часть данных электронных медицинских карт привязана к собственным платформам производителей. Но ожидается, что внедрение стандартов обмена информации, такие как Fast Healthcare Interoperability Resources (FHIR), в ближайшей перспективе улучшит операционную совместимость данных.
Сбор данных о пациентах поможет разработать модели прогнозной аналитики на основе усовершенствованных алгоритмов, на базе искусственного интеллекта и учета исторических данных.
Переход от стационарного ухода к удаленному обслуживанию пациентов открывает новые возможности, которые могут помочь в выявлении, лечении и профилактике заболеваний. Но для этого необходимо расширить возможности сбора и анализа данных с помощью сложных алгоритмов. Для этого носимые и домашние сенсоры и системы должны быть объединены в упрощенную и легко интегрируемую платформу, чтобы разработчики могли сосредоточиться на приложении. Сегодня такие платформы разрабатываются уже несколькими разработчиками, которые создают системы, способные снимать информацию с множества различных сенсоров с возможностью передачи данных практически для любого типа приложений.
Такие решения позволяют отделить носимые сенсоры, сеть и инфраструктуру данных от конечных приложений, что предоставляет разработчикам возможность сосредоточиться на своей конкретной области, будь то выявление застойной сердечной недостаточности, мониторинг инфекций при химиотерапии или прикроватный мониторинг ухудшения самочувствия лежачих пациентов. Датчики абстрагируются от приложения с помощью общего протокола, что упрощает интеграцию сразу многих источников данных. Кроме того, обеспечение надежной передачи данных, например, при сбое сети, между датчиком и приложением осуществляется в рамках протокола, вместо того чтобы требовать от разработчика установки самого приложения.
Здесь мы хотим вас познакомить с несколькими подобными системами, которые уже реально используются в разных странах.
Validic
Эта интеграционная система, начавшая работать еще в 2013 году, позволяет получать доступ к данным, ежедневно генерируемым пациентами и медицинскими организациями, и повышать их качество. Платформа и соответствующие мобильные решения обеспечивают постоянный доступ к персональным медицинским данным, получаемых с более чем 350 медицинских устройств, мобильных приложений и носимых сенсоров в домашних условиях. Все эти данные платформа в виде единого потока информации может передавать в любую медицинскую информационную систему. При этом данные до передачи в медицинскую или иную систему проверяются на корректность.
Validic обладает обширным набором инструментов для администрирования и поддержки сервисов, повышения качества критически важных данных, регистрации и обслуживания пользователей, а также управления соединениями устройств.
Пациенты получают периодические отчеты в виде т.н. «контрольной панели» (dashboard), содержащие данные их здоровья. Врачи, в свою очередь, получают более полную информацию на своем dashboard с расширенной интерпретацией тех же данных, что позволяет вести более насыщенную дискуссию с пациентами по поводу их лечения. Предоставление пациенту информации в таком наглядном виде отмечено экспертами как важнейший стимул для пациентов заниматься собственным здоровьем.
Подключение к платформе очень легкое и осуществляется всего за несколько часов, поскольку данные от всех приложений mHealth стандартизуются в рамках Validic. При этом учтены все требования безопасности при хранении и передаче защищенной медицинской информации, которые соответствуют стандарту деидентификации «Safe Harbor» в соответствии с Законом США о преемственности и ответственности при страховании здоровья (HIPAA, Health Insurance Portability and Accountability Act)*.
Система используется сегодня более, чем в 50 странах.
Qualcomm 2net (новое название Capsule Tech)
Надстройка над платформой «Клиническое наблюдение» в режиме реального времени может предоставлять врачам контекстную информацию о состоянии пациента, что может облегчить раннее вмешательство, повысить безопасность пациента и улучшить клинические результаты. Система может анализировать данные и предоставлять практические рекомендации, которые помогут врачам быстро принимать обоснованные решения.
2net SDK доступен разработчикам мобильных приложений на платформе Android. Разработчики смогут предлагать автоматизированное подключение к открытой экосистеме биометрических датчиков, поддерживаемых 2net, посредством своих приложений.
VivaLNK
Это относительно новое облачное решение, появившееся на рынке в марте текущего года. Новая платформа фиксирует показатели человеческого здоровья и биометрические данные и передает их от пациента к периферийным вычислительным устройствам, а также в облако для интеграции и анализа.
Система собирает данные с устройств, как разработанных самой компанией, так и созданных третьими производителями.
