Number №1, 2025 - page 35-40

ASLEEP – платформа оценки сна и подбора решений для улучшения сна DOI: 10.29188/2712-9217-2025-11-1-35-40

For citation: Бочкарев М.В., Амелина В.В., Будковая М.А., Ларионов Ф.О., Ли С.С., Мирошниченко К.И. ASLEEP – платформа оценки сна и подбора решений для улучшения сна. Российский журнал телемедицины и электронного здравоохранения 2025;11(1):35-40; https://doi.org/10.29188/2712-9217-2025-11-1-35-40
  • Бочкарев М.В. – к.м.н., магистр, Сеченовский университет, Москва
  • Амелина В.В. – к.п.н, психолог, старший преподаватель РГПУ им. А.И. Герцена, Санкт-Петербург, Россия
  • Будковая М.А. – к.м.н., оториноларинголог, старший научный сотрудник отдела патологии верхних дыхательных путей, доцент учебно-методического отдела ФГБУ СПб НИИ ЛОР, Санкт-Петербург, Россия
  • Ларионов Ф.О. – программист, ООО «Флаттриум», Санкт-Петербург, Россия
  • Ли С.С. – к.м.н., стоматолог, ООО «Новель-Дент», Москва, Россия
  • Мирошниченко К.И. – руководитель, ИП, Санкт-Петербург, Россия

ASLEEP – платформа оценки сна и подбора решений для улучшения сна

53

Введение. Распространённость нарушений сна остаётся высокой, а их последствия негативно влияют на соматическое и психическое здоровье. Расширение цифровых решений — от электронных дневников сна до когнитивно-поведенческой терапии (CBT-I) — формирует новые возможности для скрининга и мониторинга. Однако интеграция технологий в клиническую практику требует валидации и стандартизации подходов. Целью работы стала разработка платформы ASLEEP для персонализированной маршрутизации пациентов с нарушениями сна.

AttachmentSize
Скачать файл261.92 KB
insomnia; actigraphy; wearable devices; home sleep apnea testing (HSAT); polysomnography (PSG); cognitive behavioral therapy for insomnia (CBT-I); digital therapeutics; Pittsburgh Sleep Quality Index (PSQI); Insomnia Severity Index (ISI); sleep diary; American Academy of Sleep Medicine (AASM); National Institute for Health and Care Excellence (NICE)
Number №1, 2025 - page 31-34

Учебно-практический тренажер для обучения клиническому мышлению на языке программирования Python DOI: 10.29188/2712-9217-2025-11-1-31-34

For citation: Овсянникова В.А., Матвеев С.С., Матвеев С.В., Гончаров В.В. Учебно-практический тренажер для обучения клиническому мышлению на языке программирования Python. Российский журнал телемедицины и электронного здравоохранения 2025;11(1):31-34; https://doi.org/10.29188/2712-9217-2025-11-1-31-34
  • Овсянникова В.А. – студент ФГБУ ВО «Приволжский исследовательский медицинский университет» МЗ РФ, Нижний Новгород, Россия
  • Матвеев С.С. – магистрант ФГБУ ВО «Приволжский исследовательский медицинский университет» МЗ РФ, Нижний Новгород, Россия
  • Матвеев С.В. – магистрант ФГБУ ВО «Приволжский исследовательский медицинский университет» МЗ РФ, Нижний Новгород, Россия
  • Гончаров В.В. – к.х.н., доцент, ФГБУ ВО «Приволжский исследовательский медицинский университет» МЗ РФ, Нижний Новгород, Россия

Учебно-практический тренажер для обучения клиническому мышлению на языке программирования Python

46

Развитие клинического мышления является ключевой, но зачастую недостаточно системно преподаваемой компетенцией в медицинском образовании. Существующие цифровые решения для отработки этих навыков, такие как симуляторы виртуальных пациентов, часто имеют высокую стоимость, требуют сложной технической инфраструктуры и могут быть слабо адаптированы к российским образовательным программам.

Целью работы стала разработка учебно-практического тренажера для формирования навыков клинического мышления у студентов медицинских вузов на языке программирования Python.

