SCI Библиотека

Работа посвящена обсуждению социогуманитарных проблем, обусловленных тектоническими переменами в человеческой жизни на фоне тотальной цифровизации. В фокусе авторского внимания - уникальность современной ситуации: никогда ранее инновационные технологии не обладали способностью столь стремительного и глубокого проникновения в фундамент современного социума, не становились настолько распространенными и общедоступными практически для всех народов и культур. При этом неоспоримое общественное благо и серьезнейшие угрозы обществу, которые несут с собой технологии цифровой реальности, находятся в весьма тесной взаимосвязи. Особенно это касается систем искусственного интеллекта. Инновации трансформируют все мироустройство, привнося радикальные изменения не только в материальную сферу жизни, но и в духовно-нравственное состояние человека. В исследовании отмечается, что внедрение информационно-коммуникационных технологий в жизнь современного социума происходит без надежной опоры на результаты предварительных опытно-экспериментальных исследований, без учета глубокой профессиональной и ответственной оценки социальных и психологических последствий их воздействия на отдельную личность и на общество в целом. В итоге на данном этапе общество перманентно сталкивается с множеством негативных моментов воздействия высокотехнологичных средств. В работе рассматриваются некоторые из них: снижение когнитивных и аналитических способностей, обесценивание человеческого труда, криминализация киберпространства, распространение технологии Deepfake. Особое внимание уделено проблеме, связанной с возможностью использования информационных технологий в качестве инструмента психологического воздействия. Информационно-психологическое противоборство реализуется на базе социальных сетей и технологий искусственного интеллекта, что предоставляет противнику возможность достичь превосходства без использования военной силы. Год от года информационно-гуманитарные действия в киберпространстве, реализуемые странами Запада в целях дестабилизации нашего общества, разрушения его ценностных основ, переформатирования сознания, мировоззрения и духовно-нравственных качеств граждан, становятся все более масштабными и агрессивными. В этой связи все большую значимость обретает сфера высоких гуманитарных технологий, базирующихся на изучении закономерностей поведения личности и социальных групп. В работе отмечено, что цифровизация набирает обороты, все глубже погружая социум в новые обстоятельства и требуя решительных действий, ориентированных на преодоление множества угроз, специфичных для современной высокотехнологичной эпохи.

В статье проведен анализ использования искусственного интеллекта в сфере уголовного судопроизводства. Обсуждается существующий дискурс между юридическими и техническими знаниями, все более нарастающий дисбаланс между юридическим и техническим подходами в обосновании применения профессионального искусственного интеллекта. Использование технологий распознавания лиц в уголовном судопроизводстве, внедрение перспективных систем мониторинга и анализа больших данных, полученных в сети Интернет, использование ChatGPT при производстве по уголовному делу создают значительные риски в достижении назначения уголовного судопроизводства. Представляется интересным и заслуживающим внимания опыт внедрения искусственного интеллекта в сферу уголовной юстиции в Китайской Народной Республике - одном из передовых государств в этой области. Обозначен круг проблем, которые предстоит решить Российской Федерации, связанных с неправильной интерпретацией искусственным интеллектом судебных решений, неспособностью давать оценочные суждения, возможной предвзятостью алгоритмов, избирательностью данных, процессуальной формой вынесения приговоров, снижением уровня доверия населения к системе вынесения судебных решений, постановленных с помощью искусственного интеллекта.

В статье анализируется роль цифровых платформ в экономике и последствия роста их рыночной власти. Делается вывод о необходимости адаптации российского антимонопольного законодательства к потребностям цифровой экономики и рассматриваются основные направления его совершенствования.

 Авторы рассматривают тенденции и особенности развития нормативного регулирования проведения геномных исследований в контексте цифровизации на уровне глобальных и региональных международных организаций, включая интеграционные объединения. Проанализированы действующие в современном международном и интеграционном праве источники правового регулирования применения технологий искусственного интеллекта в сфере геномных исследований, выявлены основные тенденции развития глобальной и региональной регуляторики. Обращено внимание на то, что ключевые международные акты, принятые как на глобальном, так и на региональном уровне и регулирующие те или иные аспекты проведения геномных исследований, представляют собой так называемые акты мягкого права, которые являются рекомендательными и составляют своего рода «предправо». В заключение представлены рекомендации по усовершенствованию релевантного правового регулирования в рамках интеграционных объединений с участием Российской Федерации.

Развитие технологий, позволяющих собирать и обрабатывать большие массивы данных в медицинских целях, а также развитие цифровых инструментов и рост объема медицинской информации, собираемой как частными, так и государственными медицинскими учреждениями, определяют научный интерес к проблематике, рассматриваемой в настоящей статье. Одним из эффективных инструментов сбора таких данных являются данные реальной клинической практики и доказательства реальной клинической практики, которые позволяют обеспечивать сбор сведений о состоянии здоровья граждан, безопасности и эффективности лекарственных средств и медицинских изделий, а также иных данных о пациенте. Вместе с тем понятийно-категориальный аппарат, необходимый для формирования и реализации регуляторной политики в данной сфере, начал формироваться сравнительно недавно. Анализ российского и зарубежного законодательства и практики его применения позволяет сделать вывод о том, что данный элемент отраслевого правового регулирования находится в начальной стадии формирования и характеризуется использованием несогласованной терминологии и разностью подходов к пониманию источника и предмета таких данных.

