Vkontakte
Twitter
Одноклассники
Президенту Владимиру Путину о моем проекте «Реаниматор»
Проект «Реаниматор» Кровоостанавливающая одежда для нужд военных Минобороны РФ, травмоопасных производств, экстремального спорта и туризма
Реаниматор — уникальная кровоостанавливающая одежда для нужд Минобороны, травмоопасных производств, экстремального спорта и туризма.
Первая в мире кровоостанавливающая, самореагирующая на пулевые и колото-резаные ранения одежда освещенная президенту Российской Федерации Владимиру Владимировичу Путину на форуме «Сильные идеи для нового времени 2023»
«Реаниматор — уникальная кровоостанавливающая одежда» — это инновационное решение, которое может спасти жизнь в экстремальных ситуациях. Эта одежда является первой в мире кровоостанавливающей и самореагирующей на пулевые и колото-резаные ранения. Одной из главных особенностей «Реаниматора» является использование хитозана — натурального полимера, получаемого из ракообразных. Хитозан обладает уникальными свойствами, которые позволяют ему быстро свертывать кровь и останавливать кровотечение. Когда одежда в контакте с кровью, хитозан активируется и образует гель, который надежно закрывает рану и предотвращает дальнейшую потерю крови. «Реаниматор» разработан с учетом всех требований безопасности и комфорта. Он выполнен из высококачественных материалов, которые обеспечивают отличную воздухопроницаемость и комфорт при носке. Одежда имеет эластичные свойства, что позволяет ей прекрасно сидеть на любой фигуре и не ограничивать движения. «Реаниматор» предназначен для широкого спектра пользователей — от профессионалов военной и полицейской сферы до любителей активного отдыха и экстремальных видов спорта. Она может быть использована как самостоятельный элемент одежды или надета под другую одежду. Эта уникальная кровоостанавливающая одежда станет незаменимым помощником в случае несчастного случая или аварии. Благодаря своим свойствам, «Реаниматор» может предотвратить серьезные последствия кровопотери и дать время для прибытия медицинской помощи. Не рискуйте своей жизнью — выберите «Реаниматор» и обеспечьте себе надежную защиту в экстремальных ситуациях.
Умная кровоостанавливающая одежда на базе хитозана — это инновационное средство для оказания первой помощи при кровотечениях. Хитозан, получаемый из ракообразных, является биоразлагаемым полимером с кровяно-сосущими свойствами. Он обладает способностью образовывать своеобразные фиброзные сети, которые способны остановить даже сильное кровотечение.
Умная кровоостанавливающая одежда на базе хитозана содержит микрокапсулы с этим полимером, которые активируются при контакте с кровью. При проникновении крови в микрокапсулы происходит активация хитозана, который сворачивает и затем образует густой гельоподобный слой, останавливающий кровотечение.
Травма, которую сопровождает кровопотеря это всегда крайне высокий риск летального исхода человека. «Реаниматор» повысит шансы на выживание человека благодаря остановке кровотечения, обеззараживания раны, купирования раны, там где медицинская помощь задерживается или вовсе недоступна. Сохранив жизнь человека!
Требуется Порядка 3 миллионов рублей на усовершенствование продукта, запуск полноценного производства, оплату труда сотрудников, расходы на материал и продолжение тестирования в различных условиях в том числе и в боевых.
Импортозамещение — 100% Продукт позиционируется исключительно как российская разработка.
Бизнес-модель: Удовлетворение нужд Минобороны Российской Федерации, продажи на собственном маркетплейсе, специализированные магазины, продажи непосредственно предприятиям, продажи странам партнерам, продажи на внутренний рынок, продажи по запросам и предзаказам.
Товар-заменитель: саморегаирующего подобно «Реаниматор» не существует
Наше конкурентное преимущество: Техническое. Инновационное.
Продвижение: event-marketing (военно-технический форум «Армия 202Х»), СМИ, долгосрочные контракты на изготовление партий «Реаниматор»
Создание многочисленных рабочих мест.
Текущий статус: Запуск, доработка, тестирование, создание голографической системы с уникальным цифровым кодом для каждого костюма, которая автоматически будет сообщать в органы власти о контрафакте и нарушении авторских прав, с целью предотвратить подделки и избежать некачественное копирование уникальности каждого изделия.
Широчайшая область применения «Реаниматор» Министерство обороны Российской Федерации. Бизнес различных направлений. Травмоопасные производства. Экстремальные виды спорта и туризма. Гражданское население.
Нам поступил заказ на изготовление партии «Реаниматор» от ЦАХАЛ — официальная армия Израиля, но в связи со сложной обстановкой, мы были вынуждены отказать. В целом, исходя из сложившейся мировой политики, в том числе и для предпринимателей. На данный момент мы планируем принимать заказы исключительно от партнеров БРИКС — Союз пяти государств: Бразилии, России, Индии, КНР, Южной Африки. Приглашены к присоединению с 1 января 2024 года Египет, Иран, ОАЭ, Саудовская Аравия и Эфиопия.
В дальнейшей перспективе — создание пуленепробиваемого костюма «Реаниматор +» на основе графена и структурированной геометрии тканей, которые при ударе становятся прочным каркасом, а при инертном состоянии, ничем не отличны от обычной ткани. Обладающим генерацией электроэнергии и выводом изображения на любую область одежды, как телефон, так и необходимые мониторы, а так же камуфляжные завесы. Аналогично первой версии «Реаниматор», вторая версия «Реаниматор +» будет так же обладать кровоостанавливающими и антимикробными свойствами.
Личная авторская разработка Гемостатическое (кровоостанавливающее) компрессионное белье «Реаниматор» со сменными комплектующими — капсулами на основе хитозана.
Автоматическое самореагирование на пулевые и колото-резаные ранения, составляет порядка 30 секунд с момента травмирования. Природный сорбент не смешивается с кровью при активации и не аллергенен. Слой гелеобразного вещества образовавшийся при контакте хитозана с кровью, прекрасно смывается водой после выполнения своей задачи.
Одежда пригодна для использования в боевых действиях под камуфляж и бронежилет, а так же для экстремальных видов спорта и туризма, где медицинская помощь задерживается, и важно время значительно не потерять кровь.
Обладает антибактериальными свойствами, уничтожает запах пота вызванный бактериями, дышит, поддается стирке. Каждое изделие уникально и носит голографический код-паспорт во избежании подделок.
Однако, важно отметить, что умная кровоостанавливающая одежда на базе хитозана не является заменой для медицинской помощи, и в случае серьезного кровотечения всегда необходимо обратиться к врачу. Это лишь временное решение, которое обеспечивает временную остановку кровотечения до прибытия специалистов.
Преимущества умной кровоостанавливающей одежды на базе хитозана включают простоту применения, быстроту действия, эффективность остановки кровотечения и минимальный риск инфекции. Это может быть особенно полезно в случаях, когда медицинская помощь недоступна или задерживается.
Упоминание о моем проекте «Реаниматор» на официальном сайде Кремля http://kremlin.ru/events/president/news/71554
Благодарю за внимание. Прошу поддержать проект! Подписывайтесь! Будет интересно.
Научу! Подскажу! Покажу! Помогу!
Актуальные вопросы клинического применения метода усиленной наружной контрпульсации '2023
«Золото»
Актуальные вопросы клинического применения метода усиленной наружной контрпульсации '2023
Доказательная медицина: чем она является и чем не является
В 2022 году доказательной медицине (ДМ) исполняется 30 лет.
