ПРЕДИКТИВНА І ПРЕЦИЗІЙНА МЕДИЦИНА: НОВІ ГОРИЗОНТИ В ОЦІНЦІ ЗДОРОВ’Я ТА ПРОГНОЗУВАННІ ПАТОЛОГІЧНИХ ПРОЦЕСІВ
DOI:
https://doi.org/10.11603/mie.1996-1960.2025.1-2.15987Ключові слова:
предиктивна медицина, прецизійна медицина, профілактична медицина, оцінка здоров’я, прогнозування патологічних процесів, персональні переносні пристрої, імпутація даних, штучний інтелект, великі даніАнотація
У статті розглянуто сучасні концепції розвитку предиктивної, прецизійної та профілактичної медицини як нової парадигми організації системи охорони здоров’я. Проаналізовано еволюцію підходів до оцінки стану здоров’я людини – від реактивної моделі лікування до проактивної, орієнтованої на раннє виявлення ризиків та прогнозування патологічних процесів. Показано, що сучасні біомедичні технології, зокрема геномне секвенування, протеоміка, аналіз великих масивів медичних даних, а також використання персональних переносних (сенсорних) пристроїв, систем дистанційного моніторингу та Інтернету речей, формують нові можливості для індивідуалізованої оцінки здоров’я та персоналізованого лікування.
Окрему увагу приділено проблемам повноти та якості медичних даних, зокрема пропущеним результатам лабораторних досліджень, що можуть суттєво впливати на точність клінічних висновків і прогностичних моделей. Розглянуто методи статистичної та алгоритмічної імпутації даних, а також роль систем підтримки прийняття клінічних рішень на основі штучного інтелекту.
Обґрунтовано, що інтеграція біомедичних технологій, цифрових інструментів моніторингу та методів математичного моделювання сприяє формуванню нових стратегій управління здоров’ям населення. Підкреслено необхідність розвитку відкритих інформаційних систем охорони здоров’я, підготовки медичних фахівців до роботи з великими даними та забезпечення етичного використання персоналізованої медичної інформації.
Посилання
Tan, A. L. M., Getzen, E. J., Hutch, M. R., & Ey, Z. H. (2023). Informative missingness: What can we learn from patterns in missing laboratory data in the electronic health record? Journal of Biomedical Informatics, 139, 104306. doi: 10.1016/j.jbi.2023.104306. DOI: https://doi.org/10.1016/j.jbi.2023.104306
Demichelis, A. (2025). The danger of precision medicine hesitancy. Global Philosophy, 35, 13. doi: 10.1007/s10516-025-09747-4. DOI: https://doi.org/10.1007/s10516-025-09747-4
Stefanicka-Wojtas, D., & Kurpas, D. (2023). Personalised medicine – implementation to the healthcare system in Europe (focus group discussions). Journal of Personalized Medicine, 13(3), 380. doi: 10.3390/jpm13030380. DOI: https://doi.org/10.3390/jpm13030380
Clarke, E. A. (1974). What is preventive medicine? Canadian Family Physician, 20(11), 65–68.
Lototska, V. A., Kondratiuk, O. M., Sopel, H. A., Krytska, K. O., Pashko, O. Ye., & Fedoriv, O. Ye. (2019). Profilaktychna medytsyna yak vazhlyva skladova hromadskoho zdorovia [Preventive medicine as an important component of public health]. Visnyk sotsialnoi hihiieny ta orhanizatsii okhorony zdorovia Ukrainy, 2(80), 40–43. DOI: 10.11603/1681-2786.2019.2.10478 [In Ukrainian]. DOI: https://doi.org/10.11603/1681-2786.2019.2.10478
Fuller, J. (2022). Preventive and curative medical interventions. Synthese, 200(2), 61. doi: 10.1007/s11229-022-03579-0. DOI: https://doi.org/10.1007/s11229-022-03579-0
Simon, R. (2010). Clinical trials for predictive medicine: New challenges and paradigms. Clinical Trials, 7(5), 516–524. doi: 10.1177/1740774510366454 DOI: https://doi.org/10.1177/1740774510366454
Jen, M. Y., Shahrokhi, M., & Varacallo, M. (2025). Predictive medicine. In StatPearls. Treasure Island (FL): StatPearls Publishing. Retrieved from: https://www.ncbi.nlm.nih.gov/books/NBK441941.
Haleem, A., Javaid, M., Singh, R. P., Suman, R., & Rab, S. (2021). Biosensors applications in medical field: A brief review. Sensors International, 2, 100100. doi:10.1016/j.sintl.2021.100100. DOI: https://doi.org/10.1016/j.sintl.2021.100100
ReportLinker. (2023). Wearable medical devices global market report 2023. Retrieved from: https://finance.yahoo.com/news/wearable-medical-devices-global-market-145100386.html.
