Введение
Хроническая болезнь почек (ХБП) на сегодняшний день представляет серьезную проблему для общественного здравоохранения во всем мире. Распространенность ХБП 3–5д стадий стремительно растёт. Более 850 миллионов человек во всем мире живут с той или иной патологией почек, что почти вдвое превышает число людей, страдающих сахарным диабетом. По оценкам международного общества нефрологов (ISN), каждый десятый житель планеты страдает ХБП, а каждый третий человек в общей популяции подвержен повышенному риску ее развития [1]. Согласно данным международного Консорциума по прогнозированию распространения болезней почек, ХБП к 2040 г станет пятой ведущей причиной смерти [2]. Прогрессирующая почечная недостаточность является независимым фактором неблагоприятного исхода, включая высокие риски фатальных сердечно-сосудистых событий, инфекций и других осложнений. Летальность среди пациентов с патологией почек в среднем превышает популяционную в 20 раз, даже до того момента, когда больной достигает терминальной почечной недостаточности и ему проводится заместительная почечная терапия (ЗПТ). Ежегодно от отсутствия адекватной терапии ХБП в мире умирает более 1 миллиона человек. Эксперты многих стран подчеркивают, что несмотря на доказанную важность проблемы болезней почек и финансовую нагрузку на систему здравоохранения, до сих пор профилактика и лечение ХБП остается неудовлетворительным во многих странах, с вытекающими неблагоприятными последствиями для здоровья и крайне высокой стоимостью лечения на терминальной стадии почечной недостаточности (ТПН).
Наиболее обширное понимание структуры эпидемиологии и лечения ХБП в мире дает Глобальный атлас здоровья почек, запущенный по инициативе ISN с 2017г. Средняя мировая медиана распространенности ХБП составляет 9,46%. Обращает на себя внимание значительная вариабельность показателя в мире согласно полученным отчетам в каждом регионе. Так в странах Восточной и Центральной Европы медиана распространенности хронической болезни почек составила 13,15% (от 8,95% на Кипре до 20,67% в Латвии), в Западной Европе 10,1% (от 7,84% в Израиле до 11,84% в Швеции), на Ближнем Востоке от 5,24% в Йемене до 10,57% в Иране, в странах Южной Азии колеблется от 5,01% в Афганистане до 13,24% на Шри-Ланке, в Северной и Восточной Азии от 8,68% в Монголии до 17,62% в Японии, в государствах Океании и Юго-Восточной Азии 10,8% (от 8% в Камбодже до 13,9% в Таиланде), в Северной Америке и странах Карибского бассейна от 9,9% на Багамах до 14,4% на Виргинских островах США, в Латинской Америке от 6,3% на Гаити до 15,4% в Пуэрто-Рико. Распространенность ХБП в Африке составила от 4,87% в Уганде до 17,63% на Маврикии [2–10].
Из 160 стран, принявших участие в отчетах, 98% населения планеты, экономический фактор выступил в роли главного препятствия оказания адекватной помощи пациентам с терминальной ХБП в 99 государствах (64% населения). Государственная поддержка ЗПТ и консервативного лечения в этих странах составила 28%. Надзор за оказанием помощи при ТПН присутствовал во всех странах с высоким уровнем дохода, но отсутствовал в 13% стран с низким уровнем дохода, у 3% стран с уровнем дохода ниже среднего и у 10% стран с уровнем дохода выше среднего. Из чего можно сделать вывод о достаточно серьезных пробелах в оказании помощи больным с ХБП 4-5 стадий во многих странах [11, 12].
В странах СНГ и России медиана распространенности ХБП составила 11,3%. [13]. В целом, оценка распространенности ХБП в Российской Федерации представляется затруднительной в связи с малым количеством крупных отечественных эпидемиологических исследований, особенностей статистического учета, обуславливающих недостаточное внимание практикующих специалистов к данной проблеме. По результатам проведенных в РФ исследований распространенность ХБП С2-С5 среди больных с артериальной гипертензией составила 34,8%, сахарным диабетом 1 типа – 21,6%, сахарным диабетом 2 типа (СД 2 типа) – 30,2%, при сочетании артериальной гипертензии и СД 2 типа – 49,4%, при ревматоидном артрите – от 20,3 до 43,6% [14–17].