Поэтому я решил написать одну из лучших научно-популярных статей, посвящённых этой парадигме.
В статье будет рассказано о истории ДМ, философских принципах, будут примеры использования, ответы на критику и заблуждения.
Судя по дискуссиям и преподнесению у нас ДМ в научно-популярной среде, как сторонники, так и скептики ДМ смогут узнать что-то новое из статьи.
В блоге по подписке я намеренно сделал свободный доступ к этому обширному материалу, что бы все интересующиеся доказательной медициной смогли ознакомиться с актуальной информацией по этому вопросу.
Хорошо начинать читать с пониманием методов научных исследований (например, чем РКИ отличается от наблюдения), но и без этого будет крайне познавательно.
Моя статья — это обзор и перевод работ от авторов «Доказательной медицины» и других источников:
1. «Доказательная медицина», заметка, 1991 год.
2. «Доказательная медицина: новый подход в обучении медицинской практики», оригинальная статья, 1992.
3. «Доказательная медицина: чем она является и чем не является», дополнение, 1996.
4. «Пользовательское пособие к медицинской литературе: Руководство для доказательной клинической практики», 3 издание, 2014.
5. «Использование доказательной медицины в корыстных целях», критика, 2016.
6. «Прогресс в доказательной медицине: 25 лет спустя», 2017.
Все ссылки на источники будут в конце статьи. Но предупреждаю, не все из них имеют свободный доступ к полным материалам.
ИСТОРИЯ ПОЯВЛЕНИЯ
Доказательная медицина, основные её принципы, были сформулированы в статье 1992 года «Доказательная медицина: новый подход в обучении медицинской практики». Статья была выпущена «Рабочей группой по доказательной медицине», состоящей из 31 человека.
Группу возглавлял Гордон Гайятт.
В 1991 году Гайатт единолично выпустил небольшую заметку, описывающую два подхода к установлению диагноза и лечению пациента. Один из подходов включал в себя поиск справочной информации из исследований на тему случая пациента (указана даже цена за 7 релевантных ссылок: 0.79 канадских доллара).
По некоторым источникам, именно в этой заметке впервые был использован термин «Доказательная медицина», но Гайятт заявляет, что это произошло ещё раньше.
До этого, в 1990 году, он описывал данный метод как «Научная медицина», на тот момент будучи координатором ординатуры Макмастерского университета. Но его коллеги воспринимали этот термин отрицательно, т.к. считали, что это подразумевает, что их практика была “ненаучна”.
В том же году Гайятт заменил этот термин на «доказательная медицина», который был впервые опубликован в документе для соискателей медицинской практики на базе университета.
Углубляясь в прошлое, можно найти свидетельства о подвижках к изменению парадигмы установлению диагноза и лечения пациента в сторону большей критичности и более широкого распространения использования исследований, начиная с 60-х годов 20 века.
Ближе всего к современному формированию этого метода подошли люди, которых можно назвать учителями Гайятта, например главу департамента клинической эпидемиологии и биостатистики Макмастерского университета — Девида Сакетта.
Сакетт и соавторы представили в 1981 году метод изучения медицинской литературы и исследований, который они назвали “критическая оценка”.
С течением времени стало понятно, что необходим следующий шаг — от пассивного изучения литературы до её ежедневного использования в практике. Влияние Сакетта было настолько велико, что некоторые издания называют его “отцом доказательной медицины”.
В ноябре 1992 года это направление приобрело свой оформленный вид, который мы сейчас знаем под названием «Доказательная медицина» и была представлена методика обучения на базе ординатуры Макмастерского университета.
ОРИГИНАЛЬНАЯ СТАТЬЯ
“Рабочая группа” начинает статью 1992 года продолжая пример из заметки Гайятта 1991 года, где тот описывал два подхода к оценке состояния и лечению пациента, названные условно “путь прошлого” (старая парадигма) и “путь будущего” (новая парадигма).
Старая парадигма:
Лечащий врач, недавно начавшая свою карьеру, получает мнение от старшего коллеги, что вероятность повторного приступа пациента, учитывая его состояние, велико (хотя он не может назвать цифру этой вероятности). Врач следует этому совету, передаёт пациенту эту информацию и даёт общие рекомендации: принимать медикаменты и периодически обследоваться. Пациент покидает клинику с чувством страха, в ожидании следующего приступа.
Утверждения старой парадигмы:
- Несистематические наблюдения, исходя из клинического опыта, достаточны для формирования и поддержки знаний врача касательно прогноза, ценности тестов и эффективности лечения.
- Изучение и понимание базовых механизмов развития болезни и её патофизиологии достаточны для клинической практики.
- Комбинация медицинской практики и здравого смысла достаточны для оценки эффективности новых тестов и методов лечения.
- Клиническая практика достаточна для создания обоснованных инструкций для клинической практики.
В контексте этой парадигмы высоко оценивается традиционный научный авторитет, присутствует приверженность стандартным подходам, ответы ищутся у местных или международных экспертов.
Новая парадигма:
Врач не удовлетворяется мнением старшего коллеги и решает изучить литературу и исследования, касающиеся случая этого пациента. Она проводит поиск по ключевым словам: epilepsy, prognosis, recurrence (эпилепсия, прогноз, рецидив).
Поиск выдал 25 статей. Изучив первую из них, врач находит её релевантной. Она так же оценивает статью по критериям достоверности, которым обучилась ранее, и решает, что результаты применимы к её пациенту.
Исследование показывает риск рецидива в первый год 43-51%. При условии 18 месяцев без рецидивов, риск повторного падает ниже 20%.
Врач получила более полную картину происходящего, установила отсечку в 18 месяцев для оценки возможности смены медикаментов, пациент получил чёткое описание своего прогноза.
Утверждения новой парадигмы:
- Приобретение врачом клинического опыта — важная часть становления компетентного специалиста. Особенно это важно, если многие аспекты практики не могут быть адекватно исследованы.
В то же время, в отсутствии систематических наблюдений нужно быть осторожным в интерпретации информации, полученной из практики и интуиции, так как она может быть ошибочной.
- Изучение и понимание базового механизма болезни недостаточно для клинической практики. Обоснования диагноза, тестов и лечения, следующие из базовой патофизиологии, могут быть ошибочны.
- Понимание правил доказательности необходимо для корректной интерпретации научной литературы.
Специалист должен регулярно обращаться к специальной литературе, будучи способным критически оценить методологию и результаты исследований.
Необходимо принять факт неопределённости в отдельных случаях, когда решение будет приниматься без точного знания его последствий.
Новая парадигма уменьшает значимость авторитета в принятии решений. Но это не значит отрицание опыта коллег и учителей, которому можно научиться: методологии сбора анамнеза, обследования, диагностирования. Эти вещи не могут быть получены только из научных исследований.
ЧТО ТАКОЕ "ДОКАЗАТЕЛЬСТВО"?
Философы могут спорить друг с другом по поводу определения “доказательства”. Всё ещё более усложняется языком, когда “evidence” переводится по-разному. Некоторые считают его синонимом “подтверждения”, “факта”, “знания”.
Это касается и русского языка.
Evidence based medicine (EBM) традиционно переводится как “Доказательная медицина”, поэтому такого перевода я и придерживаюсь.
Английское “evidence” подразумевает коллекцию информации и данных, которые поддерживают какую-либо идею. Согласно словарю Ожегова, “доказательство” — это довод или факт, умозаключение, которое подтверждает какое-то утверждение. В английском языке для окончательного сформированного заключения используется слово “proof” [1][2].