TactioRPM
Платформа удаленного мониторинга пациентов TactioRPM, разработана в Канаде и включает в себя мобильное приложение, инструменты для работы в браузере, защищенный облачный сервис и систему интеграции медицинских устройств, не зависящую от их производителей. Всего система поддерживает на сегодняшний день более 150 медицинских устройств разного назначения (термометры, измерители давления, глюкометры, весы, оксиметры, измерители сердечной деятельности и трекеры активности).
Платформа TactioRPM объединяет мобильные приложения для пациентов, клинические порталы, интегрированные системы здравоохранения (включая Garmin, A&D Medical, BÜHLMANN Laboratories, Fitbit, Roche, Nonin, Omron, MIR & Welch Allyn), анкеты пациентов, цифровые обучающие программы.
Система позволяет врачам удалённо просматривать данные, которые генерируются устройствами и приборами пациента, предоставлять последнему обучающие материалы и вовлекать пациентов в новые, основанные на применении мобильных технологий, взаимоотношения с медицинскими специалистами. Кроме этого, TactioRPM предоставляет богатый набор API для медицинских организаций, что позволяет последним организовывать дополнительную интеграцию данных, автоматизировать свои процессы и подключать специальные приложения.
Система доступна как полномасштабное и готовое к использованию решение и как платформа для разработчиков современных медицинских приложений, в нее включены программные инструменты обучения пациентов с гипертонией, диабетом, хронической обструктивной болезнью легких, хронической сердечной недостаточностью, атеросклерозом и ожирением.
Входящее в состав системы приложение доступно в версиях для iOS и Android.
Система поддерживает 18 языков и уже работает в 135 странах.
PGHDConnect
Мобильная платформа для пациентов PGHDConnect, разработанная в 2017 году, и соответствующее мобильное приложение позволяют легко в защищенном виде обмениваться персональными данными о здоровье с медицинской организацией. Данные собираются из большого списка потребительских медицинских устройств, включая трекеры активности, носимые устройства, сенсоры и приборы для удаленного мониторинга. При этом все полученные данные транслируются в существующие рабочие процессы клиники и в систему электронных медицинских карт.
Функция приложения VitalSnap, работающего на базе этой платформы, позволяет ему захватывать персональные данные здоровья, полученные при помощи устройств без автономного приложения и без Bluetooth. PGHDConnect может работать с 250 различными устройствами и интегрироваться с Apple HealthKit и Samsung Health.
Новый продукт компании создан в соответствии с правилами HIPAA, его легко использовать, и он существует в версиях для iOS и Android.
Seqster
Компания Seqster создавала безопасную платформу для сбора данных о здоровье, где пользователи могут сохранить или получить всю медицинскую информацию, полученную из электронных историй болезни, лабораторных результатов, генетических тестов, фитнес-трекеров, систем дистанционного мониторинга здоровья или носимых медицинских устройств и сенсоров.
Все медицинские данные хранятся в одном месте, что дает врачам возможность принимать более эффективные решения в области здравоохранения.
Разработчики исходили из идеи, что контролировать свои данные должен сам пациент и дали ему инструменты для создания собственных хранилищ данных и ввода не только стандартных, но и более обширных данных, передаваемых из поколения в поколение. Пользователи создают соответствующий профиль данных, который позволяет вводить в единое хранилище данные своих электронных медицинских карт, лабораторных результатов, медицинских изображений, геномных профилей ДНК, показания носимых устройств и домашних медицинских устройств, а затем они могут использовать правовую базу Seqster для обмена данными о своем здоровье с членами семьи, создающую карту здоровья нескольких поколений.
В настоящее время платформа соединяет пользователей с более чем 50 000 больниц и клиник.
«Ростех» создает систему постановки диагнозов на основе Big Data
Национальный центр информатизации (НЦИ), входящий в «Ростех», создает систему поддержки принятия врачебных решений, использующую принципы машинного обучения и искусственный интеллект (ИИ), следует из документации, опубликованной НЦИ на сайте госзакупок. Для этого проекта центр закупает специализированное программное обеспечение для анализа больших данных – стартовая цена конкурса 220 млн руб. Софт должен быть включен в единый реестр отечественного ПО, подчеркнуто в конкурсной документации (т. е. речь идет о покупке российского софта).
