Данные против рисков: как фарминдустрия планирует развивать цифровое здравоохранение

На конференции «Фармрынок сегодня. Цифровая стратегия фармкомпании в контуре здравоохранения» обсудили, как государство, фарминдустрия и пациенты будут взаимодействовать в цифровом контуре. Ключевыми темами стали потребность отрасли в обезличенных медицинских данных, низкая внедряемость ИИ-медизделий и механизмы формирования отраслевого заказа.

Директор департамента исследований и разработок компании «Герофарм» Роман Драй обозначил главный запрос фарминдустрии: отрасли нужны точные данные о заболеваемости в динамике по разным нозологиям, чтобы строить популяционные модели и прогнозировать, чем люди будут болеть через 5–10 лет. Это критично из-за длинного цикла разработки: дженерики создаются примерно за 3–5 лет, оригинальные препараты — за 7–15 лет, а иногда и дольше.

В качестве примера он привел распространение GLP-1-агонистов, которые применяются при сахарном диабете 2-го типа и для снижения веса. По оценке Романа Драя, пенетрация рынка этих препаратов сейчас составляет от 1 до 5%, но через пять лет будет существенно выше. Это может повлиять не только на ожирение, но и на связанные с ним заболевания, а также изменить ландшафт сердечно-сосудистых и костно-суставных заболеваний.

Кроме того, фармацевтической отрасли нужны первичные обезличенные данные для исследований RWD/RWE. По словам эксперта, это позволит лучше понимать влияние препаратов на коморбидность и полипрагмазию, а также открывать новые показания без длительных рандомизированных клинических исследований.

Еще одно направление — платформы виртуальных пациентов для клинических исследований. В США такие модели уже применяются и согласуются с FDA, что позволяет уменьшить выборку на 20–30% при повышении точности исследования.

Роман Драй также привел показательный кейс обучения модели на общедоступных данных. Модель, разработанная совместно с известной цифровой компанией, выдала 7 млн лидов, из которых отобрали 25 лучших, но ни один из них не сработал. Причина — обучение преимущественно на опубликованных положительных данных: в публикациях редко встречаются отрицательные и промежуточные результаты. По его словам, моделям нужно «скармливать» и отрицательные данные, чтобы они понимали, что в жизни есть не только «белое», но и «черное».

Руководитель Центра развития искусственного интеллекта в здравоохранении Центрального научно-исследовательского института организации и информатизации здравоохранения Минздрава России Игорь Шулькин отметил, что из 61 зарегистрированного медизделия на основе ИИ внедрено не более 30%.

«Большая часть оставшихся решений не внедрена и вряд ли будет востребована. Вероятно, выбранные направления разработки изначально были определены неверно или не отвечают текущим потребностям отрасли», — заявил он.

Игорь Шулькин подчеркнул, что Минздрав до конца года планирует сформировать отраслевой заказ на ИИ-решения — перечень приоритетных клинических и организационных задач для разработчиков.

«Необходимо вместе прорабатывать конкретные задачи, потому что пока мы не спустимся до конкретики, никаких решений, к сожалению, не появится», — подчеркнул он.

По его словам, Центр развития ИИ Минздрава должен стать «единым окном» и связующим звеном между государством, бизнесом, наукой и регионами, чтобы разработка велась «не вслепую, а под подтвержденный запрос».

Исполнительный директор ассоциации «Инфарма» Вадим Кукава напомнил, что индустрия добивается доступа к накопленным в цифровом контуре данным для разработки лекарств. Для этого предлагается экспериментальный правовой режим, в рамках которого исходная информация остается в защищенном контуре, а для исследований используются результаты аналитической обработки. Однако главным условием доступа к таким данным остается их безопасность.

Руководитель GR-проектов Ассоциации больших данных Марат Тахавиев представил результаты экспериментального проекта по оценке рисков восстановления персональных данных. Он подчеркнул, что для фармацевтической аналитики критически важны продольные данные — связь между состоянием пациента, терапией и исходом. Однако именно эта временная структура создает главную уязвимость: даже без имени и номера карты сама последовательность медицинских событий может узнаваемо характеризовать пациента.

«Более половины пациентов можно однозначно идентифицировать по исходной истории при простой замене технических ключей. Объект защиты — история пациента целиком, а не отдельная строка», — отметил он.

По словам Марата Тахавиева, исследование на модельных данных показало: обезличивание без изменения структуры оставляет высокий риск, а огрубление времени и ограничение истории снижают его, сохраняя часть аналитической ценности.

Эксперты уверены, что цифровой контур здравоохранения должен развиваться вокруг конкретных задач: фарма формирует запрос на данные, Минздрав — отраслевой заказ, а ИТ-отрасль — методологию оценки безопасности.