Получается, “evidence” не является окончательным (или даже правдивым) заключением per se, но может способствовать его появлению.
Эта филологическая эквилибристика необходима для понимания следующего логического вывода доказательной медицины: доказательство (evidence) есть всегда.
Отсутствие доказательства — non sequitur, т.е. непоследовательно, нелогично.
Доказательство (evidence) есть всегда. Даже если оно опирается на непоследовательные и предвзятые наблюдения, это evidence. В таком случае оно просто обладает низкой силой и уверенностью в нём, оказываясь внизу пирамиды доказательности.
Вспомним историческую справку в начале, разработку Сакетта и соавторов — “критическая оценка” при изучении медицинской литературы.
Доказательная медицина, опираясь на науку, предоставляет методы и обучает оценке доказательств, определению их силы и уверенности в них. Чем выше сила и уверенность доказательства, тем более истинное заключение можно сделать.
Конечно, существуют логические ошибки самого человека, который будет интерпретировать данные, каким бы высоким уровнем доказательности они не обладали. Здесь необходимо руководствоваться философскими принципами доказательной медицины, об этом ниже.
ПРИНЦИПЫ ДОКАЗАТЕЛЬНОЙ МЕДИЦИНЫ
1. Базисом первого эпистемологического (знания и его поиска) принципа доказательной медицины является то, что не все доказательства равны и что медицинская практика должна базироваться на лучшем из доступных (на данный момент) доказательств.
2. Второй принцип использует философский подход поиска правды через анализ и оценку всех доступных доказательств, без склонности к одному виду доказательств для подтверждения одной точки зрения.
3. Доказательство необходимо, но недостаточно для принятия эффективного решения. Принятие решения должно учитывать ситуацию пациента, его ценности и предпочтения.
ЭМПИРИЧЕСКИЕ ДОКАЗАТЕЛЬСТВА ПРОТИВ ТЕОРИИ
Роль теории в ДМ заключается не в описании мира, а в предсказании результатов эмпирических исследований.
При этом, медицинская литература изобилует катастрофическими последствиями действий, основанных на кажущихся убедительными, но на самом деле не заслуживающих доверия результатах исследований (глава 11.2 "Неожиданные результаты рандомизированных исследований" из “Пользовательского пособия к медицинской литературе”, 2014).
Таким образом, ДМ поощряет скептицизм не только в отношении теоретических конструкций, но и в отношении результатов эмпирических данных, не имеющих правдоподобной теоретической основы.
Например, результаты испытаний гомеопатии рассматриваются со скептицизмом отчасти из-за суждений о неправдоподобности гомеопатической теории.
С другой стороны, убедительная теория и обсервационные исследования показывали преимущества приёма антиоксидантов для уменьшения рисков развития рака и сердечно-сосудистых заболеваний, что было опровергнуто только с появлением больших и тщательно проведенных рандомизированных исследований.
Доказательная медицина, сама по себе, не является философской или научной теорией познания, скорее она создана как структура для оптимальной клинической практики.
КРИТИКА ДОКАЗАТЕЛЬНОЙ МЕДИЦИНЫ
За годы существования ДМ основная критика этой парадигмы фокусировалась следующих вещах:
1. Полагание на редукционизм научного метода. Приверженность иерархии «Пирамиды доказательности», которая видится излишне упрощённой.
Доказательной медицине потребовалось почти 15 лет, чтобы ответить на это справедливое замечание и улучшить систему оценки исследований, выйдя за рамки «Пирамиды доказательности».
Новая система получила название GRADE (Grading of Recommendations Assessment, Development and Evaluation = Классификация оценок рекомендаций, разработки и определения качества).
GRADE по-прежнему ставит РКИ (рандомизированные-контролируемые исследования) выше обзорных исследований в плане “уверенности” (в результатах и предположениях) и качества. При этом вводится система оценки, которая может как повысить уверенность исследования и качество доказательства, так и понизить.
Оцениваются: дизайн исследования; сильные стороны и ограничения исследования; точность; последовательность (различия в результатах между исследованиями); предвзятость публикации; сила эффекта; применимость (например, интересующая популяция отличается от изучаемой популяции).
Минусовые баллы могут снизить уверенность РКИ до уровня “низкий” и “очень низкий”, и наоборот — положительные баллы могут поднять обзорное исследование до уровня “средний” и “высокий”.
Таким образом, GRADE защищает от необоснованного доверия к РКИ, поверхностной оценки, а также от догматических решений.
Эту систему уже используют более 100 организаций по всему миру, включая ВОЗ, Кокрейновское Сотрудничество и UpToDate.
2. Отвержение экспертного врачебного опыта и интуиции.
ДМ действительно делает акцент на использовании воспроизводимых исследований, что может выглядеть как умаление роли экспертности.
На самом деле ДМ высоко оценивает экспертную роль в оказании медицинской помощи, подчёркивая значимость опытного суждения при принятии решений и критической оценке.
Доказательная медицина предполагает использование навыков медицинского образования для оценки доказательств и решения о их применимости в конкретном случае.
Диагностические тесты могут отличаться по своей точности в зависимости от квалификации практикующего врача. Например, эксперт в области диагностики ультразвуком может дать лучшие результаты, чем в среднем по опубликованной литературе.
В книге «Пользовательское пособие к медицинской литературе: Руководство для доказательной клинической практики» приводится такой забавный пример:
У одного из нас, специалиста по интенсивной терапии, незадолго до важной презентации появилось повреждение на губе. Он был обеспокоен и, задаваясь вопросом, следует ли ему принимать ацикловир, потратил следующие 30 минут на поиск и оценку доказательств самого высокого качества. Когда он начал обсуждать свою ситуацию со своей коллегой, опытным стоматологом, она прервала дискуссию, воскликнув: “Но это же не герпес!”.
Эта история иллюстрирует необходимость постановки правильного диагноза, прежде поиска и применения научных данных для оптимального лечения. После постановки диагноза, врач полагается на свой опыт и базовые знания, чтобы определить соответствующие варианты лечения. Определив эти варианты, специалист может искать, оценивать и применять наилучшие фактические данные в отношении ведения пациента.
Если принимаются необходимые меры для записи воспроизводимых наблюдений и избегания предвзятости, то экспертный опыт становится систематическим поиском знаний, формирующим ядро доказательной медицины.
Без клинического опыта, практика рискует пасть жертвой доказательств, поскольку даже отличные доказательства могут быть неприменимы или неуместны для конкретного пациента. С другой стороны, без современных наилучших доказательств практика рискует быстро устареть в ущерб пациентам.
«[Доказательная медицина] это про объединение индивидуального клинического опыта и наилучших доказательств» - Дэвид Саккет.
3. Приверженность инструкциям (гайдлайны, guidelines), так называемая “поваренная медицина” (cookbook medicine). Это делает подход к лечению слишком алгоритмичным, упускающим из вида индивидуальность пациента, лишая медицину гуманистического начала. Критики отмечают, что помощь конкретному пациенту может не совпадать с тем, что предлагают лучшие (средние) доказательства.
Здесь необходимо вернуться к третьему принципу ДМ, указанному выше:
Доказательство необходимо, но недостаточно для принятия эффективного решения. Принятие решения должно учитывать ситуацию пациента, его ценности и предпочтения.
Под ценностями и предпочтениями подразумевается совокупность целей, ожиданий, предрасположенностей и убеждений, которые люди имеют в отношении определенных решений и их потенциальных результатов. Оценка и баланс выгоды и риска являются центральными для ДМ.
