Зуенкова Ю.А.кандидат медицинских наук, доцент департамента маркетинга и спортивного бизнеса, Финансовый университет при Правительстве Российской Федерации, Москва, Российская Федерация zuenkova@bk.ru https://orcid.org/0000-0002-3660-0476 SPIN-код: отсутствует
Предмет. Голосовые ассистенты – развивающийся инструмент цифрового здравоохранения, вызывающие большой интерес в силу простоты их использования. В литературе имеется недостаточно данных об их применении в онкологии, оценка себестоимости разработки не проводилась, а опыт применения отечественных платформ не был изучен. Цели. Разработать подход к расчету себестоимости создания навыка в системе голосового ассистента «Алиса» для пациентов с раком кожи. Методология. За основу взят опыт создания навыка для пациентов с раком молочной железы, использовалась методика расчета себестоимости программного продукта методом калькуляции по статьям. Для оценки фактических затрат на программирование проводился эксперимент с хронометражем. Модель содержала 50 сценариев, содержащих 50 000 строк кода. Для оценки производительности труда IT-специалистов-разработчиков использовался объем исходных текстов программы, а за число операторов принималось число строк. Результаты. Итоговая стоимость разработки навыка для «Алисы» составляет 2 097 190,76 руб., где фонд заработной платы основного персонала составляет 61% (1 392 695 руб.), накладные расходы – 33,2% (696 347 руб.), затраты на электроэнергию – 0,2% (3 748 руб.), амортизация – 0,2% (4 400 руб.). В общей доле затрат на труд основного персонала превалируют затраты на программирование – 61% (848 068 руб.). Выводы. Впервые предложен подход к расчету себестоимости создания навыка для «Алисы», смоделированы и спрогнозированы затраты на разработку голосового ассистента для пациентов с раком кожи. Разработка сценария навыка и формат диалогового дерева являются критическими и требуют создания рабочей группы специалистов, которые контактируют с пациентами на разных этапах. Разработку навыка «Алисы» с использованием языка Python можно отнести к среднему типу сложности, так как в процессе используются типовые решения и стандартные алгоритмы.
Philpot L.M., Dugani S.B., Singla A. et al. Digital Care Horizon: A Framework for Extending Health Care Through Digital Transformation. Mayo Clinic Proceedings: Digital Health, 2023, vol. 1, iss. 3, pp. 210–216. URL: Link
Dutsinma F.L.I., Pal D., Funilkul S., Chan J.H. A Systematic Review of Voice Assistant Usability: An ISO 9241-11 Approach. SN Computer Science, 2022, vol. 3, iss. 4. URL: Link
Singh B., Olds T., Brinsley J. et al. Systematic review and meta-analysis of the effectiveness of chatbots on lifestyle behaviours. npj Digital Medicine, 2023, vol. 6, iss. 1. URL: Link
Hong G., Folcarelli A., Less J. et al. Voice Assistants and Cancer Screening: A Comparison of Alexa, Siri, Google Assistant, and Cortana. The Annals of Family Medicine, 2021, vol. 19, iss. 5, pp. 447–449. URL: Link
Bibault J.-E., Chaix B., Nectoux P. et al. Healthcare ex Machina: Are conversational agents ready for prime time in oncology? Clinical and Translational Radiation Oncologyl, 2019, vol. 16, pp. 55–59. URL: Link
Milne-Ives M., de Cock C., Lim E. et al. The Effectiveness of Artificial Intelligence Conversational Agents in Health Care: Systematic Review. Journal of Medical Internet Research, 2020, vol. 22, iss. 106. URL: Link
Perez M., Abisaad J.A., Rojas K.D. et al. Skin cancer: Primary, secondary, and tertiary prevention. Journal of the American Academy of Dermatology, 2022, vol. 87, iss. 2, pp. 255–268. URL: Link
Ferlay J., Colombet M., Soerjomataram I. et al. Estimating the global cancer incidence and mortality in 2018: GLOBOCAN sources and methods. International Journal of Cancer, 2019, vol. 144, iss. 8, pp. 1941–1953. URL: Link
