• >
  • Публикации
  • >
  • ОРГАНИЗАЦИОННО-УПРАВЛЕНЧЕСКИЕ АСПЕКТЫ ВНЕДРЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ДЕЯТЕЛЬНОСТЬ РЕПРОДУКТИВНЫХ ЦЕНТРОВ

ОРГАНИЗАЦИОННО-УПРАВЛЕНЧЕСКИЕ АСПЕКТЫ ВНЕДРЕНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ДЕЯТЕЛЬНОСТЬ РЕПРОДУКТИВНЫХ ЦЕНТРОВ

  • Авторы:Гойхман Ярон Борисович, Адхамова Негина Пулатовна, Алимов Ижод Рустамжонович
  • Дата публикации:July 17, 2026
  • Тип:
  • DOI: 10.64156/mju.9501
  • Том / № Выпуска:Том 1 №4 (2026)

Аннотация

Аннотация. Цель исследования – выявить ключевые организационно-управленческие барьеры внедрения технологий искусственного интеллекта в деятельность репродуктивных центров и разработать практическую модель их поэтапной интеграции.

Материалы и методы. Исследование выполнено в период с января по июнь 2024 года с использованием качественного комбинированного дизайна. На первом этапе проведен систематический анализ научной литературы в базах данных PubMed, Scopus, eLibrary и CyberLeninka за 2019–2024 гг. На втором этапе выполнено полуструктурированное интервьюирование 12 экспертов, включая руководителей репродуктивных центров, заведующих эмбриологическими лабораториями, специалистов в области вспомогательных репродуктивных технологий и IT-экспертов. Для анализа данных использовались методы качественного контент-анализа и SWOT-анализа.

Результаты. Выявлены четыре основные группы барьеров внедрения искусственного интеллекта: нормативно-правовые, экономические, организационно-кадровые и технологические.

Установлено, что наиболее значимыми препятствиями являются отсутствие четких регуляторных механизмов, высокие затраты на внедрение технологий, недостаточная готовность персонала к цифровой трансформации и сложности интеграции искусственного интеллекта с существующими информационными системами. На основании полученных данных разработана трехэтапная модель внедрения технологий искусственного интеллекта, включающая этап подготовки, пилотного внедрения и масштабирования.

Заключение. Эффективное внедрение искусственного интеллекта в деятельность репродуктивных центров требует комплексного управленческого подхода, учитывающего организационные, экономические и нормативные аспекты цифровой трансформации. Разработанная модель может быть использована в качестве практического инструмента для планирования и реализации проектов внедрения искусственного интеллекта в медицинских организациях.

Ключевые слова: искусственный интеллект, репродуктивная медицина, экстракорпоральное оплодотворение, цифровая трансформация, управление здравоохранением, медицинский менеджмент.

Annotatsiya. Tadqiqot maqsadi – reproduktiv markazlar faoliyatiga sun’iy intellekt texnologiyalarini joriy etishdagi asosiy tashkiliy-boshqaruv to‘siqlarini aniqlash va ularni bosqichma-bosqich integratsiya qilishning amaliy modelini ishlab chiqishdan iborat.

Materiallar va usullar. Tadqiqot 2024-yil yanvar–iyun oylarida sifatli kombinatsiyalangan dizayn asosida amalga oshirildi. Birinchi bosqichda PubMed, Scopus, eLibrary va CyberLeninka ma’lumotlar bazalarida 2019–2024-yillarga oid ilmiy adabiyotlar tizimli tahlil qilindi. Ikkinchi bosqichda 12 nafar ekspert ishtirokida yarim tuzilgan intervyular o‘tkazildi. Ekspertlar tarkibiga reproduktiv markazlar rahbarlari, embriologik laboratoriyalar mudirlari, reproduktiv texnologiyalar mutaxassislari hamda IT mutaxassislari kiritildi. Ma’lumotlarni tahlil qilishda sifatli kontent-tahlil va SWOT-tahlil usullaridan foydalanildi.

Natijalar. Sun’iy intellektni joriy etishdagi to‘rtta asosiy to‘siq guruhi aniqlandi: me’yoriy-huquqiy, iqtisodiy, tashkiliy-kadrlar va texnologik omillar. Eng muhim muammolar sifatida tartibga solish mexanizmlarining yetarli emasligi, texnologiyalarni joriy etish xarajatlarining yuqoriligi, xodimlarning raqamli transformatsiyaga tayyorgarligi pastligi hamda sun’iy intellekt tizimlarini mavjud axborot tizimlari bilan integratsiya qilishdagi murakkabliklar qayd etildi. Olingan natijalar asosida tayyorgarlik, pilot joriy etish va keng ko‘lamli tatbiq etish bosqichlarini o‘z ichiga olgan uch bosqichli model ishlab chiqildi.

Xulosa. Reproduktiv markazlar faoliyatiga sun’iy intellektni samarali joriy etish tashkiliy, iqtisodiy va huquqiy omillarni hisobga oluvchi kompleks boshqaruv yondashuvini talab qiladi. Taklif etilgan model tibbiyot muassasalarida sun’iy intellekt texnologiyalarini joriy etish loyihalarini rejalashtirish va amalga oshirish uchun amaliy vosita sifatida qo‘llanilishi mumkin.

Kalit so‘zlar: sun’iy intellekt, reproduktiv tibbiyot, ekstrakorporal urug‘lantirish, raqamli transformatsiya, sog‘liqni saqlash menejmenti, tibbiy boshqaruv.

Abstract. To identify the key organizational and managerial barriers to the implementation of artificial intelligence technologies in reproductive centers and to develop a practical model for their stepwise integration.