По оценкам исследователей приблизительно 80–90% с терминальной почечной недостаточностью получают гемодиализ, а остальные получают перитонеальный диализ или трансплантацию почки. Более 2,6 млн человек в мире находится на заместительной почечной терапии и ожидается, что их количество удвоится к 2030 г. [18, 19]. Абсолютное число больных на ЗПТ в России растет и к 2021 г. составило уже 61,8 тысячи человек, 429 человек на 1 млн населения. Отмечается практически двукратное увеличение числа диализных центров с 532 в 2017 г до 942 в 2021 г. [20]. Однако, несмотря на казалось бы, положительную динамику в обеспеченности населения ЗПТ, адекватный контроль артериальной гипертензии у больных с ХБП 5 ст. составил около 20 %, референсные значения альбуминурии – у 12,1%, доля пациентов, получающих нефропротективную терапию остается недостаточной [21].
Общепризнанными важнейшими факторами, оказывающими влияние на продолжительность жизни пациентов, получающих заместительную почечную терапию, остаются артериальное давление, гидратационный статус больного, скорость ультрафильтрации (УФ)[22–26]. Распространенность артериальной гипертензии среди пациентов с тХПН колеблется от 40 до более чем 80 процентов. [27–29.] При этом, как известно, в отличие от прямой причинно-следственной связи между величиной АД и смертностью в общей популяции, у больных на программном гемодиализе, взаимосвязь смертности с артериальной давлением носит U-образный характер. Практически во всех крупных исследованиях подчеркивается сложная взаимосвязь междиализного, преддиализного и артериального давления на процедуре (как артериальной гипертензии, так и эпизодов гипотензии) с неблагоприятными исходами у больных на ПГД [30–34].
Достижение идеального соотношения между достаточным удалением жидкости, эффективной дозой диализа и низким риском нежелательных явлений на процедуре гемодиализа является сложной многофакторной задачей, зависящей от множества показателей и особенностей каждого конкретного пациента. Неоднородность диализной популяции, наличие отягощенного коморбидного фона, остаточной функции почек, прием кардиотропных препаратов, статус питания и приверженность диете, комплаентность больного – неполный список факторов, которые необходимо учитывать при выборе режима диализа. Таким образом, несмотря на значительный прогресс в технических аспектах, индивидуализация режима проводимого лечения представляется важной и трудоемкой задачей, помочь в решении которой способны современные достижения в области информатизации здравоохранения.
С развитием компьютеризации и цифровизации отрасли, специалисты получают все более новые и совершенные инструменты учета, систематизации и статистического анализа больших объемов данных. В нашем обзоре мы бы хотели уделить внимание существующим базам данных, медицинским информационным системам в нефрологии, а также коснуться современных достижений в сфере анализа медицинских данных не только в рамках статистики, но и с использованием систем поддержки принятия врачебных решений (СППВР/CDSS), методов машинного обучения с элементами искусственного интеллекта.
Медицинские базы данных
Базы данных и регистры больных ХБП и получающих ЗПТ существуют во многих странах мира, но существенно различаются в связи с экономическими условиями и финансированием систем здравоохранения. В большинстве случаев статистическая информация и идентификация пациентов на той или иной стадии ХБП может быть получена из административных баз данных (страховые компании, статистика учреждений здравоохранения и др.), основываясь на кодах международной классификации болезней в сочетании с кодами медицинских процедур. Возможность анализа такой информации и ее полезность в научных целях сомнительна по причине отсутствия клинических данных, результатов обследований и т.д. Однако, существуют и специализированные реестры.
