CC BY
4
С.Б. Чолоян,
д.м.н., главный врач ГАУЗ «Детская областная клиническая больница» г. Оренбург, Россия, e-mail: sb433@mail.ru О.Г. Павловская,
к.м.н., доцент ФГБОУ ВО «Оренбургский государственный медицинский университет» Минздрава России, г. Оренбург, Россия, e-mail: pavlovskaya-o@mail.ru А.К. Екимов,
программист отдела АСУ ГАУЗ «Детская городская клиническая больница», г. Оренбург, Россия, e-mail: ekimov_ak@mail.ru Н.Н. Трикоменас,
к.м.н., главный врач ГАУЗ «Детская городская клиническая больница», г. Оренбург, Россия, e-mail: natashatri@yandex.ru М.В. Шеенкова,
к.м.н., генеральный директор, главный врач Общества с ограниченной ответственностью «Медгард-Оренбург», г. Оренбург, Россия, e-mail: ms_1301@mail.ru Е.Н. Байгазина,
программист отдела АСУ ГАУЗ «Детская городская клиническая больница», г. Оренбург, Россия, e-mail: elena311075@mail.ru
СОВРЕМЕННЫЕ ПОДХОДЫ К АНАЛИЗУ ФОРМИРОВАНИЯ ПАТОЛОГИИ У ДЕТЕЙ
УДК 616.01/-099-053.2
Чолоян С.Б.., Павловская О.Г., Екимов А.К., Трикоменас Н.Н, Шеенкова М.В., Байгазина Е. Н. Современные подходы к анализу формирования патологии у детей (ГАУЗ «Детская городская клиническая больница» г. Оренбург, Россия; ФГБОУ ВО «Оренбургский государственный медицинский университет» Минздрава России, г. Оренбург, Россия)
Аннотация. Применен математический метод «ориентированные деревья с оценками» для изучения структуры 411 581 обращений 71483 детей в медицинскую организацию по поводу первичных заболеваний. Использованы данные медицинской информационной системы больницы за 2015-2018 годы. Установлены закономерности последовательности формирования патологии 35 288 детей до 7 лет и 36 195 детей с 7 до 17 лет и средний возраст выявления заболеваний. Так, появление заболевания J06.9 (в зависимости от возраста) ожидается в 1,9-4,6 раза чаще, если до этого было одно из заболеваний G93.8 или G94, чем после одного из заболеваний J20.9 или J20.8 по МКБ-10. Полученные данные могут быть использованы для индивидуальной профилактической работы с детьми.
Ключевые слова: заболеваемость детей, медицинские информационные системы, ориентированные деревья с оценками, медицинская помощь детям, медицинская профилактика.
Актуальность
□ дним из существенных отличий современного здравоохранения является значительное увеличение роли информационных технологий в реализации всех традиционных форм деятельности медицинских организаций (МО). Происходящие сегодня изменения требуют разработки новых подходов к управлению МО [1—3], которые учитывали бы ранее недоступную дополнительную информацию, использование которой позволило бы принимать более эффективные управленческие решения. Обработка такой информации требует использования математических методов, которые ранее не применялись в практике управления МО. Это методы многомерного статистического анализа (факторный анализ, кластерный анализ, дискриминантный анализ, множественный регрессионный анализ), а также используются методы построения сетевых планов, которые лежат в основе процессного подхода в управлении [4, 6]. При нахождении оптимального решения стратегических задач управления используются
© С.Б. Чолоян, О.Г. Павловская, А.К. Екимов, Н.Н. Трикоменас, М.В. Шеенкова, Е.Н. Байгазина, 2020 г.
№3
2020
Менедже,
методы цепей Маркова с оценками, методы построения ориентированных деревьев с оценками [5]. По мнению ряда авторов [3], «оцифровывание» практической деятельности МО с учетом использования указанных математических методов приведет к тому, что любые проекты в сфере здравоохранения будут достаточно точно оцениваться на этапе их разработки, что позволит из них выбирать самые эффективные. Использование математических методов, которые позволяют по-новому оценить традиционные мероприятия в здравоохранении, является одним из приоритетных направлений разработки новых методов управления.
Цель исследования - с помощью ориентированных деревьев с оценками изучить возрастные особенности формирования заболеваний у детей.