AttachmentSize
Скачать файл148.17 KB
clinical reasoning; medical education; digital learning technologies; simulation training; virtual patients, medical student education; Python; educational applications; digital pedagogy
Number №1, 2025 - page 28-30

Разработка персонализированной 3D-модели зуба DOI: 10.29188/2712-9217-2025-11-1-28-30

For citation: Акишина Е.С., Геращенко С.М., Зюлькина Л.А., Изотова А.С. Разработка персонализированной 3D-модели зуба. Российский журнал телемедицины и электронного здравоохранения 2025;11(1):28-30; https://doi.org/10.29188/2712-9217-2025-11-1-28-30
  • Акишина Е.С. – студент Медицинского института ФГБУ ВО «Пензенский государственный университет», лечебный факультет, Пенза, Россия
  • Геращенко С.М. – д.т.н., профессор кафедры «Медицинская кибернетика и информатика», заместитель директора Медицинского института «Пензенский государственный университет», Пенза, Россия
  • Зюлькина Л.А. – д.м.н., доцент, заведующая кафедрой «Стоматология» Медицинского института «Пензенский государственный университет», Пенза, Россия
  • Изотова А.С. – студент Медицинского института ФГБУ ВО «Пензенский государственный университет», лечебный факультет, Пенза, Россия

Разработка персонализированной 3D-модели зуба

44

В статье рассматривается проблема недостаточной анатомической достоверности существующих моделей, используемых в симуляционном обучении стоматологов. Авторы предлагают решение в виде разработки персонализированных 3D-моделей зубов на основе реальных томографических данных. В работе детально описан процесс создания модели: от сегментации данных КЛКТ в программе 3D-Slicer до 3D-печати на фотополимерном принтере.

AttachmentSize
Скачать файл219.94 KB
3D tooth model; dentistry; anatomical anomalies; 3D printing; polymeric materials
Number №1, 2025 - page 23-27

Интеллектуальная кросс-платформенная система «DocAI» для оптимизации образовательного процесса в медицинских вузах DOI: 10.29188/2712-9217-2025-11-1-23-27

For citation: Теренин В.С., Стецуков Г.Д., Фокин Д.А., Баннов В.М. Интеллектуальная кросс-платформенная система «DocAI» для оптимизации образовательного процесса в медицинских вузах. Российский журнал телемедицины и электронного здравоохранения 2025;11(1):23-25; https://doi.org/10.29188/2712-9217-2025-11-1-23-27
  • Теренин В.С. – магистрант 2 года, факультет филологии, «Национальный исследовательский Томский государственный университет»; Томск, Россия; https://orcid.org/0009-0002-2578-5329
  • Стецуков Г.Д. – аспирант 4 года по направлению «Биологические науки», ФГБОУ ВО Самарского государственного медицинского университета Минздрава России; Самара, Россия; https://orcid.org/0000-0002-9160-6774
  • Фокин Д.А. – аспирант 2 года, Институт автоматики и информационных технологий, ФГБОУ ВО Самарский государственный технический университет; Самара, Россия; https://orcid.org/0009-0008-7824-1644
  • Баннов В.М. – аспирант 2 года, Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского; Нижний Новгород, Россия; https://orcid.org/0000-0002-5473-0290

Интеллектуальная кросс-платформенная система «DocAI» для оптимизации образовательного процесса в медицинских вузах

55

Введение. Технологический прогресс и достижения в области искусственного интеллекта (ИИ) за последние годы поспособствовали возникновению решений, которые соответствуют ключевым трендам в глобальном образовании: увеличению гибкости и адаптивности, персонализации учебного процесса.

AttachmentSize
Скачать файл226.87 KB
artificial intelligence; medical education; digital transformation; natural language processing; graph databases; learning personalization; intelligent systems
Number №1, 2025 - page 7-22

Цифровые технологии для укрепления здоровья и профилактики заболеваний у пожилых людей DOI: 10.29188/2712-9217-2025-11-1-7-22