Как пример можно привести организацию сбора информации о нефрологических пациентах в Канаде. Сеть по заболеваниям почек Альберты (Alberta Kidney Disease Network, AKDN) на базе университета в Калгари [35]. Направление работы организации включает в себя помимо исследований эпидемиологии, структуры здравоохранения, экономических вопросов еще и образовательные программы, проведение клинических исследований, консультативную помощь специалистами смежных профилей. Нефрологическая программа Манитобы (Manitoba Renal Program, MRP) занимается организацией заместительной почечной терапии, логистическими вопросами, лечением, «школой» нефрологического пациента [36]. Также в Канаде существует единый регистр по трансплантации органов (Canadian Organ Replacement Register, CORR), который представляет собой общегосударственную информационную систему, управляемую государственным институтом здравоохранения [37]. Подобные организации существуют в различных крупных субъектах, осуществляя непрерывный сбор, учет и анализ информации по больным нефрологического профиля. Используя эту статистику, CORR готовит подробные отчеты и анализирует долгосрочные тенденции донорства и трансплантации органов, заместительной почечной терапии в стране, ведет учет диализных центров, центров трансплантации. Полученные статистические данные активно используются для улучшения лечения, ухода за пациентами и проведения исследований.
Во Франции подобными функциями обладает реестр французской почечной эпидемиологической и информационной сети (The renal epidemiology and information network, REIN). В него входят пациенты с терминальной почечной недостаточностью, получающие заместительную почечную терапию, стоящие в очереди на трансплантацию, и пациенты с трансплантированной почкой. Наблюдением охвачено более 16,5 миллионов человек семи регионов Франции. Организация оказывает содействие системе государственного здравоохранения, клиническим и эпидемиологическим исследованиям как на национальном, так и на региональном уровнях. Отправка данных в организацию по учетным позициям является стандартом для всех диализных центров и других ЛПУ, оказывающих помощь пациентам, находящимся на ЗПТ, и участвующих в программе регионов [38, 39]. Существующий в Великобритании почечный регистр Соединенного Королевства (UK Renal Registry, UKRR) занимается не только вышеописанными направлениями, но также собирает информацию о случаях острого почечного повреждения в стране, ведет учет пациентов с редкими заболеваниями почек, взаимодействует с врачами общей практики по вопросам консервативной терапии сопутствующих ХБП осложнений [40]. Подобные организации существуют и развиваются в США (Medicare, The United States Renal Data System (USRDS)), в некоторых европейских государствах таких как Испания, Германия, Норвегия, Нидерланды и др., в том числе в рамках национальных исследований. И, наконец, Европейская справочная сеть по редким заболеваниям почек (ERKNet) представляет собой организацию, объединяющую в себе 72 центра нефрологической помощи взрослым и детям в 24 странах Европы, в которых наблюдается более 70 000 пациентов с редкими заболеваниями почек, а регистр Европейской нефрологической ассоциации (ERA-EDTA) собирает данные о заместительной почечной терапии не только в европейских государствах, но и в странах, граничащих с ними или Средиземным морем. Обе организации оказывают консультативную помощь, проводят образовательные мероприятия и поддерживают проведение клинических исследований [41–47].
Из стран Азии, как пример, можно привести Китайскую сеть по заболеваниям почек (CK-NET), отчеты которой охватывают более 52% больниц Китая. Крупные базы данных по пациентам, получающим заместительную почечную терапию, существуют также в Австралии, Индии, ЮАР, Таиланде, Малайзии, Южной Корее, странах Латинской Америки и др. [48–54].
В нашей стране ситуация обстоит иначе. До последнего времени, реестр больных, получающих заместительную почечную терапию, на всероссийском уровне формировался Российским диализным обществом. Группа завершила свою работу в связи с непреодолимыми препятствиями, а именно невозможностью сбора полной информации со всех регионов РФ, последний доступный отчет на медиа ресурсе организации охватывает период с 2016 до 2020 г. [55]. На сегодняшний день единой общегосударственной базы данных пациентов, получающих заместительную почечную терапию нет. Учет численности ведется посредством отчета главных специалистов субъектов РФ главному нефрологу и составляет около 52 000 человек за 2022 г., ежегодный прирост 6–10%. Из существующих регистров можно указать Федеральный регистр лиц, страдающих жизнеугрожающими и хроническими прогрессирующими редкими (орфанными) заболеваниями, в том числе нефрологическими (болезнь Фабри, аГУС) [56]. В ближайших планах Министерства Здравоохранения стоит также создание единой федеральной базы доноров, донорских органов и реципиентов почечного трансплантата [57].
