Исследование паттернов искусственного интеллекта в цифровых инновациях: кейс здравоохранения
EDN: EJZDWN
Аннотация
Целью работы стало выявление ключевых характеристик цифровых инноваций здравоохранения для определений оптимальных стратегических подходов их развития. В качестве эмпирической базы для анализа составлен текстовый корпус из региональных практик цифрового здравоохранения, отобранных Минздравом РФ и ФГБУ «ЦНИИОИЗ» Минздрава России.
Посредством статистического метода TF-IDF для выявления семантически значимых терминов определены ключевые паттерны, характеризующие цифровые решения здравоохранения. Выявлена преобладающая роль инноваций, направленных на организацию оказания первичной медико-санитарной помощи. Наиболее характерными технологиями искусственного интеллекта в цифровых инновациях здравоохранения являются роботизированные голосовые помощники и технологии компьютерного зрения. Несовершенство нормативного регулирования применения медицинских технологий на основе искусственного интеллекта, сложившаяся цифровая инфраструктура, проблемы этики и безопасности использования медицинских данных затрудняют широкое внедрение инноваций. Показана актуальность разработки и внедрения немедицинских цифровых инноваций на основе искусственного интеллекта в рутинные процессы медицинских организаций. Объясняется целесообразность широкого применения искусственного интеллекта в рутинных инновациях для создания целостной экосистемы данных, необходимых для прогнозирования и принятия стратегических решений. В связи с этим определяются стратегические направления внедрения искусственного интеллекта в контексте цифровой трансформации управления здравоохранением: 1) широкое применение в повседневной и административной медицинской работе; 2) усилении роли и расширении спектра метаданных о процессах оказания медицинской помощи и состоянии системы здравоохранения.
Об авторах
Н. Н. Лисицкий
Национальный исследовательский университет ИТМО
Россия
Россия
Лисицкий Никита Николаевич, аспирант факультета технологического менеджмента и инноваций
Санкт-Петербург
Т. Г. Максимова
Национальный исследовательский университет ИТМО
Россия
Россия
Максимова Татьяна Геннадьевна, доктор экономических наук, кандидат технических наук, профессор факультета инфокоммуникационных технологий, профессор факультета технологического менеджмента и инноваций
Список литературы
1. Голиченко О. Г. Формирование и эволюция модели «подхватывания» технологий / О. Г. Голиченко, С. А. Самоволева, Л. В. Оболенская, Ю. Е. Балычева // Журнал экономической теории. 2019. Т. 16. № 3. С. 331–345. DOI 10.31063/2073-6517/2019.16-3.2. EDN OOWLSV
2. Егоров М. А. Обзор инвестиций в развитие российского рынка Medtech и перспектив влияния цифровизации в медицине на экономические показатели компаний до 2030 года / М. А. Егоров, С. А. Баженова, Н. А. Растегаева, Н. В. Королева, И. Н. Ишик // Проблемы социальной гигиены, здравоохранения и истории медицины. 2024. Т. 32, № S1. С. 588–593. DOI 10.32687/0869-866X-2024-32-s1-588-593. EDN TWUBHA
3. Касуха Л., Максимова Т. Г., Верзилин Д. Н. Политика подхватывания инноваций и клубы цифровой конвергенции арабских стран: результаты кластерного анализа // Общество: политика, экономика, право. 2025. № 5. С. 200–209. DOI 10.24158/pep.2025.5.24. EDN TCURJW
4. Орлов Г. М., Чугунов А. В. Цифровое здравоохранение: программно-целевой подход и проблемы старения // International Journal of Open Information Technologies. 2022. Т. 10. № 11. С. 113–125. DOI 10.25559/INJOIT.2307-8162.10.202211.113-125. EDN TNZLDB
5. B cue A., Praça I., Gama J. Artificial intelligence, cyber-threats and Industry 4.0: Challenges and opportunities // Artificial intelligence review. 2021. Vol. 54. N 5. P. 3849–3886.
6. Boutellier R., Heinzen M. Trend towards Routine Innovation. In Boutellier R., Heinzen M. (Eds), Growth through Innovation: Managing the Technology-Driven Enterprise. Cham: Springer International Publishing, 2013. P. 163–173 DOI 10.1007/978-3-319-04016-5_12.