Чувствительность к состоянию пациента и коммуникативные навыки обычно не ассоциируются с ДМ. Авторы же считают, что эти навыки являются ядром ДМ. Понимание личных обстоятельств пациента имеет особое значение, требуется умение слушать и сопереживать.
Что касается состояния пациентов, некоторые типажи могли быть не включены в наиболее релевантные исследования, что затрудняет обобщение результатов на них. Пациенты могли быть слишком старыми, слишком больными, иметь другие сопутствующие заболевания или отказываться сотрудничать. Понимание лежащей в основе патофизиологии позволяет врачу лучше судить о том, применимы ли полученные результаты к конкретному человеку.
Учёные стали проводить различия между объяснительными исследованиями, которые отвечают на вопрос: “может ли вмешательство сработать в идеальных условиях?” и прагматичными, в которых рассматривается вопрос: “работает ли это в реальных условиях?” а так же “стоит ли это того и нужно ли за это платить?”.
В итоге, используя доказательства, врач полагается на свой опыт, для определения особенностей, которые влияют на применимость результатов к конкретному человеку.
Врач должен рассудить, в какой степени различия в методике исследования или в характеристиках пациента могут повлиять на оценку пользы и риска, полученные из опубликованной литературы.
В одном из разделов, авторы ДМ приводят пример не использования наилучших доступных доказательств из-за личных обстоятельств пациента.
Таким образом, ДМ ставит в центр человека, его особенности и потребности, всецело поддерживая гуманистическую направленность медицины.
4. Использование доказательной медицины в корыстных целях.
В данном случае имеется в виду, что с течением времени благая цель доказательной медицины стала использоваться как прикрытие для фарм-компаний и коррумпированных специалистов для продвижения своих продуктов и статей, с целью получения выгоды и прибыли.
Хорошая статья на эту тему была опубликована в “Журнале Клинической Эпидемиологии” (Journal of Clinical Epidemiology 73 (2016) 82-86) Д. Иоаннидисом.
В ней, Иоаннидис, являясь горячим сторонником ДМ со своих ранних лет практики, живым и саркастическим языком описывает свои столкновения и злоключения с реальностью применения доказательной медицины.
Он рассказывает как в конце 90-х в Европе, если некоторые высокопоставленные академические лидеры хотели выругаться, они использовали вместо этого слова “мета-анализ” и “ДокМед”. Но спустя годы, когда доказательная медицина становилась всё более популярна, те же самые люди стали использовать “ДокМед” для поддержки и продвижения своих собственных суждений.
Иоаннидис указывает, что фарм-индустрия проводит и финансирует значительную долю рандомизированных исследований и мета-анализов. Они получают больше баллов по контрольным критериям “качества” и быстрее публикуют результаты.
Проблема в том, утверждает Иоаннидис, что в таких исследованиях изначально ставятся неверные вопросы с ошибочными краткосрочными косвенными исходами, анализами и критериями успеха (например, больший допуск в определении отсутствия меньшей эффективности (исследуемого препарата по сравнению с контрольным)).
Статья большая, в ней ещё много забавных историй и моментов, например использование компаниями имени специалистов в качестве авторов и соавторов, для прикрытия: “Вам ничего не нужно делать, мы уже всё сделали для вас, нужно только ваше имя”. Автор шутит, что такие “специалисты” могут умереть, но по-прежнему будут публиковаться, пока новость об этом не дойдёт до компаний.
По мнению Иоаннидиса, корпорации не должны проводить исследования собственных продуктов. С другой стороны, он заключает: “...я не могу винить их, они покупают лучшую рекламу на рынке — «доказательства»”.
Авторы ДМ, в статье «Прогресс в доказательной медицине: 25 лет спустя», признают наличие этой проблемы, указывая что множество РКИ, на которые ссылаются ДМ-ориентированные тексты, проводились по заказу фармацевтической индустрии.
Выход, который предлагается, является одной из основ ДМ — критическое восприятие и механизмы для критической оценки исследований (их дизайна и интерпретации), которые предоставляет доказательная медицина.
При этом, авторы оговариваются, что: “Степень, в которой такие инструкции и предупреждения защищают врачей от введения в заблуждение, в лучшем случае сомнительна и, вероятно, ограничена”.
Авторы призывают врачей, практикующих доказательную медицину, и медицинское сообщество, бороться с подобными искажениями, приводящими к “избыточному лечению”.
В конце даётся заключение: “...ни один критик не предлагает, что надежные доказательства не должны быть ключом к эффективному решению проблем и принятию решений”.
ДОКАЗАТЕЛЬНАЯ МЕДИЦИНА: ЧЕМ ОНА ЯВЛЯЕТСЯ И НЕ ЯВЛЯЕТСЯ
«Доказательная медицина не ограничивается рандомизированными исследованиями и мета-анализами. Она включает в себя поиск наилучших доказательств, с помощью которых можно ответить на клинический вопрос.
Чтобы узнать о точности диагностического теста, необходимо найти надлежащие перекрестные исследования пациентов с подозрением на наличие соответствующего расстройства, а не рандомизированное исследование.
Что касается прогнозов, необходимы надлежащие отслеживающие исследования пациентов, собранных в единую группу на ранней стадии клинического течения их заболевания.
И иногда необходимые доказательства будут получены из фундаментальных наук, таких как генетика или иммунология.
Именно задавая вопросы о терапии, мы должны стараться избегать неэкспериментальных подходов, поскольку они обычно приводят к ложноположительным выводам об эффективности.
Поскольку РКИ, и особенно систематический обзор нескольких РКИ, с большей вероятностью информирует нас и с меньшей вероятностью вводит в заблуждение, оно стало "золотым стандартом" для оценки того, приносит ли лечение больше пользы, чем вреда.
Однако некоторые вопросы о терапии не требуют РКИ (успешные вмешательства для иначе фатальных состояний) или не могут дождаться проведения испытаний. И если РКИ не было проведено в связи с затруднительным положением пациента, мы должны перейти к следующему лучшему доказательству и работать оттуда» - Дэвид Саккет, 1996.
Мои замечания о преподнесении ДМ в научно-популярной среде
1. Научный радикализм.
У меня сложилось впечатление, что в России ДМ преподносится радикально: “Либо есть исследования, либо это мракобесие”. Туда же относятся заявления: “Мнение это не доказательство” или “Считаются только РКИ и мета-анализы (лучшие исследования)”.
Тогда как согласно авторам доказательной медицины, мнение специалиста, которое не опирается ни на какие исследования, а на наблюдения и медицинские знания, тоже является доказательством, просто низкого качества.
При этом оговаривается, что нужно использовать врачебный опыт плюс наилучшие доступные доказательства (которые могут быть не такого хорошего уровня, как хотелось бы).
В таком случае следует говорить: “Необходимы доказательства высокого качества” или “Есть доказательства более высокого уровня, которые говорят что…”.
2. Нет доказательств.
В дискуссиях в интернете и в некоторых лекциях я встречал фразу: “...этому нет доказательств”.
Тогда как авторы доказательной медицины чётко проговаривают, что утверждение об отсутствии доказательств — non sequitur, т.е. непоследовательно, нелогично.
В таком случае следует говорить не “Нет доказательств” а “Мне не известны… / Отсутствуют… доказательства более высокого качества”.
ИТОГ
Материалы по доказательной медицины очень обширны. В этой статье я постарался вкратце рассказать о них.
Одним из моих намерений было передать больше информации, которая обычно упускается и не публикуется в научно-популярных материалах, на русском языке.
