Лекция НИК Глебов В.С. для ДПО 05.06.26 15.28

1.

Дополнительное профессиональное образование
«Управление качеством»
АВТОМАТИЗАЦИЯ
УПРАВЛЕНИЯ КАЧЕСТВОМ
Глебов Виталий Сергеевич
ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ
БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ
“НАЦИОНАЛЬНЫЙ ИНСТИТУТ КАЧЕСТВА”
РОСЗДРАВНАДЗОРА

2.

Ключевые тезисы Стратегии цифровой
трансформации системы здравоохранения до 2030 г.
Единая цифровая платформа управления
здоровьем:
— Внедрение платформы на основе
цифрового профиля пациента.
— Использование ИИ для поддержки
врачебных решений.
Развитие ИИ и телемедицины:
— Расширение применения ИИ для
дистанционного мониторинга и скрининга.
— Дальнейший рост телемедицинских
услуг.
Усиление кибербезопасности:
— Защита персональных данных и
медсистем от кибератак.
«Очевидно, что технологии генеративного искусственного
интеллекта
становятся
ключевыми,
стратегическими.
За
обладание
собственными
фундаментальными
языковыми моделями конкурируют не только крупнейшие
компании, но и ведущие государства.»
«Критическую зависимость от чужих систем мы не можем
допустить. Для России это вопрос государственного,
технологического и, я бы сказал, ценностного суверенитета,
поэтому наша страна должна обладать целым комплексом
собственных
технологий
и
продуктов
в
области
генеративного искусственного интеллекта.»
Путин В.В.
Конференция
«Путешествие в мир искусственного
интеллекта»
2025 г.

3.

Цифровизация – это перевод информации, процессов,
услуг и систем в цифровую форму с использованием
цифровых технологий для повышения эффективности,
доступности и автоматизации. Это первый этап цифровой
трансформации, связанный с оцифровкой.
Автоматизация
процесс
внедрения
технологий,
алгоритмов и систем, которые заменяют или оптимизируют
ручной труд, выполняя задачи с минимизацией участия
человека.
Цифровая
трансформация
–
кардинальные
организационно-технологические изменения, достигаемые
за счет масштабного использования данных в электронном
виде и применения для их обработки инновационных
цифровых технологий, приводящие к радикальному
изменению процессов.

4.

Система управления качеством медицинской помощи
УЧАСТНИКИ КОНТРОЛЯ
т.е. кто должен осуществлять контроль
СРЕДСТВА
с помощью чего осуществляется контроль
МЕХАНИЗМЫ КОНТРОЛЯ
каким образом осуществляется контроль,
последовательность действий

5.

Основные системы и технические средства
Автоматизированная система
Вычислительные средства
Система, состоящая из персонала и комплекса
средств автоматизации его деятельности,
реализующая информационную технологию
выполнения установленных функций.
Технические средства, непосредственно
осуществляющие обработку данных.
Информационные технологии (ИТ)
Методы, способы, приемы и процессы обработки (сбора, накопления, ввода-вывода, приемапередачи, хранения, поиска, регистрации, преобразования, предоставления, отображения,
распространения и уничтожения) информации с применением программного обеспечения и
аппаратных средств.
Искусственный интеллект
Комплекс технологических решений, позволяющий имитировать когнитивные
функции человека и получать результаты, сопоставимые с результатами
интеллектуальной деятельности человека при решении задач компьютерного зрения,
обработки естественного языка, распознавания и синтеза речи, поддержки принятия
решений и других практически значимых задач обработки данных.

6. Клинические рекомендации в МИС

7.

Автоматизированная экспертиза качества медицинской помощи
Функционал МИС, после внедрения которого предоставляется возможность автоматизированной экспертизы
качества в рамках каждого эпизода лечения ДО завершения оказания медицинской помощи и выписки
пациента на уровень заместителя главного врача, заведующего клиническим подразделением и лечащего
врача на основе требований Приказа МЗ РФ 203н и клинических рекомендаций

8.