В ГАУЗ «Детская городская клиническая больница» г. Оренбурга (ДГКБ) с 2004 года функционирует медицинская информационная система (МИС), которая содержит упорядоченные и формализованные данные обо всех аспектах работы с прикрепленным пациентом. Нами изучены обращения по поводу заболеваний 71 483 детей за период 2015-2018
годы. Число первичных обращений по поводу заболеваний указанных детей составило 411 581 обращений (таблица 1).
Наибольшая доля впервые выявленных классов болезней была - болезней дыхательных путей (28,7% от общего числа впервые выявленных заболеваний), болезней органов пищеварения (18,2%). В меньшем проценте выявлялись болезни нервной системы (8,0%), болезни глаза и придаточного аппарата (7,2%), врожденные аномалии (6,7%) и болезни кожи и подкожной клетчатки (6,0%).
Однако, приведенные данные о впервые выявленных заболеваниях (таблица 1) не раскрывают последовательность, в которой они выявлялись. Мы применили математический аппарат построения ориентированного дерева, который позволяет анализировать последовательность формирования заболеваний у детей, а также оценивать их средний возраст. На основе дерева можно установить, какие пары (тройки) заболеваний встречаются наиболее часто.
Дерево - это связный ациклический граф, в котором одно множество (множество точек), называемое вершинами графа, соединяется между собой
Таблица 1
Характеристика впервые выявленных заболеваний у детей ДГКБ по классам МКБ-10
к#
Классы по МКБ 10 частота процент
I Некоторые инфекционные и паразитарные болезни (А00-В99) 10 528 2,6
II Новообразования (С00^48) 1 764 0,4
III Болезни крови, кроветворных органов и отдельные нарушения, вовлекающие иммунный механизм Р50^89) 2 986 0,7
IV Болезни эндокринной системы, расстройства питания и нарушения обмена веществ (Е00-Е90) 21 515 5,2
VI Болезни нервной системы р00^99) 33 015 8,0
VII Болезни глаза и его придаточного аппарата (Н00-Н59) 29 452 7,2
VIII Болезни уха и сосцевидного отростка (Н60-Н95) 10 098 2,5
IX Болезни системы кровообращения (Ю0-!99) 16 126 3,9
X Болезни органов дыхания ^00^99) 118238 28,7
XI Болезни органов пищеварения (К00-К93) 74 829 18,2
XII Болезни кожи и подкожной клетчатки ^00^99) 24 535 6,0
XIII Болезни костно-мышечной системы и соединительной ткани (М00-М99) 17 075 4,1
XIV Болезни мочеполовой системы (N00^99) 15 859 3,9
XVI Отдельные состояния, возникающие в перинатальном периоде (Р00-Р96) 501 0,1
XVII Врожденные аномалии [пороки развития], деформации и хромосомные нарушения ^00^99) 27 434 6,7
XVIII Симптомы, признаки и отклонения от нормы, выявленные при клинических и лабораторных исследованиях, не классифицированные в других рубриках 7 626 1,9
Всего 411581 100,0
енеджер № 3
здравоохранения 2020
элементами другого множества (множество ребер) (Емеличев В.А. и др., 1990). Связанность и ацикличность графа означает, что из любой вершины графа можно перейти в любую другую вершину, при этом ребра будут пройдены не более, чем 1 раз. Если движение по вершинам графа возможно только в одном направлении, то такое дерево называется ориентированным. Вершины ориентированных деревьев называются узлами. Все анализируемые дети, имеющие одно и то же впервые выявленное заболевание, с одним узлом дерева. На дереве узел изображается кругом, в центре которого записывается код МКБ-10 впервые выявленного заболевания. Все дети, у которых было выявлено одно заболевание, характеризуются узлами уровня Ь| = 1 дерева. Дети, у которых было выявлено вначале первое заболевание (узел уровня 1), а затем второе заболевание, характеризуются узлами уровня Ь| = 2. Каждый узел полученного дерева характеризуется двумя оценками. Оценкой ребра называется группа количественных или качественных показателей, которыми характеризуется узел дерева, в который входит ребро. Первая оценка (частота встречаемости узла) - количество детей, которые имели впервые выявленное заболевание, код МКБ-10 которого указан в узле (круге). Вторая оценка меняется в зависимости от уровня дерева. Для узлов уровня 1 в качестве оценки узла использовался средний возраст детей, при котором
было выявлено первое заболевание. Для всех узлов последующих уровней дерева в качестве оценки использовалось значение средней продолжительности до момента возникновения болезней следующего уровня дерева. Выражая всевозможные последовательности впервые выявленных заболеваний, получим дерево с оценками, характеризующее структуру впервые выявленных заболеваний, которые наблюдались у изучаемой группы пациентов. Далее для краткости ориентированное дерево с оценками будем называть «дерево».Поскольку полученное дерево содержит информацию о том, у какого количества пациентов и в каком возрасте наблюдались те или иные заболевания, то отмеченную информацию можно использовать для уточнения мер профилактики по определенным заболеваниям. На рис. 1 дан фрагмент дерева, в котором отражена связь между впервые выявленными заболеваниями J20.9, J06.9 с другими выявленными заболеваниями.
