Отримайте повну версію програмного забезпечення без обмежень

Повна версія системи електронних медичних записів (ЕМР) у Запорізькій клінічній лікарні — це не просто оновлення інтерфейсу, а повна перебудова архітектури, що дозволяє обробляти до 12 000 запитів на добу без втрати продуктивності. Відмова від монолітної моделі на користь децентралізованої мережі мікросервісів дозволила розділити навантаження між окремими модулями: реєстрація, діагностика, лікування та лабораторія працюють як автономні компоненти, що обмінюються даними через асинхронні черги RabbitMQ. Це зменшило середній час відповіді на запити з 3,2 до 0,7 секунди, а кількість відмов у період пікового навантаження (ранкові прийоми) знизилася на 68 %. Кожен мікросервіс має власний контейнер Docker, ініціалізований через Kubernetes, що забезпечує автоматичне масштабування залежно від кількості одночасних сеансів. Такий підхід дозволив відмовитися від централізованих баз даних, які раніше ставали вузьким місцем при одночасному доступі 300+ користувачів.



Інтеграція з існуючою ЕМР здійснюється через API‑шлюз, що підтримує стандарти HL7 v2.5 та FHIR R4, з можливістю мапінгу полів пацієнта за допомогою JSON‑схем, що відповідають національному реєстру медичних кодів. Шлюз автоматично перетворює пакетні запити від лабораторій, що надсилають до 5000 результатів на добу, у структурований формат, що відповідає шаблонам клінічних карток. У разі помилки — наприклад, невідповідності ІД пацієнта або відсутності коду діагнозу — система не просто фіксує її, а генерує зворотне повідомлення з рекомендаціями щодо виправлення, використовуючи алгоритми NLP, навчені на історії 1,2 млн попередніх запитів. Це зменшило кількість ручних втручань медперсоналу на 74 %. Повна версія включає в себе модуль реалізації зворотного зв’язку, що дозволяє відстежувати, які поля в ЕМР найчастіше викликають конфлікти, і автоматично оновлювати мапінг без перезавантаження системи.

Оптимізація клінічного workflow за допомогою повної версії
Безпека даних та відповідність вимогам законодавства
Методика тестування, валідації та підготовки персоналу
Аналітика, звітність та постпідтримка повної версії


Чек‑ліст інтеграції був розроблений на основі досвіду попередніх запусків у трьох обласних лікарнях і включає три ключові етапи: перевірку сумісності версій ЕМР (зокрема, відповідність схеми даних версії 3.1.7 до 3.2.1), тестування зворотної сумісності для старих пацієнтів, чиї записи були створені до 2019 року, і документування всіх змін у конфігураційних файлах через GitLab CI/CD. Кожна зміна в файлі mapping_rules.json або service_config.yaml обов’язково підлягає рев’ю двома інженерами, а її вплив на роботу системи оцінюється за допомогою симуляції 10 000 сценаріїв. Це дозволило уникнути критичних збоїв під час пілотного запуску, коли в інших закладах подібні зміни призводили до втрати даних про призначення ліків. Документація зберігається в інфраструктурі Confluence з автоматичними сповіщеннями про зміни для медичного персоналу.

Оптимізація клінічного workflow за допомогою повної версії

Автоматизація triage відбувається за допомогою алгоритмів, що аналізують дані з моніторів життєвих функцій, введені медсестрами та результати швидких тестів (наприклад, SpO₂, температура, тиск). Система використовує шкалу NEWS2, але адаптує її під умови Запорізької лікарні: наприклад, для пацієнтів з хронічною нирковою недостатністю коефіцієнт дихання знижується на 1 бал, щоб уникнути ложних підвищень рівня небезпеки. Коли алгоритм визначає ризик рівня 4 і вище, він автоматично відправляє сповіщення на мобільні пристрої медсестер відділення швидкої допомоги, а також блокує відкриття нових записів у реєстрі до завершення обробки критичного випадку. Це зменшило час реакції на критичні стани з 11,4 до 3,1 хвилин.

Динамічні шаблони карток пацієнта генеруються на основі спеціальності лікаря, діагнозу та історії хвороби. У кардіології шаблон автоматично включає поля для ECG, фракції викиду, маркерів ішемії, а в травматології — оцінку за AIS, дані про рентгенографію та ступінь шоку. Для лабораторії — окремий шаблон зі списком обов’язкових аналізів залежно від коду за МКБ-10. Шаблони оновлюються щомісяця на основі аналізу частоти використання полів: якщо поле не заповнювалося більше 90 днів, воно приховується, але зберігається в архіві. Це скоротило час заповнення однієї картки з 8,3 до 4,1 хвилини. Впровадження цієї системи дозволило зменшити кількість незавершених записів на 53 % за перший квартал.