Цифровая зрелость медицинских организаций
Успешная цифровая
трансформация в
здравоохранении требует
комплексного подхода к оценке
готовности организации.
Существуют ключевые
измерения зрелости, которые
определяют способность
медицинской организации
эффективно использовать
современные технологии и
достигать стратегических целей.
Проектная зрелость
Цифровая зрелость
Способность организации
системно применять методы,
процессы и стандарты
управления проектами для
достижения стратегических целей
с предсказуемым качеством,
сроками и бюджетом.
Уровень готовности компании к
цифровой трансформации и
эффективному использованию
современных технологий для
решения клинических и
административных задач.
Процессная зрелость
Архитектурная зрелость
Способность организации
предсказуемо выполнять
процессы через их
стандартизацию, измерение и
постоянное улучшение,
оцениваемая по 5-уровневой
шкале.
Способность организации
видеть инфраструктуру как
стратегический актив, а не как
набор технических ресурсов.

9.

Проектная зрелость
Процессная зрелость
Начальный уровень
Нет единых правил управления проектами.
Каждый
менеджер
работает
по-своему.
Результаты
зависят
от
личного
опыта
сотрудников.
Базовый уровень
Базовые процессы управления проектами
(планирование, контроль рисков) внедрены, но
без стандартизации и единой методологии.
Определенный уровень
Стандартизированные
методики
(PMBOK,
PRINCE2), обученные команды, система KPI для
мониторинга эффективности проектов.
Управляемый уровень
Портфельное управление (PPM), интеграция с
бизнес-стратегией, прогнозная аналитика для
принятия решений.
Оптимизирующий уровень
Непрерывное
улучшение
(Agile,
Lean),
цифровизация
управления
проектами
с
использованием ИИ для оценки рисков и RPA для
автоматизации.
Исходный уровень
1
Процессы выполняются
импровизированно,
результаты непредсказуемы.
Нет стандартных процедур
2
Управляемый уровень
Процессы частично
или метрик.
контролируются, существуют
Определенный уровень
Процессы стандартизированы,
3
эффективности, но
документированы и
интегрированы в единую
систему. Персонал проходит
отсутствует системный подход.
4
Организация постоянно
совершенствует процессы на
основе данных и инноваций.
Культура непрерывного
улучшения.
Измеряемый уровень
Процессы управляются на
регулярное обучение.
Оптимизирующий уровень
базовые показатели
основе статистических
5
данных. Показатели
эффективности (KPI)
отслеживаются в режиме
реального времени.

10.

Процессные модели

11.

Глубокая автоматизация процессов контроля и мониторинга движения многоразовых
инструментов. Процессный подход.
Учёт и систематизация ресурсов
Автоматизация контроля
отслеживания всех проводимых
манипуляций
Оптимизация логистических
процессов
Автоматизация рутинной
деятельности
Минимизация риска ошибок «человеческого
фактора» при учете и управлении движения
многоразового инструмента

12.

Глубокая автоматизация процессов контроля и мониторинга этапов жизненного
цикла многоразовых инструментов за счёт внедрения специализированной
информационной системы
• Привязка использованного инструмента
к истории болезни,
• Весовой контроль комплектности набора
инструментов,
• Предварительная очистка,
• Отправка в ЦСО.
ВВОД В ЭКСПЛУАТАЦИЮ НОВОГО
ИНСТРУМЕНТА
• Формирование журнала
контроля стерилизаторов,
• Хранение на стерильном складе,
• Выдача на отделения.
ОПЕРБЛОК
СТЕРИЛЬНАЯ
ЗОНА ЦСО
• Определение перечня и количества инструментов для проведения
азопирамовых проб,
• Проведение азопирамовой пробы,
• Формирование списка инструментов для продувки и смазки,
• Продувка и смазка по требованию,
• Печать отчета «Форма № 366/У» для журнала учета качества
предстерилизационной обработки,
• Печать упаковочных листов и бирок стерильности,
• Упаковка на стерилизацию,
• Контроль соответствий условий и режимов обработки инструментов в
стерилизаторах.
ВЫВОД ИЗ ИСПОЛЬЗОВАНИЯ МНОГОРАЗОВОГО
ИНСТРУМЕНТА
ГРЯЗНАЯ ЗОНА
ЦСО
ЧИСТАЯ ЗОНА
ЦСО
РЕМОНТ
• Прием
и
весовой
контроль
поступившего инструмента,
• Контроль соответствия условий и
режимов обработки инструментов
в МДМ,
• Мойка
и
дезинфекция
поступившего инструмента.

13.

