Трансформация ландшафта трудовой деятельности медицинских работников под влиянием искусственного интеллекта

Введение. Использование искусственного интеллекта (ИИ) в медицине находит всё большее применение. Процессы модернизации и цифровизации происходят во всех звеньях и структурах, в том числе в первичном звене здравоохранения. Стоит задача создания и обеспечения возможности эффективной организации трудовой деятельности с учётом получения новых знаний и компетенций посредством развития системы переподготовки. Организация данной системы должна учитывать потребности медицинских работников и удобство получения необходимых навыков.

Цель — изучить специфику существующего ландшафта трудовой деятельности и тренды развития образовательных траекторий медицинских работников.

Материалы и методы. Исследование включает анализ результатов вторичных данных, представленных в мониторингах исследовательских агентств, для возможности применения OLAP-технологии (Online Analytical Processing — оперативная аналитическая обработка данных). Авторские исследования направлены на анализ ответов респондентов анкетного опроса (n = 1499). Визуализация ландшафта трудовой деятельности реализована с помощью применения теории графов.

Результаты. Современные технологии в медицине существенно влияют на трудовую деятельность медицинских работников. Знания в области ИИ и информационных технологий становятся всё более востребованными. Система переподготовки медиков с учётом новых форматов работы требует значительного переосмысления. На основе OLAP-технологий и теории графов авторами предложена авторская модель ландшафта трудовой деятельности медицинского работника.

Ограничения исследования. Исследование имеет региональные (г. Москва) ограничения. При анализе использованы статистические данные и результаты массового анкетного опроса в медицинских организациях Департамента здравоохранения Москвы.

Выводы. Учитывая существующие тенденции, изменение трудовой деятельности (в том числе включая внедрение ИИ), в ближайшее время целесообразно как пересмотреть подходы к подготовке медицинских работников, так и обеспечить возможность получения новых знаний для реализации инновационных кадровых стратегий, соответствующих «Новым московским стандартам» в масштабах всей страны.

Соблюдение этических стандартов. Исследование одобрено Этическим комитетом по экспертизе исследований в сфере общественного здоровья, организации и социологии здравоохранения при ГБУ «НИИОЗММ ДЗМ» (протокол № 02-01/ЭК/2023 от 02.02.2023).

Участие авторов:
Медведева Е.И. — концепция и дизайн исследования, написание статьи, редактирование;
Крошилин С.В. — сбор и обработка материала, статистическая обработка, написание статьи.
Все соавторы — утверждение окончательного варианта статьи, ответственность за целостность статьи.

Финансирование. Данная статья подготовлена авторским коллективом в рамках НИР «Научно-методическое обеспечение организационных аспектов повышения доступности и качества медицинской помощи в государственной системе здравоохранения города Москвы» (№ по ЕГИСУ: 123032100063-3).

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Поступила: 04.04.2025 / Принята к печати: 24.06.2025 / Опубликована: 31.10.202

1. Wiegand T., Krishnamurthy R., Kuglitsch M., Lee N., Pujari S., Salathé M., et al. WHO and ITU establish benchmarking process for artificial intelligence in health. Lancet. 2019; 394(10192): 9–11. https://doi.org/10.1016/S0140-6736(19)30762-7

2. Аксенова Е.И., Медведева Е.И., Крошилин С.В. Использование цифровых технологий в деятельности медицинских организаций. Здравоохранение Российской Федерации. 2024; 68(5): 356–63. https://doi.org/10.47470/0044-197X-2024-68-5-356-363 https://elibrary.ru/iueudm

3. Pragmatic Coders. Lech E. 19 must-know digital healthcare market trends for 2025; 2023. Available at: https://pragmaticcoders.com/blog/healthcare-tech-trends-digital-health-trends

4. Rigby M.J. Ethical dimensions of using artificial intelligence in health care. AMA J. Ethics. 2019; 21(2): 121–4. https://doi.org/10.1001/amajethics.2019.121

5. Старшинин А.В., Аксенова Е.И., Бурковская Ю.В. Стратегии и концепция развития цифровизации в здравоохранении в разных странах мира. М.; 2024.

6. Старшинин А.В., Медведева Е.И., Крошилин С.В. Трансформация процесса управления кадрами: рестайлинг обязанностей немедицинских работников. Здоровье мегаполиса. 2023: 4(2): 60–72. https://doi.org/10.47619/2713-2617.zm.2023.v.4i2;60-72 https://elibrary.ru/kitedu

7. Аксенова Е.И., Камынина Н.Н., Старшинин А.В., Нечаев О.И., Крюкова И.А., Кузнецов М.Ю. Образовательный проект как инструмент развития метанавыков у специалистов московского здравоохранения: на примере проекта «Научная лаборатория: Московская поликлиника». Проблемы социальной гигиены, здравоохранения и истории медицины. 2024; 32(S2): 1042–6. https://doi.org/10.32687/0869-866X-2024-32-s2-1042-1046 https://elibrary.ru/zdcffm

8. Ouyang F., Jiao P. Artificial Intelligence in Education: The Three Paradigms. Comput. Educ.: Artif. Intell. 2021; 2: 100020. https://doi.org/10.1016/j.caeai.2021.100020

9. Nabibayova G. Expanding the intellectual capabilities of OLAP technology using neural networks. Problems of Information Society. 2024; 15(2): 43–8. https://doi.org/10.25045/jpis.v15.i2.05

10. Чемидова А.Б., Суворов С.В., Царькова Н.И., Жиляева И.А. Агрегация показателей в Olap-кубе. Российский экономический интернет-журнал. 2019; (4): 138–53. https://elibrary.ru/xftsua

11. Arul Sh.M., Senthil G., Jayasudha S., Alkhayyat A., Khalikov A., Elangovan R. Graph theory and algorithms for network analysis. E3S Web Conf. 2023; 399: 10. https://doi.org/10.1051/e3sconf/202339908002