 |
В Красноярском крае реализован очередной этап цифровой трансформации сферы здравоохранения
Проведение лабораторных исследований – неотъемлемый атрибут практически любой диагностики заболевания. По назначению врача пациенту может потребоваться сдать биологический материал (кровь, мочу, кал, слюну и т. д.) для проведения общеклинического или биохимического анализа, анализа на гормоны и др. В этом же ряду находятся цитологические и гистологические исследования, когда в лаборатории изучаются клетки или ткани организма. Именно эти исследования оказываются незаменимы при диагностике злокачественных новообразований: их результаты являются основой для постановки диагноза и выбора верного протокола терапии.
Однако только лишь проведения исследования для качественной диагностики в настоящее время уже недостаточно: необходимо, чтобы его результаты автоматически преобразовывались в структурированную цифровую форму, которая в таком же автоматическом режиме становилась доступна лечащему врачу. Кроме того, важно, чтобы эти данные учитывались при подготовке статистических отчетов и при расчете расходуемых реагентов как в конкретной медицинской организации, так и в регионе.
Для достижения этих целей в Красноярском крае служит РЛИС – Региональная лабораторная информационная система, которая разработана IT-компанией «КОМТЕК», занимающейся автоматизацией медицинских учреждений. Для того чтобы данные лабораторных исследований, агрегируемые в этой системе, могли быть использованы для принятия управленческих и аналитических решений на уровне Красноярского края, РЛИС должна быть интегрирована с Региональной вертикально-интегрированной медицинской информационной системой (РВИМИС), разработчиком которой выступила петербургская IT-компания «ТехЛАБ» (г. Санкт-Петербург), разрабатывающая сервисы цифрового здравоохранения.
О завершении такой интеграции объявили обе компании.
«Созданием РВИМИС в Красноярском крае мы занимались в 2021 году, а в 2022 году, в рамках развития этой системы, нами было организовано информационное взаимодействие с РЛИС. Благодаря этому РВИМИС получает доступ к данным лабораторных, в частности гистологических, исследований. Без таких данных не получить полноценную клиническую картину заболевания, которая нужна как врачу, так и организатору здравоохранения для принятия верных решений», – рассказывает Кирилл Сорокин, директор по разработке в IT-компании «ТехЛАБ».
Взаимодействие между системами РВИМИС от «ТехЛАБ» и РЛИС от «КОМТЕК» выстроено следующим образом:
• сначала в РЛИС регистрируются результаты лабораторного исследования;
• затем сигнал с данными направления или врачебного заключения поступает в РВИМИС, где проходит необходимую обработку, в частности форматное преобразование и конвертацию нормативно-справочной информации, после чего добавляется в карточку соответствующего пациента, обогащая клинические данные, уже имеющиеся в системе;
• далее РВИМИС формирует на основе этих сведений документ в формате СЭМД (структурированный электронный медицинский документ);
• наконец, результаты лабораторных исследований попадают в федеральный сервис ВИМИС в необходимом для этой системы формате.
Иными словами, интеграция между РЛИС и РВИМИС построена на основе принципа уведомления о появлении новых данных, для чего разработчикам РВИМИС необходимо было реализовать SPI (Service Provider Interface – программный механизм для поддержки сменных компонентов), предоставленный разработчиками РЛИС. Взаимодействие между системами осуществляется по протоколу HTTP.
По словам эксперта «ТехЛАБ», информационное взаимодействие двух систем очень важно для корректной работы сервисов здравоохранения и на других уровнях, в том числе федеральном, причем особую роль играет формат, в котором медицинские данные передаются в федеральные сервисы ВИМИС. Так, медицинская информация, получаемая из РЛИС, обязательно должна быть преобразована в формат СЭМД перед ее отправкой в федеральные сервисы ВИМИС. «Этим формированием СЭМД из входных данных, поступающих из лабораторий, мы занимаемся самостоятельно», – подчеркивает Кирилл Сорокин.
Контактное лицо: Анастасия Привалова
Компания: ТехЛАБ
Добавлен: 21:24, 09.03.2023
Количество просмотров: 642
Страна: Россия
| Транспортные документы от Платформы ЭПД можно будет подписать в смартфоне, Платформа ОФД, 17:06, 17.08.2026, Россия602 |
| «Платформа ОФД» присоединилась к соглашению Минцифры России о развитии и внедрении мобильной электронной подписи «Госключ». Сотрудничество направлено на проработку новых сценариев использования сервиса, обмен технологической экспертизой и поддержку интеграции в продукты электронного документооборота. |
| UDV Group: банки столкнутся с ИБ-рисками из-за нейросетей без правил, UDV Group, 17:04, 17.08.2026, Россия593 |
| Российский разработчик решений в области киберустойчивости UDV Group прокомментировал рекомендации Банка России по безопасному использованию искусственного интеллекта финансовыми организациями. По оценке эксперта компании, ИИ постепенно становится для банков не только инструментом автоматизации, но и отдельным объектом управления информационной безопасностью. |
| ActiveCloud запустил в России услугу частного облака, ActiveCloud, 20:34, 16.08.2026, Россия671 |
| Облачный провайдер ActiveCloud запустил в России услугу частного облака для размещения критически важных систем, ресурсоемких приложений и инфраструктуры с повышенными требованиями к безопасности. |
| «НОБИЛИС» ПРЕДСТАВИТ ЦИФРОВУЮ ЭКСПЕРТИЗУ В СФЕРЕ КОРПОРАТИВНОГО ЗДОРОВЬЯ НА ВНОТ-2026, Нобилис ООО, 14:07, 14.08.2026, Россия791 |  |
| ООО «Нобилис», разработчик российской платформы управления корпоративным здоровьем TouchMED, объявляет об участии в ключевом отраслевом событии - XI Всероссийской неделе охраны труда (ВНОТ-2026). В фокусе презентации компании - практические инструменты цифровизации медосмотров, в том числе профилактических и предиктивной аналитики для снижения операционных рисков и повышения эффективности персонала. |
| Nexign: российский бизнес не спешит использовать ИИ для поиска аномалий, Nexign, 14:03, 14.08.2026, Россия134 |  |
| Почти 80% российских компаний уже применяют инструменты мониторинга своей ИТ-инфраструктуры, но лишь каждая шестая использует модели машинного обучения для обнаружения аномалий. Мешают нехватка внутренней экспертизы, низкое качество данных и сложность подсчета окупаемости инвестиций. |
|
|
