Название проекта: «Investigating the pathomechanism and prognostic factors of tumours of the skin» (Исследование патомеханизмов и прогностических факторов опухолей кожи).

Цель исследования: изучить механизмы развития и выявить ключевые прогностические факторы опухолей кожи, включая меланому и немеланомные злокачественные новообразования (например, плоскоклеточный рак кожи). Исследование направлено на выявление клеточных и молекулярных путей, а также на установление клинических и морфологических факторов, влияющих на прогноз. Итоговая цель – улучшение стратификации риска и персонализация лечения пациентов.

Задачи исследования:

1. Изучить патомеханизмы, лежащие в основе развития и прогрессирования опухолей кожи.
2. Собрать и проанализировать данные пациентов с опухолями кожи (клинические, морфологические, по возможности – молекулярные).
3. Определить прогностические факторы – клинические (возраст, пол, локализация, сопутствующие заболевания), морфологические (толщина опухоли, уровень инвазии, степень дифференцировки, стадия опухоли), по возможности – молекулярные параметры, связанные с выживаемостью, риском метастазов и рецидива.
4. Оценить влияние отдельных факторов на выживаемость пациентов с помощью регрессионных моделей и методов анализа выживаемости.
5. На основе собранных данных создать прогностическую модель (например, скоринг-калькулятор риска), объединяющую собранные данные для оценки индивидуального прогноза пациента.

Дизайн исследования: наблюдательное ретроспективное исследование на базе клинических данных пациентов с опухолями кожи. В дальнейшем проект может быть расширен до наблюдательного исследования смешанного типа, включающего ретроспективный анализ данных и добавление проспективных элементов.

Методы и данные:

• Источники: истории болезней и электронные базы данных пациентов, результаты лабораторных и морфологических исследований, по возможности – молекулярные данные (мутации, экспрессия генов, биомаркеры).
• Методы: регрессионный анализ, анализ выживаемости.

Значимость проекта: опухоли кожи одни из наиболее распространенных онкологических заболеваний. Несмотря на развитие методов лечения, у части пациентов прогноз остается неблагоприятным. Исследование патомеханизмов и прогностических факторов позволит улучшить стратификацию риска, сделать подход к лечению более персонализированным.
Для пациентов: выявит группы высокого и низкого риска, что позволит назначать более
персонализированное лечение, поможет вовремя выявлять тех, кто нуждается в более
агрессивной терапии, и избегать перелечивания у остальных.
Для клиницистов: результаты помогут разработать инструмент для принятия решений,
помогающий в ежедневной практике врача.

Название проекта: «Трансплантация фекальной микробиоты для лечения и профилактики тяжелых рефрактерных иммунных и инфекционных осложнений ЖКТ после аллогенной ТГСК у детей»

Цель исследования: профилактика и терапия различных желудочно-кишечных осложнений у пациентов от 1 месяца до 21 года после аллогенной трансплантации костного мозга методом трансплантации фекальной микробиоты.
Ожидаемые результаты:

• Улучшение качества жизни, купирование клинических проявлений при «стероид-резистентных» и «стероид-зависимых» формах желудочно-кишечной РТПХ.
• Купирование проявлений кишечных инфекций, вызванных полирезистентными штаммами бактерий, системных вирусных и грибковых инфекций после алло ТГСК.
• Снижение частоты развития РТПХ с поражением кишечника, кишечных инфекций и системных инфекционных осложнений у пациентов после алло-ТГСК.

Задачи исследования:
1. Терапия желудочно-кишечной формы острой и хронической «стероид-рефрактерной» и «стероид-зависимой» РТПХ II – IV степени.
2. Терапия инфекционных желудочно-кишечных осложнений у реципиентов алло-ТГСК, вызванных различными инфекционными агентами.
3. Профилактика инфекционных системных (септических) осложнений и желудочно-кишечной формы РТПХ после алло-ТГСК у пациентов с различными нозологиями с показаниями к алло-ТГСК.

Дизайн исследования: разделение пациентов на три группы соответственно показаниям к ТФМ: профилактика, «строид-рефрактерная» РТПХ, «кишечные инфекции». Плановый микробиологический мониторинг образцов стула от алло-ТГСК до РТПХ или манифестации кишечной инфекции в соответствующих группах и в рамках подготовки к ТГСК в профилактической группе. Клиническая и микробиологическая оценка эффективности метода после проведения процедуры в контрольные точки. Параллельный набор группы сравнения для оценки достоверности полученных результатов.

Методы и данные: истории болезни, результаты клинического и лабораторного мониторинга, результаты специализированных тестов (ПЦР-панели, секвенирование микробиома).

Значимость проекта: ТФМ является многообещающей и потенциально эффективной стратегией для достижения как превентивных, так и терапевтических целей у реципиентов алло-ТГСК. Метод давно используется за рубежом в рамках клинических исследований и должен быть интегрирован в отечественную медицину.

Название проекта: «Сравнительная эффективность специфической и неспецифической профилактики ОРВИ в модуляции системного и мукозального иммунитета: проспективное когортное исследование у пациентов с ВИЧ-инфекцией»

Цель исследования: провести сравнительный количественный анализ и установить наличие статистически значимых различий в динамике ключевых маркеров системного (специфические IgG в сыворотке) и мукозального (sIgA в слюне) иммунитета между группами лиц, получавших разные виды профилактики ОРВИ, с последующей стратификацией результатов по иммунному статусу (наличие или отсутствие ВИЧ-инфекции).

Задачи исследования:

1. Сформировать репрезентативные когорты и провести предварительный статистический анализ (возраст, пол, уровень CD4+ у ВИЧ-позитивных, сопутствующая терапия) для проверки однородности групп и выявления потенциальных факторов, влияющих на результат (понимаю, как выполнить).
2. Смоделировать динамику иммунного ответа до профилактики, через 1 месяц и после сезона ОРВИ в зависимости от типа профилактики и иммунного статуса (для данного аспекта необходимы дополнительные знания).
3. Рассчитать и сравнить показатели эффективности: оценить частоту возникновения лабораторно подтвержденных ОРВИ в разных группах (в целом осознаю, как сделать) и определить риски для каждой стратегии профилактики (для данного аспекта необходимы дополнительные знания).

Дизайн исследования:
Набор участников: Формирование 4 основных когорт:

1. ВИЧ- негативные: получавшие вакцинацию против гриппа.
2. ВИЧ- негативные: получавшие неспецифическую профилактику.
3. ВИЧ- позитивные: получавшие вакцинацию против гриппа.
4. ВИЧ- позитивные: получавшие неспецифическую профилактику.

Временные точки визитов:

1. Базовый визит: информированное согласие, анкетирование, забор биоматериала (кровь, слюна), начало профилактических мероприятий.
2. Через 4 недели: контрольный забор биоматериала для оценки пикового иммунного ответа.
3. Конец сезона ОРВИ: финальный забор биоматериала, регистрация эпизодов ОРВИ за период наблюдения.

Контроль: группы сравнения, не получавшие никакой профилактики (с этической точки зрения это сложно, но возможно при наблюдении за лицами, отказавшимися от профилактики по личным причинам, что возможно выполнить на моей практикующей должности в поликлинике).

Методы и данные:
1. Клинические: пол, возраст, анамнез – из анкет и медицинских карт.
2. Лабораторные:

• Сыворотка крови: уровень вирус-специфических IgG (грипп, возможно другие вирусы) методом ИФА.
• Слюна: уровень секреторного IgA (sIgA) методом ИФА.
• Кровь (для ВИЧ+): уровень CD4+/CD8+ лимфоцитов, вирусная нагрузка (из рутинного мониторинга).

3. Исходные: факт заболевания ОРВИ (ПЦР-подтверждение).

• Статистический анализ: раздел который заполнится после прохождения образовательной программы.

Значимость проекта: данный проект имеет высокую научную и практическую значимость, поскольку он направлен на восполнение критического дефицита количественных данных об эффективности различных стратегий профилактики ОРВИ у пациентов с ВИЧ-инфекцией. Применяя современные статистические методы можно установить наличие значимых различий в иммунном ответе и предсказать эффективность вмешательств для разных клинико-иммунологических подгрупп. Полученные результаты лягут в основу персонализированных рекомендаций для более чем 1.5 млн людей, живущих с ВИЧ в РФ, что позволит врачам обоснованно выбирать оптимальную тактику профилактики, снижая заболеваемость и улучшая качество жизни этой уязвимой категории пациентов.

Название проекта: «International Prognostic Index for probability systemic AL-amyloidosis (SALAPI)» (Международный прогностический индекс вероятного системного AL-амилоидоза).

