Говорили о том, что врачам того поколения, которое профессионально становилось на ноги в годы до ИТ-систем, следует помогать работать в привычной обстановке, а именно - для таких врачей стали сканировать бумажные медицинские документы. Докладчик из ИТ-компании показал на примере, что среди данных, которые собираются в привязке к прикрепленному пациенту, есть и сканы бумажных медицинских заключений. Поднимая эту информацию по пациенту, врач может в привычном ему виде почитать написанное от руки с экрана.  

Интересным является опыт Санкт-Петербурга, они создали систему "Индекс пациентов", собрали данные по региону, более 30 млн прикрепленных к фамилиям записей, провели текстовую семантическую аналитику и свели перечень уникальных записей к 6 млн, объединив одних и тех же людей в их персональные электронные медицинские карты. Точность алгоритма - 99%, ошибки рассматриваются в индивидуальном порядке. 

А в США ставят задачу нового уровня - объединяют в группы электронные карты родственников, чтобы врач мог сразу получать необходимую информацию, собирая Anamnesis vitae, а также эта работа нацелена на будущие масштабные проекты по аналитике Больших данных в генетическом аспекте. Собирают информацию о пациенте и из не медицинских баз данных в одну карту. Также в США набирает обороты популярность подсчета по Большим данным ROI (Return On Investment, доходность инвестированного капитала). В России же пока разрешают просто объединять электронные карты семьи (детей) в один личный кабинет для удобства родителей.

В докладах, посвященных вопросам внедрения МИС (медицинских информационных систем), было сказано несколько интересных и важных мыслей:

Статистическую отчетность переводят на BI (Business Intelligence). Это уровень требуемый, необходимый, но не передовой. Это не аналитика Больших данных. Пока что медицинские специалисты в штыки воспринимают уровень аналитики Больших данных, так как мешает статистический тип мышления, который очень подходит как раз к уровню продвинутой статистики BI. Но каждый эксперт в области Больших данных (например, преподаватели курса Dell ЕМС по Большим данным) скажет вам, что BI-аналитик (BI Analyst) это не то же самое, что Data Scientist или любой предметный (например, врач) исследователь в области Больших данных. 

И тем не менее, на секции с преобладающими докладами по BI, был один замечательный доклад по Case Study в области Больших данных, с обработкой данных из разных баз в R Studio. Автор доклада К.И. Шахгельдян из Владивостокского государственного университета экономики и сервиса. Были определены районы по всему Приморскому краю с дефицитом обслуживания больных туберкулезом и с прогнозом, где более всего дополнительно будут нужны фтизиатры и новые тубдиспансеры. 

В целом вся аналитика пока что касается цифр и текста (слов). Аналитика изображений - вопрос будущего. Были доклады по аналитике технических сигналов с медприборов, что тоже является весьма интересной сферой для анализа данных медобследований. 

Что касается ИИ, например, IBM Watson - это система семантической текстовой аналитики английского языка. Но алгоритмы и принципы держатся в секрете разработчиками. В России есть свои наработки в области ИИ, есть интересные школы по семантическому анализу текста. Этим занимаются разные институты РАН. Кстати, в России есть очень интересное направление по ИИ - технология МИВАР www.mivar.ru. Вот на этот логический подход стоит обратить внимание. Но в целом необходимо подчеркнуть, что в России всегда было много талантливых писателей и поэтов, и русский язык очень богат, поэтому в российском народе должен появиться ИИ с очень продвинутой логикой текстовой аналитики, я в этом не сомневаюсь. Только такую систему ИИ лучше будет назвать не Доктор Айболит, а Пушкин, так как нужно создать виртуозную онтологию русского языка и медицинских алгоритмов диагностики и лечения.