For citation: Шадеркин И.А., Шадеркина В.А. Цифровые технологии для укрепления здоровья и профилактики заболеваний у пожилых людей. Российский журнал телемедицины и электронного здравоохранения 2025;11(1):7-22; https://doi.org/10.29188/2712-9217-2025-11-1-7-22
  • Шадеркин И.А. – к.м.н., руководитель цифровой кафедры Центра цифровой медицины Института цифрового биодизайна и моделирования живых систем Научно-технологического парк биомедицины ФГАОУ ВО Первый МГМУ имени И. М. Сеченова Минздрава России (Сеченовский Университет), Ведущий научный сотрудник отдела научных основ организации здравоохранения ФГБУ «ЦНИИОИЗ» Минздрава России; Москва, Россия; РИНЦ Author ID 695560, https://orcid.org/0000-0001-8669-2674
  • Шадеркина В.А. – научный редактор урологического информационного портала UroWeb.ru; РИНЦ Author ID 880571, https://orcid.org/0000-0002-8940-4129

Цифровые технологии для укрепления здоровья и профилактики заболеваний у пожилых людей

57

Введение. Старение населения ставит новые вызовы перед системами здравоохранения. Пожилые пациенты часто имеют несколько хронических заболеваний, ограниченную мобильность и потребность в постоянном наблюдении. Цифровые технологии предлагают инновационные подходы к укреплению здоровья и профилактике обострений у пожилых людей, повышая доступность и персонификацию медицинской помощи.

Цель исследования. Выявить, какие цифровые технологии пожилые люди могут самостоятельно применять для профилактики заболеваний и укрепления здоровья.

AttachmentSize
Скачать файл629.27 KB
digital health; older adults; telemedicine; telerehabilitation; wearable devices; Internet of Things; mobile health applications; gamification; artificial intelligence; big data; digital therapeutics; virtual reality; augmented reality; ro- botics; assistive technologies; voice assistants; chatbots; blockchain; disease prevention; active aging; geriatrics
Number №4, 2024 - page 53-69

Фармацевтический справочник преимуществ лекарственных препаратов DOI: 10.29188/2712-9217-2024-10-4-53-69

For citation: Цурцумия Р.Г., Афанасьева В.А., Денисенко Ю.Ю., Школа Е.Д., Антонова Т.В., Алфимов А.Е. Фармацевтический справочник преимуществ лекарственных препаратов. Российский журнал телемедицины и электронного здравоохранения 2024;10(4):43-52; https://doi.org/10.29188/2712-9217-2024-10-4-53-69
  • Цурцумия Р.Г. – студент 6 курса Медико-биологического факультета ФГБОУ ВО «Волгоградский государственный меди- цинский университет» Минздрава России; Волгоград, Россия
  • Афанасьева В.А. – студентка 5 курса педиатрического факультета, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России; Москва, Россия
  • Денисенко Ю.Ю. – студент 2 курса, «Общественное здравоохранение», ФГБНУ Национальный НИИ общественного здоровья им. Н. А. Семашко Минздрава России; Москва, Россия
  • Школа Е.Д. – студентка 5 курса, Института стоматологии, ФГБОУ ВО Воронежский государственный медицинский университет им. Н. Н. Бурденко Минздрава России; Воронеж, Россия
  • Антонова Т.В. – студентка 5 курса, Института стоматологии, ФГБОУ ВО Воронежский государственный медицинский универ- ситет им. Н. Н. Бурденко Минздрава России; Воронеж, Россия
  • Алфимов А.Е. – научный сотрудник Цифровой кафедры ФГАОУ ВО Первый МГМУ им. И. М. Сеченова Минздрава России; Москва, Россия; РИНЦ Author ID 1120418, https://orcid.org/0000-0002-9064-7881

Фармацевтический справочник преимуществ лекарственных препаратов

852

Введение. Ввиду того, что каждый лекарственный препарат из одной фармакологической группы может обладать своими уникальными и клинически значимыми характеристиками, возникает потребность в разработке программы, которая бы отражала преимущества этих лекарственных препаратов.

Цель. Разработать информационную систему, которая содержит краткую информацию о преимуществах различных лекарственных препаратов, с возможностью доступа для специалистов здравоохранения.

