Академик Беленков спрогнозировал развитие госпитальной медицины: организация служб, внедрение технологий и подготовка персонала.
В течение ближайших 10–20 лет ключевое направление развития стационарной терапии будет связано с применением цифровых двойников пациентов и систем искусственного интеллекта. Такое мнение в интервью «Российской газете» выразил заведующий кафедрой, президент Общества специалистов по сердечной недостаточности, академик РАН Юрий Беленков.
«Что это будет означать в реальной практике? Пациент приходит на приём, сдаёт анализы и проходит необходимые обследования, после чего на базе этих данных формируется его цифровой профиль», — пояснил эксперт.
По словам Беленкова, полученный цифровой профиль позволит врачам выстраивать индивидуальную стратегию лечения и подбирать лекарственные средства для каждого пациента отдельно. В свою очередь искусственный интеллект сможет оценивать совместимость препаратов и предотвращать необоснованное назначение нескольких лекарств одновременно. Эксперт подчеркнул, что сегодня почти не встречаются пациенты с лишь одной нозологией, вне зависимости от их возраста.
«К артериальной гипертензии, как правило, добавляется либо сахарный диабет второго типа, либо ожирение, либо хроническое заболевание почек», — отметил Беленков.
Под цифровым профилем понимается совокупность данных разного типа: электронная медицинская карта, результаты лабораторных и инструментальных обследований, данные генетики, снимки и отчёты визуализации, а также информация с носимых устройств и данные анамнеза и образа жизни. Чем шире и качественнее набор входных данных, тем точнее модель цифрового двойника.
Цифровой двойник — это не просто база данных, а модель, которая симулирует физиологию отдельного пациента или конкретный орган. Она сочетает механистические модели (например, гемодинамики) и статистические модели на основе ИИ. На такой модели можно опробовать виртуальные вмешательства: подобрать дозировку, оценить реакцию на комбинацию препаратов, спрогнозировать развитие осложнений и время декомпенсации.
Практические примеры применения: персонализированная корректировка схем лечения при сердечной недостаточности и полимедикации, раннее выявление риска инфаркта или инсульта, удалённый мониторинг хронически больных с автоматическими тревогами, оптимизация планирования операций и реабилитации. В онкогематологии цифровые двойники могут ускорять подбор терапии и сокращать количество неэффективных курсов лечения.
ИИ также помогает снижать риски полифармации: алгоритмы анализируют возможные лекарственные взаимодействия, оценивают суммарную нагрузку на органы (печень, почки) и предлагают варианты депрескрибинга. Это особенно важно у пожилых пациентов с несколькими хроническими заболеваниями, когда сочетание препаратов приводит к нежелательным эффектам и госпитализациям.
Внедрение таких технологий потребует надёжной инфраструктуры: стандартизованных электронных карт, совместимых форматов данных (интероперабельность), мощных вычислительных ресурсов и безопасного облачного хранения. Не менее важна регулярная актуализация данных пациента — цифровой двойник должен обновляться при каждом новом исследовании и при изменениях в терапии.
Нельзя забывать и об ограничениях. Модели зависят от качества исходных данных — ошибки, пропуски и смещённые выборки могут привести к неверным рекомендациям. Алгоритмы требуют клинической валидации в рандомизированных исследованиях и прозрачности (объяснимости) решений, чтобы врач мог их интерпретировать и сопоставить с клинической картиной.
