В настоящее время интеллектуальный анализ и языки программирования являются неотъемлемой частью каждой сферы деятельности человека, и медицина не стала исключением. Язык программирования R стал незаменимым инструментом в анализе медицинских данных. Основной причиной, по которой R стал предпочтительным языком для врачей стала его сильная статистическая направленность. R предоставляет богатый набор инструментов для проведения статистического анализа, что особенно важно в медицинской области, где требуется внимательное исследование больших объемов данных для выявления закономерностей и тенденций.

Язык R и библиотеки являются стандартом de facto при публикации данных в международных высокорейтинговых научных журналах.

R обладает мощными библиотеками для визуализации данных. Такая большая база данных особенно полезна для врачей, которые часто работают со сложными медицинскими данными. Создание информативных графиков и диаграмм может существенно улучшить понимание биомедицинских данных, делая их более доступными и интерпретируемыми. Большинство библиотек и приложения для работы с языком R абсолютно бесплатны. Фактически все приложения, в которых можно работать с языком R и проводить анализ данных бесплатны.

R активно развивается и поддерживается большим сообществом разработчиков и исследователей. Это обеспечивает регулярные обновления, новые библиотеки и решения для различных задач. Для врачей это означает доступ к последним технологическим достижениям и возможность обмениваться опытом с коллегами по всему миру.

Еще одним из преимуществ R является его легкая интеграция с другими популярными программными инструментами статистической обработки данных (Statictica, SPSS) и языками программирования, что расширяет его функциональность и увеличивает его применимость в различных сценариях анализа данных.

Учитывая реалии нынешнего времени, Башкирский государственный медицинский университет разработал и открыл курс по «Интеллектуальному анализу данных в медицине на основе языка программирования R»

Курс позволяет будущим врачам освоить новую компетенцию по проведению комплексного, в том числе интеллектуального, анализа данных с использованием языка высокого уровня R. Флагманские библиотеки R как раз «заточены» на решение задач в клинической медицине, сопровождения клинических исследований. Слушатели курса освоят как базовые навыки работы с данными (фильтрацию наблюдений, селекцию данных, объединение различных таблиц по ключу, преобразование из широких таблиц в узкие и наоборот), так и более продвинутые навыки, позволяющие проводить комплексный эксплоративный анализ данных. Также слушатели освоят навыки машинного обучения и интеллектуального анализа текста, научатся работать с неструктурированной информацией, освоят принципы работы со специальными библиотеками, применяемыми именно в медицине модели анализа выживаемости, модели оценки эффекта от вмешательства и др. Отличительной особенностью программы курса от других программ в области анализа данных является введение модуля с изучением инструментов современной статистики, столь необходимых при проведении исследовании в области доказательной медицины.

Языка программирования R активно применяется для создания различных приложений в медицине и науке о данных. Ниже представлены некоторые примеры приложений, разработанных с использованием языка R:

1. Shiny — это веб-фреймворк для создания интерактивных веб-приложений на языке R. В медицине применяется как интерактивные дашборды для мониторинга пациентов, отслеживания эффективности лекарств, визуализации результатов клинических исследований.


2. Bioconductor — это открытая коллекция пакетов R для биоинформатики и анализа биологических данных. В медицине применяется как анализ геномных данных, выявление генетических мутаций, исследование молекулярных особенностей заболеваний.


3. Caret (Classification and REgression Training) - пакет R для обучения машинного обучения и подбора моделей. В медицине применяется как разработка моделей прогнозирования заболеваний, предсказание эффективности лечения.

4. Survival - пакет для анализа выживаемости и времени до события. В медицине применяется как анализ выживаемости пациентов, оценка эффективности лечения на основе выживаемости.


5. Ggplot2 - пакет для создания графиков и визуализации данных. В медицине применяется как визуализация распределения параметров здоровья, трендов заболеваемости, графики эффективности лечения.


6. ROpenSci - коллекция R-пакетов для открытой науки и исследований. В медицине применяется как разработка инструментов для открытого доступа к медицинским данным, обмена научной информацией.


7. Dygraphs - пакет для создания интерактивных временных рядов. В медицине применяется как визуализация динамики параметров здоровья пациентов во времени.