В эпоху пациент-ориентированного подхода, прогрессивно увеличивающегося объема информации, высоких требований к качеству услуг, строгой отчетности, нарастающих темпов цифровизации в различных сферах жизни, необходимо создание регулярно обновляющихся баз данных, содержащих полную информацию о пациентах. Заинтересованность в создании и поддержке деятельности реестров, а также их регулярная актуализации и анализ хранящихся в них данных позволят оптимизировать как лечебно-диагностический процесс, так и экономическую составляющую.
Медицинские информационные системы
Обработка огромных потоков информации, как медицинской, статистической так и финансовой в медицинских учреждениях не представляется возможной без использования современных информационных систем. Под медицинской информационной системой (МИС) следует подразумевать систему автоматизации документооборота в медицинских учреждениях, в которой сосредоточены электронные медицинские карты (ЭМК) пациентов, результаты дополнительных методов исследований (лабораторных, инструментальных), статистическая, административная и финансовая информация, а также модули систем поддержки принятия врачебных решений. Основной целью внедрения любой МИС является повышение качества лечебно-профилактической работы, а задачей – обеспечение оперативного доступа к информации для любого специалиста учреждения согласно уровню его доступа. Повсеместное внедрение МИС в экономически развитых странах служит также импульсом к использованию данных ЭМК для облегчения проведения рандомизированных клинических исследований (РКИ). Сама же МИС является частью ERP-системы для медицины (интегрированной системы управления предприятием, Enterprise Resource Planning), куда помимо нее, по общепринятой классификации, входят так же вспомогательные информационные системы, такие как больничная аптека, диетическое питание, клиническая лаборатория (ЛИС), системы архивирования и передачи изображений (PACS, ЕРИС), системы накопления данных с прикроватного оборудования и финансово-хозяйственная система.
Процессу информатизации здравоохранения в нашей стране уделено значительное внимание на правительственном уровне, процесс регулируется рядом нормативно-правовых актов. Из основных следует указать Федеральный закон №242-ФЗ от 29.07.2017 г. «О внесении изменений в отдельные законодательные акты Российской Федерации по вопросам применения информационных технологий в сфере охраны здоровья»; Указ Президента РФ №204 от 07.05.2018 г. «О национальных целях и стратегических задачах развития Российской Федерации на период до 2024 г», №254 от 07.06.2019 г «О стратегии развития здравоохранения в Российской Федерации на период до 2025 года», №490 от 10.10.2019 г «О развитии искусственного интеллекта в Российской Федерации», приказ Министерства здравоохранения РФ №911н от 24.12.2018 «Об утверждении требований к государственным информационным системам в сфере здравоохранения субъектов Российской Федерации, медицинским информационным системам медицинских организаций и информационным системам фармацевтических организаций», Федеральный проект «Создание единого цифрового контура в здравоохранении на основе единой государственной информационной системы в сфере здравоохранения (ЕГИЗС)», последнее обновление от 04.2023 г.
Тема СППВР и искусственного интеллекта в последнее время является чрезвычайно популярной во всех отраслях медицины, наравне с МИС. Количество существующих и используемых в медицине систем в мире огромное количество. Уже разработан ряд подобных инструментов и в нашей стране. Из примеров, СППВР по лечению пациентов можно привести: ЭКФ (Электронный клинический фармаколог) как ассистент врача при назначении многокомпонентной лекарственной терапии для избегания ошибок и осложнений в клинической практике [58]; Galenos, позволяющий контролировать выполнение медицинских стандартов при оказании помощи [59]; MeDiCase для помощи в диагностике различных нозологий [60]. Платформа «Третье мнение» используется в диагностике целого спектра патологических изменений (ИИ для лучевой диагностики, в лабораторной микроскопии, прикроватный мониторинг пациента и т.д.) [61], Botkin.AI, «Цельс», Carementor AI и ряд других СППВР с ИИ, помогающих врачам в онкологии, фтизиатрии, пульмонологии, неврологии, которые уже внедрены и успешно используются в ряде клиник [62–64].
