Роль штучного інтелекту в превентивній медицині

Роль штучного інтелекту в превентивній медицині

УДК: 614.2:004.8.

DOI:https://doi.org/10.61948/prevmed-2025-4-37

О. Й. Гриневич1,2, А. М. Новик2

1 Національний медичний університет імені О. О. Богомольця,

2 ТОВ «НВК Екофарм», Київ, Україна

Представлений науковий огляд щодо ролі штучного інтелекту в превентивній медицині створено відповідно до

«Меморандуму про співпрацю між Національною академією медичних наук України та ТОВ «Науково-виробнича компанія «Екофарм» від 27 грудня 2023 року, Україна, Київ, 2023, 1–5 с.

Актуальність. У статті проаналізовано роль штучного інтелекту (ШІ) у формуванні сучасної превентивної медицини як складової амбулаторної та дистанційної сімейної медицини. Показано, що ШІ стає інфраструктурним компонентом цифрової охорони здоров’я та ключовим елементом концепції 4P медицини (Predictive, Preventive, Personalized, Participatory). Матеріали і методи. На основі аналізу публікацій ВООЗ, Європейської комісії, провідних наукових журналів і стратегічних документів України розглянуто використання алгоритмів машинного навчання для аналізу Big Data, раннього виявлення захворювань, персоналізованої профілактики, телемедицини та дистанційного моніторингу. Результати та обговорення. Наведено міжнародні (CardioAI, DeepMind Health, SkinVision, IBM Watson Health) та українські (MyHeal, BrainScan, CheckEye, проєкти eHealth і NMDC) приклади застосування ШІ у профілактичній медицині. Окреслено трансформацію ролі сімейного лікаря в умовах цифровізації, зокрема перехід від реактивної до проактивної моделі ведення пацієнта, використання систем підтримки клінічних рішень і розвиток партнерства «лікар – пацієнт» на основі цифрових інструментів. Проаналізовано етичні та правові виклики впровадження ШІ (захист персональних даних, прозорість алгоритмів, розподіл відповідальності, довіра пацієнта), а також бар’єри для української системи охорони здоров’я: нерівномірна цифровізація, фрагментованість даних, недостатня нормативно-правова база, низький рівень цифрових компетенцій лікарів і обмежене фінансування. Зроблено висновок, що інтеграція ШІ у превентивну медицину створює передумови для переходу до інтелектуальної, персоналізованої та економічно ефективної моделі охорони здоров’я за умови дотримання етичних принципів, розвитку національної інфраструктури даних і системної підготовки медичних кадрів.

Ключові слова: штучний інтелект, превентивна медицина, 4P медицина, Big Data, телемедицина, сімейний лікар, eHealth.

 

Y. Hrynevych1,2, A. M. Novyk2

THE ROLE OF ARTIFICIAL INTELLIGENCE IN PREVENTIVE MEDICINE

1 Bogomolets National Medical University,

2 LLC “SPC Ecopharm”, Kyiv, Ukraine

Relevance. The article analyzes the role of artificial intelligence (AI) in the formation of modern preventive medicine as a component of outpatient and remote family medicine. It is shown that AI is becoming an infrastructural component of digital health and a key element of the concept of 4P-medicine (Predictive, Preventive, Personalized, Participatory). Materials and methods. Based on the analysis of publications of the WHO, the European Commission, leading scientific journals and strategic documents of Ukraine, the use of machine learning algorithms for the analysis of Big Data, early detection of diseases, personalized prevention, telemedicine and remote monitoring is considered. Results and discussion. International (CardioAI, DeepMind Health, SkinVision, IBM Watson Health) and Ukrainian (MyHeal, BrainScan, CheckEye, eHealth and NMDC projects) examples of the use of AI in preventive medicine are presented. The transformation of the role of the family doctor in the context of digitalization is outlined, in particular, the transition from a reactive to a proactive model of patient management, the use of clinical decision support systems, and doctor-patient partnerships based on digital tools. The ethical and legal challenges of the introduction of AI (personal data protection, transparency of algorithms, distribution of responsibility, patient trust), as well as barriers for the Ukrainian healthcare system: uneven digitalization, data fragmentation, insufficient legal framework, low level of digital competencies of doctors, and limited funding are analyzed. It is concluded that the integration of AI into preventive medicine creates prerequisites for the transition to an intelligent, personalized and cost-effective model of health care, subject to ethical principles, the development of national data infrastructure and systematic training of medical personnel.

Keywords: artificial intelligence, preventive medicine, 4P-medicine, Big Data, telemedicine, family doctor, eHealth.

Сучасна амбулаторна та дистанційна медицина перебувають на порозі цифрової революції, що докорінно змінює підходи до діагностики, лікування та профілактики захворювань. Головним рушієм цієї трансформації стає впровадження штучного інтелекту (ШІ) – сукупності технологій, здатних імітувати інтелектуальні функції людини, зокрема навчання, аналіз, прийняття рішень і прогнозування. Згідно з аналітичним звітом [1, 2], ШІ вже застосовується у понад 90 країнах світу у сфері медицини, охоплюючи завдання від аналізу діагностичних зображень до прогнозування епідеміологічних ризиків. Його головна перевага полягає у здатності обробляти величезні масиви даних (Big Data) – електронні медичні записи, результати лабораторних досліджень, генетичні профілі, дані з фітнес-трекерів і соціальних факторів — і знаходити закономірності, які дуже складно аналізувати навіть досвідченому лікарю.

У XXI столітті ШІ став інфраструктурним компонентом цифрової охорони здоров’я. Його впровадження не обмежується автоматизацією рутинних завдань — воно спрямоване на зміну філософії медичної практики, орієнтуючи її на раннє попередження та індивідуальне прогнозування ризиків. Алгоритми комп’ютерної аналітики дозволяють: виявляти закономірності між факторами ризику та розвитком хвороб; прогнозувати виникнення патологічних станів; пропонувати персоналізовані профілактичні стратегії для кожного пацієнта; здійснювати аналітичний моніторинг ефективності програм громадського здоров’я. Ці можливості формують нову медичну парадигму — превентивну, персоналізовану, передбачувану та партисипативну (4P-medicine: Predictive, Preventive, Personalized, Participatory), у центрі якої — збереження здоров’я, а не лікування хвороби [3]. Одним із концептуальних результатів цієї трансформації стала 4П медицина, що інтегрує передові цифрові технології, аналітику великих даних і залучення пацієнта до процесу постійного моніторингу стану свого здоров’я. Основні складові компоненти 4П медицини:

