The object of research, development or design (in Russian) : Объект исследования - технология дифференциальной диагностики классификации клинико-гематологических синдромов

The object of research, development or design (in Kazakh) : Зерттеу нысаны - клиникалық-гематологиялық синдромдардың дифференциалды диагностика технологиясы

Aim of work (in Russian) : Цель проекта – разработать программный комплекс электронного паспорта здоровья, основанный на информационной технологии дифференциальной диагностики и вычислительно-аналитических моделях морфологической классификации клинико-гематологических синдромов.

Aim of work (in Kazakh) : Жобаның мақсаты - дифференциалды диагностиканың ақпараттық технологиясына және клиникалық-гематологиялық синдромдардың морфологиялық жіктелуінің есептеу-аналитикалық модельдеріне негізделген электрондық денсаулық паспортының бағдарламалық кешенін әзірлеу.

Методы исследования (на русском) : Зерттеудің әдіснамалық негізін Денсаулық паспортының бағдарламалық кешенін әзірлеу шеңберінде клиникалық-гематологиялық деректерді жинау, өңдеу және талдау процестерін кешенді қарауды қамтамасыз ететін жүйелік, құрылымдық-функционалдық және кибернетикалық тәсілдер қағидаттары құрайды. Зерттеуде математикалық модельдеу, Машиналық оқыту, нейрондық желіні талдау, деректерді тексеру және тексеру әдістері, сондай-ақ қолданыстағы биомедициналық жүйелерді салыстырмалы және функционалды талдау әдістері қолданылады. Алгоритмдер мен модельдерді әзірлеу деректерді өндіру әдістерін (Data Mining), ансамбльдік Машиналық оқыту әдістерін (Bagging, Boosting, Stacking, Voting), сондай-ақ клиникалық-гематологиялық синдромдарды жіктеудің дәлдігін арттыру үшін нейрондық желілерді пайдалана отырып жүргізілді. Зертханалық деректерді өңдеу үшін өңдеу және қалыпқа келтіру әдістері (ETL технологиялары), корреляциялық талдау және үлгілердің дұрыстығын бағалау қолданылды.

Методы исследования (на казахском) : Методологическую основу исследования составляют принципы системного, структурно-функционального и кибернетического подходов, обеспечивающих комплексное рассмотрение процессов сбора, обработки и анализа клинико-гематологических данных в рамках разработки программного комплекса паспорта здоровья. В исследовании применены методы математического моделирования, машинного обучения, нейросетевого анализа, верификации и валидации данных, а также методы сравнительного и функционального анализа существующих биомедицинских систем. Разработка алгоритмов и моделей проводилась с использованием методов интеллектуального анализа данных (Data Mining), ансамблевых методов машинного обучения (Bagging, Boosting, Stacking, Voting), а также нейронных сетей для повышения точности классификации клинико-гематологических синдромов. Для обработки лабораторных данных использовались методы предобработки и нормализации (ETL-технологии), корреляционного анализа и оценки достоверности выборок.

Obtained results and novelty (in Russian) : Научная новизна заключается в интеграции методов морфологической классификации, ансамблевого машинного обучения и нейронных сетей в едином программном решении для автоматизированной диагностики клинико-гематологических синдромов.

Obtained results and novelty (in Kazakh) : Ғылыми жаңалық-клиникалық-гематологиялық синдромдарды автоматтандырылған диагностикалау үшін бірыңғай бағдарламалық шешімде морфологиялық жіктеу әдістерін, ансамбльдік Машиналық оқыту мен нейрондық желілерді біріктіру.

The main constructive and technical economic indicators (in Russian) : Разработанный программный комплекс паспорта здоровья представляет собой модульную web-платформу с интегрированными вычислительно-аналитическими компонентами для дифференциальной диагностики клинико-гематологических синдромов. Архитектура комплекса построена по принципу распределённой ИТ-инфраструктуры, обеспечивающей масштабируемость, отказоустойчивость и возможность интеграции с медицинскими информационными системами (МИС) и лабораторными базами данных. Конструктивные характеристики: • Архитектура: трёхуровневая (прикладной, серверный и аналитический уровни). • Основные модули: DataAcquisition, DataPreProcessing, MathematicalEvaluation, MorphologicalClassification, Ensembling, Neural. • Интерфейс: web-доступ через защищённое подключение (HTTPS) с многоуровневой авторизацией пользователей. • Форматы данных: совместимы с международными стандартами HL7, FHIR и XML. • Хранилище данных: база данных PostgreSQL с поддержкой резервного копирования и шифрования персональных данных. • Среда реализации: Python (Django, TensorFlow, Scikit-learn), JavaScript (React), сервер Linux. Технико-экономические показатели: • Средняя точность диагностических классификаций — до 99,3 %. • Сокращение времени обработки лабораторных данных в 3,5 раза по сравнению с ручным анализом.

