Исследование паттернов искусственного интеллекта в цифровых инновациях: кейс здравоохранения

Авторы

  • Н.Н. Лисицкий Национальный исследовательский университет ИТМО Автор
  • Т.Г. Максимова Национальный исследовательский университет ИТМО Автор

Ключевые слова:

рутинные инновации, цифровизация, региональные практики, tf-idf, здравоохранение

Аннотация

Целью работы стало выявление ключевых характеристик цифровых инноваций здравоохранения для определений оптимальных стратегических подходов их развития. В качестве эмпирической базы для анализа составлен текстовый корпус из региональных практик цифрового здравоохранения, отобранных Минздравом РФ и ФГБУ «ЦНИИОИЗ» Минздрава России.Посредством статистического метода TF-IDF для выявления семантически значимых терминов определены ключевые паттерны, характеризующие цифровые решения здравоохранения. Выявлена преобладающая роль инноваций, направленных на организацию оказания первичной медико-санитарной помощи. Наиболее характерными технологиями искусственного интеллекта в цифровых инновациях здравоохранения являются роботизированные голосовые помощники и технологии компьютерного зрения. Несовершенство нормативного регулирования применения медицинских технологий на основе искусственного интеллекта, сложившаяся цифровая инфраструктура, проблемы этики и безопасности использования медицинских данных затрудняют широкое внедрение инноваций. Показана актуальность разработки и внедрения немедицинских цифровых инноваций на основе искусственного интеллекта в рутинные процессы медицинских организаций. Объясняется целесообразность широкого применения искусственного интеллекта в рутинных инновациях для создания целостной экосистемы данных, необходимых для прогнозирования и принятия стратегических решений. В связи с этим определяются стратегические направления внедрения искусственного интеллекта в контексте цифровой трансформации управления здравоохранением: 1) широкое применение в повседневной и административной медицинской работе; 2) усилении роли и расширении спектра метаданных о процессах оказания медицинской помощи и состоянии системы здравоохранения.

Скачивания

Данные по скачиваниям пока не доступны.

Биографии авторов

  • Н.Н. Лисицкий, Национальный исследовательский университет ИТМО

    Лисицкий Никита Николаевич, аспирант факультета технологического менеджмента и инноваций

    Санкт-Петербург

  • Т.Г. Максимова, Национальный исследовательский университет ИТМО

    Максимова Татьяна Геннадьевна, доктор экономических наук, кандидат технических наук, профессор факультета инфокоммуникационных технологий, профессор факультета технологического менеджмента и инноваций

    Санкт-Петербург

Библиографические ссылки

Голиченко О. Г. Формирование и эволюция модели «подхватывания» технологий / О. Г. Голиченко, С. А. Самоволева, Л. В. Оболенская, Ю. Е. Балычева // Журнал экономической теории. 2019. Т. 16. № 3. С. 331–345. DOI 10.31063/2073-6517/2019.16-3.2. EDN OOWLSV

Егоров М. А. Обзор инвестиций в развитие российского рынка Medtech и перспектив влияния цифровизации в медицине на экономические показатели компаний до 2030 года / М. А. Егоров, С. А. Баженова, Н. А. Растегаева, Н. В. Королева, И. Н. Ишик // Проблемы социальной гигиены, здравоохранения и истории медицины. 2024. Т. 32, № S1. С. 588–593. DOI 10.32687/0869-866X-2024-32-s1-588-593. EDN TWUBHA

Касуха Л., Максимова Т. Г., Верзилин Д. Н. Политика подхватывания инноваций и клубы цифровой конвергенции арабских стран: результаты кластерного анализа // Общество: политика, экономика, право. 2025. № 5. С. 200–209. DOI 10.24158/pep.2025.5.24. EDN TCURJW

Орлов Г. М., Чугунов А. В. Цифровое здравоохранение: программно-целевой подход и проблемы старения // International Journal of Open Information Technologies. 2022. Т. 10. № 11. С. 113–125. DOI 10.25559/INJOIT.2307-8162.10.202211.113-125. EDN TNZLDB

B cue A., Praça I., Gama J. Artificial intelligence, cyber-threats and Industry 4.0: Challenges and opportunities // Artificial intelligence review. 2021. Vol. 54. N 5. P. 3849–3886.