Этапы развития системы сбора данных
Неструктурированные
данные
Структурированные
данные
Ручная обработка
текста
Ограничение
для автоматической обработки
Необходимость унификации форм
ввода данных, работа со
справочниками –
автоматизированная обработка
данных, аналитика
КЛИНИЧЕСКИЕ
РЕКОМЕНДАЦИИ
НАСЛЕДОВАНИЕ
ВВОД
Бумажная медицинская
документация
КОНСУЛЬТАЦИЯ
ГОСПИТАЛИЗАЦИЯ
ДИАГНОСТИКА
ХИРУРГИЧЕСКОЕ
ВМЕШАТЕЛЬСТВО
ВЫПИСКА
Роботизация
Системы сбора данных
с применением
умных устройств
ПРОЦЕССЫ
ПАЦИЕНТЫ
СЕРВИСЫ
КАДРЫ
ПОКАЗАТЕЛИ

14.

Бумажная медицинская
документация
Неструктурированные
данные
И
Digital IT pitch-deck PowerPoint bundle
Структурированные
данные

15.

Разработка и тестирование шаблонов экранных форм ввода данных
в МИС
Минимизация
свободных полей
Интеграция
справочников ФРНСИ
Наследование
данных
Удобный интерфейс
для врача

16.

Качество данных: фундамент эффективных решений
Качество данных является важным фактором для принятия
обоснованных
управленческих
решений.
Автоматизированные
системы должны обеспечивать соответствие данных ключевым
критериям качества и учитывать требования безопасности и
инфраструктуры.
Политики
Безопасность
Безопасность
Объективность
Актуальность
Доступность
Применимость
ИТ-инфраструктура
Инциденты
Определение требований к данным
Полнота
Достоверность
Структурированность

17.

Уровни цифровой зрелости
Нулевой уровень (Stage 0)
Локальные ИТ-системы без клинической интеграции.
Базовая автоматизация административных функций.
Базовый уровень (Stages 1-2)
Внедрение электронных медицинских карт (EMR) с лабораторными
и радиологическими модулями.
Начальная цифровизация клинических процессов.
Интегрированный уровень (Stages 3-4)
Наличие CDSS (Clinical Decision Support Systems) и междисциплинарного обмена
данными.
Системная интеграция клинических и управленческих процессов.
Оптимизированный уровень (Stages 5-7)
Полная
интероперабельность,
предиктивная
аналитика
и
когнитивные
вычисления.
Использование искусственного интеллекта для поддержки принятия решений.

18.

Ручное управление
РУКОВОДИТЕЛИ
РУКОВОДИТЕЛИ
ПОРУЧЕНИЕ
ПОРУЧЕНИЕ
ДАННЫЕ
ИНФОРМАЦИЯ
ДАННЫЕ
ИНФОРМАЦИЯ
Предоставил
информацию на память
Рассказал
по дороге
Много дел
ИНФОРМАЦИЯ
ИНФормАЦия
услышал
Устно
уточнил
звонок
результат
нет результата
РЕЗУЛЬТАТ
РЕЗУЛЬТАТ

19.

Цифровые контуры: ключевые системы
Три взаимосвязанных цифровых контура формируют единую экосистему управления
качеством медицинской помощи.
Личный кабинет пациента
lk.fnkcib.ru
АВТОМАТИЗИРОВАННАЯ
СИСТЕМА
УПРАВЛЕНИЯ
• Процессами
• Ресурсами
• КАЧЕСТВОМ
*На слайде представлены
изображения и показатели,
сгенерированные ИИ на основе
реальных технических заданий
управленческой аналитики
Личный кабинет сотрудника
1C

20.

Аналитические инструменты
Тактические и оперативные
управленческие решения
*На слайде представлены изображения и показатели, сгенерированные ИИ на основе реальных
технических заданий управленческой аналитики
Система управления персоналом

21.

Эволюция сбора медицинских данных для нейросетей
Сбор данных
1980 - 1990
Системы архивации изображений
(PACS), цифровые микроскопы
Массивы радиологических снимков,
гистологические слайды
2013 - 2017
Умные импланты, патчи для
мониторинга глюкозы, цифровые
стетоскопы
Стационарные системы ЭКГ, МРТ, КТ
Оцифрованные сигналы сердца, первые
DICOM-снимки
2000 - 2012
Носимые трекеры, продвинутые системы
УЗИ, секвенаторы
Пульс, активность, геномные данные,
видеопотоки в реальном времени
2018 - 2022
Непрерывный мониторинг сахара,
звуки легких и сердца
2023 – по н.в.
Мультимодальные датчики, VR/AR
хирургические системы
Комбинированные данные (видео +
биометрия + датчики движения)
От хранения к обучению
1990 - 2010
Революция
Deep Learning
2015 - 2016
Регуляторы начали массово
разрешать использование
ИИ-алгоритмов как
«медицинских изделий»
2020 – по н.в.
Эра «Цифровых архивов»
2012
Первые «сверхчеловеческие»
тесты
2017 - 2018
Эра «Живых данных»