При редактуре статьи пришлось отказаться от многого. Если нужны дополнительные данные и обоснования, можно обращаться к первоисточникам.
Наука — это метод выяснения истины (или приближения к ней). Метод, которые работает хорошо, но нужно разбираться в нём, что бы отделять зёрна от плевел. Доказательная медицина даёт методы и инструменты использования и разбора науки, касательно медицины. Тем она и хороша.
Если есть вопросы, пожелания и реакция, пишите в комментариях или Вконтакте.
Здоровья вам!
ИСТОЧНИКИ:
1. «Доказательная медицина», заметка, 1991 год.
Evidence-Based Medicine, Guyatt, 1991
2. «Доказательная медицина: новый подход в обучении медицинской практики», оригинальная статья, 1992.
3. «Доказательная медицина: чем она является и чем не является», дополнение, 1996.
Evidence based medicine: what it is and what it isn't, Sackett et al., 1996
4. «Пользовательское пособие к медицинской литературе: Руководство для доказательной клинической практики», 3 издание, 2014.
5. «Использование доказательной медицины в корыстных целях», критика, 2016.
6. «Прогресс в доказательной медицине: 25 лет спустя», 2017.
Progress in evidence-based medicine: a quarter century on, Djulbegovic, Guyatt, 2017
Проект «Мандрагора» Перспективное обучение (ИИ) проведению операций с целью улучшения качества медицинской помощи и предотвращения врачебных ошибок
Описание проекта
Обучение искусственного интеллекта (ИИ) для проведения медицинских операций является активно развивающейся областью. ИИ может быть использован для анализа медицинских изображений, помощи в диагностике, планировании операций и даже участия в хирургических процедурах. Например, системы компьютерного зрения могут помочь хирургам во время операций, обнаруживая и выделяя важные структуры. Однако, внедрение ИИ в хирургию требует строгой проверки, обучения и регулирования, чтобы обеспечить безопасность и надежность. Такие технологии имеют потенциал улучшить результаты операций, но также несут риски, которые необходимо тщательно изучать и учитывать.
Исследования показывают, что использование ИИ в медицинских операциях может привести к улучшению точности диагностики и хирургических вмешательств. Например, исследования в области рака показывают, что ИИ может помочь в обнаружении опухолей на рентгеновских снимках и снижении количества ложноположительных и ложноотрицательных результатов. Однако, необходимо учитывать, что внедрение ИИ в медицинскую практику требует не только технических, но и этических и правовых аспектов.
Таким образом, обучение ИИ для проведения медицинских операций представляет собой перспективную область, но требует внимательного исследования, регулирования и обеспечения безопасности и надежности перед широким внедрением в практику.
Обучение искусственного интеллекта для проведения медицинских операций требует комплексного подхода и экспертного участия. Вот несколько шагов, которые можно предпринять для этого:
1. Сбор данных: Необходимо собрать большой объем данных о различных медицинских случаях, включая информацию о диагнозах, лечении, результатах операций и длительности восстановления.
2. Обучение модели: Используя собранные данные, можно обучить искусственный интеллект с помощью алгоритмов машинного обучения или глубокого обучения. Модель может быть обучена распознавать паттерны и признаки, связанные с успешными или неуспешными операциями.
3. Валидация и тестирование: После обучения модель нужно протестировать на новых данных, чтобы убедиться, что она способна предсказывать результаты операций с высокой точностью.
4. Экспертное участие: Важно вовлечь опытных врачей и хирургов в процесс обучения модели. Они могут предоставить ценную обратную связь и экспертное мнение, которое улучшит качество предсказаний и доверия к модели.
5. Регулирование и безопасность: При обучении искусственного интеллекта для медицинских операций необходимо соблюдать строгие стандарты безопасности и регулирования, чтобы обеспечить защиту пациентов.
Обучение искусственного интеллекта для проведения медицинских операций требует времени, ресурсов и экспертного участия, но может привести к существенному улучшению качества медицинской помощи и результатов операций.
Тип идеи
Цифровые решения, Законодательная инициатива, Бизнес-проект, Другое
Тема идеи
Развитие цифровой аналитики: большие данные, ИИ, машинное обучение, прогнозные модели
Зрелость идеи
Проработанная инициатива — подготовленная концепция реализации идеи, для которой уже проведены базовые исследования и переговоры с заинтересованными сторонами, собраны исходные данные, подготовлен общий план действий
Описание проблемной ситуации
Присутствие человеческого фактора в виде врачебных ошибок. Не всегда качество проведенных операций соответствует должному уровню, когда пациента можно было спасти.
Искусственный интеллект может помочь в решении проблемных ситуаций в медицине, таких как диагностика заболеваний, прогнозирование их развития, анализ медицинских данных, проведение операций, обучение медицинского персонала, фиксация нарушений, контроль за соблюдением установленных законодательством требованиях и т.д
Основными «болевыми точками» здравоохранения граждане считают недостаточный уровень профессиональной подготовки врачей (37%), а также их нехватку (37%), недоступность медицинской помощи для населения: дорогие лекарства, услуги (35%), недостаточную оснащенность медицинских учреждений современным оборудованием (31%). Неэффективную работу страховых компаний, предоставляющих полис ОМС, первоочередной проблемой назвали всего 3% опрошенных.
Оказание качественной медицинской помощи прописано в законе Российской Федерации. Качество и новшества в медицине это показатель качества жизни граждан, работы органов власти, благосостояние и здоровье нации.
Как следствие, здоровая нация — это сильная и непобедимая нация.
Затраты и ресурсы
Ресурсы, необходимые для внедрения ИИ в медицину, включают:
- Разработка ИИ-систем: Создание и внедрение ИИ-систем для медицины и здравоохранения.
- Обучение и повышение квалификации медицинского персонала: Для эффективного использования новых технологий необходимо обучение медицинского персонала.
- Инфраструктура: Инвестиции в серверы, хранилища данных и сетевые подсистемы.
- Приобретение данных: Сбор и анализ больших объемов данных для обучения алгоритмов и нейронных сетей.
- Проверка и сертификация: Соответствие требованиям регуляторных органов и разработка новых нормативов и стандартов
Успешное внедрение ИИ в медицину может привести к значительным преимуществам, однако требует значительных инвестиций и усилий от различных участников.
Поскольку, обучение будет происходить не только в институтах, но и в больницах, в том числе на конференциях врачей, операционных вмешательствах, то основная часть средств уйдет на заработную плату сотрудникам, привлеченных в проект, а так же, на необходимые расходные материалы — это порядка 30 миллионов рублей в год, при предоставлении государством серверов для работы и иной поддержки, которая бы сразу решалась
Прогнозируемые эффекты, видение результата реализации идеи
Искусственный интеллект может помочь в диагностике медицинских проблем, анализируя большие объемы данных, такие как исторические медицинские записи, генетические и биометрические данные. Это позволяет выявлять факторы риска и разрабатывать программы профилактики заболеваний
— Внедрение (ИИ) в медицину напрямую оказывает влияние на демографическую составляющую страны в целом. Тем самым открывая новые горизонты в сооздании медицины будущего.