Цель исследования: создать и валидизировать прогностическую шкалу вероятного системного AL-амилоидоза путем проведения многофакторного анализа.

Задачи исследования:

1. Провести систематический анализ клинико-лабораторных параметров, анамнестических данных и данных инструментальных исследований у пациентов с системным AL-амилоидозом.
2. Сформировать контрольную и основную группы.
3. Выполнить многофакторный анализ для идентификации независимых факторов установленного диагноза AL-амилоидоза и определения весовых коэффициентов для каждого из них.
4. На основе результатов многофакторного анализа разработать прогностическую шкалу (индекс), присвоив баллы каждому значимому предиктору в соответствии с его весовым коэффициентом.

Дизайн исследования: одноцентровое ретроспективное исследование

Методы и данные: данные электронных медицинских карт пациентов, проходящих лечение в ММКК Коммунарка.

Значимость проекта: ранняя диагностика системного AL-амилоидоза поможет улучшить результаты лечения, общую и безпрогрессивную выживаемость.

Название проекта: «Прогностическая значимость молекулярно-генетических маркеров ранних стадий грибовидного микоза»

Цель исследования: определить молекулярно-генетические маркеры ранних стадий грибовидного микоза.

Задачи исследования:
1. Исследовать различия в экспрессии мРНК и микроРНК методом NGS в биоптатах кожи пациентов с грибовидным микозом в сравнении с пациентами с псориазом и контрольной группой.
2. Провести биоинформатический анализ с целью выявления значимых сигнальных путей, вовлеченных в развитие грибовидного микоза.
3. Выявить основные молекулярно-генетические маркеры (мРНК и микроРНК) ранних стадий грибовидного микоза.

Дизайн исследования: объектом исследования являются биоптаты кожи от пациентов с грибовидным микзом, псориазом и контрольной группы. Основной метод исследования – высокопроизводительное секвенирование (NGS).

Методы и данные: все пациенты проходили лечение в нашем учреждении, у нас имеются истории болезни пациентов. Основная информация, которая потребуется – это пол, возраст и стадия заболевания.

Значимость проекта: грибовидный микоз (ГМ) – наиболее распространенная форма Т-клеточных лимфом кожи, на долю которого приходится примерно 60% всех случаев. Дифференциальная диагностика ГМ на ранних стадиях затруднена, так как заболевание нередко клинически и морфологически напоминает воспалительные дерматозы, такие как псориаз и атопический дерматит, в патогенезе которых важную роль отводят цитокинам, продуцируемым Т-лимфоцитами. Часто для постановки окончательного диагноза «грибовидный микоз» требуется в среднем 6 лет от начала заболевания, так как необходимы повторные гистологические исследования из-за схожести клинических, иммунологических и гистологические характеристик на ранних стадиях ГМ и воспалительных дерматозов.
Ошибочно установленный диагноз у больного грибовидным микозом может привести к назначению некорректной терапии, которая способна усугубить течение заболевания. В частности, применение неподходящих методов лечения может спровоцировать прогрессирование болезни и увеличить риск неблагоприятного исхода. Поэтому выявление молекулярно-генетических маркеров ГМ откроет новые возможности для совершенствования диагностики заболевания и дополнит картину патогенеза.

Название проекта: «Сравнение биохимической и клинической эффективности различных режимов пульс-терапии у пациентов с активной стадией эндокринной офтальмопатии (ЭОП)»

Цель исследования: Сравнить клиническую и биохимическую эффективность пульс-терапии метилпреднизолоном в суммарных дозах 4500 мг и 7500 мг за 12 недель у пациентов с активной стадией ЭОП.

Задачи исследования:
1. Оценить эффективность и безопасность системной пульс-терапии метилпреднизолоном в высокой дозе (7500 мг).
2. Сравнить исходы лечения в зависимости от степени активности заболевания (низкоактивная ЭОП с CAS 3–4 и высокоактивная ЭОП с CAS 5–7) и тяжести ЭОП.
3. Определить прогностические маркеры ответа на различные варианты терапии у пациентов с болезнью Грейвса.
4. Построить прогностическую модель ответа на терапию активной стадии ЭОП у пациентов с болезнью Грейвса.
5. Сформировать базу данных КТ-снимков орбит пациентов с активной и неактивной стадией ЭОП для последующего обучения искусственного интеллекта.

Дизайн исследования: проспективное одноцентровое рандомизированное исследование. Обследование включает: общий врачебный осмотр, офтальмологическую оценку состояния глаз по шкале CAS, а также забор крови на исследование определенных биомаркеров. Материал будет собираться в четыре временные точки: при включении, на 6-й неделе лечения, на 12-й неделе (окончание терапии) и на 24-й неделе (оценка отдалённых результатов).

Методы и данные: истории болезни пациентов, результаты клинических осмотров, нативные КТ-снимки орбит, лабораторные показатели, анкеты качества жизни пациентов с ЭОП.

Значимость проекта: сравнение эффективности и безопасности двух режимов пульс-терапии на российской популяции пациентов; выявление прогностических маркеров ответа на терапию и создание математической модели для персонализации лечения ЭОП; формирование уникальной базы данных КТ-снимков для последующего применения искусственного интеллекта в дифференциальной диагностике активной и неактивной стадии ЭОП.
Важность для меня лично: защита кандидатской диссертации, развитие персонализированной терапии эндокринной офтальмопатии.

Название проекта: «Персонализированное ведение беременности у женщин с сахарным диабетом с использованием непрерывного мониторинга глюкозы»

Цель исследования: Выделить глюкотипы у беременных женщин с сахарным диабетом и использовать их для индивидуализации ведения беременности, снижения риска осложнений и улучшения перинатальных исходов.

Задачи исследования:
1. Проанализировать взаимосвязь между глюкотипами и показателями компенсации углеводного обмена (уровень гликированного гемоглобина, эпизоды гипо- и гипергликемий, суточные профили глюкозы).
2. Оценить влияние разных глюкотипов на течение беременности и перинатальные исходы (частота прерываний беременности, антенатальная гибель плода, диабетическая фетопатия, макросомия).
3. Разработать рекомендации по индивидуализации инсулинотерапии и ведения беременности на основании классификации по глюкотипам.

Дизайн исследования: проспективное когортное исследование. Планируется включение 180–200 женщин с сахарным диабетом (1-го, 2-го типа и гестационным).

Методы и данные:
– данные непрерывного мониторинга глюкозы (в динамике);
– показатели гликированного гемоглобина (10–12 нед., 24–26 нед., 34–36 нед.);
– биохимический и иммуноферментный анализ крови (антитела и ферменты) в каждом триместре (10–12 нед., 24–26 нед., 34–36 нед.);
– ультразвуковое исследование (в каждом триместре; в третьем триместре – за 7 дней до родов/до ПДР с фракционным измерением бедра и плеча плода);
– данные о перинатальных исходах (включая забор крови в родах в течение 2 минут после рождения/извлечения ребёнка).

Значимость проекта:
Клиническая значимость: беременность у женщин с сахарным диабетом традиционно считается высокорисковой и ассоциируется со страхами пациенток – как в отношении собственного здоровья, так и здоровья ребёнка. Выделение глюкотипов и их использование в практике позволит сделать ведение беременности более персонализированным: минимизировать эпизоды гипогликемии, снизить риски прерывания беременности и антенатальной гибели плода, обеспечить физиологичность течения беременности и возможность самостоятельных родов. Для женщин это означает не только повышение безопасности, но и улучшение качества жизни, возможность планировать не одну, а несколько беременностей без страха за исход.

Научная значимость: проект станет одним из первых в России систематизированных исследований, посвящённых применению классификации глюкотипов у беременных женщин с диабетом. Он создаст основу для внедрения новых подходов к инсулинотерапии и ведению беременности, а также заложит фундамент для последующих многоцентровых исследований. Полученные данные будут иметь не только локальное значение для клиники, но и потенциальный вклад в международную науку, позволяя развивать персонализированную медицину и формировать стандарты ведения беременности при диабете.

Название проекта: «Клинико-иммунологические и молекулярно-генетические особенности ревматоидного артрита с началом болезни в пожилом возрасте»

Цель исследования: выделить особый фенотип ревматоидного артрита (РА) – с началом в пожилом возрасте (чем отличается РА с началом в пожилом возрасте от того, который начался в более раннем возрасте)

Задачи исследования:
1. Изучить группу пожилых пациентов с РА с точки зрения клинических проявлений заболевания, уровня активности и проводимой терапии.
2. Проанализировать субпопуляции CD4+CD28+/- и CD8+CD28+/-Т лимфоцитов у пациентов с началом РА в пожилом возрасте.
3. Изучить взаимосвязь аллелей гена HLA-DRB1 и полиморфных вариантов гена IL6 с клиническими проявлениями и иммунологическими характеристиками РА с дебютом в пожилом возрасте.
4. Изучить структуру и характер мультиморбидной патологии у пациентов с поздним дебютом РА и оценить вклад РА в формирование сопутствующей патологии.