AttachmentSize
Скачать файл172.02 KB
pharmaceutical reference book; benefits of drugs; side effects; personalized medicine; chatbot
Number №4, 2024 - page 43-52

Система контроля концентрации антигенов в организме человека DOI: 10.29188/2712-9217-2024-10-4-43-52

For citation: Показанникова У.Л., Полякова О.В., Канаев Д.В., Гусева А.Д., Никифоров Д.Д., Пономаренко Д.М. Система контроля концентрации антигенов в организме человека. Российский журнал телемедицины и электронного здравоохранения 2024;10(4):43-52; https://doi.org/10.29188/2712-9217-2024-10-4-43-52
  • Показанникова У.В. – ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет); Москва, Россия
  • Полякова О.Л. – к. м. н., доцент кафедры анатомии и гистологии человека, ФГАОУ ВО Первый МГМУ им. И. М. Сеченова Минздрава России (Сеченовский Университет); Москва, Россия; РИНЦ Author ID 147579
  • Канаев Д.В. – Федеральное государственное бюджетное образовательное учреждение высшего образования «МИРЭА – Российский технологический университет»; Москва, Россия
  • Гусева А.Д. – ФГАОУ ВО Первый МГМУ им. И. М. Сеченова Минздрава России (Сеченовский Университет), Москва, Россия
  • Никифоров Д.Д. – Федеральное государственное бюджетное образовательное учреждение высшего образования «МИРЭА – Российский технологический университет»; Москва, Россия
  • Пономаренко Д.М. – Федеральное государственное бюджетное образовательное учреждение высшего образования «МИРЭА – Российский технологический университет»; Москва, Россия

Система контроля концентрации антигенов в организме человека

802

Выявление антигенов играет ключевую роль во многих диагностических тестах, но современные методы часто оказываются сложными и дорогостоящими. Существует настоятельная потребность в простой, быстрой, надежной и недорогой системе для количественного определения антигенов, подходящей как для пользователей, так и для лабораторий (фотометр).

AttachmentSize
Скачать файл1.57 MB
antigen; photometer; smart watch; disease diagnosis; application
Number №4, 2024 - page 38-42

Формирование датасета для нейросетевой модели распознавания офтальмологической патологии на изображениях глазного дна DOI: 10.29188/2712-9217-2024-10-4-38-42

For citation: Гулякин Д.Д., Стецуков Г.Д., Теренин В.С., Пузанкова А.Д., Никиточкина М.Д., Валевская Д.Л., Маркова М.А., Анпилогова Е.А., Дододжонов А.Ю., Сырова А.И., Кулишенко А.А., Загребина Н.А. Формирование датасета для нейросетевой модели распознавания офтальмологической патологии на изображениях глазного дна. Российский журнал телемедицины и электронного здравоохранения 2024;10(4):38-42; https://doi.org/10.29188/2712-9217-2024-10-4-38-42
  • Гулякин Д.Д. – ординатор 2 года, кафедра офтальмологии, ГБУЗ «Морозовская ДГКБ ДЗМ»; Москва, Россия
  • Стецуков Г.Д. – аспирант 4 года по направлению «Биологические науки», ФГБОУ ВО Самарского государственного медицинского университета МЗ РФ; Самара, Россия
  • Теренин В.С. – магистрант 2 года, факультет филологии, «Национальный исследовательский Томский государственный университет»; Томск, Россия
  • Пузанкова А.Д. – студентка 4 курса, Институт клинической медицины им. Н.В. Склифосовского ФГАОУ ВО Первый МГМУ имени И.М. Сеченова Минздрава России (Сеченовский Университет); Москва, Россия
  • Никиточкина М.Д. – магистрант 2 курс, специальность «Интеллектуальные системы в гуманитарной среде», ФГАОУ ВО Первый МГМУ имени И.М. Сеченова Минздрава России (Сеченовский Университет); Москва, Россия
  • Валевская Д.Л. – студентка 4 курса, Биологический факультет, Санкт-Петербургский государственный университет; Санкт-Петербург, Россия
  • Маркова М.А. – студентка 4 курса, Передовая инженерная школа «Интеллектуальные системы тераностики», ФГАОУ ВО Первый МГМУ имени И.М. Сеченова Минздрава России (Сеченовский Университет); Москва, Россия
  • Анпилогова Е.А. – студентка 4 курса, Биологический факультет, Санкт-Петербургский государственный университет; Санкт-Петербург, Россия
  • Дододжонов А.Ю. – студент 6 курса, Лечебный факультет, ФГБОУ ВО «Иркутский государственный медицинский университет» Минздрава России; Иркутск, Россия
  • Сырова А.И. – студентка 4 курса, Лечебный факультет, ФГБОУ ВО «Иркутский государственный медицинский университет» Минздрава России; Иркутск, Россия
  • Кулишенко А.А. – 2 курс магистратуры, Факультет Космических Исследований, ФГБОУ ВО «Московский государственный университет имени М. В. Ломоносова»; Москва, Россия
  • Загребина Н.А. – ординатор 2 года, кафедра офтальмологии, ФГАОУ ВО Первый МГМУ имени И.М. Сеченова Минздрава России (Сеченовский Университет); Москва, Россия