На протяжении всего периода развития человечества ученые пытаются создать модели, описывающие свойства материального мира. Модель любого наблюдаемого в природе явления или процесса – это материальное или абстрактное воплощение нашего представления о системе или о процессе. Можно сказать, что любая закономерность, существование которой твердо установлено экспериментально, представляет собой модель. Естественно, что объяснение наблюдаемых явлений всегда возможно лишь на уровне существующих знаний. Поэтому модель всегда представляет собой абстракцию, которая со временем постоянно уточняется по мере развития науки и техники, появления новых экспериментальных методов и технических средств.


Биомедицинское моделирование является лишь малой частью единых подходов и методов моделирования. Под моделью обычно подразумевается некий материальный или виртуальный объект, замещающий в процессе изучения объект-оригинал, сохраняя типичные для конкретного исследования черты.

Биомоделирование является процессом представления, отображения, реализации системы, структуры или программы, в результате которого мы получаем новую информацию об объекте. Биомоделирование включает использование методов самых различных областей знания: биологии, медицины, физики, химии, математики и т.д.

Биомедицинское моделирование является важным инструментом познания принципов системной организации, влияющих на функции человека и животных. Помимо экспериментальных и генетических биомоделей на животных различных генетических линий, для изучения закономерностей протекания последующих процессов в будущем человека или животных в настоящее время широко применяются математические и компьютерные модели. Эти модели имеют преимущества перед другими статистическими биомоделями, так как для получения новых научных знаний не требуется проведение большого количества сложных экспериментов на животных. Использование в научных исследованиях методов математического и компьютерного моделирования и получение новых знаний о механических изучаемых процессах путем проведения вычислительных экспериментов на компьютере — это новое направление в биомедицинской науке.
Учитывая востребованность данной области знаний, Башкирский государственный медицинский университет разработал и открыл курс «Математическое и компьютерное моделирование в биомедицине». Основной целью курса является обучение основам построения математических и компьютерных моделей процессов, происходящих в биофизических системах с использованием современных инженерных пакетов моделирования.

Курс рассматривает общие вопросы построения моделей объектов окружающего мира. Описываются стандартные компоненты систем автоматического проектирования и разработки (САПР), а также приводится алгоритм построения компьютерной модели в пакетах.

Во втором модуле курса рассматриваются вопросы построения и редактирования геометрических моделей на основе медицинских изображений (КТ, МРТ). Приводится также обзор современных программных продуктов для работы с DICOM файлами и 3D моделями.

В третьем и четвертом модуле курса рассматриваются вопросы постановки сложных задач с учетом множества типов взаимодействия одновременно. Например, взаимодействие потока крови со стенками сосуда, деформация импланта с учетом теплового воздействия и так далее.

Материалы данных модулей позволят обучающимся ознакомиться с основными законами механики твердого тела и гидродинамики, использующимися при описании биологических процессов в организме человека. Основной упор сделан на изучение различных течений и их взаимодействие со стенками и препятствиями. В результате обучения, слушатель сможет самостоятельно создавать компьютерные модели таких процессов, как кровоток в сосудах, взаимодействие тканей и имплантируемых конструкций, тепловое взаимодействие тканей и других.
Последний модуль обучающего курса полностью посвящен решению практических задач из различных областей биологии и медицины.

Таким образом математическое и компьютерное моделирование играет важную роль в медицине, позволяя ученым и врачам лучше понимать и предсказывать различные аспекты заболеваний и лечения. Оно позволяет проводить эксперименты в виртуальной среде, что снижает риски и затраты, при этом, однако, необходимо учитывать ограничения моделей и принимать во внимание индивидуальные особенности пациентов. В целом, математическое и компьютерное моделирование является мощным инструментом, который помогает улучшить качество медицинской практики и разработать новые методы лечения.