Основными характеристиками дерева являются ветви, узлы, листья и уровни дерева. Узел дерева характеризуется тем, что пациенты, объединенные в нем, имеют одинаковое впервые выявленное заболевание. Каждое дерево начинается с одного узла, называемого вершиной дерева, к которому отнесены все анализируемые объекты (дети). Все узлы, соединенные ребром с вершиной дерева, называются узлами первого уровня дерева и характеризуются
Рис. 1. Фрагмент дерева, в котором отражена связь между впервые выявленными заболеваниями ^0.9, ДО6.9 и другими заболеваниями
^3
2020
Менеджц
тем, что дети, отнесенные к любому узлу первого уровня, имеют одно впервые выявленное заболевание. Узлы, соединенные ребром с узлами первого уровня, называются узлами второго уровня. Узлы последующего уровня называются «узами потомками» или «дочерними узлами» по отношению к узлу уровня, являющегося «родительским узлом» Ветвь дерева - это последовательность узлов дерева, которые можно пройти при движении из узла меньшего уровня дерева (например, уровня дерева 1) до последнего узла выделенной ветви дерева (например, уровня дерева 5). Любой узел, находящийся на ветви дерева, характеризуется тем, что все дети, объединенные в узле дерева, имеют одну и ту же последовательность впервые выявленных заболеваний, которыми характеризуются все узлы ветви от узла первого уровня до узла текущего уровня. Листом называется последний узел дерева, которое не имеет дочерних узлов. Любая ветвь дерева заканчивается листом, который характеризует одну последовательность впервые выявленных заболеваний детей в анализируемой группе. Листы в деревьях играют важную роль и характеризуют два свойства дерева. Первое свойство дерева определяется общим количеством листьев, которые имеет дерево. Величину общего количества листьев, которые имеет дерево, называют шириной дерева. Ширина дерева характеризует степень вариабельности структуры изучаемого явления. Значение наибольшего уровня дерева называется глубиной дерева Н. Глубина дерева Н определяет наибольшее число заболеваний, которые имели некоторые дети анализируемой группы. Величину общего количеством листьев, которые имеет дерево, называют шириной дерева. Второе свойство дерева определяется количеством листьев на каждом уровне дерева к Общее число листьев одного уровня характеризует количество впервые выявленных заболеваний детей, которые были выявлены в анализируемой группе. Общее число детей, объединенных в листьях одного уровня 1п, характеризует количество детей, у которых в течение анализируемого периода наблюдалось 1п впервые выявленных заболеваний. Например, количество листьев первого уровня характеризует количество случаев, когда дети в течение анализируемого периода имели одно впервые выявленное заболевание. Общее количество детей в узлах первого уровня характеризуют число детей, имевших только одно впервые выявленное заболевание. Достоинством деревьев является возможность получения детальных характеристик любой последовательности событий.
Фрагмент дерева, изображенный на рис. 1, характеризует два узла уровня 1. Узел «.06.9», к которому были отнесены 843 ребенка, у которых впервые выявленное заболевание было с кодом .06.9. Далее у 86 детей (из 843) было заболевание .20.9, у 18 детей было заболевание .18.8. У 15 детей через 1,01 года после заболевания .06.9 было заболевание .31.1. Важно отметить, что в дереве есть и другие узлы, которые являются дочерними узлами для узла «.106.9», но поскольку они характеризуют другие ветви дерева - они не наши отражение на рис. 1.
Из рис. 4 можно установить, что из 71 483 детей впервые выявленное заболевание .06.9 (узел «.06.9») наблюдалось у 9 795 детей. После заболевания .06.9 у 174 детей через 0,19 года наблюдалось заболевание .30.9. У 167 детей далее было выявлено заболевание Q24.8. У 140 детей через 0,18 года наблюдалось заболевание 093. Далее с убыванием частоты встречаемости было заболевание Н52.1 (132 случая), заболевание .31.1 (107 случаев), заболевание И9.8 (101 случай) и заболевание 093.4 (97 случаев).