  1. Прогнозний компонент (Predictive). Завдяки алгоритмам машинної обробки великих масивів медичних, геномних і поведінкових даних ШІ дозволяє ідентифікувати закономірності між факторами ризику та розвитком патологічних процесів. Такі прогностичні моделі стають підґрунтям для раннього виявлення схильностей до захворювань і їх попередження ще до появи клінічних симптомів.
  2. Профілактичний компонент (Preventive). ШІ сприяє розробленню персоналізованих профілактичних стратегій, які враховують індивідуальні особливості пацієнта, його генетичний профіль, спосіб життя, соціально-економічні чинники та середовище проживання. Цей підхід підвищує ефективність програм громадського здоров’я та дозволяє оптимізувати використання ресурсів системи охорони здоров’я.
  3. Персоналізаційний компонент (Personalized). Насамперед це персональна відповідальність пацієнта за стан свого здоров’я та його безпосередня участь в управлінні власним здоров’ям за професійної підтримки сімейного лікаря. Використання ШІ у клінічній практиці забезпечує точну стратифікацію пацієнтів і підбір оптимальних методів діагностики, терапії та реабілітації. Цифрові інструменти, засновані на аналітиці електронних медичних даних, біомоніторингових пристроїв і генетичних тестів, формують індивідуальні профілактичні програми, сприяють своєчасній профілактиці небезпечних хронічних станів.
  4. Партисипативний компонент (Participatory). Сучасні цифрові технології забезпечують активну участь пацієнта в постійному, періодичному моніторингу стану власного здоров’я, перетворюючи його з об’єкта медичної допомоги на суб’єкта партнерських відносин із лікарем. Телемедицина, мобільні додатки та електронні медичні платформи сприяють розвитку медичної грамотності пацієнтів та формуванню їхнього відповідального ставлення до власного здоров’я.

Особливо значущим є потенціал штучного інтелекту в превентивній медицині — галузі, що фокусується на попередженні захворювань, збереженні здоров’я та зниженні впливу факторів ризику.

На відміну від традиційної медицини, орієнтованої на реакцію після появи симптомів, превентивна медицина прагне запобігти розвитку хвороби ще до появи клінічних проявів. У цьому контексті ШІ виступає незамінним інструментом, оскільки дозволяє здійснювати масштабний безперервний моніторинг стану здоров’я населення в реальному часі, створювати інтелектуальні системи прогнозування та попередження виникнення хронічних майбутніх хвороб, формувати індивідуальні профілі ризику на основі генетичних і поведінкових даних, оптимізувати використання ресурсів системи охорони здоров’я [2, 4]. В Україні цифровізація медичної галузі активно розвивається у межах стратегії eHealth 2024–2030, яка передбачає інтеграцію технологій штучного інтелекту в сферу профілактики та моніторингу захворювань. Уже сьогодні впроваджуються системи аналізу медичних зображень із використанням нейромереж [5], платформи для скринінгу очних патологій [6], електронні профілі здоров’я з елементами ШІ для сімейних лікарів у пілотних регіонах (Львів, Київ, Одеса). Таким чином, Україна рухається у напряму формування інтелектуальної системи охорони здоров’я, де ключова роль належить превентивним підходам і цифровим аналітичним інструментам.

Мета дослідження — оцінити роль штучного інтелекту в розвитку превентивної медицини, яка є безпосередньою складовою амбулаторної та дистанційної сімейної медицини, визначити його можливості, виклики та перспективи для української системи охорони здоров’я, а також окреслити шляхи ефективної інтеграції цифрових технологій у практику сімейних лікарів.

Матеріали і методи. Матеріали отримано з різних джерел інформації. На основі аналізу публікацій ВООЗ, Європейської комісії, а також провідних наукових журналів і стратегічних документів України розглянуто використання алгоритмів аналізу Big Data, раннього виявлення захворювань, персоналізованої профілактики, превентивної медицини, 4П медицини, телемедицини та дистанційного моніторингу з використанням ШІ.

Результати досліджень та їх обговорення. Превентивна (предикативна) медицина — це напрям системи охорони здоров’я, спрямований на збереження, зміцнення та відновлення здоров’я населення шляхом запобігання розвитку хронічних захворювань, раннього виявлення потенційних патологічних станів та усунення факторів ризику їх виникнення. Вона ґрунтується на принципі «краще попередити хворобу, ніж лікувати її наслідки», що відповідає сучасній парадигмі 4П медицини, запропонованій у межах європейських програм Horizon Health [3].

Основною метою превентивної медицини є підвищення якості та тривалості життя населення шляхом впливу на причини, а не лише на клінічні прояви захворювань. Вона охоплює три рівні профілактики: первинну — запобігання виникненню захворювань через вакцинацію, просвітницьку роботу, контроль факторів ризику та екологічної безпеки; вторинну — раннє виявлення патологічних змін за допомогою скринінгових програм і постійного моніторингу; третинну — запобігання ускладненням і рецидивам, а також відновлення працездатності після хвороби. Отже, превентивна медицина формує системний підхід до здоров’я, інтегруючи медичні, соціальні, освітні та технологічні чинники [1].

Моніторинг і виявлення факторів ризику включають аналіз способу життя, генетичних особливостей, екологічних і поведінкових факторів, які можуть призвести до розвитку хвороб. Сучасні інформаційні системи дозволяють створювати профілі здоров’я населення, визначати вразливі групи та планувати цільові інтервенції. Превентивна медицина тісно пов’язана з громадським здоров’ям. Вона сприяє розвитку культури відповідального ставлення до власного здоров’я, зокрема через просвітницькі кампанії, медіаосвіту та цифрові сервіси (мобільні додатки, електронні щоденники здоров’я) [7]. Раннє втручання та своєчасна діагностика, виявлення патологій на доклінічних етапах дозволяють зменшити рівень інвалідизації та смертності, а також економічне навантаження як на пацієнта, так і на систему охорони здоров’я загалом. У цьому контексті штучний інтелект і технології Big Data відкривають нові можливості для аналітики, автоматизованого скринінгу (моніторингу) та прогнозування ризиків.

Ефективна профілактика неможлива без взаємодії між медициною, освітою, економікою, екологією та ІТ-сферою. Українська стратегія «Здоров’я-2030» підкреслює необхідність створення єдиної міждисциплінарної системи превентивного менеджменту [8].

В Україні превентивна медицина перебуває на етапі цифрової трансформації. З 2024 року в межах Національної стратегії громадського здоров’я реалізується проєкт «Цифрова профілактична медицина», який передбачає: створення єдиної бази профілактичних даних eHealth; моніторинг неінфекційних захворювань (NCDs) із використанням ШІ; упровадження електронних карт ризику населення для планування програм вакцинації, скринінгу та профілактики [9]. Ці ініціативи спрямовані на підвищення ефективності системи охорони здоров’я завдяки аналітиці даних, автоматизації процесів і залученню пацієнтів до самоконтролю. Важливою частиною розвитку є інтеграція превентивної медицини у практику сімейного лікаря, який стає провідником до відмінного стану здоров’я пацієнта на основі цифрових інструментів.

У XXI столітті превентивна медицина стає науково-аналітичною дисципліною, що поєднує біомедичні знання з технологіями штучного інтелекту, біоінформатики, соціальної та медицини, залучаючи пацієнта до активної участі в збереженні високого рівня стану свого власного здоров’я. Її мета — перехід від лікування до передбачення, від реакції до попередження, від пацієнта до здорової людини. Як зазначає ВООЗ [2], країни, які інвестують у превентивні заходи, зменшують витрати на лікування в середньому на 20–30%, одночасно підвищуючи тривалість активного життя населення.