7. Dai Y. (In press). Studying a Young Generation of AI Natives: Research Access and Sociotechnical Complexity. In Green J., Castanhira M. & Kumpulainen K. (Eds), The Research Handbook on Ethnography In and For Education: Developing Epistemologies of Inquiry in Changing Educational Terrains. Edward Algar Press, 2025.
8. Facilitating the secondary use of health data for public interest purposes across borders, OECD Digital Economy Papers. 2025. N 376. OECD Publishing, Paris. DOI 10.1787/d7b90d15-en.
9. Greenhalgh T., Fahy N., Shaw S. The Bright Elusive Butterfly of Value in Health Technology Development: Comment on «Providing Value to New Health Technology: The Early Contribution of Entrepreneurs, Investors, and Regulatory Agencies» // International Journal of Health Policy and Management. 2018. Vol. 7. N 1. P. 81–85.
10. Hall B. H., Rosenberg N. (ed.). Handbook of the Economics of Innovation. Elsevier, 2010. Vol. 1.
11. Hartschen M., Scherer J., Br gger C. Innovationsmanagement: die 6 Phasen von der Idee zur Umsetzung. GABAL Verlag GmbH, 2009.
12. Henfridsson O. et al. Recombination in the open-ended value landscape of digital innovation // Information and organization. 2018. Vol. 28. N 2. P. 89–100.
13. Hund A. et al. Digital innovation: Review and novel perspective // The Journal of Strategic Information Systems. 2021. Vol. 30. N 4. P. 101695. DOI 10.1016/j.jsis.2021.101695.
14. Kang H., Yu Z., Gong Y. Initializing and growing a database of health information technology (HIT) events by using TF-IDF and biterm topic modeling // AMIA Annual Symposium Proceedings. 2018. Vol. 2017. P. 1024.
15. Liu Z. et al. Transforming aged care in China: insights from a TF-IDF-based data mining analysis of national policies (2018–2022) // BMC geriatrics. 2025. Vol. 25. N 1. P. 1–17.
16. Liu Z. Sociological perspectives on artificial intelligence: A typological reading // Sociology Compass. 2021. Vol. 15. N 3. P. e12851.
17. Mirbabaie M. et al. The rise of artificial intelligence understanding the AI identity threat at the workplace // Electronic Markets. 2022. Vol. 32. N 1. P. 73–99.
18. Nambisan S. et al. Digital innovation management // MIS quarterly. 2017. Vol. 41. N 1. P. 223–238.
19. Nelson R. Evolutionary theories of economic change. In Nicita A., Pagano U. (Eds). The evolution of economic diversity. Psychology Press, 2001. P. 197–216.
20. Oslo Manual 2018: Guidelines for Collecting, Reporting and Using Data on Innovation, 4th Edition, The Measurement of Scientific, Technological and Innovation Activities. 2018. OECD Publishing, Paris/Eurostat, Luxembourg. DOI doi.org/10.1787/9789264304604-en.
21. Pantic I. V., Mugosa S. Artificial intelligence strategies based on random forests for detection of AI-generated content in public health // Public Health. 2025. Vol. 242. P. 382–387.
22. Starkbaum J. et al. Responsible innovation across societal sectors: a practice perspective on Quadruple Helix collaboration // Journal of Responsible Innovation. 2024. Vol. 11. N 1. P. 2414531.
23. Tække J. Sociological Perspectives on AI, Intelligence and Communication // Systems Research and Behavioral Science. 2025. Vol. 42. N 2. P. 574–584.
24. The innovator’s solution: Creating and sustaining successful growth / M. Raynor, C. Raynor. Harvard Business Review Press, 2013.
25. The political economy of digital monopolies: Contradictions and alternatives to data commodification / P. Bilić, T. Prug. Policy Press, 2021.
Рецензия
Для цитирования:
Лисицкий Н.Н., Максимова Т.Г. Исследование паттернов искусственного интеллекта в цифровых инновациях: кейс здравоохранения. Управленческое консультирование. 2025;(5):215–226. EDN: EJZDWN
For citation:
Lisitskii N.N., Maximova T.G. Exploring Artificial Intelligence Patterns in Digital Innovation: Insights from the Healthcare Sector. Administrative Consulting. 2025;(5):215–226. (In Russ.) EDN: EJZDWN
Просмотров:
8
Контент доступен под лицензией Creative Commons «Attribution-ShareAlike» («Атрибуция-СохранениеУсловий») 4.0 Всемирная.
Послать статью по эл. почте 