В НовГУ разработали ИИ-сервис для фармаконадзора

02 января 2026, 12:00   816

Студенты двух российских вузов разработали ассистента с искусственным интеллектом для работников фармаконадзора. Сервис, разработанный НовГУ совместно с коллегами из Томского Политехнического университета, поможет централизованно собирать, обрабатывать и оценивать заявки о возникающих побочных действиях лекарственных средств. На основе введённых данных помощник анализирует состояние пациента, степень серьёзности побочного эффекта и его связь с приёмом лекарственного препарата. Программа даёт подробный развёрнутый отчёт по каждой заявке, где описывает наиболее вероятные механизмы развития побочного эффекта и сопоставляет с известными данными о механизмах и влиянии на организм препарата. Разработчиком от Новгородского университета выступила студентка Медицинского института НовГУ Алевтина Свойкина.

— Каждый день специалисты фармаконадзора сталкиваются с лавиной сообщений о побочных эффектах лекарственных препаратов, — пояснила Алевтина Свойкина. — Им необходимо оперативно оценить поступающие данные и обдумать дальнейшие действия. Это требует достаточной концентрации и экспертного опыта, из-за чего на проверку заявок может тратиться много времени. Сейчас существуют специализированные сервисы, которые могут собирать и хранить клинические данные, но они не проверяют достаточность информации заявки, не позволяют делать выводы по исходным данным и не обосновывают свою оценку действия лекарств. Более проработанный помощник помог бы сократить время работы сотрудника фармаконадзора в разы без потери качества анализа.

Для отправки заявки в сервис требуется ввести данные пациента и репортера - им может быть врач или специалист фармаконадзора, который вводит подробную информацию о препарате и характеристику возникшего побочного эффекта. При необходимости в заявку можно загрузить текстовые документы с анализами и исследованиями, фотографии и другие файлы – есть функция автоматического внесения информации из текстовых файлов в форму анкеты. Во время сбора и хранения информации ассистент анализирует заявки по определенным критериям.

— Среди этих критериев — тяжесть состояния пациента, клиническая значимость эффекта, причинно-следственная связь с приёмом препарата и предвиденность эффекта, — пояснила Алевтина Свойкина. — Каждый из критериев подсвечивается на лицевой стороне заявки определённым цветом в зависимости от приоритетности: система оценки, где зелёный сигнализирует о более лёгких формах, а оранжевый о серьёзных и красный о тяжелых, работает по принципу светофора, наглядно подсвечивая степень важности. При просмотре общего списка это позволяет понимать, какие заявки нужно рассмотреть в первую очередь.

Каждая из заявок содержит общую информацию о пациенте, о враче и медицинской организации, названии лекарственного препарата, дозировке, времени приёма, периоде назначенного врачом курса, а также качественную и количественную характеристику побочных эффектов на основе данных из медицинской карты. На основе этого ассистент пишет подробный отчёт, где рассуждает и оценивает состояние пациента, а также говорит о полноте заполненной заявки и возможных недостающих данных.

— Это позволяет сократить работу фармацевта примерно в два раза, сервис автоматически проверяет, все ли обязательные сведения указаны и показывает уровень заполненности заявки, минуя ручную проверку каждой строчки данных, — сказала Алевтина Свойкина. — В личном кабинете сотрудников есть три вкладки для работы с заявками. Все сообщения поступают в папку «Входящие», и если все данные на месте, то они отправляются в отдел «Анализ». Если каких-то данных не хватает, то заявка поступает в папку «На рассмотрении», где далее отправители собирают недостающую информацию.

Сейчас проект находится на стадии рабочего прототипа: пользовательский веб-интерфейс на TypeScript и React уже завершён и демонстрирует основные возможности. В активной разработке находится интеллектуальное ядро — серверная часть на Python, где будут интегрированы локальные LLM (Ollama) и специализированные медицинские нейросетевые модели для глубокого анализа информации.

Развертывание программы планируется локально на серверах заказчика «Р-Фарм» для обеспечения безопасности медицинских данных, соблюдения №152-ФЗ «О персональных даннных», №149-ФЗ, №323-ФЗ.

Прототип программы был разработан в рамках всероссийского чемпионата «Будущее медицины», проходившем на базе Российского национального исследовательского медицинского университета имени Пирогова.

Эту и другие новости читайте в официальном МАХ-канале Новгородского университета.