Дизайн исследования: одномоментное исследование с элементами когортного.
180 пациентов, больных РА, поделенных на группы (+ здоровые доноры, сопоставимые по полу и возрасту):
1 группа – пациенты пожилого возраста (старше 60 лет), с дебютом РА в возрасте старше 60 лет и длительностью болезни не более 3 лет, n=60
2 группа – пациенты пожилого возраста (старше 60 лет), с дебютом РА в возрасте до 60 лет и длительно текущим РА, n=60.
3 группа – пациенты молодого возраста (до 45 лет), с длительностью РА до 3 лет, n=60.

Суть исследования: сравнить первые две группы пациентов с относительно клинических проявлений РА в дебюте заболевания и генетической предрасположенности (наличия/отсутствия HLA-DRB1 и полиморфизма гена IL-6) – дабы выявить отличия и выделить фенотип РА с началом в пожилом возрасте. А также проанализировать какие сопутствующие заболевания есть у данных групп пациентов и попробовать понять, добавляет ли РА «болезней» пациенту или пациенты имеют сопутствующие заболевания просто потому что состарились?
А также сравнить 1 и 3 группы на предмет потери молекулы CD28 CD4+ и CD8+ Т-лимфоцитами. Поскольку по данным литературы, одной из возможных причин развития РА в пожилом возрасте является старение иммунной системы, которое характеризуется утратой экспрессии CD28 на Т лимфоцитах и накоплением «стареющих» субпопуляций клеток, которые обладают провоспалительной активностью. Данный шаг направлен на выявление стареющей популяции клеток у пациентов пожилого возраста, в сравнении с молодыми пациентами с РА, сопоставимыми по длительности болезни (Результаты по данной задаче получены, статья готовится к печати).

Методы и данные: в работе используется биологический материал (кровь) для проведения генотипирования и изучения иммунологического профиля (наличие специфических антител, изучение субпопуляций Т-лимфоцитов), используются данные анкет, опросников, осмотра, проведенной рентгенографии, денситометрии, а также медицинская документация (оценка сопутствующих заболеваний). Нет проспективной наблюдательной части, все данные собираются одномоментно.

Значимость проекта: «разговоры» о наличии фенотипа РА с поздним дебютом в отечественной (и зарубежной) ревматологии ведутся давно, и основаны в большей степени на отличиях клинических проявлений в дебюте заболевания, характере течения РА и ответе на терапию. Мое исследование – попытка «оформить» фенотип с точки зрения наличия предрасположенности к РА – генетической и иммунологической. Оценка такого рода будет проведена впервые.
Важность темы для меня: РА, сам по себе, довольно распространенное заболевание в ревматологии. Ко мне на прием часто приходят именно пожилые пациенты с РА, как длительно болеющие, так и недавно заболевшие. Понимание особенностей клинических проявлений, течения заболевания у таких пациентов и тактики ведения очень важно. Хотя мое исследование не обладает проспективной частью и не отвечает на вопросы о подборе терапии, ее переносимости в долгосрочной перспективе и развитии клинического ответа, написание моей работы сопряжено с чтением статей такого рода и знакомством с данной информацией. Определение вклада РА в структуру сопутствующей патологии также поможет в понимании «чего ждать» у пожилых пациентов с РА.

Название проекта: Одноцентровое когортное ретроспективное исследование «Этиология внебольничных пневмоний у разных категорий пациентов за 2023-2024 гг в больнице N»

Цель исследования: определить спектр и частоту возбудителей ВП.

Задачи исследования: проанализировать структуру возбудителей у разных категорий пациентов (молодые, пожилые живущие дома, пожилые живущие в местах длительного ухода), проанализировать спектр антибиотикорезистентности, а также сравнить результаты анализов (бак, пцр) у пациентов с тяжелой пневмонией при жизни с результатами аутопсийного материала.

Методы и данные: анализ историй болезней за 2 года в одном из отделений инфекционной больницы.

Значимость проекта:
Для стационара: уменьшение количества нерационального назначения эмпирической АБТ.
Для себя: этот курс поможет мне, как минимум, стать более квалифицированным специалистом, приобщиться к миру научных исследований и грамотно оформить моё исследование.

Проект 1

Название проекта: «Исследование уровня осведомлённости о детском раке среди населения»

Цель исследования: оценить уровень знаний населения о детском раке, выявить пробелы в осведомлённости и на основе полученных данных разработать рекомендации для раннего выявления заболеваний.

Задачи исследования:
1. Собрать информацию о текущем уровне осведомлённости населения через анкетирование.
2. Выявить основные недостатки в знаниях и распространенные заблуждения.
3. Разработать информационные материалы и рекомендации, которые помогут повысить осведомлённость и улучшить раннюю диагностику.

Дизайн исследования: проведение кросс-секционного опроса среди различных групп населения с использованием онлайн-формы и печатных анкет. В анкете будут включены вопросы о знании симптомов детского рака, путях обращения за медицинской помощью, а также визуальные материалы с признаками, требующими внимания.

Методы и данные: используются анкетные данные, включающие демографические параметры, уровень знаний о детском раке и осведомлённость о ранних симптомах.

Значимость проекта: результаты исследования позволят определить пробелы в знаниях населения и в дальнейшем разработать профилактические программы и алгоритмы раннего выявления детского рака. Сам процесс участия в исследовании повысит информированность респондентов, а визуальные материалы помогут обучить людей распознавать ключевые симптомы и своевременно обращаться к специалистам.

Проект 2

Название проекта: «Анализ инфекционных осложнений у детей с онкологическими заболеваниями»

Цель исследования: разработать статистически обоснованный алгоритм выбора антибиотиков для детей с онкологическими заболеваниями в условиях страны с ограниченными ресурсами, с целью снижения осложнений при инфекциях, таких как корь, ветряная оспа и бактериальные инфекции.

Задачи исследования:
1. Проанализировать исторические данные по инфекционным осложнениям у детей с онкологическими заболеваниями в отделении.
2. Определить статистически значимые паттерны: частоту высевов, эффективность антибиотиков, резистентность микроорганизмов.
3. Создать алгоритм, который поможет врачам принимать эмпирические решения быстрее и точнее.

Дизайн исследования: ретроспективный анализ базы данных пациентов с онкологическими заболеваниями, включая информацию о бактериальных посевах, антибиотикотерапии и исходах лечения. Исследование позволит выявить закономерности и статистические связи между назначениями антибиотиков, патогенами и результатами лечения.

Методы и данные: используются данные историй болезни, результаты бактериологических посевов, информация о назначенных антибиотиках и исходах терапии. Статистический анализ будет включать методы сравнения эффективности и выявления факторов риска осложнений.

Значимость проекта: результаты исследования помогут улучшить практику инфекционного контроля в отделении и ускорить выздоровление детей с онкологическими заболеваниями. Алгоритм позволит врачам принимать более точные решения в условиях ограниченного доступа к лабораторным данным, что особенно важно для стран с низким уровнем дохода.

Advancing the Tools in Percutaneous Procedures: A Systematic Review of Robotic Assistance in Image-Guided Percutaneous Interventions

Abstract
Introduction: Image‑guided percutaneous interventions are critical in minimally invasive therapies but face challenges in precision, safety, and efficiency. Robotic assistance has emerged as a potential solution, yet a comprehensive synthesis of its clinical value in percutaneous interventions as a whole is lacking.

Methods and Analysis: This systematic review will include studies of any patients undergoing robotic‑assisted image‑guided percutaneous interventions. Outcomes such as needle placement accuracy, complication rates, procedure time, and radiation exposure will be compared with conventional manual techniques. Scopus, Embase, Cochrane Library, and PubMed will be searched. Risk of bias will be assessed using the QUADAS-2 tool. Both randomized and non‑randomized studies will be included.

Ethics and Dissemination: Ethical approval is not required for this systematic review. Findings will be published in a peer‑reviewed journal and shared at relevant academic conferences.

PROSPERO registration number: Pending

Introduction
Background
Image‑guided percutaneous interventions are essential across oncology, orthopedics, and interventional radiology. Despite advances in imaging, procedural accuracy and safety remain significant challenges. Robotic assistance may address these limitations by enhancing targeting precision, reducing radiation exposure, and improving workflow consistency. While robotic systems are increasingly used in various surgical domains, their role in percutaneous procedures has not been adequately evaluated in a comprehensive, systematic manner.