Сучасна медицина переживає епоху даних — data-driven healthcare. Щоденно у світі генеруються мільйони медичних записів: результати лабораторних досліджень, зображення, генетичні профілі, електронні історії хвороб, показники з носимих пристроїв. Обсяг цих даних настільки значний, що їх обробка традиційними методами стає неможливою. Саме тому Big Data — аналітика великих даних — стає фундаментом нової, превентивної моделі медицини. Алгоритми машинного навчання (Machine Learning) здатні опрацьовувати мільйони записів, виявляючи приховані зв’язки між генетичними, поведінковими, соціальними та екологічними факторами ризику. Наприклад, поєднання інформації про генетичні варіації, рівень фізичної активності, харчування та умови життя дозволяє моделі прогнозувати ризик розвитку серцево-судинних або метаболічних захворювань задовго до появи клінічних симптомів [4]. Big Data-аналітика в медицині виконує декілька ключових функцій:

  1. Прогнозування — створення математичних моделей, які оцінюють ризики для конкретної особи або групи населення [10]. Сегментація пацієнтів — групування людей за типом ризику, поведінковими чи генетичними ознаками, що дозволяє створювати персоналізовані програми моніторингу та профілактики. Виявлення нових закономірностей — пошук невідомих раніше кореляцій між біомаркерами, соціальними факторами та станом здоров’я. Підтримка прийняття рішень — надання лікарям доказової аналітики у реальному часі, що допомагає ухвалювати точніші профілактичні рішення. Завдяки інтеграції Big Data з алгоритмами штучного інтелекту створюються інтелектуальні системи активного періодичного моніторингу здоров’я, які здатні не лише аналізувати наявні показники, а й передбачати їхню динаміку. Це відкриває шлях до переходу від реактивної до проактивної медицини, де головною метою стає попередження захворювань, а не їх лікування. Дослідження, проведені у США, Великій Британії та Південній Кореї, підтвердили, що використання великих даних у профілактичних програмах дозволяє знизити смертність від хронічних хвороб на 15–20% завдяки своєчасному втручанню [2, 11]. В Україні потенціал Big Data у медицині лише починає реалізовуватися. Інтеграція даних з eHealth, страхових компаній, лабораторій і телемедичних платформ створить унікальне середовище для розвитку інтелектуальної аналітики. Саме така синергія даних і технологій стане основою нової превентивної медицини, орієнтованої на людину, науку та передбачуваність.
  1. Персоналізована профілактика — це сучасна стратегія превентивної медицини, яка ґрунтується на принципі: кожна людина має унікальний профіль ризику, зумовлений поєднанням генетичних, біохімічних, поведінкових, соціальних і середовищних чинників. Тому універсальні підходи до профілактики хвороб поступово відходять у минуле, поступаючись індивідуальним медичним стратегіям, створеним на основі даних і аналітики. Штучний інтелект відіграє ключову роль у реалізації цієї концепції. Алгоритми машинного навчання здатні аналізувати мільйони параметрів, інтегруючи інформацію з електронних медичних записів, геномних досліджень, лабораторних тестів, способу життя, а також соціальних детермінант здоров’я (рівень освіти, стресу, харчування, сімейні захворювання, доступ до медицини). На основі цієї інформації система створює індивідуальний профіль ризику для кожного пацієнта, який відображає ймовірність розвитку конкретних патологій протягом певного часу [4]. Такі персоналізовані профілі дозволяють лікарям і пацієнтам отримати цільові рекомендації — від зміни способу життя та харчування до конкретних терапевтичних профілактичних дій та ранніх діагностичних заходів. У клінічній практиці це означає: прогнозування ризику серцево-судинних, шлунково-кишкових, респіраторних, онкологічних та метаболічних захворювань на індивідуальному рівні; оптимізацію програм вакцинації з урахуванням генетичних та імунних особливостей пацієнта; визначення персональних стратегій фізичної активності, харчування, контролю стресу; попередження медикаментозних ускладнень шляхом моделювання реакції на препарати (pharmacogenomics). Такий підхід може сприяти зниженню смертності до 80% на рік. Персоналізована профілактика має й вагоме економічне значення, оскільки сприяє зниженню частоти ускладнень і госпіталізацій, дозволяючи більш ефективно спрямовувати ресурси на групи найвищого ризику. Згідно з даними World Health Organization [2], використання інтелектуальних систем профілактики може багатократно скоротити витрати на лікування хронічних захворювань за рахунок їх попередження і унеможливення. Водночас важливо, щоб такі технології розвивалися етично та безпечно. Необхідно гарантувати конфіденційність персональних даних, уникати алгоритмічних упереджень і забезпечити пояснюваність рекомендацій ШІ для лікаря та пацієнта. Таким чином, персоналізована профілактика є новим рівнем медицини, у якому завдяки штучному інтелекту поєднуються точність науки, аналітика даних, активна персональна участь у всьому процесі пацієнта і людяність професії лікаря.
  1. Персоналізація — самостійна активна участь пацієнта в прогнозуванні стану власного здоров’я та реалізації профілактичних заходів, спрямованих на збереження його якості. У межах концепції 4П медицини персоналізація передбачає індивідуалізацію медичної допомоги з урахуванням генетичних, біохімічних, фізіологічних, психологічних та соціальних особливостей кожної людини. Це означає відхід від універсального підходу до лікування — натомість формується персональний профіль здоров’я, який визначає оптимальні стратегії діагностики, профілактики та терапії. Активна участь пацієнта у цьому процесі є невід’ємним елементом цієї медичної технології. Вона полягає не лише у виконанні лікарських рекомендацій, а й у свідомому залученні пацієнта до процесів прогнозування та моніторингу стану власного здоров’я. Сучасні цифрові технології — мобільні застосунки, фітнес-трекери, домашні діагностичні пристрої, електронні медичні платформи — надають людині можливість відстежувати ключові фізіологічні показники, аналізувати їх динаміку та за потреби оперативно коригувати поведінкові або терапевтичні стратегії. Персоналізація також охоплює психоемоційні та соціальні аспекти здоров’я, забезпечуючи інтеграцію біомедичних і поведінкових даних для створення повного клінічного портрета пацієнта. Це сприяє не лише підвищенню ефективності лікування, а й формуванню високого рівня медичної свідомості та відповідальності за власне здоров’я. Таким чином, персоналізація є не просто адаптацією медичної допомоги до потреб пацієнта — це співтворчість між людиною та системою охорони здоров’я, де пацієнт виступає активним суб’єктом у збереженні якості життя, а не пасивним отримувачем медичних послуг.
  1. Партнерство між пацієнтом і сімейним лікарем на всіх етапах взаємодії є ключовим елементом партисипативного компонента 4П медицини. Воно передбачає активну, двосторонню on line комунікацію 24/7 та спільне прийняття клінічних рішень — від профілактики й ранньої діагностики до лікування, моніторингу та реабілітації. Сімейний лікар, як координатор первинної медичної допомоги, відіграє центральну роль у навчанні пацієнта принципам самоспостереження, формуванні мотивації до ведення здорового способу життя і забезпеченні наступності медичної допомоги між різними рівнями системи охорони здоров’я, другими словами це «шерп», який веде пацієнта до вершини його здоров’я. Зі свого боку пацієнт стає активним учасником процесу, який розуміє значення власних дій у підтримці здоров’я, відповідально ставиться до виконання медичних рекомендацій і бере участь у виборі оптимальних методів лікування. Таке партнерство підкріплюється цифровими технологіями: електронними медичними картами, телемедичними консультаціями, мобільними застосунками та системами віддаленого моніторингу, що забезпечують постійний обмін інформацією між лікарем і пацієнтом. У підсумку партнерська взаємодія в межах моделі «лікар — пацієнт» трансформується у спільну медичну практику, орієнтовану на довіру, взаємну відповідальність та досягнення головної мети — збереження сталого стану здоров’я й покращення якості життя людини.

