Штучний інтелект

Анотація: Стаття присвячена розробленню та науковому обґрунтуванню інтегрованої концептуальної моделі систем підтримки прийняття рішень на основі штучного інтелекту (ШІ) для прогнозного технічного обслуговування та діагностики медичних приладів і обладнання. У роботі критично проаналізовано глибинні причини низької ефективності існуючих систем управління якістю (СУЯ) у медичній сфері, що перешкоджають забезпеченню належного технічного стану обладнання, безпеки пацієнтів та оптимізації витрат. Запропоновано вдосконалені метрики та критерії для проактивної оцінки надійності та працездатності СУЯ, які інтегрують класичні показники (ймовірність безвідмовної роботи, оперативну готовність, MTBF, MTTR) із сучасними індикаторами технічного стану (Health Index, HI, Remaining Useful Life, RUL). Окрему увагу приділено потенціалу прогнозного технічного обслуговування (Predictive Maintenance, PdM), Інтернету медичних речей (IoMT) та великих даних для створення безперервних потоків телеметрії, що забезпечують точну діагностику та раннє попередження відмов. Обґрунтовано роль цифрових двійників (Digital Twins, DT) як операційного цифрового шару для підтримки рішень у реальному часі, підвищення готовності медичного обладнання та моделювання сценаріїв обслуговування. Продемонстровано, як інтеграція ШІ/машинного навчання (МН) із ЦД дозволяє формувати замкнений контур «дані → модель → рішення», що сприяє підвищенню безпеки пацієнтів, прозорості управління активами та оптимізації життєвого циклу виробів (PLM). Розглянуто етичні, регуляторні та організаційні виклики впровадження, зокрема захист даних, стандартизацію KPI, прозорість алгоритмів (DECIDE-AI) і підготовку кадрів. Отримані результати становлять основу дорожньої карти цифрової трансформації технічного обслуговування в охороні здоров’я та формують передумови для створення керованої якості медичних послуг.

Ключові слова: : прогнозне технічне обслуговування (PdM), цифрові двійники (Digital Twin, DT), штучний інтелект (ШІ/AI), машинне навчання (МН/ML), інтернет медичних речей (IoMT), Health Index (HI), Remaining Useful Life (RUL), система управління якістю (СУЯ), управління життєвим циклом виробу (PLM), безпека пацієнтів.

Посилання:

