Цифровая медицина

Пациенту 66,5 года, интеллигентный пожилой человек, успешный предприниматель, который в состоянии привлечь для своего лечения квалифицированных врачей, которые трудятся в медицинских социальных системах из любой цивилизованной страны.

Вот что ему написал врач по результатам лабораторных исследований: «В ходе проведения общеклинического анализа крови были определены следующие показатели: количество эритроцитов, уровень гемоглобина, эритроцитарные индексы[11 - Эритроцитарные индексы – вычисляемые размер, форма эритроцитов и содержание в них гемоглобина.

]. У вас не выявлено признаков нарушения эритропоэза[12 - Эритропоэз – процесс выработки эритроцитов – клеток, обеспечивающих органы и ткани необходимым количеством кислорода.], в том числе не выявлено наличия лабораторных признаков анемии.»

Нормальный человек, прочитав эти строки, сделает вывод: «Слава Богу, все хорошо.» Но несколькими абзацами ниже пациент найдет следующие строки: «У вас определен пониженный уровень щелочной фосфотазы. Уменьшение активности щелочной фосфотазы отмечается при нарушениях роста костей, снижении функции щитовидной железы, при выраженной анемии.

»

В результате текста комментария врача непонятно, так есть у пациента анемия или нет?

Подобное качество комментария врача – не показатель низкого уровня подготовки, а объективное состояние специалиста в сфере медицины, в которой буквально все пронизано энтропией. На самом деле, у врача просто нет вычислительного инструмента для определения в измерении взаимосвязей параметров крови и патологий.

Понятно, что никакой денежный или административный ресурс любого пациента при постоянно растущей энтропии знаний в медицине не в состоянии решить проблему точной диагностики, а значит – и излечения.

Между тем, выход может быть найден при применении методов прикладной математики к исследованию индивидуального пациента (а не множества совокупностей пациентов). Суть подхода применения методов прикладной математики состоит не в применении стандартных методов математической статистики к собиранию сведений о толпе граждан в рандомизированных исследованиях, а в цифровом описании индивидуального пациента и обработки полученных данных по соответствующим математическим моделям.

Дело в том, что большинство математико-медицинских статистических исследований, основанных на анализе данных по большим группам пациентов, глубоко ошибочны по отношению к индивидуальному пациенту. Даже к такому, который изначально входил в изучаемую группу.