Одним із найважливіших напрямів застосування штучного інтелекту у сучасній медицині є раннє виявлення захворювань, коли патологічні зміни ще не проявляються клінічно, а втручання може бути максимально ефективним. У цьому процесі ключову роль відіграють алгоритми комп’ютерного зору (Computer Vision), які здатні аналізувати медичні зображення та виявляти мінімальні структурні зміни у тканинах, непомітні навіть для досвідченого лікаря.

Такі алгоритми вже демонструють надзвичайну точність при аналізі: магнітно-резонансної томографії (МРТ) — для виявлення ранніх ознак нейродегенеративних захворювань, зокрема хвороби Альцгеймера чи розсіяного склерозу [12]; комп’ютерної томографії (КТ) — для діагностики легеневих патологій, включно з пневмонією, туберкульозом, COVID-19 та раком легень [13]; мамографії — для раннього розпізнавання ознак раку молочної залози, що дозволяє знизити смертність серед жінок на 20–30% [14]. Ранні зміни, виявлені алгоритмами, можуть мати міліметровий або навіть субміліметровий масштаб, що робить ШІ надзвичайно ефективним інструментом для скринінгових програм. Завдяки здатності порівнювати зображення тисяч пацієнтів, ШІ формує еталонні бази даних, які допомагають лікарю приймати обґрунтовані рішення у найкоротші терміни. Крім візуальної діагностики, системи раннього виявлення захворювань із використанням ШІ застосовуються для: аналізу лабораторних даних та біомаркерів у динаміці; виявлення аномальних патернів серцевих ритмів за допомогою нейромереж; прогнозування онкологічних та метаболічних ризиків за генетичними профілями; інтеграції інформації з носимих сенсорів для попередження інфарктів, аритмій, гіпертонічних кризів.

Результати досліджень свідчать, що застосування ШІ у скринінгу раку легенів, діабету та серцево-судинних захворювань підвищує точність діагностики на 10–25%, зменшує кількість помилкових результатів і скорочує час інтерпретації зображень удвічі [4, 15]. Інтеграція таких технологій у практику сімейного лікаря формує нову якість профілактичної медицини, за якої захворювання виявляється не під час прийому, а задовго до нього, і лікування починається ще до появи перших симптомів. Це не лише підвищує ефективність терапії, а й суттєво зменшує соціальні та економічні витрати на охорону здоров’я.

Таким чином, раннє виявлення захворювань із використанням штучного інтелекту є революційним кроком до превентивної медицини майбутнього, де діагностика стає прогнозом, а лікування — попередженням.

Телемедицина і дистанційний моніторинг сьогодні належать до ключових напрямів трансформації глобальної системи охорони здоров’я. Вони забезпечують дистанційну взаємодію між лікарем і пацієнтом через цифрові технології, дозволяючи проводити консультації, спостереження та контроль стану здоров’я без необхідності відвідування медичного закладу. Особливої актуальності телемедицина набуває в умовах зростання кількості хронічних захворювань і старіння населення. Сучасні сенсори, носимі пристрої (wearables) та мобільні застосунки у поєднанні з штучним інтелектом дозволяють контролювати життєві показники в реальному часі: артеріальний тиск, частоту серцевих скорочень, рівень глюкози, насичення крові киснем, електрокардіограму (ЕКГ) — і автоматично передавати їх лікарю або в медичну систему eHealth. Алгоритми ШІ аналізують отримані дані, виявляють аномалії у фізіологічних параметрах і миттєво сповіщають лікаря або пацієнта про можливі ризики. Наприклад, нейромережі можуть прогнозувати розвиток аритмії, гіпоглікемії чи гіпертонічного кризу за декілька годин до появи симптомів [10]. Телемедичні системи нового покоління поєднують: мобільні пристрої та сенсори (розумні годинники, браслети, імплантовані датчики); хмарні платформи зберігання даних, інтегровані з eHealth; аналітичні модулі на основі машинного навчання, що автоматично формують рекомендації; інтерфейси для лікаря, які дозволяють моніторити велику кількість пацієнтів одночасно.

Дослідження показують, що дистанційний моніторинг з використанням ШІ знижує частоту госпіталізацій пацієнтів із серцево-судинними захворюваннями на 25–30% і покращує контроль глікемії у хворих на діабет другого типу [2, 16]. Крім того, телемедицина забезпечує рівний доступ до медичної допомоги для жителів сільських або віддалених регіонів. Завдяки автоматизованому збору даних і дистанційним консультаціям лікар може приймати рішення швидко та на основі достовірної інформації, що суттєво підвищує якість профілактичної роботи.

В Україні розвиток телемедицини підтримується інтеграцією з національною системою eHealth та проєктами цифрового моніторингу стану здоров’я населення. Зокрема, у найближчі роки очікується розширення мережі телемедичних кабінетів і створення інтелектуальних платформ профілактичного спостереження, що об’єднають лікарів, пацієнтів та аналітичні системи. У перспективі телемедицина разом зі штучним інтелектом трансформують медицину в «інтелектуальну екосистему здоров’я», де людина зможе отримувати медичну підтримку цілодобово — у будь- якому місці й у будь-який час.

Сучасна медицина вже активно впроваджує рішення на основі штучного інтелекту, які не лише допомагають у діагностиці, а й відіграють ключову роль у профілактиці та ранньому виявленні захворювань. Такі системи стали основою для нової концепції превентивної медицини, де прогнозування, аналіз і попередження патологічних процесів здійснюються на базі інтелектуальних алгоритмів.

Як приклади, що ілюструють міжнародний досвід застосування ШІ, можна навести такі системи:

  • CardioAI — прогнозування ризику серцево-судинних подій. Система CardioAI аналізує електрокардіограми, лабораторні показники та дані зі смарт-пристроїв, створюючи персоналізовані моделі ризику серцевих нападів. Дослідження показали, що алгоритми CardioAI здатні передбачити серцеву дисфункцію з точністю понад 90% ще до появи симптомів [17];
  • DeepMind Health — рання діагностика діабетичної ретинопатії. Розробка компанії DeepMind (Велика Британія) здатна виявляти ознаки ретинопатії та макулярного набряку за допомогою глибоких нейронних мереж, досягаючи точності 94,5%, зіставної з оцінками досвідчених офтальмологів [18]. Цей підхід дозволяє проводити масовий скринінг у групах ризику серед пацієнтів із цукровим діабетом;
  • SkinVision — оцінка ризику меланоми. Мобільний застосунок SkinVision використовує комп’ютерний зір для аналізу зображень шкіри, знятих камерою смартфона. Алгоритм обчислює ймовірність злоякісності новоутворення. Точність виявлення меланоми сягає 90%, що робить систему ефективним інструментом самоконтролю пацієнтів [19];
  • IBM Watson Health — аналіз онкологічних ризиків. Система IBM Watson Health використовує обробку природної мови (NLP) і машинне навчання для аналізу клінічних записів, генетичних та біохімічних даних. Вона допомагає лікарям формувати персоналізовані програми профілактики онкопатологій, підвищуючи точність прогнозів на 20–25% [20].