22. Схема движения медицинских данных для ИИ

УЧРЕЖДЕНИЕ
ИСТОЧНИКИ
ИНФОРМАЦИОННЫЕ
СИСТЕМЫ
?
СБОР И
ХРАНЕНИЕ
ОБРАБОТКА И
ПОДГОТОВКА
РЕЗУЛЬТАТ
АНАЛИТИКА
ОЗЕРО ДАННЫХ
Data Lake
ДАТАСЕТ
Dataset
Очистка данных
(МИС, ЛИС, РИС/ПАКС)
БИТРИКС24
1С
ОБРАТНАЯ СВЯЗЬ
РАЗРАБОТЧИКИ ИИ
Анонимизация
данных
СПЕЦИАЛИЗИРОВАННАЯ
БД
Разметка данных
Риски
ФИНАНСОВАЯ
И КАДРОВАЯ
СИСТЕМЫ
ОТ 6 МЕС ДО 1 ГОДА
Спец. по данным
ОТ 3 МЕС ДО 1 ГОДА
Валидация
данных
Управление и стратегия
Архитектура
Качество данных
Команда
Монетизация
ОТ 7 ДО 11 МЕС.

23.

Перспективы и будущее ИИ
в здравоохранении
Генеративный ИИ
Мультимодальный ИИ
Активное использование
генеративного ИИ и больших
языковых моделей для повышения
автономности систем.
Развитие комплексных решений,
анализирующих данные из
различных источников, включая
носимые устройства.
Агентный ИИ
Цифровые Ассистенты
Переход к «агентному ИИ»,
способному принимать
самостоятельные решения под
контролем человека.
Создание цифровых ассистентов
для пациентов для повышения
вовлеченности в заботу о здоровье.

24.

Уровень доверия к ИИ / Качество ответов
Динамика доверия к ИИ
Трудозатраты
Чем интенсивнее мы работаем с
нейросетью, тем заметнее
улучшается качество её ответов
Доверие к ИИ — это
динамичный процесс,
подпитываемый совместной
работой человека и машины
Прозрачность и
верификация
Эксперт тщательно проверяет
ответы. Процесс прозрачности
— ключ к пониманию логики ИИ
Мультидисциплинарность
команды
Позволяет лучше понимать и объяснять
поведение нейросети
Время / Интенсивность взаимодействия
Результаты опросов врачей
относительно перспектив внедрения
технологий искусственного интеллекта,
2024г.

25. Системный подход к автоматизации управления

И Н Ф О Р М А Ц И Я
ЗАДАЧИ
РЕЗУЛЬТАТЫ
МОНИТОРИНГА
ПОДГОТОВИТЕЛЬНЫЙ ЭТАП
ОЦЕНКА, АДАПТАЦИЯ, ТЕСТИРОВАНИЕ, АПРОБАЦИЯ
ИНЦИДЕНТЫ
IT-служба
Владелец
процесса
РАЗРАБОТКА
≠
3
СПЕЦИАЛИСТ ПО
ПРОМТ-ИНЖИНИРИНГУ
ВНЕДРЕНИЕ
5
Мониторинг
показателей
6
Система
информирования
?
Методист и Администрация Владелец Эксперт
бизнеспроцесса
аналитик
4
Автоматизированный
сбор данных
аналитик
МЕТОДИСТ И
БИЗНЕСАНАЛИТИК
2
Разработка
процессов
Владелец IT-служба Разработчик Методист и
бизнессистемы
процесса
АНАЛИЗ ПОКАЗАТЕЛЕЙ
1
Разработка
показателей
АНАЛИТИЧЕСКИХ ИНСТРУМЕНТОВ
ЗАЯВКИ
ОТ СОТРУДНИКОВ
УПРАВЛЕНЧЕСКИЕ РЕШЕНИЯ, ТРЕБОВАНИЯ
Формализация
задач
Формализация
требований
Методист и
бизнесаналитик
ПОРУЧЕНИЯ
РУКОВОДСТВА
IT-служба
7
РЕФЕРЕНТНАЯ
МОДЕЛЬ
ДАННЫЕ
Разработчик Владелец Команда
процесса внедрения
системы
! СПЕЦИАЛИСТ ПО ПРОМТ-ИНЖИНИРИНГУ
СОКРАЩАЕТ ПОТРЕБНОСТЬ ВО ВСЕХ
УКАЗАННЫХ НА СЛАЙДЕ СПЕЦИАЛИСТАХ !