Формирование датасета для нейросетевой модели распознавания офтальмологической патологии на изображениях глазного дна

821

Введение. В офтальмологической практике использование цифровых диагностических приборов позволило накопить большую базу данных медицинских изображений, а алгоритмы машинного обучения позволяют применить эти данные для создания автоматизированных решений, повышающих скорость, эффективность и качество скрининговых исследований.

AttachmentSize
Скачать файл230.97 KB
dataset; ophthalmology; artificial intelligence; annotation; computer vision
Number №4, 2024 - page 33-37

Создание системы 3D-визуализации сердца по результатам ЭхоКГ DOI: 10.29188/2712-9217-2024-10-4-33-37

For citation: Подвойский П.Н., Абдюханов Р.Х. Создание системы 3D-визуализации сердца по результатам ЭхоКГ. Российский журнал телемедицины и электронного здравоохранения 2024;10(4):33-37; https://doi.org/10.29188/2712-9217-2024-10-4-33-37
  • Подвойский П.Н. – студент ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России; Москва, Россия
  • Абдюханов Р.Х. – ФГБУ НМИЦ кардиологии им. ак. Е.И. Чазова Минздрава России, Москва, Россия; РИНЦ Author ID 1046029; https://orcid.org/0009-0001-9595-0767

Создание системы 3D-визуализации сердца по результатам ЭхоКГ

786

За последние 30 лет 3D-технологии при эхокардиографических исследованиях стремительно развились и в настоящее время получили широкое распространение. В России трехмерная эхокардиография впервые начала проводиться в 1998 году в Научном центре сердечно-сосудистой хирургии им. А. Н. Бакулева, где в 2007 году стали применять новый метод количественного анализа конфигурации митрального клапана – Mitral Valve Quantification.

AttachmentSize
Скачать файл203.26 KB
3D EchoCG; EchoCG; echocardiography; echocardiogram; three-dimensional echocardiogram; 3D heart model; virtual surgery; VR surgery
Number №4, 2024 - page 29-32

Предотвращение преждевременного старения нации с помощью телеграм-бота BIOAGE_BOT DOI: 10.29188/2712-9217-2024-10-4-29-32

For citation: Нижельская Е.Я., Кошечкин К.А. Предотвращение преждевременного старения нации с помощью телеграм-бота BIOAGE_BOT. Российский журнал телемедицины и электронного здравоохранения 2024;10(4):29-32; https://doi.org/10.29188/2712-9217-2024-10-4-29-32
  • Нижельская Е.Я. – студентка 6 курса Института клинической медицины им. Н. В. Склифосовского, лечебное дело, ФГАОУ ВО Первый МГМУ им.И.М. Сеченова Минздрава России (Сеченовский Университет), Москва, Россия
  • Кошечкин К.А. – доктор фармацевтических наук, руководитель направления цифровых технологий Евразийской академии надлежащих практик, Москва, Россия

Предотвращение преждевременного старения нации с помощью телеграм-бота BIOAGE_BOT

814

За последние десятилетия средняя продолжительность жизни россиян заметно увеличилась, но в рейтинге стран-долгожителей за 2023 год Россия занимает 128 строчку списка (74,56 года).

Одной из проблем отечественного здравоохранения является недостаточная информированность как населения, так и медицинского персонала о современных медицинских подходах к профилактике, о значимости изменения факторов риска, связанных с образом жизни и питанием, а также низкая приверженность этим рекомендациям.

AttachmentSize
Скачать файл176.09 KB
lifestyle medicine; risk factors for non-communicable diseases; biological age

Я хочу получать электронную версию журнала