В Україні, попри складні соціально-економічні умови, також активно розвиваються ініціативи із впровадження штучного інтелекту в медичну практику. Вони підтверджують, що національна система охорони здоров’я має значний потенціал у галузі цифрової медицини. Як українські приклади застосування ШІ в медицині можна навести:

  • MyHeal — принципово нова медична онлайн- система, орієнтована на профілактику хронічних захворювань та збереження здоров’я і співпрацю між пацієнтом та лікарем, створена в Києві компанією НВК

«Екофарм». Програма надає унікальні можливості — вбудовані системи скринінгу і моніторингу здоров’я, а також багатофункціональний особистий медичний архів, за допомогою якого саме пацієнт керує станом свого здоров’я, а сімейний лікар йому в цьому допомагає. Система об’єднує весь сучасний інструментарій для ефективної роботи сімейного лікаря (https://myheal. com.ua);

  • BrainScan — рання діагностика інсультів. У 2023– 2024 рр. в Одесі запущено пілотний проєкт BrainScan AI, який використовує нейромережі для аналізу КТ- знімків головного мозку з метою швидкого виявлення ішемічного або геморагічного інсульту. Алгоритм аналізує зображення за декілька секунд, що скорочує у критичних випадках час постановки діагнозу. За повідомленням МОЗ України, точність системи сягає 92–95%, а середній час ухвалення рішення скорочено утричі;
  • CheckEye — скринінг хронічних захворювань. Український стартап CheckEye (Одеса–Київ) у партнерстві з Інститутом очних хвороб ім. В. Філатова впровадив систему, що аналізує зображення очного дна для виявлення діабетичної ретинопатії, гіпертонії та атеросклерозу. Проєкт отримав міжнародну премію EIT Health InnoStars Awards 2024 як один із найперспективніших у сфері eHealth [21].

У межах цифровізації охорони здоров’я розпочато створення інтелектуальної аналітичної системи профілактики неінфекційних захворювань на базі eHealth. Ця система дозволить об’єднати дані лікарів первинної ланки, лабораторій та мобільних застосунків у єдину екосистему для прогнозування епідемічних ризиків та індивідуальних профілів здоров’я [8].

За аналітичними оцінками, понад 70% українських медичних фахівців вважають, що впровадження ШІ у профілактичну медицину допоможе зменшити кількість діагностичних помилок і оптимізувати навантаження на лікарів первинної ланки [22].

У новій цифровій парадигмі медицини сімейний лікар зберігає центральну роль — він залишається ключовою ланкою між пацієнтом, технологіями та системою охорони здоров’я. Проте функції лікаря трансформуються: від традиційної реактивної моделі, де лікар втручається після появи симптомів, до проактивної, аналітично керованої профілактики.

Сімейний лікар повинен не лише спостерігати, а й керувати цифровими потоками даних — аналізувати результати моніторингу, алгоритмічні прогнози, рекомендації систем підтримки прийняття рішень (Clinical Decision Support Systems, CDSS). Це вимагає не лише медичних, а й цифрових компетенцій, уміння інтерпретувати результати роботи ШІ та поєднувати їх з клінічним досвідом [2].

Традиційно лікар діє після виникнення симптомів. Натомість сучасна профілактична медицина на основі ШІ дозволяє виявляти ризики ще до появи клінічних проявів. Завдяки аналітиці великих даних, сімейний лікар може формувати індивідуальні профілі ризику пацієнтів, отримувати автоматизовані сповіщення про зміни у фізіологічних параметрах (ЧСС, артеріальний тиск, глюкоза, сон), здійснювати раннє втручання без госпіталізації, координувати профілактичні програми на рівні родини або громади [4].

Штучний інтелект у практиці сімейного лікаря — це не конкурент, а інструмент підсилення. Системи CDSS (наприклад, IBM Watson Health, Ada Health, MyHeal або локальні рішення на базі eHealth) аналізують симптоми, анамнез, лабораторні результати й пропонують попередні діагностичні гіпотези. Це дозволяє лікарю економити час, підвищувати точність рішень і зосереджуватися на спілкуванні з пацієнтом. Дослідження показують, що застосування таких інтелектуальних систем може скоротити кількість діагностичних помилок на 15–20% і підвищити задоволеність пацієнтів лікуванням [10].

Сімейний лікар стає координатором цифрового здоров’я: він пояснює результати алгоритмів, контролює точність даних, формує рекомендації, адаптовані до реалій життя пацієнта. У поєднанні з телемедициною це створює нову модель довіри між пацієнтом і лікарем — постійний контакт замість періодичних візитів.

В Україні роль сімейного лікаря у цифровій трансформації медицини закріплена в Національній стратегії розвитку eHealth 2024–2030 [8]. Пілотні регіони (Київ, Львів, Дніпро, Одеса) уже тестують електронні профілі здоров’я з прогнозними моделями ризику, де лікар отримує автоматичні попередження про можливі зміни стану пацієнта. Також проводяться навчальні програми з цифрової грамотності медиків, зокрема курс «AI у практиці сімейного лікаря» на базі Центру громадського здоров’я МОЗ України [23] .

Розвиток штучного інтелекту у медицині відкриває величезні можливості для підвищення ефективності профілактики, діагностики та лікування. Проте одночасно з цим виникають нові етичні та правові виклики, які вимагають чітких норм, регулювання й суспільного діалогу. Ключовими питаннями, що визначають довіру суспільства до медичного ШІ, є: захист персональних даних і конфіденційність, прозорість алгоритмів, розподіл відповідальності між лікарем і технологією, етика використання даних пацієнтів, формування довіри пацієнта до автоматизованих рішень.

Медичні дані — одні з найчутливіших у цифровій екосистемі. Використання ШІ передбачає збір, обробку та зберігання великих обсягів інформації, що містить персональні відомості, генетичні профілі, результати аналізів і соціально-економічні показники. Порушення конфіденційності може призвести не лише до втрати приватності, а й до дискримінації або стигматизації пацієнта.

В Україні питання захисту персональних медичних даних регулюється Законом України «Про захист персональних даних» [24], Законом «Про електронну систему охорони здоров’я»[25] та вимогами GDPR (General Data Protection Regulation) ЄС, які Україна поступово імплементує у національне законодавство в межах євроінтеграції.

У 2024 році МОЗ України та Міністерство цифрової трансформації започаткували ініціативу зі створення Кодексу етичного використання ШІ у медицині, який визначатиме стандарти анонімізації даних, алгоритмічної прозорості та взаємодії з пацієнтами [9].

Одним із головних принципів етичного використання ШІ є пояснюваність (explainability). Алгоритми, що впливають на клінічні рішення, повинні бути зрозумілими для лікарів і пацієнтів. Відповідно до рекомендацій World Health Organization [2], розробники систем ШІ у медицині мають забезпечувати: документування джерел даних, опис логіки моделі, можливість аудиту та незалежної перевірки. Непрозорість моделей («чорна скринька») може підірвати довіру пацієнта та відповідальність лікаря, тому пояснюваність — ключова вимога до будь- яких систем клінічного аналізу.