26.

Проблема
Врач и разработчик:
язык разный, цель — одна
Врач описывает задачу
1. Нужна система мониторинга показателей
пациентов в реальном времени
2. Хочу видеть тренды по анализам за 6 месяцев
3. Предупреждение должно срабатывать
«когда плохо»
4. Интеграция с нашей текущей системой
Разработчик читает
Нет метрик: какие показатели? ЧСС, SpO2, давление?
Нет формата: JSON? Таблица? REST API?
"Когда плохо" — не порог. Нужны конкретные
значения
Какая система? Версия? Какой протокол
интеграции?
Следствие: недели переработок, уточнений и потерянного времени с обеих сторон

27.

Решение
ИИ как переводчик:
от идеи врача — к готовому ТЗ
Распространенные
инструменты
• GigaChat (СБЕР)
перевод описания
в структурированное ТЗ
1
Врач описывает
На своем языке
2
ИИ преобразует
LLM (Большая языковая модель)
«Нужен мониторинг ЧСС с
алертами при отклонениях»
Задаёт уточняющие вопросы,
структурирует требования
• MEDINTERNET
Первая профессиональная цифровая
экосистема для врачей и фармацевтов
Запущена в конце 2025г.
(Россия)
• ChatGPT / Claude
перевод описания в структурированное ТЗ
• Microsoft Copilot
интегрирован в Office — знаком врачам
3
Разработчик получает
Готовое ТЗ
API-эндпоинты, пороговые
значения, форматы данных
• Doximity GPT
HIPAA-compliant ИИ-ассистент для медиков
(США)
• GitHub Copilot
помогает техкоманде уточнить
требования

28.

Генеративный ИИ и мультиагентные системы: повышение автономности
в здравоохранении
«Однако более активное применение генеративного ИИ, в особенности больших языковых моделей, построение
платформенных решений на основе «агентного ИИ» будет позволять повышать уровень автономности продуктов, в том числе
с возможностью самостоятельного принятия решений под контролем человека.»
Внедрение технологий искусственного интеллекта в здравоохранении России: итоги 2024 г.
М.А.Мурашко, В.В.Ваньков, А.И.Панин, О.Р.Артемова, А.В.Матвиенко, А.В. Гусев, Ю.А. Васильев, А.В. Владзимирский
РОСТ АВТОМНОМНОСТИ
ИИ
ОТ ИСПОЛНЕНИЯ К
КОНТРОЛЮ
• Слабый ИИ (существующие решения)
Применение ИИ-ассистентов как «второе
мнение» для человека
• Врач становится валидатором
(контролирующим) на достоверность и
надежность информации, предоставленной
искусственным интеллектом.
• «Агентный ИИ» (будущие решения)
Самостоятельное принятие решений ИИагентами, контроль за работой ИИ со
стороны человека
• Преимущества
Сокращение времени на рутинные задачи,
что позволит врачу сосредоточиться на более
сложных аспектах диагностики, лечении и
непосредственном взаимодействии с
пациентом

29.

Алгоритм сбора, обработки и анализа данных обратной связи и
нежелательных событий
Система охватывает обратную связь от пациентов и сотрудников, фиксирует нежелательные события
и трансформирует их в управленческие решения
ОТЗЫВЫ
АНАЛИЗ ДАННЫХ С ИИ
1. Сканирование QR-кода
Пациент сканирует QR-код в отделении, у кабинета или
на стойке регистрации
2. Заполнение формы отзыва
Сбор данных
Сравнение с нормативами ·
Динамика показателей · Зоны риска
· Сильные стороны
Оценка качества обслуживания, удовлетворённости,
замечаний и предложений
3. Отправка данных
Ответы автоматически сохраняются в базе данных в
реальном времени
НС
1. Сканирование QR-кода
Сотрудник
сканирует
QR-код
при
нежелательного события в ходе смены
выявлении
2. Регистрация нежелательного события
Тип события · Дата / время · Подразделение · Описание
· Принятые меры
3. Отправка данных
Данные фиксируются анонимно с меткой времени в
защищённой базе
Управленческие решения
Корректирующие меры · Обучение
персонала · Изменение процессов
Выгрузка Excel-таблиц
«Отзывы пациентов» и
«Нежелательные события»
— данные готовы к анализу

30.