The main constructive and technical economic indicators (in Kazakh) : Әзірленген денсаулық паспортының бағдарламалық кешені клиникалық-гематологиялық синдромдарды дифференциалды диагностикалауға арналған интеграцияланған есептеу-аналитикалық компоненттері бар модульдік web-платформа болып табылады. Кешеннің архитектурасы масштабталуды, ақауларға төзімділікті және медициналық ақпараттық жүйелермен (МАЖ) және зертханалық мәліметтер базасымен интеграциялану мүмкіндігін қамтамасыз ететін таратылған ат-Инфрақұрылым қағидаты бойынша құрылған. Дизайн сипаттамалары: * Архитектура: үш деңгейлі (қолданбалы, серверлік және аналитикалық деңгейлер). * Негізгі Модульдер: DataAcquisition, DataPreProcessing, MathematicalEvaluation, MorphologicalClassification, Ensembling, Neural. * Интерфейс: пайдаланушылардың көп деңгейлі авторизациясымен қорғалған қосылым (HTTPS) арқылы Web қол жетімділігі. * Деректер форматтары: HL7, FHIR және XML халықаралық стандарттарымен үйлесімді. * Деректер қоймасы: жеке деректердің сақтық көшірмесін жасау және шифрлауды қолдайтын PostgreSQL дерекқоры. * Іске асыру ортасы: Python (Django, TensorFlow, Scikit-learn), JavaScript (React), Linux сервері. Техникалық-экономикалық көрсеткіштер: * Диагностикалық жіктеулердің орташа дәлдігі-99,3% дейін. * Зертханалық деректерді өңдеу уақытын қысқарту-қолмен талдаумен салыстырғанда 3,5 есе.

Level of implementation (in Russian) : Разработанный программный комплекс паспорта здоровья прошёл этапы опытной эксплуатации на базе ТОО «Sau Med Group» и ТОО «TSARKA», что подтверждено соответствующими актами испытаний от 12 июня 2025 года. В ходе опытной эксплуатации обеспечена проверка работоспособности вычислительно-аналитических модулей комплекса. Проведено тестирование функциональных модулей (DataAcquisition, DataPreProcessing, MathematicalEvaluation, MorphologicalClassification, Ensembling, Neural) в условиях реальной медицинской практики, что подтвердило корректность их работы, стабильность вычислительных процессов и достоверность получаемых диагностических результатов. Экспертная оценка, проведённая НАО «Медицинский университет Семей» (аналитическая справка от 10 октября 2025 г.), подтвердила высокий уровень готовности программного продукта к практическому применению, его соответствие требованиям клинической информатики и стандартам информационной безопасности персональных данных. На основании проведённых испытаний и анализа эксплуатационных характеристик установлено, что степень внедрения программного комплекса соответствует уровню TRL-5 «Работоспособность технологии продемонстрирована на детализированном макете в условиях, приближенным к реальным».