Objectives

• Assess the impact of robotic systems on instrument placement accuracy in percutaneous procedures by types of intervention.
• Compare robotic-assisted and conventional techniques regarding procedure time, efficiency, and clinician usability.
• Evaluate complication rates and procedural success.
• Catalog existing robotic platforms and analyze their imaging integration and usability.
• Identify evidence gaps and propose directions for future research and clinical adoption.

Methods
Eligibility Criteria

• Population

Inclusion: Patients undergoing image‑guided percutaneous procedures (e.g., tumor ablation, needle biopsy, pedicle screw fixation).
Exclusion: Procedures that are open or endoscopic.

• Intervention

Robotic‑assisted percutaneous interventions using imaging guidance (CT, MRI, ultrasound, fluoroscopy).

• Comparator

Manual image‑guided percutaneous procedures or observational studies without direct comparison evaluating robotic technique feasibility or outcomes.

• Outcomes

Primary outcomes:

• Accuracy of needle placement (mm deviation).
• Tool‑in‑lesion rate (%).
• Number of repositioning attempts.

Secondary outcomes:

• Technical success rate (%).
• Procedure time (seconds).
• Complication rate (within 1 month).
• Radiation exposure (mGy or DLP).

• Study Types

Included: Clinical Study, Clinical Trial, Meta-Analysis, Randomized Controlled Trial, Systematic Review.
Excluded: Case reports, editorials, animal studies, cadaveric studies, in‑vitro simulations, and abstracts without full data.

• Language and Timeframe

Only English publications will be included. Restrictions on publication date: 2015-current.

Search Strategy
A comprehensive search will be conducted in Scopus (limited to medicine), Embase (via Ovid), Cochrane Library, and PubMed. Additionally, thesis and dissertation databases will be searched for unpublished studies. Reference lists of relevant reviews will be screened. A full search strategy is available upon request.

Study Selection and Data Management
Two reviewers will independently screen titles and abstracts, followed by full‑text screening of eligible studies. Discrepancies will be resolved by consensus or third‑party adjudication. Data extraction will be performed using a standardized form and cross‑checked by a second reviewer. Authors will be contacted for missing or unclear data.

Risk of Bias and Quality Assessment
The Newcastle‑Ottawa Scale will be used to assess risk of bias for included studies. Reporting bias and outcome‑level risk will be evaluated.

Data Synthesis
Narrative synthesis will describe study characteristics, populations, interventions, and outcomes. If homogeneity permits, meta‑analysis of quantitative data will be performed using appropriate statistical methods. Certainty of evidence will be assessed using GRADE or the Strength of Recommendation Taxonomy (SORT).

Timeline
Start date: October 10, 2025
Anticipated end date:  December 17, 2025

Dissemination
Results will be submitted for publication in a peer‑reviewed journal and presented at international conferences.

Funding
No external funding was received for this review. Institutional support provided by IRCAD, France.

Conflicts of Interest
None declared by the authors.

PROSPERO Registration
This protocol is registered with PROSPERO (registration number pending publication).

Название проекта: «Оценка клинической эффективности ИИ для маршрутизации пациентов с ишемическим инсультом»

Цель исследования: оценить, как внедрение ИИ-сервиса для анализа КТ ГМ в систему сосудистых отделений влияет на скорость оказания помощи и клинические исходы пациентов с симптомами ОНМК.

Задачи исследования:
1. Сравнить ключевые временные метрики (время «от двери до иглы», время «от двери до тромбоэкстракции») до и после внедрения ИИ-сервиса.
2. Оценить, привело ли использование ИИ к увеличению числа пациентов, получивших тромболизис и тромбоэкстракцию.
3. Оценить, связано ли ускорение процессов с улучшением функциональных исходов пациентов через 90 дней после инсульта (оценка по модифицированной шкале Рэнкина, mRS).

Дизайн исследования: ретроспективное многоцентровое когортное исследование (анализ данных до и после внедрения ИИ). Сравнить две группы пациентов: тех, кто получал помощь по стандартному протоколу, и тех, кто маршрутизировался после внедрения ИИ-сервиса для приоритизации пациентов по результатам анализа КТ.

Источник данных: электронные медицинские карты.

Анализируемые показатели:
1. Возраст и пол пациента, исходная тяжесть инсульта (шкала NIHSS).
2. Временные метрики: время от поступления до протокола рентгенолога, от поступления до начала тромбэкстракции, от поступления до начала тромболизиса
3. Клинические исходы: показатель функциональной независимости (mRS 0-2) через 90 дней, показатели успешной реканализации сосуда (TICI), смертность.

Важность проекта: проект важен для системы российского здравоохранения в целом, так как призван ускорить процесс маршрутизации пациентов с инсультом. Также внедрение ИИ-сервиса важно для клиники и врачей-рентгенологов, так как позволит сэкономить время на описание исследования и тем самым снизить нагрузку на врачей. Для пациентов проект также значим: приоритизация пациентов с помощью ИИ потенциально сможет улучшить прогноз для пациентов, нуждающихся в тромболизисе или тромбоэкстракции.

Название проекта: «Разработка алгоритма на основе искусственного интеллекта для автоматизированного анализа сцинтиграфических изображений с целью диагностики метастатических поражений костей скелета»

Цель исследования: получить валидированную и готовую к дальнейшей регистрацию (как программное медицинское изделие IIb/III класса) информационно-аналитическую систему на базе ИИ, способную автоматически обнаруживать и локализовать костные метастазы по сцинтиграфическим изображениям с клинически приемлемыми показателями чувствительности и специфичности, улучшая раннюю диагностику и сокращая время от выявления очага до начала терапии.

Задачи исследования (шаги для достижения цели):
1. Сформировать репрезентативную и размеченную базу данных (датасет) сцинтиграфических изображений в формате DICOM (не менее 2000 исследований: 1000 для обучения модели и 1000 для валидации).
2. Провести адаптацию и дообучение алгоритма семантической сегментации STEGO для работы со сцинтиграфическими изображениями костей скелета.
3. Провести статистический анализ диагностической точности алгоритма: Рассчитать основные метрики качества сегментации (Intersection over Union – IoU, Dice Coefficient). Оценить диагностические характеристики алгоритма в сравнении с заключением эксперта-радиолога («золотой стандарт»): чувствительность, специфичность, положительную и отрицательную прогностическую ценность с расчетом 95% доверительных интервалов. Построить ROC-кривую и рассчитать площадь под ней (AUC).
4. На основе результатов статистического анализа провести коррекцию и оптимизацию алгоритма для достижения целевых показателей точности (чувствительность >95%, специфичность >85%).
5. Подготовить научные публикации и регуляторную документацию, включая технико-экономическое обоснование внедрения и оценку клинического эффекта (включая потенциальное снижение времени до начала терапии и влияния на исходы).

Дизайн исследования: проспективное открытое неинтервенционное исследование для сбора тренировочного и валидационного материала; последующая ретроспективная и внешняя валидация. Популяция: пациенты, проходящие сцинтиграфию костей по клиническим показаниям (мультицентральный сбор данных по возможности). Группы: тренировочный набор и валидационный набор (планируемый объём – по 1000 пациентов в каждом наборе).

Методы и данные:
Методы статистического анализа: план статистического анализа (SAP) с формальной процедурой расчёта размера выборки и мощности исследования; Методы оценки диагностической точности: чувствительность, специфичность, PPV/NPV, построение ROC-кривых и расчёт AUC с CI; сравнение классификаторов (DeLong test и др.);
Регрессионные модели и анализ выживаемости: логистическая регрессия (многофакторная), Cox-регрессия и Kaplan–Meier для оценки влияния ранней диагностики на клинические исходы; Контроль множественных сравнений и корректная отчётность (STARD, TRIPOD для диагностических исследований).
Данные: Сцинтиграфические изображения в формате DICOM (полный набор метаданных), объединённые в тренировочные и валидационные датасеты. Клинические данные пациентов (анонимизированные): диагноз первичной опухоли, стадия, клинические исходы (при наличии), демография и сопутствующая терапия – используются для оценки клинической значимости алгоритма и построения прогностических моделей.