До настоящего времени ни в академических кругах, ни в медицинском и ИТ сообществах не сформировано единого мнения, какой должна быть архитектура медицинской экосистемы. В связи с ориентированностью медицинских экосистем, в отличие от иных бизнес-экосистем, в первую очередь на удовлетворение потребностей пациентов в здоровье-сбережении, а также в связи с постоянными изменениями в мире ИТ и современном бизнесе, работа по согласованию бизнеса и ИТ в интересах пациентов в медицинской экосистеме приобретает особое значение. Предлагается использовать подход, основанный на концепции архитектуры предприятия (АП), которая уже в течение достаточно длительного времени использовалась для разработки информационных систем, в сочетании с подходом, основанном на управлении ИТ-сервисами. В данной статье при- водится обоснование использования концепции АП совместно с управлением ИТ-сервисами для согласования потребности бизнеса и информационных технологий при разработке архитектуры медицинской экосистемы. Цель данной статьи – дать общее представление об использовании АП для решения проблем совместного создания ценностей в рамках медицинской экосистемы средствами информационных технологий. Также в статье представлен фреймворк TOGAF как один из наиболее перспективных общих фреймворков для разработки архитектуры медицинской экосистемы. В качестве экосистемного продукта описан массив медицинских услуг экосистемы, также описаны основные артефакты и система управления экосистемы. Настоящая статья может стать отправной точкой для разработки архитектуры медицинской экосистемы с использованием существующих архитектурных фреймворков или для разработки специализированных фреймворков для применения в этой области.

Усилия медицины постепенно смещаются от борьбы с конкретным заболеванием к обеспечению индивидуального благополучия пациентов с одновременным ростом информационной емкости медицины. Информационно-коммуникационные технологии рассматриваются как ключевой фактор любой стратегии повышения качества и экономической эффективности медицинской помощи. Развитие систем электронных медицинских карт, интеллектуального здравоохранения, мобильной медицины, искусственного интеллекта открыли новые возможности для сотрудничества и взаимодействия между поставщиками медицинских услуг и пациентами в рамках цифровой экосистемы медицинской помощи, стимулируя технологические инновации. Медицинская экосистема призвана реализовать системный подход к обработке клинических данных, как основы повышения эффективности медицинской помощи за счет цифровой трансформации сквозных медицинских технологических процессов. Она сфокусирована на интеграции работы разных поставщиков и потребителей медицинской помощи, обмене между ними данными и информацией для оказания комплексной медицинской помощи пациентам некоторого объединения МО. Медицинские экосистемы рассматриваются как системы, которые фокусируются на данных и генерировании новых знаний о здоровье сбережении, то есть как открытые и слабосвязанные системы, которые позволяют участникам использовать полученные знания по-своему, например, в отдельных экосистемах МО участников.

Цифровая трансформация здравоохранения происходит в фарватере цифровой экономики. Мы имеем дело с трансфером инновационных решений бизнес-экосистем в медицину, что предполагает необходимость учета особенностей предметной области. Ключевой технологией цифровой трансформации медицины вслед за многими отраслями экономики считается метод цифрового двойника, применение которого невозможно без использования и развития других экосистемных технологий: ЭМК, аналитики больших данных, ИИ, интернета вещей и блокчейна. Эффективная и всеобъемлющая реализация концепции цифровых двойников для такой предметной области, как медицина, возможна, если решена проблема объединения по- ставщиков и потребителей медицинской помощи в цифровую медицинскую экосистему, способную предоставить целостные и однородные первичные данные.

Реализация концепции совместного управления здоровьем пациента в рамках цифровых экосистем медицинской помощи сталкивается с препятствиями, в первую очередь, из-за сложных проблем, связанных с интероперабельностью, конфиденциальностью, безопасностью и эффективным управлением данными. Решение возможных проблем находится в обеспечении приоритета научных исследований для усиления объективизации выбора экосистемных технологий и определения этапности в достижении поставленных целей. Развитие экосистемы необходимо рассматривать в виде строительных блоков, которые со временем накладываются один на другой. Первые, нижние блоки призваны расширить возможности имеющихся технологий, а более поздние потребуют специальных исследований в области информационных технологий в широком смысле, а также медицинской информатики, в частности. Необходимы и упреждающие изменения в регулировании отрасли с учетом вызовов цифровой экономики и динамики изменений в социальной сфере.

Применение современных методов машинного обучения (МО) для статистического анализа больших выборок пациентов существенно превышает возможности традиционных способов обработки информации в клинической медицине.

Цель. Разработать алгоритм применения рекуррентных нейронных сетей при анализе набора клинических данных пациентов с субарахноидальным кровоизлиянием (САК).