Единой классификации медицинских информационных систем не существует. Наиболее обобщенная основана на иерархическом принципе многоуровневой системы здравоохранения (базовый уровень, уровень учреждений, территориальный и государственный). В России на момент написания статьи зарегистрировано более 150 различный медицинских информационных систем различного уровня и целей [65]. В данной статье мы коснемся МИС (некоторые с элементами СППВР и ИИ) базового уровня, используемых непосредственно в лечебно-диагностическом процессе применимо к пациентам нефрологического профиля, в особенности находящихся на ЗПТ.
Пациенты с заболеваниями почек очень хорошо подходят для проведения исследований на основе МИС по ряду причин. Из них стоит отметить высокую распространенность ОПП и ХБП, возможность их выявления и динамической оценки с помощью регулярно определяемых биомаркеров (креатинин, СКФ, уровень альбуминурии, протеинурии), частое их определение в рутинной клинической практике, сопутствующий сбор анамнеза и выявление факторов риска (коморбидность, прием лекарственных средств, проведенные инвазивные вмешательства и применение контрастных препаратов), проведение большинства процедур гемодиализа в одной или нескольких сетях медицинских центров с единой МИС. Польза для пациента и системы здравоохранения (за счет предотвращения или отсрочки начала ЗПТ) в совокупности с необходимостью персонализированного подхода и оценкой исходов (лечение диализом, трансплантация почки, смерть) неоценимы при использовании МИС в проведении клинических исследований [66–73]. Одним из способов достижения персонализированного подхода в лечении является внедрение информационных систем с модулями искусственного интеллекта, систем поддержки принятия врачебных решений. Важным пробелом в оказании медицинской помощи больным нефрологического профиля остается поздняя выявляемость ХБП в далеко зашедшей стадии. Согласно общемировым данным, около 50% диализных больных наблюдаются у нефролога менее 1 года до инициации ЗПТ, что безусловно приводит в повышенному риску частоты госпитализаций и смертности [74, 75]. Во многих странах мира идут работы по созданию и внедрению в МИС систем электронного фенотипирования пациентов (в рамках СППВР) для выявления больных с ХБП в популяции, путем использования различных автоматических алгоритмов подсчета и систем машинного обучения, основанных на данных, полученных из ЭМК [76–82]. Как пример одной из последних успешных наработок по внедрению подобной методики можно привести опыт наших китайских коллег. Исследование было проведено на базе одной из региональных медицинских информационных систем с охватом почти 1 млн ЭМК. Алгоритм вычисляемого фенотипа для идентификации ХБП был разработан в соответствие с рекомендациями KDIGO. Пациенты, у которых наблюдалось хотя бы одно из следующих проявлений длительностью более 3 месяцев, расценивались как имеющие ХБП. А именно: 1) расчетная СКФ менее 60 мл/мин/1,73 м2; 2) соотношение альбумин/креатинин в моче ≥ 30 мг/г или концентрация альбумина в моче ≥20 мг/л; 3) 24-часовая протеинурия ≥ 150 мг/24 ч или белок в моче ≥ 1 г/л; 4) гематурия, не связанная с урологической патологией, новообразованиями, инфекциями и травмами мочевыводящих путей; 5) диагноз, связанный с ХБП, в том числе врожденное, первичное или вторичное заболевание почек, проведение ГД, трансплантация почки. Получившие отрицательные результаты по вышеуказанным показателям в течение трех месяцев, автоматически оценивались как не имеющие ХБП, в случае получивших подтверждение в срок менее 3 месяцев, определялись как случаи для дальнейшего рассмотрения. По итогу сканирования более 21 млн врачебных записей и результатов лабораторных тестов диагноз ХБП был идентифицирован у 11,5 % пациентов. Последующая проверка случайно выбранных ЭМК экспертами нефрологами показала, что чувствительность, специфичность и точность методики составляет 94,3%, 100% и 97,0% соответственно [83, 84]. Помимо проблем, касающихся организации помощи, разработки СППВР ведутся и по частным вопросам нефрологии. Например, применение методов глубокого машинного обучения (МО) в анализе результатов проведенного многоцентрового когортного исследования первичного нефротического синдрома (JNSCS) [85] позволило выявить четыре типа его клинического течения, опираясь на такие параметры, как сывороточный креатинин, сывороточный альбумин, степени гематурии и протеинурии, оцениваемые в пяти временных точках [86]. В другом исследовании разработанная методика МО с применением компьютерного зрения для анализа нефробиопсий среди пациентов с IgA-нефропатией, показала результаты с сопоставимой прогностической ценностью используемых калькуляторов IIPT и Оксфордской классификации MEST-C [87]. Системы прогнозирования развития острого почечного повреждения (в т.ч. у стационарных пациентов, после тяжелых травм, ожогов, с различными онкологическими заболеваниями, находящихся в ОРИТ), выявление патологии почек по фотографиям сетчатки, результатам ультразвукового исследования, дифференциальная диагностика доброкачественных и злокачественных новообразований почек по данным МРТ, прогнозирование прогрессирования диабетической нефропатии, риска отторжения трансплантата и так далее – только некоторые направления по внедрению ИИ в нефрологии [88–97].
При анализе существующих МИС и СППВР с элементами ИИ, применяемых в заместительной почечной терапии, возможно их разделение на группы по решению основных проблем, связанных с диализной помощью. К первой группе можно отнести разработки, направленные на использование ИИ в лечении анемии у пациентов с терминальной ХБП. Являясь многофакторной проблемой со множеством косвенных причин, влияющих на эффективность лечения, определяющих значительную вариабельность доз препаратов, лечение анемии у пациентов нефрологического профиля сопряжено с рядом трудностей. Не секрет, что значительные колебания уровня гемоглобина, потребность в использовании более высоких доз ЭПО, парентеральных препаратов железа, негативно сказывается на выживаемости больных [98–101]. По результатам мировых исследований, внедрение СППВР в лечебный процесс позволило достичь лучших результатов, минимизировать осложнения, связанные с терапией, снизить затраты на лечение [102–108]. Работы по созданию подобных систем с элементами ИИ по лечению анемии ведутся и в нашей стране [109–112].
В следующую группу можно отнести СППВР с машинным обучением для контроля волемического статуса и сухого веса пациентов на гемодиализе. Хроническая перегрузка жидкостью непосредственно связана с осложнениями и смертностью у этой категории пациентов [22, 113]. К сожалению, на данный момент отсутствуют универсальные методы оценки волемического статуса у больных на ЗПТ, как и стандартизированные рекомендации по коррекции сухого веса [114]. Используемые современные методы оценки состояния перегрузки объемом, такие как биоимпеданс и ультразвуковое исследование легких, имеют доказанную прогностическую и диагностическую ценность, однако, не могут быть использованы для динамического поддержания эуволемии. Как пример использования ИИ в попытке решения этой проблемы можно привести работу с использованием портативного ультразвукового устройства для 8-точечного проведения УЗИ легких с автоматической оценкой получаемых изображений (УЗИ методика оценки наличия интерстициальной жидкости в легких путем подсчета В-линий [115]). Полученные результаты хорошо коррелировали с основными показателями биоимпедансного анализа (ECW-ICW, индекс ECW) [116].