Образовательная программа «Информационные системы в биомедицине» формирует компетенции в области цифровой трансформации здравоохранения, анализа больших медицинских данных, интеграции искусственного интеллекта и современных IT-технологий в практику медицины. Особое внимание уделяется практическому применению знаний: у студентов формируется уверенное владение инструментами обработки медицинской информации, алгоритмами поддержки принятия решений, технологиями автоматизации лечебно-диагностических процессов.
Уникальные преимущества программы:

• Междисциплинарный подход: сочетание медицины, информатики и управления.
• Ориентация на реальные потребности цифрового здравоохранения – подготовка к работе с EMR/EHR, PACS, DICOM, HL7.
• Практикоориентированные занятия с использованием современных платформ: Python, R, ELMA, Zoho, Miro, MS Project.
• Изучение применения ИИ, AR, VR и Big Data в медицине.
• Возможность внедрения собственных проектов в клиническую практику.
• Мощный курс по международным стандартам ISO, HL7, FHIR, SNOMED CT, LOINC, UMLS.

Структура программы:

• Лекции – фундаментальные и инновационные темы медицины и информатики.
• Практические занятия – индивидуальные кейсы, проектная и командная работа, моделирование, анализ и автоматизация медицинских процессов.
• Модули по управлению медицинской информацией, стандартизации медицинских данных, внедрению IT-решений в здравоохранении.

Примерный перечень лекционных и практических занятий:
Лекционный курс:

• Введение в медицинскую информатику. Цифровизация здравоохранения.
• Медицинские информационные системы: архитектура, интеграция, стандарты (DICOM, HL7, FHIR).
• Моделирование бизнес-процессов в медицинских организациях (IDEF, DFD, UML).
• Основы работы с медицинскими данными: ER-модели, XML, JSON.
• Большие данные и машинное обучение в медицине. Основы Data Mining, AI, AR/VR.
• Клинико-информационные системы: PACS, EHR, электронная история болезни.
• Стандартизация данных: SNOMED CT, LOINC, UMLS, SemMed.
• Анализ и визуализация медицинских данных с помощью Python, R, Pandas, Matplotlib.
• Методы оценки качества информации в здравоохранении.
• Платформы электронного документооборота: ELMA, Zoho, MS Project.

Практические занятия и модули:

• Внедрение систем автоматизации диспансерного наблюдения.
• Построение цифрового профиля пациента.
• Программирование клинических алгоритмов на Python/R.
• Кейс-анализ: интеграция автоматизации в лечебный процесс, реализация пилотных проектов.
• Работа с веб-сервисами, медицинскими API, интеграция с внешними системами.
• Визуализация потоков медицинской информации, мониторинг показателей.
• Составление ER- и бизнес-моделей медицинских процессов (диагностика, лечение, документация).
• Использование графических и аналитических инструментов для решения практических задач в здравоохранении.

Заключение:
Данная программа подготовит специалистов нового поколения, способных внедрять современные информационные решения в медицину, управлять большими медицинскими данными, оптимизировать работу медицинских организаций и улучшать качество медицинской помощи посредством IT-инструментов. Стартуйте карьеру лидера цифровой медицины с БГМУ!

Программа профессиональной переподготовки направлена на подготовку специалистов, способных эффективно использовать современные цифровые технологии и искусственный интеллект для анализа данных, экономического обоснования управленческих решений и реализации ИТ-проектов в сфере здравоохранения.
В ходе обучения слушатели освоят:

• Искусственный интеллект в управлении здравоохранением — возможности применения ИИ для анализа информации, экономического обоснования и поддержки управленческих решений.
• Аналитику данных и BI-технологии — создание интерактивных аналитических панелей, визуализацию данных и моделирование управленческих решений.
• Бизнес-анализ и цифровую трансформацию — оптимизацию процессов медицинских организаций и разработку требований к медицинским информационным системам.
• Управление ИТ-проектами — планирование, реализацию и оценку эффективности проектов цифровизации здравоохранения.
• Работу с цифровыми платформами — использование и администрирование 1С, формирование отчетности и основы кибербезопасности.

Практико-ориентированное обучение позволит слушателям приобрести навыки решения реальных управленческих и экономических задач с применением цифровых инструментов, включая технологии искусственного интеллекта.