Значимость проекта:
Для пациентов: Ранняя и более точная диагностика костных метастазов позволит вовремя начинать антирезорбтивную и симптоматическую терапию, снизить частоту патологических переломов, улучшить качество жизни и потенциально уменьшить смертность в долгосрочной перспективе.
Для клиник и системы здравоохранения: Повышение эффективности работы врачей-радиологов (система поддержки принятия решений), снижение нагрузки на специалистов и возможность нивелировать дефицит высококвалифицированных кадров в регионах. Оптимизация расходов за счет более рационального использования ресурсов, а именно снижение числа ложноположительных и ложноотрицательных заключений, экономическая эффективность за счёт оптимизации лечебных траекторий и уменьшения осложнений.
Для врачей: Поддержка принятия решений: алгоритм служит вторым мнением, повышает уверенность в интерпретации сложных или неоднозначных изображений, снижает влияние человеческого фактора и усталости при рутинном анализе больших объёмов исследований. Возможность обучения на основе объективных данных, которые предоставит алгоритм.
Для науки: Создание одного из первых в России валидированных алгоритмов ИИ для анализа сцинтиграфии. Разработка и апробация новых методов обработки медицинских изображений. Полученные данные могут лечь в основу новых клинических рекомендаций.
Для меня как исследователя: Этот проект является идеальной возможностью применить и углубить знания в области медицинской статистики на практике. Я смогу не просто наблюдать за процессом, а активно участвовать в планировании дизайна исследования, расчете размера выборки, выборе корректных статистических методов и интерпретации результатов. Это ключевой навык для любого современного ученого-клинициста, работающего с большими данными и инновационными технологиями. Успех проекта станет основой для моей дальнейшей научной карьеры и диссертационной работы.

Приветствую команду MedUp!

Меня зовут Екатерина. После окончания университета я посвятила время изучению
венгерского языка, переехала в Венгрию, где в настоящее время и живу. Недавно начала процесс подтверждения диплома врача. Через полгода я планирую продолжить свой академический путь и подать заявку на PhD-программу по теме: «Investigating the
pathomechanism and prognostic factors of tumours of the skin».

С университетских лет меня особенно интересует тема новообразований кожи. В последние годы обучения я посещала научные кружки по дерматологии и проходила практику в Московском центре дерматологии и косметологии, что укрепило мою уверенность в том, что в будущем я бы хотела связать свою жизнь с дерматологией и развиваться как врач дерматоонколог, совмещая клиническую практику с научной деятельностью.

Несмотря на то, что в университете мы изучали основы статистики, и в последний год я также прошла курс от МИРЭА по статистике и анализу медицинских данных, моя база
оказалась недостаточной для использования на практике. Это связано с тем, что на курсе было много теории, но без практики знания быстро забываются. Из-за этого я сейчас ощущаю пробел в моих знаниях, который мешает мне двигаться дальше и подавать заявку на PhD. Для научной работы в рамках PhD мне необходима прочная и уверенная база в области статистики, без нее я не смогу правильно спланировать исследование, проанализировать данные и грамотно интерпретировать результаты.

Моя тема PhD предполагает анализ прогноза выживаемости пациентов с опухолями кожи, поэтому мне важно освоить такие методы как регрессионный анализ и методы анализа выживаемости. Мне также не хватает навыков для грамотного описания статистического раздела исследования для публикаций, да и откровенно говоря, я имею лишь ограниченное представление о требованиях к оформлению научных публикаций. Это все ограничивает меня в самостоятельной работе над проектами и может помешать подаче на PhD.

Курс «Практическая медицинская статистика» я рассматриваю именно как возможность систематизировать и углубить свои знания, чтобы продолжить обучение с уверенной базой. Для меня неимоверно важно, что программа ориентирована на практику и адаптирована под нужды медицинских исследований, что напрямую поддержит мои будущие исследования.

Получение этого гранта, а следовательно возможность пройти курс бесплатно стало бы для меня значительной поддержкой в моих первых шагах в науке, так как переезд в другую страну оказался серьезной нагрузкой. Я уверена, что знания, полученные на курсе, помогут превратить мой интерес к науке в реальные проекты, которые будут полезны пациентам.

Благодарю за рассмотрение заявки и возможность стать частью курса!

Добрый день!

Я практикующий врач-детский онколог в отделении трансплантации костного мозга. Моя профессиональная деятельность тесно связана с внедрением инновационного метода – трансплантации фекальной микробиоты (ТФМ) для терапии кишечных осложнений, развивающихся после трансплантации гемопоэтических стволовых клеток (ТГСК). Данный подход показан пациентам с рефрактерными к стандартной терапии состояниями, такими как стероид-рефрактерная реакция «трансплантат против хозяина».

С 2022 года нами накоплен обширный клинический материал, и сейчас стоит задача провести его всесторонний статистический анализ. Хотя я имею опыт работы с медицинской статистикой, для выполнения сложных задач (таких как построение диаграмм размаха с расчетом статистической значимости и p-значений) мне пока требовалась помощь более опытных в этом вопросе коллег. Моя цель – овладеть этими и другими методами, чтобы самостоятельно и качественно анализировать данные.

Предварительные результаты терапии обнадеживают, и наша стратегическая цель – интеграция метода ТФМ в систему Департамента здравоохранения Москвы к концу 2027 года.

К заявке прилагаю нашу первую публикацию по этой теме (2022 год), однако она основана на предварительных данных небольшой выборки. На текущий момент в исследовании приняли участие уже более 55 маленьких пациентов.

Здравствуйте, уважаемые организаторы образовательной программы «Практическая медицинская статистика»!

Меня зовут Мария, я являюсь ординатором второго года обучения по специальности «Инфекционные болезни» и практикующим врачом. Совмещаю работу терапевтом в поликлинике и врача-стажёра. Именно на стыке клинической практики и научной деятельности я осознаю критическую важность владения современными статистическими методами.

Научные достижения: исполнитель двух научных грантов, стипендиат Правительства Российской Федерации. В 2025 году я приняла участие во Всероссийском летнем слёте «РОССИЯ — СТРАНА УЧЁНЫХ. МЕДИЦИНА МОЛОДАЯ», организованном Международным фондом развития биомедицинских технологий им. В.П. Филатова при поддержке Совета Федерации, Фонда Президентских грантов и Совета молодых учёных Минздрава России. Что касается публикационной активности, то мною написано множество тезисов и четыре статьи в рецензируемых журналах, индексируемых в международных базах данных; ещё три работы в настоящее время находятся на завершающей стадии рецензирования. 

Мой путь в анализе данных начался в 2021 году с базовых показателей в рамках студенческих исследований. В 2023 году я вошла в коллектив исполнителей научного гранта, где в полной мере осознала необходимость углублённого изучения медицинской статистики. За три года я приобрела значительный практический опыт: от анализа небольших выборок (30 пациентов) до работы с крупными массивами данных, превышающими 1500 наблюдений. Полученный опыт основан на фундаментальной университетской подготовке, практическом наставничестве научных руководителей и специализированном курсе по медицинской статистике от создателей платформы Reclin. Владею навыками расчёта объёма выборки, выбора и применения статистических критериев (параметрических и непараметрических), расчёта основных описательных статистик (средние значения, медианы, корреляции) с использованием программ STATISTICA 8 и Excel. При этом осознаю необходимость дальнейшей систематизации и углубления знаний в области медицинской статистики. В частности, отсутствие практического опыта применения регрессионного и ROC-анализа ограничивает возможности проведения полноценного и качественного анализа данных в исследованиях.

Прохождение вашей образовательной программы позволит мне не только систематизировать имеющиеся знания, но и существенно повысить компетенции в области современных статистических методов, что бесценно для организации собственных исследований, качественных выступлений на конференциях и критической оценки научных публикаций.

Уважаемые члены грантового комитета!
Я являюсь врачом скоропомощного стационара, в двери которого с постоянной периодичностью поступают пациенты с установленным диагнозом плазмоклеточной дискразии в тяжелом, практически критическом состоянии. В процессе лечения и обследования у данной группы пациентов верифицируется диагноз системного AL-амилоидоза. AL-амилоидоз может выступать как самостоятельное заболевание, так и осложнять течение других плазмоклеточных дискразий.
Патогенез данного заболевания связан с отложением амилоидных фибрилл СЛЦ иммуноглобулина в различных органах и тканях. Наиболее частыми органами-мишенями являются сердце, почки, желудочно-кишечный тракт, периферическая вегетативная нервная система.

В нашем стационаре, диагноз амилоидоза был подтвержден результатами гистологического и иммуногистохимического исследований биоптата тканей. Поражение органов и тканей определяли по совокупности лабораторно-инструментальных исследований. При поступлении в стационар тяжесть состояния была обусловлена наличием дыхательной недостаточности на фоне гидроторакса или пневмонии, проявлениями сердечно-сосудистой недостаточности (III и более функциональный класс по NYHA), тяжелым течением полинейропатии, выраженностью отечного синдрома.
После стабилизации состояния пациентам проводилась специфическая терапия. В процессе терапии, у большинства пациентов наблюдалось ухудшение состояния, 40 %пациентов в дальнейшем были переведены в отделение реанимации и интенсивной терапии в связи с развитием жизнеугрожающих состояний: септический шок , желудочно-кишечное кровотечение, остановка кровообращения. Несмотря на высокую летальность (45%) нам удалось стабилизировать, провести лечение и вывести в ремиссию часть пациентов.
По нашим данным, продолжительность жизни от момента установки основного диагноза составила от 13 дней до 2 лет (медиана= 2,76 месяца).
Амилоидоз – болезнь поздней диагностики, представляют собой серьезную диагностическую и лечебную проблему в связи с поздней выявляемостью и неспецифичностью клинических проявлений.

