Мультиомиксные данные в управлении региональным здравоохранением: методический проект и экономическая оценка

Цель. Представить методический проект внедрения мультиомиксных технологий в практику управления региональной системы здравоохранения, от постановки управленческой задачи и подготовки данных до оценки экономической эффективности.

Задачи. Охарактеризовать входные данные, то есть процесс их обработки и интеграции; сформулировать правила контроля качества и устойчивости результатов; показать экономическую модель с расчетом инкрементального соотношения «затраты — эффективность» (ICER) и анализом неопределенности; обсудить особенности переноса решения в российские условия.

Методология. Авторами использованы принципы интеграции разнородных данных (ранняя, поздняя и смешанная интеграция), факторные и сетевые методы для объединения омиксных слоев, а также стандартные процедуры экономической оценки медицинских технологий с однофакторным и вероятностным анализом чувствительности.

Результаты. Разработан шаблон постановки управленческих задач с привязкой к источникам данных на уровне субъекта Российской Федерации, показана его применимость для разных сценариев (онкология, сердечно-сосудистые и редкие заболевания). Исследован сквозной процесс, от паспортизации наборов данных и интеграции административных, клинических и омиксных слоев до построения показателей клинической пользы (доля ранних стадий, летальность, повторные госпитализации) и экономической оценки. Представлена модель расчета ICER с однофакторным и вероятностным анализом чувствительности, а также кривая приемлемости «затраты — эффективность». Введена шкала диагностической зрелости (0–5), позволяющая оценивать готовность решений к внедрению в практику.

Выводы. Переход к управленческим решениям на основе мультиомиксных данных возможен при наличии стандартизированных и паспортизированных наборов, прозрачных регламентов обработки и системы контроля качества. Экономическая целесообразность подтверждается ICER-расчетами с учетом неопределенности параметров, стоимости тестов и региональной специфики. Эффективность внедрения требует поэтапного перехода от пилотных проектов к рутинной практике, а также учета этических и социальных рисков, включая недискриминационность алгоритмов. Мультиомика рассмотрена как перспективный инструмент повышения результативности здравоохранения и рационального распределения ресурсов на региональном уровне.

1. Turnbull C., Scott R. H., Thomas E. et al. The 100,000 Genomes Project: Bringing whole genome sequencing to the NHS // The BMJ. 2018. Vol. 361. Article k1687. https://doi.org/10.1136/bmj.k1687

2. Попов Е. В. Эволюция цифровых технологий управления территорией // Экономика и управление. 2025. Т. 31. № 3. С. 267–281. https://doi.org/10.35854/1998-1627-2025-3-267-281

3. Репин Д. А. Технологии искусственного интеллекта как фактор совершенствования государственного управления: вызовы и угрозы // Экономика и управление. 2025. Т. 31. № 2. С. 139–148. https://doi.org/10.35854/1998-1627-2025-2-139-148

4. Hasin Y., Seldin M., Lusis A. Multi-omics approaches to disease // Genome Biology. 2017. Vol. 18. No. 1. Article No. 83. https://doi.org/10.1186/s13059-017-1215-1

5. Karczewski K. J., Snyder M. P. Integrative omics for health and disease // Nature Reviews Genetics. 2018. Vol. 19. No. 5. P. 299–310. https://doi.org/10.1038/nrg.2018.4

6. Obermeyer Z., Powers B., Vogeli C., Mullainathan S. Dissecting racial bias in an algorithm used to manage the health of populations // Science. 2019. Vol. 366. No. 6464. P. 447–453. https://doi.org/10.1126/science.aax2342

7. Wang B., Mezlini A., Demir F. et al. Similarity network fusion for aggregating data types on a genomic scale // Nature Methods. 2014. Vol. 11. No. 3. P. 333–337. https://doi.org/10.1038/nmeth.2810

8. Argelaguet R., Arnol D., Bredikhin D. et al. MOFA+: A statistical framework for comprehensive integration of multi-modal single-cell data // Genome Biology. 2020. Vol. 21. No. 1. Article 111. https://doi.org/10.1186/s13059-020-02015-1

9. Argelaguet R., Veltenet B., Arnol D. et al. Multi-omics factor analysis — a framework for unsupervised integration of multi-omics data sets // Molecular Systems Biology. 2018. Vol. 14. No. 6. Article e8124. https://doi.org/10.15252/msb.20178124

10. Gayoso A., Steier Z., Lopez R. et al. A joint model of RNA expression and surface protein abundance in single cells // Nature Methods. 2020. Vol. 18. P. 272–282. https://doi.org/10.1101/791947

11. Hao Y., Hao S., Andersen-Nissen E. et al. Integrated analysis of multimodal single-cell data // Cell. 2021. Vol. 184. No. 13. P. 3573–3587. https://doi.org/10.1016/j.cell.2021.04.048

12. Drummond M., Sculpher M., Claxton K. et al. Methods for the economic evaluation of health care programmes. 4th ed. Oxford: Oxford University Press, 2015. 464 p.

13. Fenwick E., O’Brien B. J., Briggs A. Cost-effectiveness acceptability curves — facts, fallacies and frequently asked questions // Health Economy. 2004. Vol. 13. No. 5. P. 405–415. https://doi.org/10.1002/hec.903

14. Schwarze K., Buchanan J., Fermont J. M. et al. The complete costs of genome sequencing: A microcosting study in cancer and rare diseases from a single center in the United Kingdom // Genetics in Medicine. 2020. Vol. 22. No. 1. P. 85–94. https://doi.org/10.1038/s41436-019-0618-7

15. Гохштанд Е. В. Зарубежный опыт прогнозирования социально-экономического развития: возможности использования в российской практике // Экономика и управление. 2025. Т. 31. № 7. С. 923–933. https://doi.org/10.35854/1998-1627-2025-7-923-933

16. Solovyeva K., Belyaev V., Zvorykina E. et al. The impact of exercise, diet, and meditation on cognitive function, prefrontal hemodynamics, functional connectivity, and biochemical parameters // NeuroRegulation. 2024. Vol. 11. No. 4. P. 355–378. https://doi.org/10.15540/nr.11.4.355

17. Соловьева К. П., Скворчевский К. А. Нейронауки в культурном ландшафте позднего капитализма // Философия. Журнал Высшей школы экономики. 2025. Т. 9. № 1. С. 143–157. https://doi.org/10.17323/2587-8719-2025-1-143-157

18. Репин Д. А., Игнатьев С. А. «Внедрять нельзя отказаться»: влияние этики на применение технологий искусственного интеллекта в управлении социально-экономическими процессами // Экономика и управление. 2024. Т. 30. № 12. С. 1503–1509. https://doi.org/10.35854/1998-1627-2024-12-1503-1509

19. Koening Z., Yohannes M. T., Nkambule L. L. et al. A harmonized public resource of deeply sequenced diverse human genomes // Genome Research. 2024. Vol. 34. No. 5. P. 796–809. https://doi.org/10.1101/gr.278378.123

20. Игнатьев С. А., Клевцова О. Ю., Плотников В. А. Совершенствование государственного управления на основе использования технологии интеллектуального анализа данных // Известия Санкт-Петербургского государственного экономического университета. 2025. № 2. С. 50–58.