Очевидно, что без увеличения продолжительности процедур ГД и/или увеличения их количества, безопасное достижение эуволемии невозможно. Избыточная междиализная прибавка веса и сниженная толерантность пациентов к ультрафильтрации пока являются труднопреодолимыми препятствиями на пути к эуволемии. Предлагается множество инновационных решений, отражающих многоуровневый подход к проблеме, в основном нацеленный на междиализный контроль гидратации. Среди неизвазивных методик портативные биосенсоры для оценки степени гидратации у пациентов на ГД, например, торакальный импеданс, или же целые многопараметрические системы мониторинга, такие как CoVa (включающие, помимо грудного импеданса, измерение частоты сердечных сокращений, частоты дыхания, ударного объема, сердечного выброса и непрерывный мониторинг ЭКГ). Среди инвазивных методик хорошие результаты показал метод прямого измерения давления в легочной артерии путем катеризации правых камер сердца и имплантации датчика давления у больных с ХСН (CardioMEMS) [117, 118]. К третьей группе можно отнести модульные МИС с элементами СППВР, применяемые для управления лечебнодиагностическим процессом (ЛДП) диализных центров. По данным мировой литературы ведется активная работа по разработке и внедрению подобных систем, в т.ч. уникальных модулей, направленных на контроль электролитных нарушений, профилактику развития интрадиализной гипотензии и даже предсказывающих вероятность летального исхода при инициации ГД [119–124]. Подобные системы в автоматическом режиме осуществляют выгрузку данных с аппаратов искусственной почки (АИП) с последующей их обработкой, анализом, сигналами тревог о необходимости коррекции тех или иных параметров процедуры ГД [125–127]. Сегодня в Российской Федерации существует несколько МИС, позволяющих осуществлять контроль ЛДП в гемодиализных центрах. Все они обладают различными техническими характеристиками и, как правило, совместимы только с определенными АИП конкретных фирм производителей. В числе используемых: Nexadia (Nexadia Monitor и Nexadia Expert), предназначенная для работы с АИП BBraun Dialog+ со схожим функционалом (не имеет СППВР); Therapy Data Management System (TDMS, или EuCliD в РФ) компании Fresenius, предназначенный для работы с одноименными АИП (отсутствует СППВР); аппаратно-программный комплекс MaXimus отечественной IT-компании Spora, имеющий возможность выгрузки данных с АИП большинства мировых производителей, со встроенным развитым аналитическим модулем, наличием СППВР (разработаны модули для лечения МКН, анемии). Пример – наша работа, посвященная совершенствованию профилактики и лечению гемодинамических нарушений у пациентов на ГД. Оценивался массив данных, таких как показатели гемодинамики (АД check-in, check-out, среднее АД на процедуре, ЧСС и др.), данные биоимпедансометрии (ECW, ICW, ECW/ICW и др.), показатели с АИП в реальном времени (длительность процедуры, скорость УФ, объем УФ, скорость кровотока Qb и др.), полученный при каждой процедуре в течение месяца у пациентов на программном ГД. В исследование вошли 120 пациентов Межокружного нефрологического центра ГБК им. С.П. Боткина, проходившие программный гемодиализ. Путем коррекции выявленных отклонений были улучшены целевые показатели гемодинамики. А именно, у больных с артериальной гипертензией, снизилось систолическое АД на 12±6 мм рт. ст., диастолическое на 10±8 мм рт. ст. до диализа у 63% и 72% пациентов соответственно. Среднее систолическое АД во время процедуры снизилось на 11±10 мм рт. ст., диастолическое на 9±8 мм рт. ст. у 56% и 61% пациентов, соответственно. У больных с гипотонией за счет увеличения «сухого веса», коррекции уровня Na достигнута стабилизация уровня АД, повышение как систолического, так и диастолического АД в среднем на 9±5 мм рт. ст. Также полученные данные позволили снизить частоту интрадиализной гипотензии [128].
Пациенты, находящиеся на гемодиализе, полностью зависят от современных технологий. Процесс их лечения связан с большим потоком данных, требующим постоянного непрерывного анализа и коррекции в реальном времени. Использование реестров/ ЭМК, содержащих более полную клиническую информацию о пациенте, современных технологий ЗПТ, медицинских информационных систем с элементами ИИ/СППВР, систем непрерывного мониторинга и анализа данных, является оптимальной перспективой для персонализации подхода к трудоемкому процессу лечения нефрологического пациента.