Алгоритм сбора, обработки и анализа данных обратной связи и
нежелательных событий
Данные из выгруженных форм проходят обработку с помощью ИИ, что позволяет получать верхнеуровневую
аналитику в автоматическом режиме
Составь аналитику по
выгруженным формам
*На слайде представлены изображения и показатели,
сгенерированные ИИ

31.

Промт-инжиниринг: точность запроса – качество отчета
Чем детальнее задача — тем точнее результат
ИИ накапливает контекст: каждое уточнение в промпте
улучшает последующие отчёты. Система запоминает
определения, требования и приоритеты организации
Пример уточнения промпта: «Укажи дополнительно в
отчёте количество и долю событий по отделениям» — это
превращает общую аналитику в инструмент принятия
решений.
На основе накопленных данных ИИ формирует комплексные
аналитические отчёты и автоматически сопоставляет их с
установленными стандартами.

32.

Алгоритм сбора, обработки и анализа данных обратной связи и
нежелательных событий
Резюме для руководства
Сопоставление с требованиями
Росздравнадзора
Анализ нежелательных событий
Анализ удовлетворенности пациентов
Ключевые выводы
Сводная матрица соответствия
Общая статистика
Распределение по уровням тяжести
Анализ типов событий и приоритетов
Факторы, влияющие на возникновение событий
АНАЛИТИЧЕСКИЙ
ОТЧЕТ
Профиль респондентов
Оценки по критериям качества
Выводы из отзывов
Реестр рисков
Критические риски
Умеренные риски
План корректирующих
действий

33.

Алгоритм сбора, обработки и анализа данных обратной связи и
нежелательных событий
*На слайде представлены изображения соответствующие по структуре реальным отчетам ФГБУ ФНКЦИБ ФМБА России, но созданные ИИ на основе выдуманных
данных
Page 02

34.

Алгоритм сбора, обработки и анализа
данных обратной связи и нежелательных
событий
При поступлении негативного отзыва от пациента или
фиксации нежелательного события по СМК - задача
назначается конкретному исполнителю с установленными
сроками
Контроль исполнения в реальном времени
Корректировка сроков при необходимости
Вся переписка — непосредственно в чате задачи
Посредством данной системы реализуется управление
отзывами и нежелательными событиями, включая их
движение и сортировку
Page 02

35.

Алгоритм сбора, обработки и анализа данных
обратной связи и нежелательных событий
Excel-таблица «Нежелательные события»:
На основе выгруженных данных из форм
можно создавать аналитические дашборды в
Excel.
При отсутствии аналитических инструментов —
возможна статичная визуализация аналитики с
помощью ИИ.
*На слайде представлены изображения и показатели, сгенерированные ИИ на
основе реальных технических заданий управленческой аналитики

36.

ЦОД: Высшая ступень развития серверной
Центр обработки данных (ЦОД) — это не просто серверная, а вершина инженерной мысли, где каждый
элемент направлен на обеспечение максимальной отказоустойчивости. От ширины дверей до
резервирования электропитания и охлаждения — всё продумано для минимизации простоев.
0 Минут простоя
100% Отказоустойчивость
Стремление к абсолютному отсутствию простоев в год.
Гарантия бесперебойной работы всех систем.
Кому нужен ЦОД?
Крупные медицинские Центры
Для единой ИТ-инфраструктуры
филиалов, требующей круглосуточной
доступности ЭМК, PACS, LIS.
Лаборатории с ИИ
Для обучения нейросетей и анализа
медицинских изображений, требующих
мощных вычислительных ресурсов.
Федеральные и региональные
Центры
Для обработки Big Data, геномики,
прецизионной медицины и
высокопроизводительных вычислений.
Облачные провайдеры
Для предоставления услуг меньшим
медучреждениям с соблюдением
стандартов безопасности и разделения
данных.
Телемедицинские платформы
Для бесперебойного доступа к
видеоконсультациям и данным с носимых
устройств, требующих
масштабируемости.