— Улучшенные показатели послеоперационного выздоравливания пациентов и сохранение жизни населения
— Предотвращение врачебных ошибок в виде избежания человеческого фактора
— Контроль (ИИ) за процессом работы врачей и создание новых видов лекарств
— Фиксация работы с быстрым выявлением факторов повлекших неблагоприятные последствия для пациента, если такие будут иметь место быть
— Грамотные подсказки врачам и наблюдение за общим состоянием как специалиста так и пациента
— Сигнал о недопустимости врача к работе в случае его несоответствия в силу личных причин
— Инновационное решение для всей Российской Федерации
— Высвобождение ресурсов и времени врачей для решения иных задач
Как итог — это перенос ИИ на носитель в виде чипа, который можно будет вставить в робо-медика в будущем
Сфера деятельности широка, как для государственных нужд, так и для коммерческого использования уже обученного продукта в виде продаж. Это открывает двери в невероятное будущее.
Описание целевой аудитории
Все население Российской Федерации в целом!
При внедрении искусственного интеллекта (ИИ) в медицину, целевая аудитория включает врачей, медицинский персонал, исследователей, разработчиков ИИ, администраторов здравоохранения и пациентов. Врачи и медперсонал используют ИИ для диагностики, прогнозирования и разработки планов лечения, в то время как исследователи и разработчики ИИ работают над улучшением алгоритмов и приложений. Администраторы здравоохранения принимают решения о внедрении ИИ в медицинскую практику, а пациенты являются конечными пользователями медицинских услуг, которые могут взаимодействовать с ИИ-системами для получения диагнозов и рекомендаций по лечению уже на дому посредством того же ИИ используя доступ в сеть, что приветед к грандиозному сокращению неразберихи, волокиты и очередей в стационарах. Все это возьмет на себя ИИ
Исследования также показывают, что внедрение ИИ в медицину может повлиять на рабочие места и профессиональные обязанности медицинского персонала, поэтому их обучение и поддержка также важны для успешной адаптации новых технологий.
Так же, целевая аудитория, это многочисленные частные клиники
Если есть опыт в реализации идеи, опишите измеримые эффекты и пользу от применения идеи
Опыт успешно реализуется близко знакомыми коллегами по АСИ из Белоруссии. С ними и возможно партнерство. С целью расширения спектра разработок и обучения ИИ. Опыт коллег в раннем распознавании и выявлении онкозаболеваний и иных изменений в организме при помощи ИИ, который уже внедрен в виде бизнеса в клиниках.
Диетолог про мифы о питании | Ученые против мифов 22-13 | Александр Бурлаков [Ранний доступ]
«Homo habilis»
Диетолог про мифы о питании | Ученые против мифов 22-13 | Александр Бурлаков
Стоит ли травиться травами и что осталось в «аптеке под ногами»? Алексей Водовозов | Ученые против мифов 22-11 [Ранний доступ]
У траволечения — тысячи лет опыта! Травы натуральные, а значит — полезные и безопасные. Так почему же врачи игнорируют травы? Бояться потерять доходы?
Публикуем в «раннем доступе» выступление:
Стоит ли травиться травами и что осталось в «аптеке под ногами»?
YouTube:
RuTube:
Спикер: Алексей Водовозов — врач (первичная специализация — терапия, вторичная — токсикология), научный журналист, автор книги «Пациент разумный», член Ассоциации медицинских журналистов и Ассоциации коммуникаторов в сфере образования и науки. Призёр премии «Russian Sci& Tech Writer of the Year» (2019)
Вредный оппонент: Александр Бурлаков — врач-диетолог, научный журналист, автор книги «В гармонии с едой», старший преподаватель центра дополнительного профессионального образования BodyCoach
Выступление состоялось 6 апреля 2024 г. на форуме «Ученые против мифов. От примата до Гиппократа»
Почему синяя лампа убивает микробов
«Серебро»
Устаревшие знания в медицине | Алексей Водовозов | День Недостающего Звена 2-5 [Ранний доступ]
Аппендикс все-таки для чего-то нужен? Холестерин не опасен для сердца и сосудов? Детские лекарства XIX века содержали морфий? Сигареты лечат астму?
Научно-просветительский лекторий «День Недостающего Звена» 23 июня 2024 г.
Эпизод-5. Было-стало: устаревшие знания в медицине.
Смотреть на YouTube:
Смотреть на RuTube:
Спикер: Алексей Водовозов — врач (первичная специализация — терапия, вторичная — токсикология), научный журналист, автор книги «Пациент разумный», член Ассоциации медицинских журналистов и Ассоциации коммуникаторов в сфере образования и науки. Призёр премии «Russian Sci& Tech Writer of the Year» (2019).
Ведущий: Георгий Соколов ー к. ф.-м.н., продюсер форума «Ученые против мифов»
Взлом клятвы Гиппократа. Криминалистическая забава с медицинским Интернетом вещей
«Праздничный промо»
Взлом клятвы Гиппократа. Криминалистическая забава с медицинским Интернетом вещей. Анонс
в документе содержится криминалистический анализ области медицинского интернета вещей (IoMT), различных критических аспектов, имеющим отношение к данной области, включая разработку современных и эффективных методик forensics-анализа; методов получения данных с медицинских устройств; изучение проблем конфиденциальности и безопасности медицинских систем, и того, как это влияет на forensics-исследования; обзор forensics-технологий, с акцентом применимые к медицинским устройствам; анализ примеров из реальной практики.
Этот документ предлагает качественный материал текущего состояния медицинской криминалистики, что делает его ценным ресурсом для специалистов в области безопасности, forensics-специалистов и специалистов из различных отраслей промышленности. Представленная информация может помочь улучшить понимание и внедрение эффективных методов forensics-анализа.
-------
Быстрое внедрение Интернета вещей (IoT) в отрасли здравоохранения, известного как Интернет медицинских вещей (IoMT), произвело революцию в уходе за пациентами и медицинских операциях. Устройства IoMT, такие как имплантируемые медицинские устройства, носимые медицинские мониторы и интеллектуальное больничное оборудование, формируют и передают огромные объёмы конфиденциальных данных по сетям.
Криминалистика медицинских сетей Интернета вещей — это развивающаяся область, которая фокусируется на идентификации, сборе, анализе и сохранении цифровых доказательств с устройств и сетей IoMT. Она играет решающую роль в расследовании инцидентов безопасности, утечек данных и кибератак, направленных против организаций здравоохранения. Уникальная природа систем IoMT с их разнообразным набором устройств, протоколов связи и форматов данных создаёт значительные проблемы для традиционных методов цифровой криминалистики.
Основными задачами forensics-анализа медицинских сетей Интернета вещей являются:
📌 Реагирование на инциденты: Быстрое реагирование на инциденты безопасности путём определения источника, масштабов и последствий атаки, а также сбора доказательств или соблюдения нормативных требований.
📌 Сбор доказательств: Разработка специализированных методов получения и сохранения цифровых доказательств с устройств, сетей и облачных систем IoMT при сохранении целостности данных и цепочки хранения.
📌 Анализ данных: Анализ собранных данных, включая сетевой трафик, журналы устройств и показания датчиков для реконструкции событий, приведшие к инциденту, и определить потенциальные уязвимости или векторы атак.
📌 Анализ угроз: использование информации, полученной в ходе исследований для улучшения анализа угроз, совершенствования мер безопасности и предотвращения атак на IoMT.
Криминалистика медицинских сетей Интернета вещей требует междисциплинарного подхода, сочетающего опыт цифровой forensics-анализа, кибербезопасности, особенностей сектора здравоохранения и технологий Интернета вещей. Forensics-исследователи должны ориентироваться в сложностях систем IoMT, включая неоднородность устройств, ограниченность ресурсов, проприетарные протоколы и необходимость сохранения конфиденциальности пациентов и данных.