Materials and Methods. The study was conducted from January to June 2024 using a qualitative mixed-methods design. A systematic literature review was performed using PubMed, Scopus, eLibrary, and CyberLeninka databases covering publications from 2019 to 2024. Subsequently, semi-structured interviews were conducted with 12 experts, including managers of reproductive centers, heads of embryology laboratories, specialists in assisted reproductive technologies, and information technology experts. Qualitative content analysis and SWOT analysis were applied for data interpretation.

Results. Four major groups of barriers to artificial intelligence implementation were identified: regulatory, economic, organizational-personnel, and technological. The most significant obstacles included the lack of clear regulatory frameworks, high implementation costs, insufficient staff readiness for digital transformation, and challenges related to integration with existing medical information systems. Based on the findings, a three-stage implementation model was developed, consisting of preparation, pilot implementation, and scaling phases.

Conclusion. Successful implementation of artificial intelligence in reproductive centers requires a comprehensive managerial approach that addresses organizational, economic, and regulatory challenges. The proposed model may serve as a practical tool for planning and implementing artificial intelligence projects in healthcare organizations.

Keywords: artificial intelligence, reproductive medicine, in vitro fertilization, digital transformation, healthcare management, medical administration.

23

References

  1. 1. Вербицкая Е.А., Смирнова А.А. Цифровые технологии и искусственный интеллект в репродуктологии: обзор возможностей // Проблемы репродукции. – 2023. – Т. 29, № 1. – С. 15–25.
  2. 2. Майстренко Н.А. Управленческие аспекты внедрения инноваций в медицинских организациях // Менеджер здравоохранения. – 2022. – № 5. – С. 34–42.
  3. 3. Семенов В.Ю., Калинина Н.М. Цифровая трансформация здравоохранения: экономические и организационные вызовы // Финансы и бизнес. – 2021. – Т. 17, № 3. – С. 78–95.
  4. 4. Стародубов В.И., Татарников М.А. Цифровизация здравоохранения и перспективы внедрения технологий искусственного интеллекта // Менеджер здравоохранения. – 2023. – № 7. – С. 12–20.
  5. 5. Щепин О.П., Медик В.А. Общественное здоровье и здравоохранение. – М.: ГЭОТАР-Медиа, 2022. – 688 с.
  6. 6. Coiera E. The fate of medicine in the time of AI // The Lancet. – 2018. – Vol. 392. – P. 2331–2332.
  7. 7. Gerke S., Minssen T., Cohen G. Ethical and legal challenges of artificial intelligence-driven healthcare // Artificial Intelligence in Healthcare. – 2020. – P. 295–336.
  8. 8. Greenhalgh T., Wherton J., Papoutsi C. et al. Beyond adoption: a new framework for theorizing and evaluating nonadoption, abandonment, and challenges to the scale-up, spread, and sustainability of health and care technologies // Journal of Medical Internet Research. – 2017. – Vol. 19, № 11.
  9. 9. Jiang F., Jiang Y., Zhi H. et al. Artificial intelligence in healthcare: past, present and future // Stroke and Vascular Neurology. – 2017. – Vol. 2, № 4. – P. 230–243.
  10. 10. Pesapane F., Codari M., Sardanelli F. Key challenges for implementing artificial intelligence in radiology // Insights into Imaging. – 2022. – Vol. 13, № 1. – P. 1–10.
  11. 11. Rousseau D.M. Evidence-based management: lessons from evidence-based medicine // Academy of Management Perspectives. – 2022. – Vol. 36, № 3.
  12. 1. Shaw J., Rudzicz F., Jamieson T., Goldfarb A. Beyond the algorithm: the human and organizational factors in AI implementation for healthcare // BMJ Health & Care Informatics. – 2021. – Vol. 28, № 1.
  13. 12. Topol E.J. High-performance medicine: the convergence of human and artificial intelligence // Nature Medicine. – 2019. – Vol. 25, № 1. – P. 44–56.
  14. 13. Tran D. et al. Artificial intelligence in assisted reproductive technology: a systematic review // Reproductive BioMedicine Online. – 2022. – Vol. 44, № 2. – P. 343–353.
  15. 14. Yu K.H., Beam A.L., Kohane I.S. Artificial intelligence in healthcare // Nature Biomedical Engineering. – 2018. – Vol. 2, № 10. – P. 719–731.
Show All References
Статистика публикации
  • Скачано:1
  • Просмотрено:23
  • References15
Скачать файлОткрыть PDF в браузере
Поделиться
Похожие публикации

BARIATRIK OPERATSIYALAR BILAN BIRGALIKDA BAJARILGAN XOLESISTEKTOMIYADAN KEYINGI KECHKI BILIAR ASORATLARNI PROGNOZLASH VA PROFILAKTIKASI

РЕВМАТИК ЭТИОЛОГИЯЛИ МИТРАЛ ҚОПҚОҚ НУҚСОНИ МАВЖУД БЕМОРЛАРДА СУРУНКАЛИ ЮРАК ЕТИШМОВЧИЛИГИНИ БЎЛМАЧАЛАР ФИБРИЛЛЯЦИЯСИ ФОНИДА КЕЧИШИ

КЛИНИКО-ГЕНЕТИЧЕСКИЕ АССОЦИАЦИИ ПОЛИМОРФИЗМА ГЕНА MTHFR C677T И ПОКАЗАТЕЛЕЙ ОДНОУГЛЕРОДНОГО МЕТАБОЛИЗМА У ПАЦИЕНТОВ С АУТОИММУННЫМ ТИРЕОИДИТОМ