Ключевой вопрос, на который до сих пор нет ответа: как начать выявлять AL-амилоидоз на ранних этапах?

Моя гипотеза заключается в том, что поскольку данное заболевание является мультисистемным и не имеет специфических симптомов или маркеров основным и доступным в рутинной клинической практике подходом является выделение группы риска пациентов, у которых вероятен диагноз системного AL-амилоидоза. Осуществить данный подход может помочь создание шкалы оценки риска наличия системного AL-амилоидоза.

Цель данного проекта – создать и валидизировать прогнастическую шкалу оценки риска наличия системного AL-амилоидоза путем проведения многофакторного анализа.

Научная новизна проекта заключается в создании первой в мире подобной прогностической шкалы. Мы разделим пациентов на подгруппы высокого и низкого рисков что поможет повысить выявляемость системного AL-амилоидоза, определить прогноз течения заболевания и назначить риск-адаптированную терапию в первой линии.

Ваша поддержка поможет мне профессионально провести сложный анализ данных. На данном этапе, мне не хватает наставника, который бы подсказал как статистически верно можно представить результаты моей практической работы, которые могут повлиять на жизнь моих пациентов.
Полученные знания я смогу применить в других своих проектах, связанных с терапией острых миелодных лейкозов, лимфом и других гематологических заболеваний.

Благодарю вас за время и рассмотрение моей заявки.
С уважением, Гончарова Екатерина

Меня зовут Ирина, я биолог и являюсь соискателем в ФГБУ «ГНЦДК» по специальности «генетика». В настоящее время я участвую в исследовательском проекте, посвященном поиску молекулярно-генетических маркеров, дифференцирующих Т-клеточную лимфому (грибовидный микоз) и воспалительный дерматоз (псориаз). Данная тема легла в основу моей диссертационной работы, официально утвержденной в этом году.

Наш коллектив имеет значительные наработки в этом направлении, включая серию публикаций и результаты экспериментов по анализу экспрессии генов и микроРНК. Важным этапом стало формирование коллекции биоптатов пациентов с грибовидным микозом, псориазом и контрольной группы – работа, потребовавшая значительных временных и организационных усилий.

Сейчас мы переходим к ключевой фазе исследования – комплексному анализу транскриптомных данных. Предстоящая работа предполагает обработку значительных массивов информации, что требует углубленных знаний в области биостатистики и современных методов анализа биологических данных. Хотя я уже имею базовые навыки работы со статистическими методами и применяю их в текущей деятельности, для качественной обработки результатов мне необходимо:

• Систематизировать знания по статистическим методам.
• Освоить современные подходы к анализу медицинских данных.
• Совершенствовать навыки визуализации результатов.

Особый профессиональный интерес для меня представляет анализ данных и визуализация результатов. Полученные в ходе обучения компетенции я планирую использовать при разработке методологии собственных научных исследований и для оптимизации методов статистической обработки данных.

Курс по медицинской статистике идеально соответствует моим профессиональным потребностям, так как акцент именно на медицинские данные.

Полученные знания будут применены в моей диссертационной работе. Результаты нашего исследования имеют непосредственное практическое значение – они могут быть включены в клинические рекомендации и способствовать совершенствованию диагностики онкологических заболеваний.

После защиты диссертации я планирую перейти из области молекулярной биологии в биоинформатику. Уверена, что данная программа предоставит мне ключевые компетенции и станет важным этапом профессионального развития.

Буду благодарна за возможность стать участником программы и готова предоставить дополнительную информацию о моих исследованиях.

Спасибо за внимание к моей заявке!

Доброго времени суток! Меня зовут Михаил. Сейчас я одновременно учусь на втором году ординатуры и аспирантуры, готовлю диссертацию по эндокринной офтальмопатии.

Пока что моя научная работа больше связана с тем, чтобы переносить данные из медицинских историй в табличку Excel. Но рано или поздно наступит момент, когда всё это нужно будет правильно проанализировать. Честно говоря, уже на этапе построения базы данных я столкнулся с кучей вопросов и ошибок, и поэтому в рамках курса в том числе хотелось бы и услышать советы по её грамотному оформлению (вдруг ещё не поздно всё поправить).

Опыт в статистике у меня пока не очень большой. Я немного работал в SPSS – пробовал мэтчинг для исследования «случай–контроль» (не скрываю – учился по ютуб-туториалу). В итоге отношения шансов оказались недостоверными – было обидно, но я честно описал это в опубликованной статье. Когда-то пытался построить модель линейной регрессии – ничего не вышло. Зато довольно часто делаю простую описательную статистику и сравниваю независимые группы. Тут раньше очень помогали старые посты Полины Сергеевны (в ее старой группе Вконтакте). Сейчас часто подглядываю в недавно скачанную методичку MedUp и, конечно, в ChatGPT.

Также я читаю много научных статей по своей специальности в разных журналах и всегда обращаю внимание на раздел «Статистика», даже если понимаю из него не очень много. Когда очень нужно – разбираюсь глубже, ищу объяснения разных методов. Из полезного и понятного мне очень нравятся короткие видео от NEJM («Stats, STAT!») – там статистика подаётся просто и с юмором. Дважды пытался пройти легендарный курс на Stepik: первую часть осилил, вторую бросил на середине. Скачивал R-Studio, но толком так и не начал (хотел освоить его с помощью курса того же Анатолия Карпова, но не дошли руки). Несколько раз пытался найти STATA для MacBook, но безуспешно (видимо, так пытался).

Чего я жду от курса? Во-первых, системного понимания, какие статистические методы и в каких ситуациях уместно применять, чем они отличаются, как правильно интерпретировать результаты. Во-вторых, надеюсь, что с помощью полученных знаний смогу проверить не только первоначальную гипотезу кандидатской, но и выявить дополнительные признаки, которые можно выделить и проанализировать (главное, не попасться в ловушку множественных сравнений и не получить ложноположительный результат). И, конечно, курс станет для меня отличной мотивацией не бросать обучение на середине (как это было со Stepik).

Моя более глобальная мечта – это быть причастным к клиническим исследованиям в качестве человека, который отвечает за статистическую экспертизу (да, конечно, звучит немного амбициозно для человека, который анализировал данные только по ютуб-туториалам).

P.S. Очень надеюсь, что в рамках курса мне наконец-то расскажут, где скачать STATA (шутка… хотя, может, и нет).

Я ординатор второго года по специальности «Акушерство и гинекология» в НИИ АГиР им. Д.О. Отта. С первых месяцев работы я активно включилась в научные проекты института: только за первый год у меня вышло пять публикаций. В ближайшее время планирую продолжить академическую карьеру в аспирантуре, а сейчас уже собираю данные для кандидатской диссертации. Но есть один момент: статистика и я пока находимся в сложных отношениях.

Сегодня я работаю в проектах на стыке акушерства и эндокринологии: от преэклампсии и крупного плода до диабетической фетопатии и кардиомиопатии. Особенно важная часть моей работы связана с непрерывным мониторингом глюкозы у беременных. Мы близки к тому, чтобы женщины с диабетом перестали бояться беременности и родов: классификация по глюкотипам открывает возможность подбирать терапию индивидуально, нивелировать резкие скачки глюкозы, избегать гипогликемий и снижать риски потерь беременности. Но чтобы такие исследования имели вес и приносили реальную пользу, нужен качественный статистический анализ – без «магии старших коллег», которые за меня пишут раздел «Результаты».

Сейчас мой опыт – это jamovi, несколько видеоуроков и пара книг. Да, я знаю, что критерий Стьюдента – это не только про экзамены, но системного понимания, какой метод когда использовать и как это правильно визуализировать, у меня пока нет. ROC-кривые для меня до сих пор скорее мистический лес, чем рабочий инструмент. И это положение дел я хочу изменить.

Мне важно научиться работать в специализированных программах (SPSS и другие), понимать принципы выбора методов и уверенно проводить анализ. Уже в следующем году мне предстоит участвовать в написании более двадцати статей, и я хочу не только быть «соавтором по заполнению таблиц», а человеком, который реально владеет инструментом и может довести исследование до публикации самостоятельно.