1. Abd Wahab N. H., Hasikin K., Wee Lai K., Xia K., Bei L., Huang K., Wu X. Systematic review of predictive maintenance using digital twin // PeerJ Computer Science. – 2024. – Vol. 10. – P. e1943. DOI: 10.7717/peerj-cs.1943.
2. Achouch M., Dimitrova M., Ziane K., Sattarpanah Karganroudi S., Dhouib R., Ibrahim H., Adda M. On Predictive Maintenance in Industry 4.0: Overview, Models, and Challenges // Applied Sciences. – 2022. – Vol. 12, No. 16. – P. 8081. DOI: 10.3390/app12168081. 1. Смірнов В. ГО «Медичний Конструктор»: огляд нещодавного минулого [Електронний ресурс] // Медичний Конструктор. – 10 квіт. 2025. – Режим доступу: https://medconstructor.org/blogs/ho-medychnyi-konstruktor-ohliad-neshodavnoho-mynuloho (дата звернення: 03.09.2025).
3. DeviceTotal: Захист медичних пристроїв і відповідність стандартам [Електронний ресурс] / CoreWin. – 26 листоп. 2024. – Режим доступу: https://corewin.ua/devicetotal-zakhyst-medychnykh-prystroiv-i-vidpovidnist-standartam/ (дата звернення: 03.09.2025).
4. Інструкції щодо медичного обладнання [Електронний ресурс] / Surgaid Medical (Xiamen) Co., Ltd. Режим доступу: https://www.surgaid-medical.com/news/instructions-for-medical-equipment/ (дата звернення: 03.09.2025).
5. Molęda M., Małysiak-Mrozek B., Ding W., Sunderam V., Mrozek D. From Corrective to Predictive Maintenance — A Review of Maintenance Approaches for the Power Industry // Sensors. – 2023. – Vol. 23, No. 13. – P. 5970. – DOI: 10.3390/s23135970.
6. Кучеренко В. Л., Оленін С. Прогнозування технічного стану медичних виробів на основі технологій штучного інтелекту в умовах технічної експлуатації // Комплексне забезпечення якості технологічних процесів та систем – 2025: матеріали ХІІІ міжнар. конф. (Чернігів, 23–24 трав. 2024 р.). – Чернігів, 2024. – С. 276–277.
7. Manchadi O., Ben-Bouazza F. E., Jioudi B. Predictive maintenance in healthcare system: A survey // IEEE Access. – 2023. – Vol. 11. – P. 61313–61330. – DOI: 10.1109/ACCESS.2023.3323068.
8. Vasey B., Nagendran M., Campbell B. та ін. Reporting guideline for the early-stage clinical evaluation of decision support systems driven by artificial intelligence: DECIDE-AI // Nature Medicine. – 2022. – Vol. 28, No. 5. – P. 896–908. DOI: 10.1038/s41591-022-01772-9.
9. Venkatesh K. P., Raza M. M., Kvedar J. C. Digital twins for healthcare: accelerating precision medicine and drug discovery // NPJ Digital Medicine. – 2024. – Vol. 7, No. 1. – P. 74. DOI: 10.1038/s41746-024-01073-0.
10. Wang C., Liu Q., Huang J., Li K. Anomaly prediction for CT equipment based on multi-variate time series classification in the Internet of Medical Things // BMC Medical Informatics and Decision Making. – 2023. – Vol. 23, No. 1. – P. 166. DOI: 10.1186/s12911-023-02267-4.
11. Vallée A. Digital twin for healthcare systems // Frontiers in Digital Health. – 2023. – Vol. 5. – P. 1253050. – DOI: 10.3389/fdgth.2023.1253050.
12. Pomšár L., Tsvietaieva M., Krupáš M., Zolotová I. Classifying X-Ray Tube Malfunctions: AI-Powered CT Predictive Maintenance System // Applied Sciences. – 2025. – Vol. 15, No. 12. – P. 6547. DOI: 10.3390/app15126547.
13. Мінцер О. П., Толстанов О. К., Загорій Г. В., Калита Т. П. Стратегія створення та оцінювання функціонування систем управління якістю медичної освіти. Перше повідомлення. Постановка проблеми // Медична інформатика та інженерія. – 2015. – № 2. – С. 10–14.
14. Real-Time Health Monitoring and Predictive Maintenance of Medical Devices using Big Data Analytics [Електронний ресурс]. – [Б. м.: б. в.]. – Режим доступу: (посилання не стандартизоване; потребує уточнення URL). – (дата звернення: 03.09.2025).
15. Luschi A., Daino G. L., Ghisalberti G., Mezzatesta V., Iadanza E. Empowering Clinical Engineering and Evidence-Based Maintenance with IoT and Indoor Navigation // Future Internet. – 2024. – Vol. 16, No. 8. – P. 263. – DOI: 10.3390/fi16080263.
16. Щеглов В. Р., Морозова О. І. Методи та технології розроблення цифрових двійників для гарантоздатних систем індустріального інтернету речей // Системи управління, навігації та зв’язку. – 2022. – № 4. – С. 127–137. DOI: 10.26906/SUNЗ.2022.4.127.
17. Яка різниця між ALM та PLM? [Електронний ресурс] / Visure Solutions. – Режим доступу: https://visuresolutions.com/alm-guide/difference-between-alm-and-plm/ (дата звернення: 03.09.2025).
18. Zamzam A. H., Al-Ani A. K. I., Wahab A. K. A., Lai K. W., Satapathy S. C., Khalil A., Azizan M. M., Hasikin K. Prioritisation assessment and robust predictive system for medical equipment: A comprehensive strategic maintenance management // Frontiers in Public Health. – 2021. – Vol. 9. – Art. no. 782203. – DOI: 10.3389/fpubh.2021.782203.
19. Maleki Varnosfaderani S., Forouzanfar M. The Role of AI in Hospitals and Clinics: Transforming Healthcare in the 21st Century // Bioengineering. – 2024. – Vol. 11. – P. 337. DOI: 10.3390/bioengineering11040337.