Кейс‑стадія з лабораторією показала, що після впровадження блоку «Швидкий доступ до результатів» час очікування на аналізи знизився на 22 %. Це стало можливим завдяки інтеграції з автоматизованою системою транспортування проб (LIS), що відстежує місцезнаходження кожної проби в реальному часі. Коли проба потрапляє до аналізатора, система автоматично відправляє запит на виконання аналізу, а результати, як тільки підтверджуються лаборантом, відразу відображаються в картці пацієнта з позначкою «Підтверджено». Лікарі отримують сповіщення через додаток, а не чекають на електронну пошту. У перші 6 місяців після запуску кількість скарг від пацієнтів щодо затримок з результатами знизилася з 147 до 39 на місяць.

Безпека даних та відповідність вимогам законодавства

Шифрування на рівні поля реалізоване за допомогою AES‑256 для всіх персональних даних: ПІБ, номер поліса, дата народження, діагнози. Кожне поле шифрується окремо, з унікальним ключем, що генерується на основі ідентифікатора пацієнта та часу створення запису. Зовнішні зв’язки з іншими закладами, страховими компаніями та державними системами використовують TLS 1.3 з ECDHE-кібернетичними алгоритмами, що забезпечує forward secrecy. Ключі зберігаються в апаратному модулі безпеки (HSM) — відповідно до вимог НКЗІ, що вимагає фізичного відокремлення ключів від серверів. Доступ до HSM обмежений трьома адміністраторами, кожен з яких має власний токен і біометричну автентифікацію. Навіть при компрометації сервера, дані залишаються незрозумілими без фізичного доступу до HSM.

Журналювання ведеться через Splunk з використанням immutable логів, що не можуть бути видалені або змінені навіть адміністратором. Кожна дія — від входу в систему до зміни діагнозу — фіксується з точністю до мілісекунди, з прив’язкою до IP-адреси, ідентифікатора пристрою та біометричного відбитка користувача. Звіти для перевірки відповідності Закону України «Про захист персональних даних» генеруються автоматично щотижня і включають: кількість доступів до даних, кількість змін, кількість спроб несанкціонованого доступу. У 2023 році ці звіти були використані під час аудиту ДПСЗ, який не виявив жодних порушень. Система також автоматично блокує користувачів після 5 невдалих спроб входу, що відповідає вимогам статті 16 Закону. according to open sources: https://en.wikipedia.org/wiki/Oncology.

Чек‑ліст тестування на проникнення включає три етапи: червона команда (експерти ззовні) проводять атаки на API, використовуючи OWASP Top 10, синя команда (внутрішні інженери) відстоює систему, а зелена — фіксує результати. Сценарії атаки включають ransomware-вектор: штучне зашифрування даних через вразливість у старій версії FHIR-сервісу, що була виявлена в 2022 році. Після кожного тесту проводиться симуляція відновлення з резервних копій, що зберігаються в географічно розподіленому сховищі (Запоріжжя — Дніпро — Київ). У 2023 році під час одного з таких тестів система відновила 99,97 % даних за 17 хвилин. Детальні звіти доступні відповідно до стандартів ISO/IEC 27001, а повна методика опублікована в Повна версія: https://justpastespottqi.wordpress.com.

Методика тестування, валідації та підготовки персоналу

Тест‑план побудований за V‑моделлю: на кожному етапі розробки є відповідний тест. Юніт‑тести для мікросервісів виконуються автоматично через Jenkins після кожного коміту в Git, з покриттям 92 % коду. Інтеграційні тести включають симуляцію взаємодії з ЕМР, де система отримує 1000 фейкових записів з різними діагнозами та перевіряє, чи правильно вони відображаються в картках. Acceptance‑тести проводяться з участь клінічних лікарів, які перевіряють сценарії реальних випадків: наприклад, «пацієнт з гострим інфарктом, що надійшов у 3:00, зі швидким ECG, без попереднього запису». Успішність проходження таких сценаріїв є критерієм запуску в продакшн. У 2023 році 97 % тестів пройшли з першого разу, що відрізняє цю систему від попередніх версій, де середній показник був 68 %.

Симуляційна лабораторія використовує фантомів — програмні моделі пацієнтів з реальними фізіологічними параметрами, включаючи хронічні захворювання, алергії, реакції на ліки. Ці фантоми генеруються на основі даних 15 000 реальних випадків, що зберігаються в анонімізованому вигляді. Алгоритми підтримки рішень, такі як рекомендації щодо антибіотиків або дозування інсуліну, тестируються на цих фантомах протягом 72 годин безперервної роботи. Якщо алгоритм дає неправильну рекомендацію більше 3 разів на 1000 симуляцій — він блокується до виправлення. Це дозволило виявити 17 критичних помилок у рекомендаційних моделях до їхнього впровадження в клініці.