Цифровые технологии персонализированной противоопухолевой иммунотерапии: генная инженерия, check-point ингибирование, CAR-T, мРНК-платформы

Персонализированная противоопухолевая иммунотерапия относится к числу наиболее быстро развивающихся направлений современной биомедицины. Сегодня в фокусе научных и прикладных разработок находятся персонализированные мРНК-вакцины, клеточные технологии CAR-T и CAR-NK, ингибиторы иммунных контрольных точек, а также методы молекулярного профилирования опухоли и иммунного микроокружения. Все эти направления немыслимы без интенсивного использования цифровых технологий, анализа больших массивов биомедицинских данных, биоинформатики и воспроизводимых вычислительных процессов.

Современная онкоиммунология работает с данными принципиально нового уровня сложности. Это геномные, транскриптомные, иммунологические, цитометрические и клинические данные, результаты высокопроизводительного секвенирования, HLA-типирования, предсказания антигенной презентации и отбора неоантигенов. Для корректной работы с такими материалами необходимы специалисты, которые понимают как биомедицинский смысл исследуемых процессов, так и цифровые методы обработки, анализа, визуализации и интерпретации данных.

Именно поэтому Башкирский государственный медицинский университет разработал программу профессиональной переподготовки «Цифровые технологии персонализированной противоопухолевой иммунотерапии: генная инженерия, check-point ингибирование, CAR-T, мРНК-платформы». Программа направлена на подготовку специалистов, способных участвовать в междисциплинарных проектах на стыке медицины, биологии, биоинформатики и информационных технологий.

В ходе обучения слушатели познакомятся с научными и технологическими основами персонализированной иммуноонкологии. Они изучат логику противоопухолевого иммунного ответа, роль опухолевых антигенов и неоантигенов, механизмы HLA/MHC-зависимой антигенной презентации, особенности действия check-point ингибиторов, а также цифровые аспекты сопровождения клеточных и мРНК-платформ. Особое внимание уделяется не клиническому назначению терапии, а именно цифровому, аналитическому и инженерному сопровождению соответствующих биомедицинских процессов.

Значительный блок программы посвящён работе с биомедицинскими данными и воспроизводимыми аналитическими процессами. Слушатели осваивают основы программирования на Python и R, учатся работать с табличными и биомедицинскими форматами данных, знакомятся с принципами структурирования данных, ведения репозиториев, документирования аналитических процедур, подготовки Jupyter/R Markdown-отчётов и организации воспроизводимого вычислительного контура. Это особенно важно в тех областях, где достоверность результата напрямую зависит от прозрачности вычислительного процесса и качества исходных данных. Отдельное место в программе занимает анализ данных NGS и задачи, связанные с HLA-типированием и отбором неоантигенов. Слушатели изучают базовую логику пайплайна от сырых sequencing-данных до аннотированных вариантов, осваивают подходы к контролю качества данных, знакомятся со специализированным программным обеспечением, инструментами визуальной проверки вариантов и принципами отбора кандидатных иммуногенных мишеней. Эти навыки являются критически важными для современных проектов, связанных с персонализированными противоопухолевыми вакцинами и молекулярной стратификацией пациентов.

В модуле, посвящённом мРНК-технологиям, рассматриваются принципы выбора антигенов, построения workflow персонализированной вакцинной разработки, логика контроля качества и ограничения вычислительного проектирования. В блоке по CAR-T, генной инженерии и клеточным платформам слушатели знакомятся с цифровыми аспектами проектирования клеточных продуктов, вопросами traceability, структурирования данных, мониторинга осложнений и долгосрочного сопровождения. В модуле по мониторингу иммунного ответа рассматриваются подходы к анализу single-cell RNA-seq, flow cytometry и подготовке аналитических панелей мониторинга. Программа ориентирована не только на получение знаний, но и на формирование практических навыков. Существенная часть обучения связана с выполнением практических заданий, мини-проектов, подготовкой QC-отчётов, risk register, аналитических таблиц, воспроизводимых workflow и визуальных панелей мониторинга. Итогом становится не формальное изучение теории, а способность собрать законченный цифровой проект, в котором объединены данные, инструменты анализа, контроль качества, документация и корректное описание ограничений. В результате освоения программы слушатель получает дополнительную ИТ-квалификацию «Специалист по анализу биомедицинских данных в персонализированной онкоиммунологии» и приобретает компетенции, востребованные в научных лабораториях, исследовательских центрах, биомедицинских и биотехнологических проектах, а также в междисциплинарных командах, работающих в области персонализированной медицины и цифровой трансформации здравоохранения. Таким образом, программа формирует современный профиль специалиста, который умеет работать с биомедицинскими данными, применять программирование и специализированное ПО, строить воспроизводимые аналитические процессы, подготавливать цифровые отчёты и сопровождать проекты в области персонализированной противоопухолевой иммунотерапии. Это делает программу актуальной как для обучающихся, планирующих развиваться в биомедицинской аналитике, так и для всех, кто хочет получить практико-ориентированную цифровую подготовку на стыке медицины и передовых биотехнологий.

