Алгоритм разработки и архитектура прототипа информационно-аналитической системы поддержки принятия управленческих решений в медицинской организации при работе в условиях биологических, техногенных и геополитических вызовов

В статье рассматривается алгоритм разработки и архитектура прототипа информационно-аналитической системы поддержки принятия управленческих решений (ИАС ППУР), интегрирующей данные о сети медицинских организаций, их ресурсах и потоках пациентов. Система предназначена для функционирования как в плановом режиме, так и в условиях чрезвычайных ситуаций, обеспечивая прогнозирование, оптимизацию распределения ресурсов и координацию действий между структурными подразделениями и медицинскими организациями.

Разработка прототипа ИАС ППУР проведена на основе модульного подхода с использованием сервисно-ориентированной архитектуры. При разработке применены геоинформационные сервисы, современные языки программирования, фреймворки, аналитические библиотеки и инструменты визуализации. Архитектура включает геоинформационный модуль для отображения и анализа медицинской инфраструктуры, BPMN-редактор бизнес-процессов, модуль имитационного и оптимизационного моделирования, калькуляторы расчета интегральных индексов устойчивости, а также средства формирования отчетности, мониторинга ключевых показателей эффективности (KPI), управления запасами ресурсов и информационной безопасности.

Реализованный прототип ИАС ППУР объединяет более десяти взаимосвязанных микросервисов, что обеспечивает гибкость, масштабируемость и возможность интеграции с внешними информационными и аналитическими системами. Работоспособность архитектурного подхода верифицирована методом функционального тестирования на синтетических наборах данных, моделирующих сценарии биологических, техногенных и геополитических угроз. Комплексная интеграция геоинформационных технологий, моделирования бизнес-процессов, аналитики и средств оптимизации позволяет повысить готовность медицинских организаций к реагированию на чрезвычайные ситуации, минимизировать последствия внешних угроз и сократить время принятия решений. Предложенная архитектура может послужить основой для дальнейшего развития региональных систем поддержки принятия управленческих решений в здравоохранении, повышая устойчивость системы и эффективность ее функционирования в условиях глобальных вызовов.

1. Visave, J. Transparency in AI for emergency management: building trust and accountability. AI Ethics. 2025; 5, 3967-3980. doi:10.1007/s43681-025-00692-x.

2. Есмагамбетов Т.У., Шикульская О.М. Информационно-аналитическая поддержка деятельности ситуационного центра МЧС // Современные наукоемкие технологии. — 2016. — №3(1). — С.18-23.

3. Cozzoli N, Salvatore FP, Faccilongo N, Milone M. How can big data analytics be used for healthcare organization management? Literary framework and future research from a systematic review. BMC Health Serv Res. 2022; 22(1): 809. doi: 10.1186/s12913-022-08167-z.

4. Elkady S, Hernantes J, Labaka L. Decision-making for community resilience: A review of decision support systems and their applications. Heliyon. 2024; 10(12): e33116. doi: 10.1016/j.heliyon.2024. e33116.

5. Калач А.В., Ничепорчук В.В., Батуро А.Н. Поддержка принятия управленческих решений при защите территорий от затоплений // Вестник Воронежского государственного университета. Серия: Системный анализ и информационные технологии. — 2021. — №1. — С.74-86.

6. Ptochos D, Panopoulos D, Metaxiotis K, Askounis D; John Psarras. Using internet GIS technology for early warning, response and controlling the quality of the public health sector. Int J Electron Healthc. 2004; 1(1): 78-102. doi: 10.1504/IJEH.2004.004661.

7. Safdari R, Shoshtarian Malak J, Mohammadzadeh N, Danesh Shahraki A. A Multi Agent Based Approach for Prehospital Emergency Management. Bull Emerg Trauma. 2017; 5(3): 171-178.

8. Avila K, Sanmartin P, Jabba D, Jimeno M. Applications Based on Service-Oriented Architecture (SOA) in the Field of Home Healthcare. Sensors (Basel). 2017; 17(8): 1703. doi: 10.3390/s17081703.

9. Wright A, Sittig DF. SANDS: a service-oriented architecture for clinical decision support in a National Health Information Network. J Biomed Inform. 2008; 41(6): 962-981. doi: 10.1016/j.jbi.2008.03.001.