Материалы и методы. Регистр по типу «больших данных» содержал ретроспективные данные 2631 пациента с артериальными аневризмами. Из них для данного исследования было отобрано 390 человек, у которых САК потребовало лечения в условиях отделения интенсивной терапии, анестезии и реанимации (ИТАР). Исходный набор данных содержал 7290 признаков, из которых было отобрано 12 для обучения следующих моделей МО: логистическая регрессия, метод опорных векторов, метод случайного леса, градиентный бустинг, многослойный перцептрон, рекуррентная сеть с архитектурой долгой краткосрочной памяти (LSTM). Все этапы предобработки и моделирования данных выполнены на языке Python (версия 3.11.4) с использованием библиотек scikit-learn, tensorflow, keras и hyperopt. Вычислены значения и 95% доверительные интервалы (ДИ) AUROC и AURPC, прогностическая ценность, специфичность и чувствительность.

Результаты. В выборке было 246 (63%) женщин и 144 (37%) мужчины, средний возраст всех пациентов составил 54 ± 12,9 года. Летальный исход зарегистрирован у 133 (34%) пациентов, в том числе у 33 в течение 24 часов после поступления. Лучшей моделью, предсказывающей летальный исход, была рекуррентная нейронная сеть LSTM. При сравнении с другими моделями LSTM характеризовалась наибольшей предиктивной силой (AUROC – 0,83; 95% ДИ: 0,72–0,92, AURPC – 0,62; 95% ДИ 0,39–0,81) в отношении госпитальной летальности. Для периода времени нахождения в ИТАР с 3-х по 6-е сутки положительная прогностическая ценность модели составила 0,83, чувствительность – 0,95 и специфичность – 0,58.

Заключение. Рекуррентная нейронная сеть LSTM может быть адаптирована к разработке автоматизированных алгоритмов ведения пациентов с САК в критическом состоянии.

Данная работа является дискуссионной и посвящена раскрытию методологических ошибок научных исследований, часто наблюдаемых в русскоязычной научной периодике. C заключением эффективного контракта профессорско-преподавательский состав университетов искусственно стимулируется к научно-публикационной деятельности, что повышает актуальность исследования ментальных действий, которые совершают молодые ученые для получения нового научного знания. В этом контексте остро встает вопрос о том, не получилось ли новое научное знание у исследователя результатом совершенных методологических ошибок, допущенной исследовательской небрежности. На примере отдельно взятой статьи, посвященной применению системного подхода к промышленному Интернету вещей, автор подчеркивает ряд методологических ошибок и раскрывает важность глубины обзора литературы как ключевой характеристики накопления базовых знаний. Также автор подчеркивает значимость четкого определения предмета и объекта исследования и рекомендует расписывать методологию исследования не только в отдельно взятом параграфе, а более конкретно, применительно к каждому этапу и разделу исследования. Для того чтобы раскрыть методологические ошибки научного исследования, автору приходится вернуться к определению научной методологии, системного анализа и промышленного Интернета вещей. На примере конкретной работы автор подчеркивает необходимость строгого и четкого применения общенаучных методов исследования, а также важность глубины обзора литературы, который не должен отражать субъективное незнание ученого. Также автор подчеркивает опасность смены направления научного исследования относительно специальности высшего образования молодого ученого, что может привести к путанице субъективного и объективного незнания из-за поверхностного обзора литературы.

Статья посвящена определению перспективы совершенствования управления конкурентоспособностью бизнеса через расширение использования технологий искусственного интеллекта и больших данных для его устойчивого развития в России. Методология исследования базируется на применении метода регрессионного анализа, с помощью которого осуществляется моделирование влияния факторов использования цифровых технологий в бизнесе на конкурентоспособность экономики. Временной период исследования охватывает границы Десятилетия науки и технологий: используется статистика за 2022 г. и составляется прогноз на период до 2031 г. В результате на основе опыта топ-30 стран с наиболее активным использованием цифровых технологий в бизнесе в 2022 г. авторами составлена эконометрическая модель конкурентоспособности экономики. С опорой на эту модель раскрыта перспектива использования искусственного интеллекта и больших данных в управлении конкурентоспособностью бизнеса России для его устойчивого развития в Десятилетие науки и технологий. Главный авторский вывод по итогам проведенного исследования сводится к тому, что перспектива укрепления конкурентоспособности и устойчивого развития бизнеса в России в Десятилетие науки и технологий связана с ростом активности использования бизнес-структурами технологий искусственного интеллекта и больших данных. Авторами обоснована целесообразность активной технологической модернизации бизнеса для укрепления технологических конкурентных преимуществ, обладающих большой ценностью в современной рыночной среде. Авторами приведена научная аргументация того, что технологии искусственного интеллекта и больших данных более предпочтительны (вносят гораздо больший вклад в конкурентоспособность), чем технологии Интернета вещей и облачные сервисы. Практическая значимость полученных авторами результатов связана с тем, что составленные рекомендации по повышению активности использования искусственного интеллекта и больших данных в российском бизнесе позволят наиболее полно раскрыть потенциал роста его конкурентоспособности. Предложенные контрольные значения соответствующих показателей послужат для этого ориентирами в поддержку устойчивого развития бизнеса России.