стандартизация

Специалисты Центра диагностики и телемедицины Департамента здравоохранения Москвы (ДЗМ) приступили к масштабной работе по стандартизации медицинского искусственного интеллекта. В настоящее время ведется разработка четырех ключевых документов: проектируются три новых ГОСТа и пересматривается существующий стандарт, регулирующий использование наборов данных для обучения и тестирования клинических алгоритмов. Особое внимание уделено внедрению требований для систем на базе больших генеративных моделей (LLM/LMM), которые должны соответствовать строгим техническим и медицинским аспектам. Новые стандарты охватят функциональные возможности ИИ, обеспечивая безопасность и точность его применения в реальной клинической практике. Данная инициатива направлена на создание единой нормативной базы для интеграции передовых генеративных технологий в государственную систему здравоохранения Москвы.

Исследование представляет Metadata Collector — специализированную веб-платформу (стек React/API/PostgreSQL), разработанную для решения проблемы хаотичного управления метаданными в проектах секвенирования следующего поколения (NGS). В рамках крупного немецкого исследовательского консорциума платформа была развернута в кластере Kubernetes для обеспечения соответствия принципам FAIR (находимость, доступность, совместимость и возможность повторного использования). Методология включает использование гибких машиночитаемых моделей данных, контролируемых словарей и системы версионирования на основе событий. В ходе эксплуатации система была применена в 32 проектах, охватывающих данные RNA-seq, scRNA-seq, ATAC-seq и мультиомные наборы, обеспечив аннотацию более 700 образцов от различных партнеров. Результаты демонстрируют, что внедрение платформы позволяет автоматизировать сбор данных и минимизировать ошибки ручного ввода, характерные для использования электронных таблиц. Инструмент имеет высокую значимость для организации биомедицинских исследований, так как позволяет интегрировать стандартизированные метаданные в существующие инфраструктуры управления данными и будущие конвейеры автоматизированной подачи в публичные репозитории.

Авторы предлагают стандартизированную иерархическую модель для описания данных в вычислительной патологии, устраняя путаницу между биологическими единицами, лабораторными препаратами и цифровыми данными. Внедрение этого фреймворка на основе стандарта DICOM позволит повысить воспроизводимость исследований и упростить внедрение ИИ-моделей в клиническую практику.

Росстандарт официально утвердил первый в Российской Федерации национальный стандарт ГОСТ Р 72595-2026, регулирующий сферу трехмерной биопечати эквивалентов тканей и органов. Документ устанавливает базовые принципы, терминологию и определения, необходимые для стандартизации процессов создания биологических конструктов. Разработка велась при активном участии Университета МИСИС, ассоциации «Технологическая платформа БиоТех2030» и лаборатории «3Д Биопринтинг Солюшенс». Внедрение данного стандарта является критически важным шагом для легализации и систематизации технологий биопринтинга в России. Это создаст необходимую нормативную базу для перехода от лабораторных исследований к клиническому применению биопечатных тканей. Стандартизация позволит унифицировать подходы к производству биоинженерных конструктов, что напрямую влияет на безопасность и воспроизводимость результатов в регенеративной медицине.

Статья рассматривает проблему гендерного дисбаланса в медицинских данных, который приводит к ошибкам в работе алгоритмов и диагностических инструментов. В тексте подчеркивается важность внедрения новых стандартов разработки цифровых технологий, обеспечивающих репрезентативность данных для женщин во всех областях медицины, а не только в репродуктивном здоровье.

Исследование сравнивает алгоритм QuPath для автоматической оценки индекса пролиферации Ki-67 в нейроэндокринных опухолях с ручной оценкой патологов. Алгоритм показал умеренное согласие с патологами (Kappa = 0.32) и чаще присваивал более высокие степени опухоли (42% случаев), подчеркивая необходимость стандартизации критериев.

Статья представляет онтологически-ориентированный фреймворк для интеграции медицинских данных (клинических, пациентских, геномных) в электронные медицинские карты. Framework обеспечивает семантическую интероперабельность и согласованность с медицинскими стандартами (HL7 FHIR, SNOMED CT, LOINC). Концептуально продвигает развитие систем здравоохранения для улучшения качества помощи.