DICOM: Зачем так сильно защищать данные — у хакеров тоже сложная работа.
«Праздничный промо»
DICOM: Зачем так сильно защищать данные — у хакеров тоже сложная работа. Анонс
В документе будет анализ различных аспектов уязвимостей DICOM (Digital Imaging and Communications in Medicine) и их последствий, включая:
📌Риски для безопасности: Анализ рисков, присущих файлам и системам DICOM, таких как несанкционированный доступ, перехват данных и внедрение вредоносных программ. Ведь кому не нравятся серьёзные утечки данных, не так ли?
📌Использование уязвимостей: разбор изучение конкретных уязвимостей, включая обход пути, переполнение буфера и удалённое выполнение кода.
📌Влияние на здравоохранение: анализ того, как эти уязвимости могут повлиять на работу системы здравоохранения, безопасность пациентов и целостность данных. Потому что ничто так не говорит о «качественном обслуживании», как скомпрометированные данные пациентов.
В документе содержится подробная информация о текущем состоянии безопасности DICOM, дающая ценную информацию специалистам в области кибербезопасности, ИТ-специалистам в области здравоохранения и другим заинтересованным сторонам в различных отраслях. Этот анализ полезен для понимания сложностей защиты данных медицинской визуализации и внедрения эффективных мер защиты конфиденциальной информации. И да, это действительно важно.
документ представляет анализ для изучения различных аспектов уязвимостей DICOM (Цифровая визуализация и коммуникации в медицине) и их последствий. Анализ охватывает несколько ключевых областей, включая безопасность, возможность эксплуатации (атак) и влияние на сектор здравоохранения.
Документ содержит описание текущего состояния безопасности DICOM, предлагая ценную информацию специалистам по кибербезопасности, ИТ-специалистам здравоохранения и другим заинтересованным сторонам в различных отраслях. Этот анализ полезен для понимания сложностей обеспечения безопасности данных медицинской визуализации и внедрения эффективных защитных мер для защиты конфиденциальной информации.
DICOM, что расшифровывается как Цифровая визуализация и коммуникации в медицине, является всемирно признанным стандартом хранения, передачи медицинских изображений и связанных с ними данных пациентов и управления ими. Он широко используется в больницах, клиниках и радиологических центрах для обеспечения совместимости различных медицинских устройств визуализации, независимо от производителя или используемой запатентованной технологии
DICOM обеспечивает стандартизированную и безопасную платформу для управления данными медицинских изображений и играет важную роль в улучшении обслуживания пациентов, повышении эффективности рабочего процесса и поддержке передовых медицинских исследований и аналитики.
📌 Хранение и передача: облегчает хранение и передачу медицинских изображений, таких как компьютерная томография, магнитно-резонансная томография и ультразвук. Это гарантирует, что медицинские работники смогут легко обмениваться изображениями и получать к ним доступ в различных системах и местах расположения.
📌 Совместимость: гарантирует, что медицинское оборудование для визуализации разных производителей может взаимодействовать, обеспечивая бесшовную интеграцию и эксплуатацию в медицинских учреждениях.
📌 Управление данными: обеспечивает управление медицинскими данными при их передаче по цифровым каналам с точки зрения защиты и целостности данных
📌 Совместимость: совместимость необходима для эффективного обмена и интеграции медицинских изображений и связанных с ними данных в различных медицинских учреждениях.
📌 Стандартизация: стандартизированный формат файла для хранения и передачи медицинских изображений обеспечивает согласованность и совместимость между различными системами и платформами в рамках анализа медицинских изображений.
📌 Подробные метаданные: Файлы DICOM содержат обширные метаданные, такие как информация о пациенте, детали исследования и параметры получения изображений для точной интерпретации, анализа и управления медицинскими изображениями.
📌 Управление данными: DICOM поддерживает эффективное хранение, поиск и отображение медицинских изображений, что позволяет поставщикам медицинских услуг управлять большими объёмами данных визуализации.
📌 Безопасность и конфиденциальность: поддержка шифрования, контроля доступа и журналов аудита для защиты конфиденциальной информации о пациентах от несанкционированного доступа и утечек.
📌 Эффективность рабочего процесса: DICOM обеспечивает автоматизацию различных процессов, связанных с медицинской визуализацией, таких как получение, хранение и извлечение изображений.
📌 Поддержка передовых методов визуализации: широкий спектр методов визуализации, включая КТ, МРТ, ультразвук, рентген и другие, включая протоколы для сжатия изображений, 3D-визуализации и составления отчётов о результатах.
📌 Интеграция с другими системами: интеграция с другими ИТ-системами здравоохранения, такими как системы архивирования изображений и связи (PACS), электронные медицинские карты (EHR) и информационные системы радиологии (RIS) для повышения общей эффективности медицинских операций
Человеческий фактор и геймификация биокибернетической безопасности
Статья «Человеческий фактор и геймификация биокибернетической безопасности» предлагает захватывающее руководство по обеспечению безопасности центров биообработки. Авторы, у которых явно слишком много свободного времени, подчёркивают «стремительный» характер разработок в области биологии и биообработки. Лаборатории, независимо от того, зарабатывают ли они деньги или еле сводят концы с концами, по-видимому, являются главными объектами кибератак. Кто знал, что низкооплачиваемые работники и некачественные ресурсы могут представлять угрозу безопасности?
В документе также подчёркивается важность военных игр. Да, именно военных игр. Потому что есть ли лучший способ подготовиться к киберугрозам, чем играть понарошку? Участники делятся на «защитников данных» и «хакеров данных», которые участвуют в захватывающей игре «найди уязвимость и исправь её».
В ходе обсуждения авторы раскрывают распространённые ошибки, обнаруживаемые в ходе этих военных игр, такие как неэффективность системы безопасности на театре военных действий и последствия недопонимания для безопасности. Очевидно, что единственный способ оставаться впереди в этой быстро развивающейся области — продолжать играть в эти военные игры и быть в курсе последних тенденций. В конце концов, ничто так не говорит о «ультрасовременности», как захватывающее путешествие по миру киберугроз, дополненное захватывающими настольными играми.
------
В статье «Human Factors in Biocybersecurity Wargames» подчёркивается необходимость понимания уязвимостей при обработке биологических препаратов и их пересечения с кибернетическими и киберфизическими системами. Это понимание необходимо для обеспечения целостности продукта и бренда и обслуживания ИТ-систем.
Влияние био-обработки:
📌 Био-обработка охватывает весь жизненный цикл биосистем и их компонентов, от начальных исследований до разработки, производства и коммерциализации.
📌 Она вносит значительный вклад в мировую экономику, применяясь в производстве продуктов питания, топлива, косметики, лекарств и экологически чистых технологий.
Уязвимость трубопроводов для биопереработки:
📌 Конвейер био-обработки подвержен атакам на различных этапах, особенно там, где оборудование для био-обработки подключено к Интернету.
📌 Уязвимости требуют тщательного контроля при проектировании и мониторинге трубопроводов для биопереработки для предотвращения воздействий.
Роль информационных технологий (ИТ):
📌 Прогресс в био-обработке все больше зависит от автоматизации и передовых алгоритмических процессов, требующих значительного участия ИТ.
📌 Расходы на ИТ значительны и растут параллельно с ростом био-обработки.
Методологии:
📌 Внедрение open-source методологий привело к значительному росту развития коммуникаций и цифровых технологий во всем мире.
📌 Этот рост ещё более ускоряется благодаря достижениям в области биологических вычислений и технологий хранения данных.