Платформа создается по заказу Минздрава и станет частью единой государственной информсистемы здравоохранения (ЕГИСЗ), отметил специалист, знакомый с ее разработчиками: «Она нужна, чтобы лечащие врачи могли точнее ставить диагнозы и назначать лечение. Это позволит, в частности, улучшить качество диагностики в тех городах, где квалификация врачей ниже, чем в Москве и крупных региональных центрах».
ИИ будет сравнивать анамнез пациента с обезличенными данными других больных, электронные карточки которых введены в ЕГИСЗ. ИИ будет анализировать истории болезни, анализы, рентгеновские снимки, компьютерные томограммы и с определенной долей вероятности ставить диагноз, а также рекомендовать оптимальную терапию.
В 2020 г. более 23 млн документов были переданы медиками в электронном виде в ЕГИСЗ, добавил собеседник «Ведомостей».
Представители Минздрава и «Ростеха» не ответили на вопросы «Ведомостей».
Диагностические системы на базе ИИ в России уже внедряются в некоторых медицинских специализациях. Например, ИИ Сбербанка научился распознавать затемнения в легких, вызванные COVID-19, рассказывал первый зампред правления банка Александр Ведяхин: «Анализ данных компьютерной томографии с помощью ИИ позволяет найти области изменения и вычисляет их объем, определяя степень тяжести заболевания». По словам Ведяхина, уже в мае 2020 г. система определяла заболевание с точностью выше 90%.
«Система поддержки принятия решений – цифровой помощник для врача, интерес к таким системам сейчас растет: если в 2019 г. к сервису «Третье мнение» специалисты подключались не более 19 000 раз, то в 2020 г. уже более 200 000 раз, – рассказывает его сооснователь Анна Мещерякова. – Подобные решения эффективны там, где накоплено больше данных о пациентах. Алгоритмы машинного обучения анализируют большое число похожих случаев, обнаруживают корреляции и подсказывают врачу наиболее вероятный диагноз на основе этой информации».
Директор ассоциации «Национальная база медицинских знаний» Борис Зингерман сомневается, что система диагностики, базирующаяся на ИИ, окажет заметную помощь врачам и пациентам: «Симптомов тех или иных заболеваний огромное множество, состояние самих пациентов также может сильно отличаться – ИИ пока физически не может учитывать все нюансы, которые требуются при диагностике, поскольку нейронные сети еще недостаточно обучены».
По словам Зингермана, пока ИИ эффективен лишь в определенных достаточно узких нишах: «Например, это касается выявления рака легких по результатам анализа рентгеновских снимков – здесь уже можно говорить о перспективах технологии».
«Риски работы такой системы в большей степени сопряжены с возможностью утечки данных пациентов, однако, учитывая, что принципы работы ИИ применяются в здравоохранении уже не первый год и мировая практика имеет обширный опыт их использования, можно предположить, что и защита данных будет на высоком уровне», – считает управляющий партнер юридической компании «Иккерт и партнеры» Павел Иккерт.
В России создадут крупнейшую базу данных о здоровье людей
Участники рынка инфраструктурного центра «Хелснет» «Национальной технологической инициативы» (НТИ) – «Открытые технологии», экспертная группа Центра компетенций и анализа стандартов ОЭСР РАНХиГС, «Генотек», CoBrain и ряд других компаний – занимаются разработкой информационной платформы Health Heuristics. Экспертный совет, курирующий ее создание, возглавил академик РАН Андрей Лисица, рассказали «Ведомостям» в «Хелснете». В состав совета вошли представители МГМУ им. Сеченова, Института сердечно-сосудистой хирургии им. А. Н. Бакулева и Медицинского научно-образовательного центра МГУ.
Сейчас проект находится на стадии НИОКР. Пока он финансируется из федерального бюджета в рамках НТИ: до 2024 г. предусмотрено выделение на него 267 млн руб. и софинансирование из внебюджетных источников в объеме 172 млн руб. Платформа будет функционировать как набор мобильных и веб-приложений, взаимодействующих через единую точку (интеграционную шину обмена данными). Собственные приложения «Хелснет» тоже планирует создавать, поясняет представитель НТИ, но в первую очередь речь идет о партнерстве со сторонними сервисами, которые будут подключаться к платформе через протокол обмена API (Application Programming Interface). Начало работы Health Heuristics запланировано на 2023 г. – к этому времени система должна будет содержать информацию о здоровье как минимум 120 000 человек.
