Mobile applications for mental health self-management: a review of customers’ opinions
Ultrasound robots: ready-to-use solutions and perspective directions
II Всероссийский форум по телемедицине, цифровизации здравоохранения и медицинскому маркетингу «ТЕЛЕМЕДФОРУМ 2019»
Эффективность телемедицинских консультаций «пациент-врач»
Телереабилитация: рандомизированное исследование исходов
1. The Experience of the Telehealth Network of Minas Gerais, Brazil
2. The Remote Monitoring of Patients with Congestive Heart Failure:The Organizational
Impact..
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
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.
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)
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
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.
clinical reasoning; medical education; digital learning technologies; simulation training; virtual patients, medical student education; Python; educational applications; digital pedagogy
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
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.
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
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.
artificial intelligence; medical education; digital transformation; natural language processing; graph databases; learning personalization; intelligent systems
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
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.
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
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
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.
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
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).
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
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.
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
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.
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
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.