ШІ може прискорювати та полегшувати прийняття рішення, однак остаточна клінічна відповідальність завжди повинна залишатися за лікарем. У випадку медичної помилки або неправильного алгоритмічного прогнозу виникає правова дилема: хто відповідальний — лікар, розробники чи заклад, що впровадив систему, в якій використовується ШІ? В українській практиці це питання поки що не врегульоване. Проте в межах проєкту AI & Law in Healthcare Ukraine [26] розглядається створення спеціального правового механізму «спільної відповідальності» між медичним закладом, оператором даних і постачальником алгоритму. Це має забезпечити баланс між інновацією та безпекою пацієнта.

Пацієнт має знати, що в його діагностиці чи профі- лактиці використовується ШІ. Принцип інформованої згоди має бути розширений, включаючи роз’яснення, які саме дані аналізуються, як формується висновок і хто контролює процес. Довіра — це основа прийняття ШІ у суспільстві: без прозорої комунікації технологія не буде ефективною навіть за високої точності. Опитування, проведене Центром громадського здоров’я МОЗ України у 2024 році, показало, що 65% українців готові довірити аналіз своїх медичних даних системам ШІ, якщо вони сертифіковані й контролюються лікарем.

Згідно з рекомендаціями WHO [2], UNESCO [27] та Council of Europe [28], етичне впровадження ШІ у сферу охорони здоров’я має ґрунтуватися на шести ключових принципах: автономія пацієнта — право на усвідомлений вибір; благочинність — спрямованість на користь пацієнта; справедливість — рівний доступ до технологій; прозорість — пояснюваність алгоритмів; відповідальність — людський контроль над системами; безпека даних — захист і анонімізація медичної інформації.

Виклики для системи охорони здоров’я України у впровадженні штучного інтелекту. Попри значний потенціал цифрових технологій, система охорони здоров’я України наразі стикається з низкою бар’єрів, які ускладнюють ефективне впровадження штучного інтелекту у сферу профілактики, діагностики та управління здоров’ям населення. Ці виклики мають як технологічний, так і нормативно-освітній характер, що вимагає комплексного підходу до реформування галузі.

  1. Недостатня цифровізація та інфраструктурні обмеження. Попри те, що система eHealth стала основою цифрових медичних процесів в Україні, її функціонал залишається обмеженим. У багатьох регіонах спостерігається нерівномірний рівень цифровізації: частина медзакладів працює в електронному форматі, натомість інші досі використовують паперові записи. За даними Міністерства охорони здоров’я України [9], понад 40% закладів первинної медичної допомоги не мають повноцінного доступу до стабільного інтернету чи сертифікованих медичних інформаційних систем. Крім того, обмежена кількість інтегрованих баз даних унеможливлює повноцінне застосування алгоритмів машинного навчання, які потребують великих обсягів достовірної інформації для аналізу.
  1. Нестача якісних і стандартизованих медичних даних. Одна з головних проблем — фрагментованість і неоднорідність медичних даних. Інформація про пацієнтів часто зберігається у різних форматах, без єдиних стандартів кодування (HL7, FHIR), що ускладнює обмін між медичними установами. У 2023–2024 роках МОЗ і Міністерство цифрової трансформації розпочали проєкт «Національний медичний датацентр», який має створити уніфіковану платформу для обміну даними між лікарнями, лабораторіями та телемедичними сервісами. Однак цей процес потребує значних фінансових та кадрових ресурсів [9].
  1. Відсутність чіткої правової бази для використання ШІ. В Україні досі не існує спеціального закону, який регулює застосування ШІ у медицині. Наявні норми (наприклад, Закон «Про захист персональних даних») [24] не враховують особливостей алгоритмічної обробки медичних відомостей, ризиків «чорних скриньок» або відповідальності у випадку помилкових рішень систем. У 2024 році в межах Національної стратегії розвитку штучного інтелекту розроблено концепцію «Етичного кодексу ШІ в охороні здоров’я», яка має стати основою майбутнього законодавства. Проте нормативна база поки що залишається фрагментарною і не охоплює сферу клінічної практики [26].
  1. Низький рівень цифрових компетенцій медичних працівників. За даними опитування Центру громадського здоров’я МОЗ України [23], лише 27% лікарів первинної ланки впевнено користуються цифровими інструментами для аналізу медичних даних. Більшість фахівців потребують підвищення кваліфікації у сферах: базової інформативної грамотності (електронні записи, безпечна робота з даними); аналітики даних і принципів роботи ШІ; інтерпретації алгоритмічних результатів для клінічного прийняття рішень. З метою вирішення проблеми у 2024–2025 роках МОЗ спільно з Національним медичним університетом ім. О. О. Богомольця запровадили програму Digital Skills for Family Doctors, що передбачає навчання лікарів цифровим компетенціям, телемедицині та базам eHealth.
  1. Етичні та суспільні бар’єри. Довіра пацієнтів до використання ШІ залишається помірною. Опитування Gradus Research [29] показало, що лише 58% українців готові довірити частину медичних рішень системам ШІ, якщо лікар контролює процес. Пацієнти висловлюють побоювання щодо витоку інформації, можливих помилок і відсутності людського фактору у прийнятті рішень. Отже, паралельно з технологічним розвитком необхідно розвивати етичну культуру використання ШІ, де головною цінністю залишається людина, а технологія — лише інструмент.
  1. Обмежене фінансування та залежність від грантових ініціатив. Більшість українських проєктів у сфері ШІ у медицині реалізуються за підтримки міжнародних партнерів (EIT Health, USAID, Horizon Europe). Державне фінансування досліджень і цифрової модернізації охорони здоров’я поки що не перевищує 0,2% від загального бюджету галузі [30]. Без стабільного фінансування створення національної інфраструктури даних та підготовка кадрів залишаються складним завданням.

Перспективи розвитку штучного інтелекту у превентивній медицині визначають майбутнє української системи охорони здоров’я. Світова тенденція переходу від лікувальної до превентивної моделі медицини створює умови, коли технології даних, аналітики та автоматизації стають основою державної політики у сфері здоров’я. Для України, яка активно рухається шляхом цифрової трансформації, ШІ є інструментом підвищення ефективності, точності та доступності медичних послуг, особливо у профілактичній сфері. На даному етапі розвитку важливим є:

  1. Створення національних медичних датацентрів. Одним із ключових напрямів є формування Національних медичних датацентрів, які забезпечать централізований збір, обробку та аналіз даних про стан здоров’я населення. У 2024 році МОЗ України спільно з Міністерством цифрової трансформації започаткували проєкт National Medical Data Center (NMDC), який має об’єднати медичні інформаційні системи державних і приватних закладів у єдину платформу. Такі центри дозволять створювати національні аналітичні моделі ризику захворювань, здійснювати епідеміологічне прогнозування, формувати базу даних для навчання алгоритмів ШІ, підтримувати державні програми превентивної медицини. Згідно з концепцією NMDC [9], у 2025–2027 роках передбачається інтеграція до центру близько 70% державних лікарень і створення хмарної інфраструктури для аналітичних моделей.
  1. Інтеграція штучного інтелекту в систему eHealth. Національна електронна система eHealth є основою цифровізації охорони здоров’я в Україні. Наступним етапом її розвитку стане інтеграція модулів штучного інтелекту — аналітики великих даних, прогнозування ризиків, автоматизації скринінгу. У межах програми eHealth 2024–2030 розглядається впровадження функцій: AI-based Clinical Decision Support Systems (CDSS) для лікарів первинної ланки, інтелектуального моніторингу здоров’я населення, автоматичного формування профілів ризику на основі даних пацієнта та соціальних детермінант [8]. Впровадження таких інструментів дозволить підвищити точність діагностики, скоротити кількість паперової документації та покращити управління профілактичними програмами на рівні громад.
  1. Навчання лікарів цифровим компетенціям. Успішне впровадження ШІ неможливе без підготовки медичних кадрів. З цією метою в Україні реалізується низка освітніх ініціатив, серед яких: Національна програма Digital Skills for Doctors [23] — онлайн-курси з цифрової медицини, аналітики даних і основ машинного навчання; курс AI in Family Medicine Practice, створений Центром громадського здоров’я МОЗ та НМУ ім. О. О. Богомольця; пілотні тренінги у Дніпрі та Львові для сімейних лікарів з використанням аналітичних інструментів у системі eHealth. До 2030 року планується охопити навчанням не менше 60% лікарів первинної ланки, забезпечивши їм базові цифрові навички та розуміння принципів етичного використання ШІ [23].
  1. Міждисциплінарна співпраця. Розвиток превентивної медицини на основі ШІ потребує співпраці між різними галузями — медициною, ІТ, біоінформатикою, юриспруденцією, біоетикою та держуправлінням. В Україні формується екосистема міждисциплінарних центрів, таких як: AI4Health Ukraine [30] — платформа взаємодії розробників і медичних установ; Digital Health Hub при НАН України — осередок досліджень у сфері медичних даних; партнерські програми з університетами Польщі, Німеччини та Естонії у межах Horizon Europe. Таке партнерство дозволяє Україні інтегруватися у європейський простір цифрової охорони здоров’я, обмінюватися досвідом і брати участь у міжнародних проєктах з біоетики та управління даними.
  2. Стратегічне бачення на 2030 рік. За прогнозами МОЗ України та експертів ВООЗ, у найближчі роки основними векторами розвитку будуть: створення інтелектуальної аналітичної системи охорони здоров’я; повна інтеграція ШІ у первинну ланку (сімейна медицина); використання національних дата центрів для профілактики неінфекційних захворювань; впровадження етичного кодексу щодо алгоритмів у медицині; розвиток державно-приватного партнерства у сфері цифрового здоров’я. Таким чином, розвиток штучного інтелекту в Україні — це не лише технологічний процес, а новий етап становлення превентивної медицини, у якому головна мета — зробити медичну допомогу прогнозованою, персоналізованою і доступною для кожного громадянина.

Висновки

Штучний інтелект відкриває нову епоху у розвитку превентивної медицини, змінюючи саму філософію охорони здоров’я — від лікування хронічних хвороб до збереження сталого стану здоров’я.

Це не заміна лікаря, а інструмент, який підсилює його можливості, забезпечуючи точнішу діагностику, індивідуальні прогнози та ефективні стратегії профілактики. ШІ допомагає лікарю не лише лікувати, а передбачати та запобігати. Аналізуючи великі масиви даних — від генетичних показників до способу життя пацієнта, — системи на основі машинного навчання дозволяють виявити ризики ще до появи симптомів, що відкриває шлях до по-справжньому проактивної медицини.

У цьому процесі сімейний лікар залишається центральною фігурою. Його завдання — не лише призначати лікування, а й координувати пацієнта у цифровому середовищі: інтерпретувати результати алгоритмів, пояснювати надані рекомендації, зберігати довіру. Саме лікар має поєднати технології з людяністю, перетворюючи цифрові інструменти на допоміжний засіб турботи про пацієнта. Українські ініціативи, зокрема програми Digital Skills for Doctors і AI in Family Medicine Practice, показують, що держава усвідомлює важливість підготовки лікарів до роботи в умовах нової цифрової реальності [23].

Таким чином, інтеграція штучного інтелекту в систему охорони здоров’я формує нову парадигму 4П медицини, у центрі якої — здоров’я людини, а не її хвороба. ШІ виступає рушійною силою переходу від реактивної моделі лікування до превентивної, аналітичної та персоналізованої системи підтримки сталого стану здоров’я пацієнта.

Це узгоджується з підходами, визначеними в стратегічних документах Європейської комісії [3], і відображає загальний тренд цифрової модернізації медицини у глобальному масштабі.

Україна має потужний потенціал для розвитку цифрової превентивної медицини. Запуск Національного медичного датацентру (NMDC), розвиток системи eHealth, участь у міжнародних програмах Horizon Europe і WHO Digital Health формують підґрунтя для інтелектуальної екосистеми здоров’я, де медичні дані використовуються етично, безпечно і на благо людини. Вже сьогодні пілотні українські рішення — MyHeal, принципово нова медична онлайн-система, орієнтована на профілактику для збереження здоров’я і співпрацю між пацієнтом та лікарем (НВК «Екофарм»), BrainScan для раннього виявлення інсультів, CheckEye для діабетичної ретинопатії — демонструють реальні результати інтеграції ШІ у практику профілактики [21].

Виклики і відповідальність. Попри швидкий прогрес, залишається низка викликів: нестача стандартизованих даних, потреба у законодавчому регулюванні, фінансові обмеження та етичні ризики. Саме тому важливо створювати систему спільної відповідальності, де держава, лікар, пацієнт і технологічні компанії діятимуть у партнерстві, дотримуючись принципів безпеки, прозорості й довіри.

Погляд у майбутнє. Майбутнє превентивної медицини в Україні — це поєднання науки, технології та гуманізму. Штучний інтелект стає інструментом, який допомагає суспільству робити медицину доступнішою, швидшою та точнішою, зберігаючи при цьому людяність професії лікаря. Як наголошує World Health Organization [2], найцінніша технологія — це та, що працює в інтересах людини. І саме такий шлях обирає сучасна українська медицина — шлях інтелектуального, етичного і превентивного розвитку.

