Перспективи та виклики інженерії програмного забезпечення для інтелектуального опрацювання біомедичних показників

Abstract

У статті проведено системний аналіз сучасних архітектурних підходів та методів інженерії програмного забезпечення (ІПЗ) для інтелектуального опрацювання біомедичних показників. Досліджено трансформацію медичних інформаційних систем у розподілені комплекси на базі Інтернету медичних речей (IoMT) та Big Data. Систематизовано ключові виклики галузі, зокрема гетерогенність даних, кібербезпеку та проблему «чорної скриньки» алгоритмів штучного інтелекту. Обґрунтовано обмеженість лінійних методів аналізу та доведено ефективність застосування нелінійної динаміки (ентропійний та фрактальний аналіз) для виявлення латентних патологій у нестаціонарних біосигналах. Проведено порівняльний аналіз алгоритмів машинного та глибокого навчання, де гібридні архітектури CNN-LSTM визначено як найбільш перспективні для мультимодальної діагностики. Особливу увагу приділено принципам Privacy by Design, федеративному навчанню та інтеграції методів Explainable AI (XAI) для забезпечення клінічної верифікованості рішень відповідно до стандартів ISO/IEC 27001 та IEC 62304.