37.

Почему ЦОД, а не обычная серверная?
Требования к доступности
Энергопотребление и охлаждение
Если простой системы угрожает жизни
пациентов или стоит более 1 млн рублей
в час.
Нагрузка более 15-20 кВт или оборудование
высокой плотности (более 5 кВт на стойку).
Масштаб данных и вычислений
Профессиональная инфраструктура
Объемы данных превышают 100 ТБ,
необходимы кластерные системы.
Гарантированное электропитание, прецизионное
кондиционирование,газовое пожаротушение,
СКУД, мониторинг 24/7.
Законодательные требования
Жесткие требования 152-ФЗ к хранению
персональных данных (УЗ 1 и УЗ 2).
Сетевая связность
Необходимость подключения к множеству
операторов связи и высокая пропускная
способность.

38.

Информационная безопасность
Требования, которые нельзя игнорировать
Инфраструктура информационной безопасности сегодня — не выбор, а обязательство.
Несоответствие требованиям регуляторов влечёт не только штрафы, но и реальные операционные риски.
ФСТЭК России
ФСБ России
152-ФЗ
Защита
информационных
систем,
сегментация сетей, контроль доступа,
обязательная
сертификация
средств
защиты
Требования к криптографической защите,
лицензирование деятельности
Защита
персональных
данных,
локализация хранения, уведомление об
утечках в течение 24–72 часов
187-ФЗ
Отраслевые стандарты
и международные практики
Безопасность
критической
информационной
инфраструктуры
(КИИ),
категорирование
объектов,
подключение к ГосСОПКА
PCI DSS, ГОСТ Р 57580 (финансовый
сектор), ISO/IEC 27001 и др.
Ключевые требования:
•Сегментация сети и контроль доступа к информационным ресурсам
•Использование сертифицированных средств защиты информации
•Централизованный мониторинг событий безопасности и управление инцидентами
•Защита каналов передачи данных и криптографическое шифрование
•Резервирование критически важных сервисов и обеспечение отказоустойчивости
•Регулярный аудит, оценка уязвимостей и тестирование защищенности
Штрафы — наименьшая из проблем.
Реальная угроза — остановка бизнеса,
утрата лицензий и репутационный ущерб
при
инцидентах,
которые
регулятор
квалифицирует как результат халатности.

39.

ИИ для информационной безопасности
ИИ кардинально меняет правила игры в кибербезопасности — одновременно усиливая защиту и создавая
принципиально новые векторы угроз.
!
ИИ как инструмент защиты:
ИИ как вектор угроз:
Поведенческий анализ — обнаружение аномалий и
инсайдерских угроз в реальном времени, которые не
поддаются классическим сигнатурным методам
Deepfake-атаки для обхода биометрической аутентификации и
социальной инженерии
Автоматизация SOC — сокращение времени реагирования
на инциденты с часов до минут
Предиктивная аналитика — выявление уязвимостей до того,
как ими воспользуется злоумышленник
NLP-анализ — мониторинг фишинговых кампаний, утечек
данных в открытых источниках
LLM-генерация
целевого
промышленных масштабах
фишинга
(spear
phishing)
ИИ-ускоренный
эксплойтов
уязвимостей
и
автоматизация
подбор
Отравление обучающих данных (data poisoning) — атака на
сами модели ИБ
Ожидаемые эффекты внедрения:
•Сокращение времени обнаружения инцидентов
•Снижение нагрузки на специалистов ИБ
•Повышение точности выявления угроз
•Уменьшение количества ложных срабатываний
•Повышение общего уровня киберустойчивости организации.
в
!
Вопрос не «внедрять ли ИИ»,
а «Успеете ли вы раньше, чем атака
с его использованием затронет вас»

40.

Повышение уровня зрелости и
обеспечение лидерства в области
процессного и проектного
управления
Повышение качества,
безопасности и доступности
медицинской помощи за счет
повышения эффективности
управления
6
1
Глубокая автоматизация
и роботизация процессов с
использованием ИИ
1
Развитие подходов
к автоматизации
медицинских процессов
2
1
1
СТРАТЕГИЧЕСКИЕ
ЦЕЛИ
РАЗВИТИЯ
5
1
4
1
3
1
Повышение эффективности
управления за счет
автоматизации и цифровой
трансформации
Переход к централизованной системе
управления процессами на основе данных