Поиск лекарственных средств есть неотъемлемая часть развития человеческих цивилизаций. Несмотря на разницу в климате, часовых поясах и ландшафте, люди всегда заболевали и хотели излечиться. Раньше болезни связывали со злыми духами и поэтому для излечения считалось необходимым изгнать нечисть из тела. Этим занимались шаманы и колдуны. Предания об этом до сих пор ходят по свету и все еще в отдаленных уголках нашей планеты находятся сообщества людей, для которых исцеление тела – результат общения разнообразных медиумов с духами.

Однако с развитием культуры, технологии и науки люди открыли материальную природу болезней, а значит и материальную природу лекарств. Теперь мы знаем, что механизм действия лекарств связан с их воздействием на определенные белки организма человека или, в случае инфекционного поражения, на белки микроорганизма. Излечением болезней сегодня занимаются врачи, а изготовлением и распространением лекарств – провизоры.

Разработка лекарственных средств с нуля – это сложный процесс, в котором принимают участие не только провизоры, но и химики, фармакологи, морфологи, программисты и лечащие врачи. Поэтому для профессиональной работы необходимо понимать все стадии производства.

До середины 20 века для разработки лекарств не было жестких ограничений и стандартных процедур. Возникшие в связи с этим трагедии заставили человечество придерживаться строгих норм, регламентирующих жизненный цикл лекарственных средств, ныне именующихся GxP.

Соблюдение всех регламентов и норм сегодня стоит по данным FDA до миллиарда долларов США. Но активно развивающиеся в последние десятилетия методы компьютерного моделирования могут существенно сократить расходы, повысив продуктивность исследований. Компьютерное моделирование и обработка данных могут ускорить разработку ЛС на всех стадиях жизненного цикла.

В рамках курса Вы познакомитесь с процессом разработки лекарств до стадии клинических испытаний.

В первом модуле вы ознакомитесь с историческим контекстом, узнаете, какие ошибки в разработке лекарств приводили к печальным последствиям. В этом же блоке будут разбираться точки приложения расчетных методов и компьютерного моделирования в жизненном цикле ЛС,

Второй модуль посвященосвоению азов программирования на самом популярном в естественно-научной среде языке – Python. Эти навыки невероятно полезны как для автоматизации расчетов, так и с точки зрения личностного роста в эпоху тотальной цифровизации.

По прохождению третьего модуля Вы научитесь отображать химические соединения в понятном для компьютера виде. Поймете взаимосвязь структура-химическое свойство. Освоите редактор химических формул и познакомитесь с химическими базами данных

Четвертый модуль посвящен процессу молекулярного докинга и молекулярной динамики. Вы научитесь моделировать взаимодействие белка с малыми молекулами как в виде результата стыковки молекула-белок, так и отображать их взаимодействие во времени.

Пятый блок познакомит с ligand-base и structure-base подходами к разработке лекарственных средств. Покажет сильные и слабые стороны каждого из подходов, в каких условиях какой подход более применим.
Шестой модуль направлен на получение навыков цифровой морфометрии.

Таким образом прохождение курса «Информационные технологии в Research and development (R&D) для биомедицинских приложений» сформирует у обучающегося системную картину разработки ЛС, способствует развитию навыков программирования, молекулярного моделирования и обработки медицинских и биологических изображений.