Level of implementation (in Kazakh) : Әзірленген Денсаулық паспортының бағдарламалық кешені "Sau Med Group" ЖШС және "TSARKA" ЖШС базасында тәжірибелік пайдалану кезеңдерінен өтті, бұл 2025 жылғы 12 маусымдағы тиісті сынақ актілерімен расталды. Тәжірибелік пайдалану барысында кешеннің есептеу-талдау модульдерінің жұмысқа қабілеттілігін тексеру қамтамасыз етілді. Нақты медициналық практика жағдайында функционалдық модульдерді (DataAcquisition, datapreprocessing, MathematicalEvaluation, MorphologicalClassification, Ensembling, Neural) тестілеу жүргізілді, бұл олардың жұмысының дұрыстығын, есептеу процестерінің тұрақтылығын және алынған диагностикалық нәтижелердің дұрыстығын растады. "Семей медицина университеті" КЕАҚ жүргізген сараптамалық бағалау (2025 жылғы 10 қазандағы талдамалық анықтама) бағдарламалық өнімнің практикалық қолдануға дайындығының жоғары деңгейін, оның клиникалық информатика талаптарына және дербес деректердің ақпараттық қауіпсіздік стандарттарына сәйкестігін растады. Жүргізілген сынақтар мен пайдалану сипаттамаларын талдау негізінде бағдарламалық кешенді енгізу дәрежесі TRL-5 деңгейіне сәйкес келетіні анықталды "технологияның жұмыс қабілеттілігі нақты жағдайға жақын жағдайларда егжей-тегжейлі макетте көрсетілген".

Efficiency (in Russian) : Результаты выполненного исследования обладают высокой научной, практической и экономической эффективностью. Разработанный программный комплекс паспорта здоровья обеспечивает интеллектуальную поддержку принятия клинических решений при диагностике КГС, автоматизируя процессы обработки, анализа и интерпретации лабораторных данных. Научная эффективность выражается в создании новых методов и моделей дифференциальной диагностики на основе ансамблевых алгоритмов машинного обучения, интегрированных в архитектуру медицинской ИС. Разработанные решения имеют элементы научной новизны, подтверждённые публикациями в журналах, индексируемых в базах Scopus (Q1–Q2) и Web of Science (Q2), а также рядом авторских свидетельств на программные продукты и БД. Практическая эффективность заключается в успешном применении комплекса в опытной эксплуатации на базе медицинских учреждений ТОО «Sau Med Group» и ТОО «TSARKA», где подтверждена корректность алгоритмов классификации и высокая точность диагностических решений (до 99,3 %). Использование комплекса позволяет снизить трудоёмкость анализа лабораторных данных, ускорить процесс постановки предварительного диагноза и повысить объективность медицинских решений.

Efficiency (in Kazakh) : Жүргізілген зерттеу нәтижелері жоғары ғылыми, практикалық және экономикалық тиімділікке ие. Әзірленген Денсаулық паспортының бағдарламалық кешені зертханалық деректерді өңдеу, талдау және интерпретациялау процестерін автоматтандыра отырып, КГС диагностикасында клиникалық шешімдер қабылдауға зияткерлік қолдауды қамтамасыз етеді. Ғылыми тиімділік медициналық АЖ архитектурасына біріктірілген машиналық оқытудың ансамбльдік алгоритмдері негізінде дифференциалды диагностиканың жаңа әдістері мен модельдерін құруда көрінеді. Әзірленген шешімдерде Scopus (Q1–Q2) және Web of Science (Q2) базаларында индекстелген журналдардағы жарияланымдармен, сондай-ақ бағдарламалық өнімдер мен ДБ-ға бірқатар авторлық куәліктермен расталған ғылыми жаңалық элементтері болады. Практикалық тиімділік кешенді "Sau Med Group" ЖШС және "TSARKA" ЖШС медициналық мекемелерінің базасында тәжірибелік пайдалануда табысты қолданудан тұрады, мұнда жіктеу алгоритмдерінің дұрыстығы және диагностикалық шешімдердің жоғары дәлдігі расталған (99,3% дейін). Кешенді пайдалану зертханалық Деректерді талдаудың күрделілігін төмендетуге, алдын ала диагноз қою процесін жеделдетуге және медициналық шешімдердің объективтілігін арттыруға мүмкіндік береді.

Field of application (in Russian) : Область применения результатов: клинико-диагностические лаборатории, медицинские центры, больницы, научно-исследовательские институты, а также образовательные организации, ведущие подготовку специалистов по направлениям биомедицины и медицинских информационных технологий.

Field of application (in Kazakh) : Нәтижелерді қолдану саласы: клиникалық-диагностикалық зертханалар, медициналық орталықтар, ауруханалар, ғылыми-зерттеу институттары, сондай-ақ биомедицина және медициналық ақпараттық технологиялар бағыттары бойынша мамандар даярлауды жүргізетін білім беру ұйымдары.