Недостатком деревьев является их сложность. Построенное дерево впервые выявленных заболеваний у 71 483 анализируемых детей имеет следующие характеристики: ширина дерева равна 54 786, максимальная глубина дерева равна 33. Таким образом, наблюдалось 54 786 различных последовательностей впервые выявленных заболеваний (рис. 2а). Также наблюдались три ребенка, у которых в течение анализируемого времени наблюдались 33 впервые выявленных заболевания (рис. 2б).
Для того, чтобы оценить общие параметры полученного дерева анализируется количество листьев на каждом уровне дерева (рис. 2а) и количество объектов (детей), отнесенных ко всем листьям одного уровня дерева (рис. 2б).
Три уровня дерева содержат 18,3% всех листьев, к которым было отнесено 43,4% детей (таблица 2).
Существует прием преобразования построенного дерева в частично агрегированное дерево, содержащее все его основные характеристики, но которое является значительно проще по структуре. Частично агрегированное дерево (ЧАД) (рис. 3) имеет три отличия от дерева, описанного выше, фрагмент которого изображен на рис. 1. Главное отличие состоит в том, что каждый выделенный узел ЧАД включает информацию о всех детях, которые на выделенном уровне дерева имели заболевание, код которого записан в узле, без учета того, какие впервые выявленные заболевания были далее. Таким образом, в оценку «количество пациентов, отнесенных к узлу»
енеджер № 3
здравоохранения 2020
Таблица 2
Характеристики листьев построенного дерева впервые выявленных заболеваний детей
Уровень дерева Число листьев Процент листьев по уровням дерева Кумулятивный % для выделенного уровня Число детей отнесенных к листьям каждого уровня дерева Процент детей в листьях по уровням дерева Кумулятивный % для выделенного уровня
756 1,4 1,4 15 886 22,2 22,2
2 3 485 6,4 7,7 8 286 11,6 33,8
3 5 767 10,5 18,3 6 853 9,6 43,4
4 6 502 11,9 30,1 6 611 9,2 52,7
5 6 247 11,4 41,5 6 254 8,7 61,4
... ... ... ... ... ... ...
По всем уровням 54 786 100 71 483 100
ЧАД, включают всех детей, у которых на выделенном уровне дерева было указанное заболевание. Далее у детей могут быть совершенно разные последующие заболевания. Из частично агрегированного дерева (рис. 3) можно установить, что заболевание J06.9 наблюдалось у 15 378 детей, которые далее имели 7 заболеваний с большими частотами встречаемости Р24.8, J20.9, G93.8, J49.8, Н52.1, G93.4, J31.1). Другие заболевания, которые были у детей после заболевания J06.9, но частота встречаемости которых была мала, были отнесены к узлу «прочие» уровня 2.
Второе отличие состоит в том, что на каждом уровне частично агрегированного дерева вносится узел «прочие», в который включаются все узлы,
которые по тем или иным причинам не использовались для построения дерева. Сумма объектов (детей), отнесенных ко всем узлам уровня ^ характеризует число объектов (детей), имеющих h впервые выявленных заболеваний. Третьей особенностью ЧАД является то, что число уровней частично агрегированного дерева не превышает 3-5. Рассмотрение частично агрегированного дерева как дерева с небольшой глубиной объясняется тем, что к узлам до глубины 5 относятся более 55% всех анализируемых объектов (детей). Оценки узлов «прочие» находятся аналогично. На рис. 3 приведено частично агрегированное дерево впервые выявленных болезней анализируемых детей.
Рис. 2. Число листьев на каждом уровне дерева (а) и число детей, отнесенных к выделенным листьям каждого уровня дерева (б)
№ 3
2020
Менедже,
Рис. 3. Частично агрегированное дерево (ЧАД), в котором отражены характеристики часто встречаемых заболевания детей МО
Полученное дерево выявленных заболеваний детей до 17 лет дает информацию о частоте встречаемости каждого заболевания (с учетом предыдущего заболевания, если оно было), а также значений среднего возраста выявления заболевания. Например, выявление заболевания .06.9 («Острая инфекция верхних дыхательных путей») ожидается в 1,9-4,6 раза чаще, если до этого было одно из заболеваний (093.8 или 094.4) из класса «Болезни нервной системы», чем после одного из заболеваний (.20.9 или .20.8) класса «Болезни органов дыхания».