Для сбора данных будут задействованы результаты обследований людей из электронных медицинских карт, онлайн- и офлайн-диагностики в виде опросов в сети или при посещении пользователем, например, фитнес-клуба, данные с носимых устройств и даже из соцсетей. Анализ социальных сетей может, например, помочь определить риск психических расстройств, говорят разработчики. Их, полагают ученые, можно распознать по тональности сделанных пользователем постов, подбору слов, а также по соотношению количества глаголов и числа прилагательных. Анализ поведения человека в сети позволяет выявить его личностные качества, которые свойственны людям с таким расстройством, как депрессия, поясняют в НТИ. На основе анализа собранных и систематизированных данных искусственный интеллект сможет давать пользователям приложений персональные рекомендации в виде уведомлений о рисках для здоровья и необходимой корректировке образа жизни.
Разработчики подчеркивают, что система будет давать именно рекомендации, а не схемы лечения: «Речь идет о «здоровье для здоровых», сегодня многие не задумываются, что могут помочь себе простыми методами, а не бороться уже с последствиями». Формирование рекомендаций будет основано на методах нейросетевых репрезентаций. Они позволяют строить рекомендационные системы, основанные не только на цифровых данных, но и на текстовой, видео-, аудио- и геолокационной информации. Система будет анализировать основные параметры пользователя (уровень стресса, кислорода в крови, частоту пульса) и параметры активности (количество пройденных за день шагов и сделанных физических упражнений, часов сна и др.). Доносить свои рекомендации до пользователя система будет «простым языком». Разработчики приводят такой пример: «Вы просыпаетесь в тяжелом состоянии с головной болью из-за нарушения циркадного ритма. Вставайте всего на полчаса раньше/позже – и будете чувствовать себя лучше». Рекомендации будут охватывать рацион питания, физическую активность, психоэмоциональное состояние, режим работы и отдыха.
«С одной стороны, концепт выглядит многообещающим, ведь чем больше данных используется, тем более качественными и адекватными могут быть рекомендации, – рассуждает руководитель направления цифровой медицины «Инвитро» Борис Зингерман. – Однако пока абсолютно непонятно, как и по какому праву платформа будет агрегировать данные о конкретном человеке из разных информационных источников. На это надо будет получать согласие человека по каждому типу данных, а сейчас это не выглядит реалистичным». Платформа будет соответствовать всем нормам закона, заверил «Ведомости» соруководитель проекта Health Heuristics, гендиректор созданной для его реализации IТ-компании «Союз «Спорт и здоровье» Марк Деминов: «Безусловно, для использования информации медкарт и других личных данных мы будем получать разрешения от пользователя». В компании считают, что делиться своими данными будут готовы от 20 до 40% людей – в зависимости от региона, пола, возраста и т. д. «При этом около 18% россиян так или иначе вовлечены в занятия, связанные с ЗОЖ, а среди них доля готовых делиться данными существенно выше – как минимум 65%, – утверждает Деминов. – Именно эти люди являются одной из наших ключевых аудиторий».
По расчетам команды разработчиков, объем выручки от реализации продуктов и сервисов на базе платформы к 2024 г. должен составить не менее 94,5 млн руб. в год. Подключение к платформе для партнеров будет платным (ценовая политика пока находится в разработке), а для конечных пользователей базовый функционал системы – бесплатным. При коммерциализации продуктов, созданных в рамках взаимодействия партнеров с Health Heuristics, платформа будет получать вознаграждение в размере определенной доли от объема проведенных сделок.
Проект может быть жизнеспособным, только если будет инструментом в руках самого пациента, который даст разрешение на сбор своих данных из разных систем, а это совершенно особый принцип построения платформы донации данных, очень новая и сложная тема, полагает Зингерман. Соловьев добавляет, что не считает такую платформу интересным объектом для частных игроков венчурного рынка, так как, с одной стороны, это сложная и недостаточно проработанная на текущий момент бизнес-модель, а с другой – непонятна стратегия выхода инвестора из такого проекта.
Подобная система рано или поздно должна была появиться, считает сооснователь соцсети «Доктор на работе» Илья Куприянов: «Примеры есть в США – так, в рамках проекта FHIR частная компания создала единый протокол обмена медицинской информацией, и компании, которые приходят за ними на этот рынок, стараются использовать тот же протокол, потому что это сильно упрощает интеграцию с другими продуктами».