Boutellier R., Heinzen M. Trend towards Routine Innovation. In Boutellier R., Heinzen M. (Eds), Growth through Innovation: Managing the Technology-Driven Enterprise. Cham: Springer International Publishing, 2013. P. 163–173 DOI 10.1007/978-3-319-04016-5_12.

Dai Y. (In press). Studying a Young Generation of AI Natives: Research Access and Sociotechnical Complexity. In Green J., Castanhira M. & Kumpulainen K. (Eds), The Research Handbook on Ethnography In and For Education: Developing Epistemologies of Inquiry in Changing Educational Terrains. Edward Algar Press, 2025.

Facilitating the secondary use of health data for public interest purposes across borders, OECD Digital Economy Papers. 2025. N 376. OECD Publishing, Paris. DOI 10.1787/d7b90d15-en.

Greenhalgh T., Fahy N., Shaw S. The Bright Elusive Butterfly of Value in Health Technology Development: Comment on «Providing Value to New Health Technology: The Early Contribution of Entrepreneurs, Investors, and Regulatory Agencies» // International Journal of Health Policy and Management. 2018. Vol. 7. N 1. P. 81–85.

Hall B. H., Rosenberg N. (ed.). Handbook of the Economics of Innovation. Elsevier, 2010. Vol. 1.

Hartschen M., Scherer J., Br gger C. Innovationsmanagement: die 6 Phasen von der Idee zur Umsetzung. GABAL Verlag GmbH, 2009.

Henfridsson O. et al. Recombination in the open-ended value landscape of digital innovation // Information and organization. 2018. Vol. 28. N 2. P. 89–100.

Hund A. et al. Digital innovation: Review and novel perspective // The Journal of Strategic Information Systems. 2021. Vol. 30. N 4. P. 101695. DOI 10.1016/j.jsis.2021.101695.

Kang H., Yu Z., Gong Y. Initializing and growing a database of health information technology (HIT) events by using TF-IDF and biterm topic modeling // AMIA Annual Symposium Proceedings. 2018. Vol. 2017. P. 1024.

Liu Z. et al. Transforming aged care in China: insights from a TF-IDF-based data mining analysis of national policies (2018–2022) // BMC geriatrics. 2025. Vol. 25. N 1. P. 1–17.

Liu Z. Sociological perspectives on artificial intelligence: A typological reading // Sociology Compass. 2021. Vol. 15. N 3. P. e12851.

Mirbabaie M. et al. The rise of artificial intelligence understanding the AI identity threat at the workplace // Electronic Markets. 2022. Vol. 32. N 1. P. 73–99.

Nambisan S. et al. Digital innovation management // MIS quarterly. 2017. Vol. 41. N 1. P. 223–238.

Nelson R. Evolutionary theories of economic change. In Nicita A., Pagano U. (Eds). The evolution of economic diversity. Psychology Press, 2001. P. 197–216.

Oslo Manual 2018: Guidelines for Collecting, Reporting and Using Data on Innovation, 4th Edition, The Measurement of Scientific, Technological and Innovation Activities. 2018. OECD Publishing, Paris/Eurostat, Luxembourg. DOI doi.org/10.1787/9789264304604-en.

Pantic I. V., Mugosa S. Artificial intelligence strategies based on random forests for detection of AI-generated content in public health // Public Health. 2025. Vol. 242. P. 382–387.

Starkbaum J. et al. Responsible innovation across societal sectors: a practice perspective on Quadruple Helix collaboration // Journal of Responsible Innovation. 2024. Vol. 11. N 1. P. 2414531.

Tække J. Sociological Perspectives on AI, Intelligence and Communication // Systems Research and Behavioral Science. 2025. Vol. 42. N 2. P. 574–584.

The innovator’s solution: Creating and sustaining successful growth / M. Raynor, C. Raynor. Harvard Business Review Press, 2013.

The political economy of digital monopolies: Contradictions and alternatives to data commodification / P. Bilić, T. Prug. Policy Press, 2021.

Загрузки

Опубликован

2025-09-15

Выпуск

Раздел

Статьи

Как цитировать

Лисицкий Н., Максимова Т. Исследование паттернов искусственного интеллекта в цифровых инновациях: кейс здравоохранения // Управленческое консультирование. 2025. № 5. С. 215–226.

Коды статьи

  • EDN EJZDWN
  • Тип статьи (РИНЦ) Научная статья (Научная статья)