Література

  1. World Health Organization. Public health approaches to prevention and health promotion. Geneva: WHO; 2021.
  2. World Health Organization. Artificial intelligence for health and health systems: analytical report. Geneva: WHO; 2023.
  3. European Commission. Horizon Europe and 4P-medicine: digital transformation of health systems in Europe. Brussels: European Commission; 2023.
  4. Topol E. Deep medicine: how artificial intelligence can make healthcare human again. New York: Basic Books; 2019.
  5. BrainScan AI. Pilot project of AI-based CT analysis for early stroke diagnostics in Odesa region (2023–2024). Project materials; 2023–2024.
  6. CheckEye. AI-platform for retinal screening and early detection of chronic diseases (diabetic retinopathy, hypertension, atherosclerosis). Project materials; 2024.
  7. Centers for Disease Control and Prevention. Public Health 3.0 and digital tools for prevention. Atlanta: CDC; 2022.
  8. Ministry of Health of Ukraine. National Public Health Strategy and eHealth 2024–2030; strategy «Здоров’я-2030» and project «Цифрова профілактична медицина». Kyiv; 2024.
  9. Ministry of Health of Ukraine & Ministry of Digital Transformation. Concept of the National Medical Data Center (NMDC) and integration of medical information systems. Kyiv; 2024.
  10. Rajkomar A., Dean J., Kohane I. Machine learning in medicine. N Engl J Med. 2019;380(14):1347–1358.
  11. Obermeyer Z., Emanuel E. J. Predicting the future—big data, machine learning and clinical medicine. N Engl J Med. 2016;375(13):1216–1219.
  12. Liu M., Li F., Yan H. et al. Deep learning-based neuroimaging for early detection of neurodegenerative diseases. Nat Commun. 2022;13:1234–1245.
  13. Ardila D., Kiraly A. P., Bharadwaj S. et al. End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest CT. Nat Med. 2019;25(6):954–961.
  14. McKinney S. M., Sieniek M., Godbole V. et al. International evaluation of an AI system for breast cancer screening. Nature. 2020;577(7788):89–94.
  15. Rajpurkar P., Chen E., Banerjee O., Topol E. J. AI in health care: the deep-learning revolution. Lancet Digit Health. 2022;4(5):e343–e356.
  16. Steinhubl S. R., Waalen J., Edwards A. M. Digital medicine and remote monitoring in cardiology. J Am Heart Assoc. 2020;9(7):e014219.
  17. Attia Z. I., Noseworthy P. A., Lopez-Jimenez F. et al. Screening for cardiac dysfunction using artificial intelligence-enabled ECG. Nat Med. 2019;25(1):70–74.
  18. De Fauw J., Ledsam J. R., Romera-Paredes B. et al. Clinically applicable deep learning for diagnosis and referral in retinal disease. Nat Med. 2018;24(9):1342–1350.
  19. Maier T., Kulichova D., Schotten K. et al. Mobile phone-based skin cancer screening using artificial intelligence. Eur J Dermatol. 2020;30(2):123–130.
  20. Kourou K., Exarchos T. P., Exarchos K. P. et al. Machine learning applications in cancer prognosis and prediction. Bioinformatics. 2015;31(13):236–248.
  21. TechUkraine. Ukrainian eHealth and AI startups: BrainScan, CheckEye and others. TechUkraine.org; 2024.
  22. Nucamp.co. Survey on the views of Ukrainian medical professionals regarding artificial intelligence in preventive medicine. 2024.
  23. Center for Public Health, Ministry of Health of Ukraine. Educational programmes «Digital Skills for Doctors», «AI in Family Medicine Practice» and surveys of digital competencies of physicians. Kyiv; 2024.
  24. Закон України «Про захист персональних даних» №2297–VI від 01.06.2010.
  25. Закон України «Про електронну систему охорони здоров’я» від 2023 р.
  26. Cabinet of Ministers of Ukraine. Concept of ethical code and legal regulation for the use of artificial intelligence in healthcare (project «AI & Law in Healthcare Ukraine»). Kyiv; 2024.
  27. UNESCO. Recommendation on the Ethics of Artificial Intelligence. Paris: UNESCO; 2021.
  28. Council of Europe. Guidelines on artificial intelligence and data protection. Strasbourg: Council of Europe; 2022.
  29. Gradus Research. Ставлення українців до використання штучного інтелекту в медицині: результати соціологічного опитування 2023 року. Київ; 2023.
  30. MinFin (Міністерство фінансів України). Державні видатки на охорону здоров’я та цифрову модернізацію системи: аналітичні матеріали 2024 року. Київ; 2024.
  31. AI4Health Ukraine. Платформа міждисциплінарної співпраці у сфері штучного інтелекту в охороні здоров’я: проєкти 2024 року. Київ; 2024.

Відомості про авторів:

Гриневич О. Й. — д. мед. н., заступник генерального директора ТОВ «НВК Екофарм», доцент НМУ ім. О. О. Богомольця, Київ, Україна. ORCID: 0000-0001-6542-8102

Новик А. М. — Голова наглядової ради ТОВ «НВК Екофарм»

Підписатися
Сповістити про
guest
Наприклад: Сімейний лікар
0 Коментарі
Вбудовані Відгуки
Переглянути всі коментарі

Натискаючи ЗГОДЕН ви підтверджуєте вхід на сайт та ознайомлення з Попередженням-угодою!

У даному спеціалізованому інтернет-виданні (сайті, спеціалізованому розділі сайту) «Превентивна медицина. Теорія і практика» (Свідоцтво про державну реєстрацію КВ №25337-15277Р від 22.12.2022 р. УДК 616-084(477+100)(05)) надає професійну спеціалізовану інформацію про рецептурні препарати, зокрема про їх назву, характеристику, лікувальні властивості, можливу побічну дію, та іншу, передбачену законодавством інформацію, виключно спеціалістам галузі охорони здоров’я (особам, що мають вищу або середню спеціальну медичну освіту). Сайт містить інформацію, що призначена виключно для фахівців медичної та фармацевтичної галузей, вона не може бути використана для самодіагностики та самолікування і не є заміною консультації лікаря.

Інформація про рецептурні препарати надається виключно для ознайомлення фахівців з препаратами і не є рекламою, та не є керівництвом для самостійної діагностики або лікування, а також, не може бути використана в якості медичних порад або рекомендацій.

Онлайн версія журналу «Превентивна медицина. Теорія і практика» (Свідоцтво про державну реєстрацію КВ №25337-15277Р від 22.12.2022 р. УДК 616-084(477+100)(05)) та засновники журналу: ДУ «Інститут епідеміології та інфекційних хвороб ім. Л.В. Громашевського НАМН України» та ТОВ «НВК «Екофарм» не несуть відповідальності за можливу шкоду, спричинену Вашому здоров’ю у разі самостійного лікування, що проводиться на базі використання рецептурних препаратів (без попередньої консультації зі спеціалістом).

У випадку, якщо Ви не є спеціалістом охорони здоров’я, проте, порушуючи ці умови, надаєте недостовірну інформацію про себе, приймаєте цю угоду, засновники, компанія ТОВ «НВК «ЕКОФАРМ» та ДУ «Інститут епідеміології та інфекційних хвороб ім. Л.В. Громашевського НАМН України» не несуть відповідальності за можливі негативні наслідки, що можуть виникнути в результаті самостійного використання Вами інформації з цього сайту (розділу сайту). Ви робите це самостійно та осмисленно, усвідомлюючи, що застосування будь-яких препаратів, в тому числі рецептурних, можливо тільки за призначенням лікаря, після попередньої консультації з відповідним спеціалістом охорони здоров’я.

Цією Згодою я приймаю угоду та підтверджую, що я є дипломованим спеціалістом у галузі охорони здоров’я (лікарем, фармацевтом тощо), чим підтверджую свій професійний статус, ознайомлений та підтримую попередження-угоду про користуванням сайтом і отримання спеціалізованої інформації про рецептурні препарати, запитую та бажаю отримати таку спеціалізовану професійну інформацію.

0
Ми цінуємо ваші думки, будь ласка, прокоментуйте.x