Для меня этот курс – не просто обучение. Это возможность превратиться из исследователя с хорошими идеями в исследователя, который может эти идеи доказать. А доказательства в медицин – это то, что отличает науку от мифов и суеверий.

Здравствуйте, члены отборочной комиссии!
Меня зовут Александра Аболёшина, мне 28 лет, я из г. Ростов-на-Дону. В настоящее время я совмещаю обучение на 3 курсе аспирантуры ФГБНУ НИИ Ревматологии им. В.А. Насоновой (г. Москва) с работой практикующим врачом-ревматологом в частной медицинской клинике г. Таганрог. В своей работе я придерживаюсь принципов доказательной медицины, предлагая пациентам лучшие с точки зрения доказательности диагностические и терапевтические опции, в связи с чем, необходимо чтение оригинальных исследований. Но также я веду и свою научную деятельность в рамках аспирантуры – мое исследование посвящено поиску клинических, генетических и иммунологических особенностей ревматоидного артрита у пациентов пожилого возраста.

В моей научной работе используются различные данные пациентов: от возраста и роста до показателей иммунограммы и генотипирования. По результатам моей работы уже написана одна оригинальная статья, которая будет опубликована в журнале Современная Ревматология в октябре 2025 г.

К сожалению, мой текущий уровень владения статистическими методами оставляет желать лучшего. Я понимаю базовые темы на теоретическом уровне, но не имею самостоятельного опыта работы со статистическим ПО. Для анализа данных и подготовки публикаций и тезисов мне постоянно приходится обращаться за помощью к коллегам, которые владеют навыками статистического анализа. Это замедляет процесс продвижения моего исследования, снижает глубину понимания собственных данных, да и (будем честны) само по себе – стыдно. Мне очень не хватает как теоретических знаний, так и практических навыков для самостоятельного выбора критериев, проведения анализа, визуального оформления полученных результатов и их корректной интерпретации.

Именно поэтому я бы хотела попасть на ваш курс по медицинской статистике. Я уверена, что прохождение курса поможет мне закрыть все пробелы и проводить весь цикл анализа данных самостоятельно. Полученные знания, в первую очередь, я планирую применить в работе над диссертацией. То есть моя ключевая краткосрочная цель – успешно завершить и защитить кандидатскую диссертацию. В долгосрочной перспективе я бы хотела принимать участие в клинических исследованиях в качестве врача-исследователя, а также продолжить свою научную деятельность, работая на кафедре. Кроме того, полученные на курсе знания могут помочь мне в понимании результатов оригинальных исследований, с которыми я сталкиваюсь для решения вопросов в ежедневной медицинской практике.

Благодарю Вас за внимание к моей заявке и с нетерпением жду результатов!

Здравствуйте! Меня зовут Алёна, я врач-инфекционист. В данный момент я нахожусь на этапе набора материала для одноцентрового ретроспективного когортного исследования, которое направлено на анализ структуры возбудителей внебольничных пневмоний у разных категорий пациентов и антибиотикорезистентности.

Научной работой я заинтересовалась после 7 лет работы в стационаре, уже в декрете. Но учитывая, отсутствие опыта в этом деле, я начала разбираться с самого элементарного, начиная с того какие бывают исследования, как выбирать нужные истории болезни, и как заполнять таблицу!

Учитывая 7 летний стаж стационарной работы, я вижу проблему нерационального назначения эмпирической антибактериальной терапии. Понимаю, что исследований на данную тематику достаточно много, однако, надеюсь, что актуальные локальные данные помогут нашим врачам с выбором АБТ.

Объем работы достаточно большой, я изучаю истории болезней за 2 года. Не имея опыта сложно сориентироваться какие показатели мне реально нужны, а на какие не стоит обращать внимание. Периодически возникает вопрос, а правильно ли я всё делаю. Мне очень хочется не только сделать свое исследование достойным, за которое не придется краснеть, но и реально разобраться что, зачем и почему. Ведь понимание значимых переменных, методов статистического анализа и интерпретации полученных результатов основа которую надо понимать не только работая над исследованием, но и просто для понимания статей, которых, через врача проходит достаточно много. И эти знания я готова получить на вашем курсе “Практическая медицинская статистика”!

А в связи с финансовыми ограничениями, из-за декретного отпуска я очень надеюсь на вашу поддержку в виде гранта!

В любом случае, спасибо за ваш канал, где можно почерпнуть много информации не только полезной, но и остроумной!

Меня зовут Идрисова Раушан, я врач-интерн в детской онкологии. В будущем хочу стать детским онкологом и развиваться не только как практикующий врач, но и как исследователь. Интерес к науке у меня появился ещё во время учёбы в университете, со второго-третьего курса. Но тогда я быстро столкнулась с проблемой: знаний, которые давали на занятиях, было недостаточно для того, чтобы делать настоящие исследования. Учебная программа давала лишь базовое представление, а как писать статьи, формулировать гипотезы или анализировать данные – оставалось за пределами обучения. Попытки разбираться самостоятельно оказывались сложными и часто вызывали растерянность.

Понимание важности статистики пришло ко мне постепенно. Сначала это было чтение статей, где я с трудом разбиралась в таблицах и графиках. Большой толчок вперед мне дал курс «Уроки эльфийского языка», благодаря которому я научилась читать графики и лучше понимать результаты исследований. Но этот опыт показал и другое: чтобы расти дальше, нужна более системная подготовка, без которой невозможно перейти от простого понимания чужих работ к созданию собственных исследований.

Сейчас я нахожусь именно на этом этапе. У меня есть идеи и проекты, есть желание их реализовать, но именно статистика остаётся самым слабым местом. Я понимаю, что курс «Практическая медицинская статистика» может стать для меня тем недостающим звеном. Он даст знания, которые помогут не тратить месяцы на самостоятельные попытки разобраться по книгам, а сразу получить инструменты для практической работы с данными.

Для моей профессиональной и научной деятельности это критически важно. Детская онкология – область, где исследования напрямую влияют на жизни детей. Чтобы мои проекты имели значение, я должна уметь грамотно собирать данные, обрабатывать их и представлять результаты в таком виде, чтобы они были понятны и полезны как в национальном, так и в международном контексте.

Я хочу научиться:

• уверенно работать с данными;
• правильно подбирать методы анализа;
• корректно интерпретировать результаты;
• делать из них выводы, которые можно применить на практике.

Эти знания я планирую применять в своих исследованиях по детской онкологии, а также в совместных международных проектах, в которых я уже начала участвовать. Мне особенно важно, что этот курс уникален: я не встречала подобных программ, и в моей стране таких курсов просто нет. Это делает возможность обучения для меня ещё более значимой.

Я уверена, что курс поможет мне не только развить профессиональные навыки, но и сделать следующий шаг в научной деятельности, чтобы идеи и инициативы превращались в исследования, которые соответствуют мировым стандартам и могут принести пользу детям и их семьям.

Уважаемые члены комиссии,
Меня зовут Анна Ян. Я врач-педиатр по образованию, но также идентифицирую себя как исследователь. Я бы очень хотела активно способствовать тому, чтобы медицинская помощь была максимально точной, безопасной и учитывала интересы пациента. Я подаю заявку на участие в курсе по медицинской статистике, потому что понимаю: именно этот навык является краеугольным камнем любого серьёзного научного проекта.
Сейчас я работаю над исследованием «Advancing the Tools in Percutaneous Procedures: A Systematic Review of Robotic Assistance in Image-Guided Percutaneous Interventions». Я хочу ответить на ключевой вопрос: действительно ли роботизированные технологии могут сделать чрескожные вмешательства безопаснее и точнее, или это лишь технологическая мода? Для этого мне нужно уметь анализировать данные клинических исследований на максимально высоком уровне.
Я также ясно вижу риски: без глубокого знания статистики даже самые ценные данные можно интерпретировать неправильно. Ошибка в расчёте доверительных интервалов или некорректный выбор статистической модели могут привести к выводу, что технология эффективна, хотя на самом деле это не так. А за каждой такой ошибкой стоят не просто цифры – стоят пациенты, которым врач может рекомендовать небезопасный или малоэффективный метод лечения. Именно поэтому мне крайне важно пройти обучение.
Что, по моему мнению, даст мне обучение на курсе по медицинской статистике.
Инструменты для объективного анализа. Я смогу не только описывать тенденции, но и подтверждать их строгими расчетами – от оценки точности постановки иглы до сравнения уровней осложнений между методами.
Умение выявлять и избегать ловушек. Я научусь видеть, где данные искажены: будь то выборочная ошибка, публикационный сдвиг или некорректные мета-анализы. Это позволит мне формулировать достоверные выводы, которым можно доверять.
Практические навыки. Построение моделей, визуализация данных, грамотное применение методов анализа – всё это превратит сухие таблицы в убедительные доказательства, которые можно публиковать в ведущих журналах и представлять на международных конференциях.
Но моя цель не ограничивается только личным развитием. Я хочу, чтобы полученные знания работали на практику. С их помощью, я надеюсь, что смогу:
готовить систематические обзоры и мета-анализы, которые будут формировать клинические рекомендации;
помогать врачам принимать решения, основанные на данных, а не на мнении или маркетинговом давлении;
способствовать тому, чтобы внедрение роботизированных технологий происходило осознанно и безопасно для пациентов.
Я убеждена, что статистика – это язык, на котором медицина говорит с наукой. И я хочу владеть этим языком свободно. Без него любой проект остаётся набором идей, но с ним он становится фундаментом для реальных изменений в клинической практике.
Этот курс станет для меня не просто этапом в обучении, а инструментом, который позволит соединить мои знания врача и исследователя в целостную систему. Я искренне стремлюсь к тому, чтобы мои исследования и знания способствовали тому, чтобы медицинская помощь была для пациентов одновременно эффективной и безопасной.
Благодарю вас за возможность участвовать в отборе. Я уверена, что благодаря этому курсу мои проекты будут звучать громче и весомее, а их ценность для науки и практики станет несомненной.
С уважением, Анна Ян