Или другой пример. Выявление заболевания 093.8 («Другие уточненные поражения головного мозга») ожидается в 2,5 раза чаще, если до этого
было заболевание Q24.8 из класса «Врожденные аномалии», в отличие от того, что до этого было заболевание .06.9 из класса «Болезни органов дыхания».
Другая оценка - средний возраст детей, при выявлении заболевания показывает, например, что из наиболее встречаемых заболеваний ранее других выявляется заболевание 024.8 («Другие уточненные врожденные аномалии сердца»). Полученные характеристики заболеваний, которые дает частично агрегированное дерево, являются основанием для более глубокого изучения отдельных характеристик.
На рис. 4 приводятся результаты распределения возраста детей, у которых было выявлено заболевание Н52.1 («Миопия»).
енеджер № 3
здравоохранения 2020
Рис. 4. Распределение пациентов по возрасту с диагнозом №2.1 («Миопия»)
№ 3 Менеджер
2020 здравоохранения
Из рис. 4 можно установить, что можно выделить два промежутка возраста детей, при которых выявляется заболевание Н52.1. Более всего указанное заболевание выявляется в возрасте ребенка «до года» (35,9%). Далее встречаемость заболевания Н52.1 падает до нуля. Вновь заболевание Н52.1 выявляется в возрасте ребенка 7 лет. При этом процент выявления указанного заболевания возрастает до 11,9% (в 12 лет) и далее к 17 годам вновь падает до нуля. Полученные результаты должны использоваться при профилактической работе с детьми в плане снижения зрения детей по причине миопии.
При помощи деревьев можно найти возрастные различия в структуре выявленных заболеваний. Проанализированы две группы детей (из 71 483): первая группа - 35 288 детей до 7 лет и вторая - 36 195 детей 7-17 лет. На рис. 5 и 6 приведены частично агрегированные деревья, описывающие структуру
выявленных заболеваний у детей возраста до 7 лет и детей возраста 7-17 лет, наблюдавшихся в ДГКБ.
Поскольку численности выборок характеризующих детей до 7 лет и детей 7-17 лет практически равны, то различия в структурах можно оценивать путем сравнения абсолютных показателей каждого узла. Сравнение частот встречаемости первого выявленного заболевания (заболевания в узлах уровня 1) показывает, что в возрасте до 7 лет выделенные заболевания встречаются более часто (55,7% от всех анализируемых случаев), в то время как в возрасте 7-17 лет выделенные заболевания составляют 35,8% от всех анализируемых случаев. Также можно отметить, что количество детей с заболеванием -106.9 («Острая инфекция верхних дыхательных путей») составляет значительную часть впервые выявленных заболеваний как в возрасте до 7 лет (21,6% от всех заболеваний указанного возраста), так и в возрасте 7-17 лет (20,6%
Рис. 5. Дерево впервые выявленных заболеваний детей до 7 лет
Менеджер № 3
здравоохранения 2020
Рис. 6. Дерево выявленных заболеваний детей 7-17 лет
от всех заболеваний указанного возраста). Высокая частота встречаемости заболевания .06.9 как для детей возраста до 7 лет, так и для детей возраста 7-17 лет, показывает важность профилактической работы по указанному заболеванию для детей всех возрастов. Необходимо отметить, что число детей с первые выявленными заболеваниями в возрасте до 7 лет, указанное на рис. 5 и 6, было выше в 4,5-7 раз, чем у детей в возрасте 7-17 лет, при таких заболеваниях как 093.8, 024.8, .20.9, 093.4. Однако заболевания К02.1, К04.0 в возрасте 7-17 лет встречались в 2,0-5,5 раза чаще, чем в возрасте до 7 лет.
Приведенные результаты показывают значительные возможности ориентированных деревьев с оценками для выявления особенностей структуры выявленных заболеваний для формирования профилактической работы с детьми, прикрепленными к медицинской организации.
Выводы
1. Использование современных математических методов для решения задач управления в медицинской организации с учетом новых информационных возможностей приводит к нахождению более эффективных управленческих решений.
2. Применение ориентированных деревьев с оценками позволяет найти более эффективные организационные схемы реализации профилактической работы с детьми.