Потребность в новых знаниях:
📌 Интеграция технологий биокомпьютинга, био-обработки и хранения данных потребует новых знаний в области эксплуатации (взлома), защиты.
📌 Основные меры защиты данных и процессов остаются критически важными, несмотря на технический прогресс.
Важность «игр»:
📌 Для управления инфраструктурой био-обработки и обеспечивать её безопасность, ИТ необходимо использовать игры для моделирования возможных рисков и устранения их последствий.
📌 Симуляции направлены на подготовку организаций к устранению уязвимостей.
Подробный разбор
MediHunt
Статья " MediHunt: A Network Forensics Framework for Medical IoT Devices» — это настоящий прорыв. Она начинается с рассмотрения насущной потребности в надёжной сетевой криминалистике в среде медицинского Интернета вещей (MIoT). Вы знаете, что среды, в которых используются сети передачи телеметрии с использованием MQTT (Message Queuing Telemetry Transport), являются любимыми для умных больниц из-за их облегчённого протокола связи.
MediHunt — это платформа автоматической сетевой криминалистики, предназначенная для обнаружения атак на сетевой трафик в сетях MQTT в режиме реального времени. Она использует модели машинного обучения для расширения возможностей обнаружения и подходит для развёртывания на устройствах MIoT с ограниченными ресурсами. Потому что, естественно, именно из-за этого мы все потеряли сон.
Эти аспекты — отличная почва для подробного обсуждения фреймворка, его экспериментальной установки и оценки. Вам уже не терпится погрузиться в эти захватывающие подробности?
-------
В документе рассматривается необходимость надёжной сетевой криминалистики в медицинских средах Интернета вещей (MIoT), особенно с упором на сети MQTT. Эти сети обычно используются в интеллектуальных больничных средах благодаря их облегчённому протоколу связи. Освещаются проблемы обеспечения безопасности устройств MIoT, которые часто ограничены в ресурсах и обладают ограниченной вычислительной мощностью. В качестве серьёзной проблемы упоминается отсутствие общедоступных потоковых наборов данных, специфичных для MQTT, для обучения систем обнаружения атак.
MediHunt как решение для автоматизированной сетевой криминалистики, предназначенное для обнаружения атак на основе сетевого трафика в сетях MQTT в режиме реального времени. Его цель — предоставить комплексное решение для сбора данных, анализа, обнаружения атак, представления и сохранения доказательств. Он разработан для обнаружения различных уровней TCP / IP и атак прикладного уровня в сетях MQTT и использует модели машинного обучения для расширения возможностей обнаружения и подходит для развёртывания на устройствах MIoT с ограниченными ресурсами.
Преимущества
📌 Обнаружение атак в режиме реального времени: MediHunt предназначен для обнаружения атак на основе сетевого трафика в режиме реального времени для уменьшения потенциального ущерба и обеспечения безопасности сред MIoT.
📌 Комплексные возможности криминалистики: Платформа предоставляет комплексное решение для сбора данных, анализа, обнаружения атак, представления и сохранения доказательств. Это делает его надёжным инструментом сетевой криминалистики в средах MIoT.
📌 Интеграция с машинным обучением: Используя модели машинного обучения, MediHunt расширяет свои возможности обнаружения. Использование пользовательского набора данных, который включает данные о потоках как для атак уровня TCP/IP, так и для атак прикладного уровня, позволяет более точно и эффективно обнаруживать широкий спектр кибератак.
📌 Высокая производительность: решение показало высокую производительность, получив баллы F1 и точность обнаружения, превышающую 0,99 и указывает на то, что она обладает высокой надёжностью при обнаружении атак на сети MQTT.
📌 Эффективность использования ресурсов: несмотря на свои широкие возможности, MediHunt разработан с учётом экономии ресурсов, что делает его подходящим для развёртывания на устройствах MIoT с ограниченными ресурсами (raspberry Pi).
Недостатки
📌 Ограничения набора данных: хотя MediHunt использует пользовательский набор данных для обучения своих моделей машинного обучения, создание и обслуживание таких наборов данных может быть сложной задачей. Набор данных необходимо регулярно обновлять, чтобы охватывать новые и зарождающиеся сценарии атак.
📌 Ограничения ресурсов: хотя MediHunt разработан с учётом экономии ресурсов, ограничения, присущие устройствам MIoT, такие как ограниченная вычислительная мощность и память, все ещё могут создавать проблемы. Обеспечить бесперебойную работу фреймворка на этих устройствах без ущерба для их основных функций может быть непросто.
📌 Сложность реализации: Внедрение и поддержка платформы сетевой криминалистики на основе машинного обучения может быть сложной задачей. Это требует опыта в области кибербезопасности и машинного обучения, который может быть доступен не во всех медицинских учреждениях.
📌 Зависимость от моделей машинного обучения: Эффективность MediHunt в значительной степени зависит от точности и надёжности его моделей машинного обучения. Эти модели необходимо обучать на высококачественных данных и регулярно обновлять, чтобы они оставались эффективными против новых типов атак.
📌 Проблемы с масштабируемостью: хотя платформа подходит для небольших развёртываний на устройствах типа Raspberry Pi, ее масштабирование до более крупных и сложных сред MIoT может вызвать дополнительные проблемы. Обеспечение стабильной производительности и надёжности в более крупной сети устройств может быть затруднено
Подробный разбор
Можно ли победить старость? | Ученые против мифов 22-9 | Евгений Ефимов [Ранний доступ]
Лекарство от старения смогут себе позволить только богачи? Если люди победят старение, то мир ждёт перенаселение? Антиоксиданты ー главное средство от старения? Зачем продлевать жизнь и быть стариком ещё сто лет?
Эпизод-9. Что мешает нам жить вечно… ну или хотя бы пережить соседей? Проблемы науки о продлении жизни.
Спикер: Евгений Ефимов — биоинформатик, специалист по биологии старения, аспирант Сколтеха. Области научных интересов: эпигенетика, часы биологического возраста, клеточное репрограммирование, нейродегенеративные заболевания.
Вредный оппонент: Алексей Водовозов — врач (первичная специализация — терапия, вторичная — токсикология), научный журналист, автор книги «Пациент разумный», член Ассоциации медицинских журналистов. Призёр премии «Russian Sci& Tech Writer of the Year» (2019), финалист премии «Радиомания» (2023).
Наступит ли «безантибиотиковое будущее»?
«Базовый уровень»
В этом тексте ув. Автор расскажет о том, какими путями человечеству предстоит справляться с вызовом, в основе которого лежит, увы, неумолимая логика эволюции.
Как спастись от болезни Альцгеймера? | Ученые против мифов 22-7 | Анна Баженова [Ранний доступ]
Кроссворды, чтение стихов и знание языков уберегут вас от Альцгеймера? Только ли старики болеют Альцгеймером? Болезнь Альцгеймера невозможно вылечить? Как быть, если забываешь названия предметов?
Эпизод-7. Кроссворды против Альцгеймера: мифы о неизлечимой «болезни стариков».
Спикер: Анна Баженова — врач клиники Рассвет, участник клинического исследования по выявлению генетических особенностей и закономерностей их проявления в организме людей с болезнью Альцгеймера.
Вредный оппонент: Марина Аникина — к. м. н., врач-невролог, дементолог, эксперт фонда Альцрус и преподаватель МБУ ИНО ФМБЦ им. А. И. Бурназяна
Болезнь Лайма и ее происхождение [КарлсонТВ]
«Мистер Спасибо»
