| Название НИОКТР |
Перспективные технологии диагностики и лечения продленного и хронического критического состояния и прогнозирования исходов госпитализации у пациентов реанимационного профиля, разработанные с применением методов искусственного интеллекта
|
| Аннотация |
Актуальной проблемой современной реаниматологии является своевременное прогнозирование жизнеугрожающих осложнений, таких как сепсис, неблагоприятные исходы инсульта и формирование хронического критического состояния. Существующие методы оценки, основанные на стандартных клинических шкалах, часто недостаточно точны и не учитывают динамику состояния пациента в реальном времени. Врач-реаниматолог вынужден принимать решения в условиях ограниченных временных ресурсов, анализируя большой поток данных, что ведет к риску диагностических ошибок, запоздалому лечению и, как следствие, к потенциально высоким показателям летальности. Внедрение интеллектуальных систем, способных непрерывно анализировать многопараметрическую информацию, является необходимым шагом для перехода к персонализированной и превентивной медицине в отделениях интенсивной терапии.
Целью данного проекта является разработка, валидация и внедрение в клиническую практику системы поддержки принятия врачебных решений (СППВР) на основе методов машинного обучения. Система предназначена для динамического прогнозирования рисков у пациентов реанимационного профиля. Ключевое отличие предлагаемого подхода — использование правосторонне выровненных моделей, которые анализируют поток клинических, лабораторных и инструментальных данных в режиме реального времени, а не в фиксированный момент госпитализации. Это позволит прогнозировать ухудшение состояния за несколько часов до клинической манифестации осложнений.
Важной научной составляющей проекта станет углубленное изучение патофизиологии хронического критического состояния. Путем анализа больших данных планируется выявить ключевые биомаркеры и закономерности, характеризующие переход острого состояния в хроническое. Это позволит не только создать более точные диагностические критерии ХКС, но и заложить основу для разработки принципиально новых стратегий персонализированной терапии, направленных на прерывание патологических механизмов хронизации. На основе полученных прогностических моделей будут разработаны практические алгоритмы для оптимизации лечебного процесса. Это включает стратификацию пациентов по степени риска, индивидуальный подбор параметров респираторной поддержки и инфузионной терапии, а также формирование конкретных рекомендаций по ведению пациентов в продленном и хроническом критическом состоянии.
Ожидается, что в результате проекта будет создан работающий прототип СППВР, интегрируемый в медицинские информационные системы. Он будет обеспечивать врача своевременными предупредительными сигналами и обоснованными рекомендациями. Параллельно будут разработаны и валидированы на независимых выборках конкретные прогностические модели для раннего выявления сепсиса, оценки рисков при инсульте и идентификации пациентов с высокой вероятностью перехода в хроническое критическое состояние. Особое внимание будет уделено не только технической разработке алгоритмов, но и их клинической интерпретируемости, а также адаптации рабочих процессов для медицинского персонала.
Практическая значимость работы заключается в потенциальном улучшении исходов лечения за счет более раннего и точного вмешательства. Внедрение системы позволит сократить время до начала целевой терапии, уменьшить частоту осложнений и летальность, оптимизировать использование ресурсов отделений реанимации и, в конечном счете, повысить качество жизни пациентов, перенесших критические состояния. Результаты проекта лягут в основу новых научно-обоснованных рекомендаций и стандартов по применению технологий искусственного интеллекта в интенсивной терапии.
|
| Доступ к ОКОГУ исполнителя |
False
|
| Количество связанных РИД |
0
|
| Количество завершенных ИКРБС |
0
|
| Сумма бюджета |
166769.791
|
| Дата начала |
2026-01-01
|
| Дата окончания |
2028-12-31
|
| Номер контракта |
075-00700-26-00
|
| Дата контракта |
2026-01-12
|
| Количество отчетов |
3
|
| УДК |
616-036.882-08
|
| Количество просмотров |
5
|
| Руководитель работы |
Лихванцев Валерий Владимирович
|
| Руководитель организации |
Гречко Андрей Вячеславович
|
| Исполнитель |
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ НАУЧНОЕ УЧРЕЖДЕНИЕ "ФЕДЕРАЛЬНЫЙ НАУЧНО-КЛИНИЧЕСКИЙ ЦЕНТР РЕАНИМАТОЛОГИИ И РЕАБИЛИТОЛОГИИ"
|
| Заказчик |
МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
|
| Федеральная программа |
Отсутствует
|
| Госпрограмма |
Фундаментальные и поисковые научные исследования
|
| Основание НИОКТР |
Государственное задание
|
| Последний статус |
2026-02-02 08:50:02 UTC, 2026-02-02 08:50:02 UTC
|
| ОКПД |
Услуги, связанные с научными исследованиями и экспериментальными разработками в области медицинских наук
|
| Отраслевой сегмент |
—
|
| Минздрав |
—
|
| Межгосударственная целевая программа |
—
|
| Ключевые слова |
машинное обучение; искусственный интеллект; нутритивная поддержка; хроническое критическое состояние; сепсис; система поддержки принятия клинических решений
|
| Соисполнители |
—
|
| Типы НИОКТР |
Поисковое (ориентированные фундаментальные) исследование
|
| Приоритетные направления |
—
|
| Критические технологии |
—
|
| Рубрикатор |
76.01.85 - Автоматизация и автоматизированные системы; 76.29.45 - Реаниматология и интенсивная терапия; 76.29.50 - Инфекционные болезни
|
| OECD |
—
|
| OESR |
Инфекционные заболевания; Реаниматология и медицина катастроф
|
| Приоритеты научно-технического развития |
в) переход к персонализированной, предиктивной и профилактической медицине, высокотехнологичному здравоохранению и технологиям здоровьесбережения, в том числе за счет рационального применения лекарственных препаратов (прежде всего антибактериальных) и использования генетических данных и технологий;; а) переход к передовым технологиям проектирования и создания высокотехнологичной продукции, основанным на применении интеллектуальных производственных решений, роботизированных и высокопроизводительных вычислительных систем, новых материалов и химических соединений, результатов обработки больших объемов данных, технологий машинного обучения и искусственного интеллекта;
|
| Регистрационные номера |
—
|