Wan, X., Wang, W., Liu, J., & Tong, T. (2014). Estimating the sample mean and standard deviation from the sample size, median, range and/or interquartile range. BMC Medical Research Methodology, 14, 135. doi: 10.1186/1471-2288-14-135 DOI: https://doi.org/10.1186/1471-2288-14-135
Kovtun, N. V., & Fataliieva, A.-N. Ya. (2019). Novi tendentsii u dokazovii statystytsi: problemy imputatsii danykh [New trends in evidence-based statistics: Problems of data imputation]. Statystyka Ukrainy, 4(87). DOI: 10.31767/su.4(87)2019.04.01 [In Ukrainian]. DOI: https://doi.org/10.31767/su.4(87)2019.04.01
Weir, C. J., Butcher, I., Assi, V., Lewis, S. C., Murray, G. D., Langhorne, P., & Brady, M. C. (2018). Dealing with missing standard deviation and mean values in meta-analysis of continuous outcomes: A systematic review. BMC Medical Research Methodology, 18(1), 25. doi: 10.1186/s12874-018-0483-0. DOI: https://doi.org/10.1186/s12874-018-0483-0
Babu, M., Lautman, Z., Lin, X., Sobota, M. H., & Snyder, M. P. (2024). Wearable devices: Implications for precision medicine and the future of health care. Annual Review of Medicine, 75(1), 401–415. DOI: https://doi.org/10.1146/annurev-med-052422-020437
Canali, S., Schiaffonati, V., & Aliverti, A. (2022). Challenges and recommendations for wearable devices in digital health: Data quality, interoperability, health equity, fairness. PLOS Digital Health, 1(10), e0000104. DOI: https://doi.org/10.1371/journal.pdig.0000104
Jeong, I. C., Bychkov, D., & Searson, P. C. (2019). Wearable devices for precision medicine and health state monitoring. IEEE Transactions on Biomedical Engineering, 66(5), 1242–1258. DOI: https://doi.org/10.1109/TBME.2018.2871638
Giovangrandi, L., Inan, O. T., Wiard, R. M., Etemadi, M., & Kovacs, G. T. (2011). Ballistocardiography – a method worth revisiting. In Proceedings of the Annual International Conference of the IEEE Engineering in Medicine and Biology Society, 4279–4282. doi: 10.1109/IEMBS.2011.6091062. DOI: https://doi.org/10.1109/IEMBS.2011.6091062
Cheng, T., Shao, J., & Wang, Z. L. (2023). Triboelectric nanogenerators. Nature Reviews Methods Primers, 3, 39. doi: 10.1038/s43586-023-00220-3. DOI: https://doi.org/10.1038/s43586-023-00220-3
Vaghasiya, J. V., Mayorga-Martinez, C. C., & Pumera, M. (2023). Wearable sensors for telehealth based on merging materials and nanoarchitectonics. npj Flexible Electronics, 7, 26. doi: 10.1038/s41528-023-00261-4. DOI: https://doi.org/10.1038/s41528-023-00261-4
Sonil, N. I., Ullah, Z., Chen, J., & Wang, G. P. (2023). Wearable strain sensors for human motion detection and health monitoring based on hybrid graphite-textile flexible electrodes. Journal of Materials Research and Technology, 26, 764–774. doi: 10.1016/j.jmrt.2023.07.185. DOI: https://doi.org/10.1016/j.jmrt.2023.07.185
Tan, C., Dong, Z., Li, Y., et al. (2020). A high-performance wearable strain sensor with advanced thermal management for motion monitoring. Nature Communications, 11, 3530. doi: 10.1038/s41467-020-17301-6. DOI: https://doi.org/10.1038/s41467-020-17301-6
Lip, S., & Padmanabhan, S. (2025). Introduction to precision medicine. Medicine, 53(7), 476–482. doi: 10.1016/j.mpmed.2025.04.018. DOI: https://doi.org/10.1016/j.mpmed.2025.04.018
Tsimberidou, A. M., et al. (2020). Review of precision cancer medicine: Evolution of the treatment paradigm. Cancer Treatment Reviews, 86, 102019. doi: 10.1016/j.ctrv.2020.102019. DOI: https://doi.org/10.1016/j.ctrv.2020.102019
Wilensky, U., & Rand, W. (2015). An introduction to agent-based modeling. Cambridge: MIT Press.
Liu, Z., Cabrera, E., Rexachs, D., & Luque, E. (2014). A generalized agent-based model to simulate emergency departments. In Proceedings of the Sixth International Conference on Advanced System Simulation, 65–70.
Yousefi, M., Yousefi, M., Fogliatto, F. S., Ferreira, R. P. M., & Kim, J. H. (2018). Simulating the behavior of patients who leave a public hospital emergency department without being seen by a physician: A cellular automaton and agent-based framework.
Brazilian Journal of Medical and Biological Research, 51, e6961. doi: 10.1590/1414-431x20176961. DOI: https://doi.org/10.1590/1414-431x20176961
Djanatliev, A., German, R., Kolominsky-Rabas, P., & Hofmann, B. M. (2012). Hybrid simulation with loosely coupled system dynamics and agent-based models for prospective health technology assessments. In Proceedings of the Winter Simulation Conference, 69:1–69:12. DOI: https://doi.org/10.1109/WSC.2012.6465024
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Журнал Медична інформатика та інженерія дозволяє автору (ам) зберігати авторські права без реєстрації.
Журнали Медична інформатика та інженерія відкритого доступу публікує відкриті статті відповідно до умов Creative Commons Attribution (CC BY) Ліцензії, яка дозволяє використання, поширення та відтворення на будь-якому носії, за умови, що оригінальний твір правильно цитується.
Цей журнал доступний через Creative Commons (CC) License CC-BY 4.0