10. Loya SR, Kawamoto K, Chatwin C, Huser V. Service oriented architecture for clinical decision support: a systematic review and future directions. J Med Syst. 2014; 38(12): 140. doi: 10.1007/s10916-014-0140-z.

11. Strasberg HR, Rhodes B, Del Fiol G, Jenders RA, Haug PJ, Kawamoto K. Contemporary clinical decision support standards using Health Level Seven International Fast Healthcare Interoperability Resources. J Am Med Inform Assoc. 2021; 28(8): 1796-1806. doi: 10.1093/jamia/ocab070.

12. Bathelt F, Lorenz S, Weidner J, Sedlmayr M, Reinecke I. Application of Modular Architectures in the Medical Domain - a Scoping Review. J Med Syst. 2025; 49(1): 27. doi: 10.1007/s10916-025-02158-3.

13. Hadley E, Rhea S, Jones K, Li L, Stoner M, Bobashev G. Enhancing the prediction of hospitalization from a COVID-19 agent-based model: A Bayesian method for model parameter estimation. PLoS One. 2022; 17(3): e0264704. doi: 10.1371/journal.pone.0264704.

14. Lawson AB. Evaluation of predictive capability of Bayesian spatio-temporal models for Covid-19 spread. BMC Med Res Methodol. 2023; 23(1): 182. doi: 10.1186/s12874-023-01997-3.

15. Yun SJ, Kwon JW, Kim WT. A Novel Digital Twin Architecture with Similarity-Based Hybrid Modeling for Supporting Dependable Disaster Management Systems. Sensors (Basel). 2022; 22(13): 4774. doi: 10.3390/s22134774.

16. Sun T, Lu J, Li Q, Kou Y. Can digital twin technology revolutionize public health emergency management? Insights from the PPRR framework. Front Public Health. 2025; 13: 1631339. doi: 10.3389/fpubh.2025.1631339.

17. Raab R, Küderle A, Zakreuskaya A, et al. Federated electronic health records for the European Health Data Space. Lancet Digit Health. 2023; 5(11): e840-e847. doi: 10.1016/S2589-7500(23)00156-5.

18. Sutton L, Tarrant C, Willars J, et al. How do staff work in NHS hospital operations management meetings to support resilience in everyday service delivery? A qualitative study. BMC Health Serv Res. 2025; 25(1): 113. doi: 10.1186/s12913-025-12229-3.

19. Rauner, M.S., Niessner, H., Odd, S, et al. An advanced decision support system for European disaster management: the feature of the skills taxonomy. Cent Eur J Oper Res. 2018; 26: 485-530. doi: 10.1007/s10100-018-0528-9.

20. Ханов А.М., Гусев А.В., Тюрганов А.Г. Искусственный интеллект в здравоохранении России: сбор и подготовка данных для машинного обучения // Российский журнал телемедицины и электронного здравоохранения. — 2023. — №9(4). — С.7-13.

21. Ваньков В.В., Артемова О.Р., Карпов О.Э. и др. Итоги внедрения искусственного интеллекта в здравоохранении России // Врач и информационные технологии. — 2024. — №3. — С.32-43.

22. Портал оперативного взаимодействия ЕГИСЗ: сервис «РЭМД» (Реестр электронных медицинских документов). Доступно по: https://portal.egisz.rosminzdrav.ru/services/remd (дата обращения: 21.10.2025).

23. Платформа искусственного интеллекта Минздрава России. Доступно по: https://ai.minzdrav.gov.ru/ (дата обращения: 21.10.2025).

24. Столбов А.П. О кибербезопасности медицинской деятельности // Вестник Росздравнадзора. — 2020. — №3. — С.44-52.

25. Столбов А.П. К вопросу об организации обезличивания и использования данных ре- альной клинической практики // Врач и информационные технологии. — 2025. — №2. — С.32-53.

26. Гусев А.В. Обзор российских систем поддержки принятия врачебных решений (СППВР) // Webiomed. Доступно по: https://webiomed.ru/blog/obzor-rossiiskikh-sistem-podderzhkipriniatiia-vrachebnykh-reshenii/ (дата обращения: 11.08.2025).

27. Карпов О.Э., Никуличев А.А., Пензин О.В., Субботин С.А., Андриков Д.А., Перфильев А.Е. Архитектура медицинских информационных систем нового поколения // Вестник НМХЦ им. Н.И. Пирогова. — 2019. — №14(3). — С.126-134.