3. Большая частота встречаемости заболевания .06.9 как у детей возраста до 7 лет, так и 7-17 лет показывает важность профилактической работы для детей всех возрастов.
4. Возрастные различия заболеваний любого уровня дерева дают информацию для корректировки работы медицинской организации по указанным заболеваниям.
№3 Менеджер
2020 здравоохранения
Iggy
Литература
1. Постановление Правительства РФ от 26 декабря 2017 г. № 1640 «Об утверждении государственной программы Российской Федерации «Развитие здравоохранения». - Режим доступа: https://base.garant.ru/
2. Баранов А.А., Альбицкий В.Ю. Состояние здоровья детей России, приоритеты его сохранения и укрепления //Казанский мед. ж. - 2018. - Т. 99. - № 4. - С. 698-705.
3. Методы и средства комплексного интеллектуального анализа медицинских данных / А.А. Баранов [и др.] // Труды ИСА РАН. - 2015 . - Т. 65. - № 2. - С. 81-93.
4. Современное управление медицинской организацией на основе процессного подхода в российских научных публикациях /С.Б. Чолоян [и др.] // Менеджер здравоохранения. - 2019. - № 9. - С. 14-24.
5. Управление медицинской организации на основе цепей Маркова с оценками / С.Б. Чолоян [и др.] // Менеджер здравоохранения. - 2019. - № 2. - С. 14-22.
6. Формирование новой модели медицинской организации, оказывающей первичную медико-санитарную помощь. Обращения пациентов в поликлинику: анализ и моделирование /С.Б. Чолоян [и др.] // Менеджер здравоохранения. - 2019. - № 3. - С. 24-36.
UDC 616.01/-099-053.2
Choloyan S. B, Pavlovskaya O.G., Ekimov A.K., Trikomenas N.N., Sheenkova M. V, Baygazina E.N, Modern approaches to the analysis of the formation of pathology in children (SAIH "Children's city clinical hospital" of Orenburg, FSBEI HE "Orenburg state medical University" of the Ministry of health of the Russian Federation, Orenburg, Russia)
Abstract. The mathematical method "oriented trees with estimates" is used to study the structure of 411,581 requests from 71,483 children to a medical organization for primary diseases. The data of the medical information system of the hospital for 2015-2018 were used. The regularities of the sequence of pathology formation in 35,288 children under 7 years old and 36,195 children from 7 to 17 years old and the average age of detection of diseases are established. So, the onset of the disease J06.9 (depending on age) is expected to be 1.9-4.6 times more likely if there was one of the diseases G93.8 or G94 before than after one of the diseases J20.9 or J20.8 according to ICD-10. The data obtained can be used for individual preventive work with children.
Keywords: incidence of children, medical information systems, oriented trees with grades, medical care for children, medical prevention.
Здравоохранение-2020
ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ НАУЧАТ ПРЕДОТВРАЩАТЬ СБОЙ ДОРОГОСТОЯЩЕГО МЕДОБОРУДОВАНИЯ
Самарский национальный исследовательский университет им. акад. С.П. Королева и государственно-частное партнерство CERN OpenLab (CERN - европейская организация по ядерным исследованиям) создадут платформу, которая будет использовать искусственный интеллект для выявления аномалий в линейных ускорителях, являющихся основным инструментом специалистов радиотерапии и радиохирургии.
Медицинские линейные ускорители - сложные инженерные системы, на работу которых очень влияют простои, связанные с недостатком эксплуатационных расходов и отсутствием подготовленных инженеров. Выход оборудования из строя - большая проблема и для клиники, и для пациентов.
Самарские специалисты намерены найти решение, которое позволит предупреждать подобные ситуации. Разрабатываемое ими программное обеспечение должно будет подсказывать отказ системы и на основании этих данных выстраивать план технического обслуживания оборудования.
Первые результаты совместного проекта должны быть представлены уже к осени текущего года.
По данным GE Healthcare, за последние шесть лет количество частных ПЭТ-центров в России увеличилось в пять раз, а их доля от общего количества медучреждений такого типа превысила 40%. Включение ПЭТ/КТ-систем и циклотронных комплексов в перечень медоборудования для переоснащения клиник по программе «Борьба с онкозаболеваниями» будет способствовать повышению их доступности. Разработка специалистов самарского университета окажется крайне востребованной.
Источник: пресс-служба Самарского национального исследовательского университета
им. акад. С.П. Королева
1енеджер № 3
здравоохранения 2020