Сегодня, в день написания этого письма, я стал аспирантом ЦНИИОИЗ по организации здравоохранения. Хотя я успешно сдал экзамен по специальности, разбираться в статистике для меня, как для врача, было мукой. Я тысячу раз слышал определения критерия Стьюдента или мощности исследования, но до сих эти термины остаются для меня абстракцией.

На 5 курсе я впервые открыл для себя книги и ролики онколога Виная Прасада, критиковавшего крупные исследования в том числе из-за манипуляций статистикой. Тогда я дал себе слово, что не буду заниматься bullshit science, и результаты моих исследований будут тверды и прозрачны. Конечно, для этого мне придётся научиться самостоятельно проводить эти исследования.

Я только начал свой путь в науке и написал 2 литературных обзора. Организация собственного исследования требует, на мой взгляд, большей ответственности. Пугает меня в том числе необходимостью собирать данные, проводить расчёты и на их основе делать выводы.

Я хочу освоить этот курс из-за его практической направленности. Когда-то я проходил курс по теории вероятностей от Свободного университета и даже курс по статистике от Никиты Бурлова. Но оба курса (особенно курс Никиты, как ни странно) погружали меня в дебри математики, в которых я терялся. Я очень доверяю своей хорошей знакомой Ане Фёдоровой, порекомендовавшей данный курс в видео на лендинге. Уверен, что такой практический курс для врачей – то, что я искал.

На ближайшие 3 года я поставил себе амбициозную задачу для диссертации: оценить клиническую эффективность внедрения в сосудистые центры ИИ-сервисов для диагностики ОНМК по КТ. Моя работа станет первым клиническим исследованием медицинского ИИ-сервиса в России. Результаты моей работы могут изменить маршрутизацию пациентов с инсультом в масштабах всей России. А потом, надеюсь, и мира.

Всем привет) Меня зовут Тахмезов Алик, я врач-хирург, онколог. На данный момент работаю младшим научным сотрудником в СГМУ им. В.И. Разумовского и активно участвую в разработке инновационного программного медицинского изделия на основе искусственного интеллекта для диагностики костных метастазов при раке мочеполовой системы. Моя ежедневная практика напрямую связана с анализом больших массивов медицинских данных, и я искренне убеждён, что для дальнейшего профессионального роста и успешного продвижения нашего проекта мне необходимы глубокие и систематизированные знания в области медицинской статистики.
1. Почему мне нужен этот курс и чего не хватает в текущей работе с данными
В настоящий момент я вовлечён в сложный междисциплинарный проект: мы собираем сцинтиграфические изображения тысяч пациентов, формируем тренировочные и валидационные датасеты и оцениваем работу алгоритмов ИИ с помощью специализированных метрик (включая метрики сегментации). В повседневной работе я опираюсь на стандартное программное обеспечение и базовые статистические методы – описательная статистика, расчёт долей и процентов.
Однако для того, чтобы корректно и полно интерпретировать результаты клинических исследований и обеспечить надёжность выводов проекта, мне не хватает системного понимания современной медицинской статистики. В частности, я ощущаю потребность в умении правильно оценивать диагностическую точность (чувствительность, специфичность, предсказательные значения), проводить корреляционный и регрессионный анализ, а также грамотно планировать размер выборки и мощность исследования. Без этих компетенций есть риск сделать некорректные выводы из собранных данных – а это может оказать серьёзное влияние на дальнейшую разработку и регуляторную дорожную карту медицинского изделия.
2. Как курс поможет в моей профессиональной деятельности
Данный курс даст мне строгий методологический аппарат, который необходим для практической работы с клиническими данными и моделями ИИ. В частности: корректное планирование исследований и грамотный расчёт размера выборки, что критично для валидации алгоритмов ИИ и для подтверждения их клинической значимости; возможность самостоятельно проводить сложный статистический анализ: выявлять значимые различия между группами, строить и интерпретировать прогностические модели; квалифицированная подготовка статистической части публикаций и отчётов для регуляторных органов (включая документы для регистрации медицинского изделия в Минздраве РФ); повышение качества исследований в нашей лаборатории: я смогу критически оценивать применяемые методы в чужих работах и внедрять передовые практики в наши протоколы и анализы.
3. Чему я хочу научиться и что буду делать с полученными знаниями
В первую очередь я планирую освоить практические и теоретические инструменты, которые мне сейчас наиболее нужны:
методы сравнения групп для количественных и качественных признаков (t-тесты, ANOVA, χ² и т.д.); многофакторные методы анализа: логистическая регрессия, Cox-регрессия для учёта влияния нескольких переменных; методы оценки выживаемости, включая анализ Каплана–Мейера; принципы анализа диагностических тестов: построение ROC-кривых, расчёт AUC и интерпретация показателей; практическую работу в профессиональном статистическом ПО (например, R или SPSS) – чтобы уметь воспроизводимо и корректно обрабатывать наши датасеты.
Полученные знания я немедленно применю в проекте: возьму на себя роль ответственного за статистическую часть исследования – подготовлю план статистического анализа в протоколе, проведу обработку валидационного датасета и оформлю статистические разделы для будущих публикаций и регуляторной документации.
4. Мой опыт

• Участие в клинических исследованиях: я являюсь исполнителем инициативной научной работы (Разработка мультимодального подхода в лечении метастатического поражения костей при раке почки и раке предстательной железы, инициативная НИР в рамках конкурса перспективных проектов ФГБОУ ВО Саратовский ГМУ им. В.И. Разумовского (ЕГИСУ НИОКТР № 121090200099-3) и работал лаборантом в клиническом исследовании I фазы (Клиническое исследование РКИ № 409 от 03.08.2023 «Пилотное открытое клиническое исследование I фазы для оценки безопасности однократного применения таблеток на основе экстракта аврана лекарственного у пациентов с раком мочеполовых органов III–IV стадии» в рамках тематики государственного задания Министерства здравоохранения Российской Федерации «Разработка нового противоопухолевого средства на основе экстракта Аврана лекарственного» (ЕГИСУ НИОКТР № 122041400113-5) федерального проекта «Медицинская наука для человека»). Это дало мне понимание всех этапов КИ – от сбора данных до их первичного анализа и документации.
• Научные публикации: я – соавтор 25 научных работ, проиндексированных в РИНЦ, включая статьи по хирургии, онкологии и применению ИИ в медицине.
• Патентная деятельность: я соавтор 6 российских патентов на изобретения и полезные модели в медицине.

Мой профессиональный бэкграунд создал прочный фундамент – но для перехода на следующий уровень и обеспечения научной и регуляторной состоятельности нашего проекта мне необходимы именно фундаментальные знания в области медицинской статистики. Я убежден, что грант на обучение позволит мне не только развиться лично, но и существенно повысить научную и практическую ценность нашей разработки, ускорив путь от прототипа к зарегистрированному медицинскому изделию и, в конечном счёте, к улучшению качества помощи онкологическим пациентам.
Благодарю вас за внимание к моей заявке. Готов предоставить дополнительные материалы по проекту, список публикаций и актуальное состояние набора данных по запросу.

*Социальные сети Instagram и Facebook запрещены в РФ. Решением суда от 21.03.2022 компания Meta признана экстремистской организацией на территории Российской Федерации.

ИП Шило Полина Сергеевна
Адрес: 194156 г. Санкт-Петербург, Манчестерская улица 3к2, кв. 1292
ИНН: 615491009501
ОГРНИП: 319784700313868