ФАРМОБЗОР С 13 ПО 19 ОКТЯБРЯ

Друзья, в новом выпуске журнала «Реальная клиническая практика: данные и доказательства» вышла статья нашей коллеги, Наталии Дмитриевой, руководителя отдела аналитических систем Aston Health, под названием «Возможности машинного обучения для диагностики орфанных заболеваний».

Редкие или орфанные заболевания относятся к одним из наиболее тяжёлых групп заболеваний. При этом ранняя и точная диагностика таких заболеваний является серьёзной проблемой для врачей общей практики, педиатров и терапевтов. В статье рассмотрены возможности применения методов машинного обучения, в том числе искусственного интеллекта, для улучшения диагностики редких болезней. Приводится информация о различных моделях, разработанных, как международными специалистами, так и российскими исследователями.

Прочитать статью можно на нашем сайте.

• Росздравнадзор предложил снова создать межведомственную комиссию по дефектуремедизделий 
• Для производственных аптек разработана нормативная база 
• При FDA создан консультативный комитет по цифровому здравоохранению 
• Минздрав расширил практику выездных профосмотров и диспансеризации

• NovoNordisk купит препарат от гипертонии за 1,3 млрд долларов 
• Британская и швейцарская фирмы создадут систему навигации с ИИ для дистанционной тромбэктомии 
• ThermoFisher Scientific купит шведскую Olink за $3,1 млрд 
• «36,6» купила объединенную сеть из 170 аптек в Санкт-Петербурге и области

• В Орловской области уволили руководителя депздрава 
• В Ульяновской области назначили куратора здравоохранения

• Препарат Eli Lilly от болезни Крона успешно прошел III стадию исследования 
• Гинцбург сообщил о скором завершении испытаний обновленного «Спутника» 
• Применение вспомогательных репродуктивных технологий повышало риск врожденных пороков у детей 
• Желудочно-кишечные патологии повышали риск сердечно-сосудистых заболеваний 
• AstraZeneca запланировала КИ препарата против COVID-19 в России 
• Biocad приступает к КИ препарата для профилактики диабета

• Использование данных RWD в инновационных моделях страховой медицины 
• Возможности машинного обучения для диагностики орфанных заболеваний