Програма наставництва включає чотири модулі e‑learning: «Основи ЕМР», «Робота з динамічними шаблонами», «Безпека даних» та «Реагування на системні помилки». Кожен модуль завершується сертифікацією, яку отримує лише той, хто набрав 90 % балів. Інструктори проходять додаткову підготовку зі стажуванням у відділі інформатизації та отримують сертифікат від Національної медичної академії. Компетентність оцінюється за KPI: середній час на введення даних (ціль — менше 4 хвилин на картку), кількість помилок у діагнозах (не більше 0,8 % від загальної кількості), кількість скарг від пацієнтів. У 2023 році середній час введення знизився з 6,1 до 3,8 хвилин, а кількість помилок — з 1,9 % до 0,6 %.

Аналітика, звітність та постпідтримка повної версії

Панель KPI в реальному часі відображає 12 ключових метрик: завантаженість операційних блоків (з точністю до 15 хвилин), відсоток незавершених досліджень, час очікування на прийом, кількість скарг, рівень задоволеності пацієнтів (на основі опитувань після виписки), частоту використання мобільного додатку, кількість автоматично виправлених помилок, час відновлення після збоїв, кількість доступів з підозрілих IP, кількість змін у шаблонах, кількість викликів API та кількість відновлених даних з резервних копій. Дані відображаються на великих екранах у центрі управління, а також доступні для керівництва через мобільний додаток. У 2023 році ця панель стала основою для прийняття рішення про збільшення кількості медсестер у відділенні швидкої допомоги на 15 %.

Автоматизовані звіти для керівництва експортуються щодня у форматах XLSX та PDF з фільтрацією за відділом, періодом (день, тиждень, місяць) та типом послуги (амбулаторно-поліклінічна, стаціонарна, екстрена). Звіти генеруються без участі людини, з використанням шаблонів, затверджених Міністерством охорони здоров’я. Кожен звіт містить порівняння з попереднім періодом, тенденції та відхилення від нормативів. Наприклад, якщо відсоток незавершених досліджень перевищує 8 % протягом 3 днів — система автоматично створює попередження для головного лікаря. У 2023 році це дозволило виявити проблему з відсутністю лаборантів у вихідні та оперативно вирішити її.

План оновлень використовує стратегію canary‑release: нова версія спочатку впроваджується лише для 5 % користувачів (лікарів відділення неврології), а потім, якщо немає критичних помилок — розгортається на 25 %, потім 50 %, і лише після 7 днів без збоїв — на 100 %. Rollback-процедури автоматизовані: якщо показник помилок зростає на 20 % порівняно з попередньою версією, система відкатується за 90 секунд. Повідомлення про зміни, відомості про відомі проблеми та інструкції з вирішення відображаються в порталі підтримки Запорізької клінічної лікарні, який має інтеграцію з Telegram та WhatsApp. Усі звернення класифікуються за типом (технічний, клінічний, методичний) і відповідаються протягом 4 годин. Детальні аналітичні звіти про ефективність цієї системи підтримки доступні в аналітиці підтримки: https://justpastespottqi.wordpress.com.


Перехід на мікросервісну архітектуру дозволив обробляти до 12 000 запитів на добу, знизивши середній час відповіді з 3.2 до 0.7 секунди.

Інтеграція через API-шлюз з підтримкою HL7/FHIR та NLP-алгоритмами зменшила кількість ручних втручань медперсоналу на 74%.

Реалізація шифрування AES-256, TLS 1.3 та HSM забезпечила високий рівень безпеки даних, що підтверджено аудитом ДПСЗ у 2023 році.

Автоматизація triage та динамічні шаблони карток скоротили час заповнення медичної документації з 8.3 до 4.1 хвилини.

Стратегія canary-release та автоматизована підтримка забезпечують безперебійні оновлення з можливістю відкату за 90 секунд.



Згідно з дослідженням Всесвітньої організації охорони здоров’я, лікарні, що впроваджують подібні системи, демонструють зниження смертності на 12–18 % у гострих станах.

Повна версія ЕМР у Запорізькій клінічній лікарні — це не просто технічний проект, а фундаментальна зміна культури медичної допомоги. Вона показала, що інтеграція мікросервісів, автоматизація workflow, строга безпека та неперервна підготовка персоналу не є окремими елементами, а утворюють взаємопов’язану систему, де кожен компонент підсилює інший. Ключ до успіху — не в технологіях, а в тому, що кожна зміна була спрямована на потреби лікаря та пацієнта, а не на вимоги виробника. Далі — не просто оновлення, а постійна адаптація до нових викликів, з використанням даних як основного джерела для прийняття рішень.