Сетецентрическое государственное управление имеет очевидные преимущества. Однако для его эффективного использования требуется преодолеть ряд ограничений и наметить пути по его внедрения в государственное управление. На основе сравнительного анализа централизованных и децентрализованных систем управления статья описывает преимущества сетецентрического подхода такие, как генерация данных, хранение, распределение и осуществление обмена данными, сохранение устойчивости системы, поиск и использования данных, гарантия достоверности данных и доверие к источникам данных; раскрывает такие ключевые принципы сетецентрического управления, как децентрализация, открытость, интрактивность, гибкость, технологическая интеграция, коллаборация, безопасность; выявляет сложности при внедрении сетецентрического управления на практике, такие как киберугрозы, цифровое неравенство, технологическая зависимость, децентрализация власти, технологические риски, юридические риски; демонстрирует онтологические принципы осуществления сетецентрического государственного управления; содержит сравнительный анализ иерархических, сетевых и сетецентричных моделей управления; обосновывает анализ концептуальных особенностей сетецентрического государственного управления. Делается вывод о необходимости развития гибридных управленческих систем, интегрирующих иерархические и сетецентрические принципы взаимодействия. Реализация сетецентрического подхода открывает перспективы оптимизации государственного управления.

На фоне того, что цифровая экономика становится ключевым фактором глобального экономического роста, инновационные методы управления талантами, применяемые современными государствами, имеют решающее значение для повышения конкурентоспособности национального человеческого капитала. За последнее десятилетие Китай внедрил уникальные беспрецедентные инструменты цифрового/умного правительства, давшие высокие положительные результаты в области развития национальных человеческих ресурсов. В статье рассматривается, как технологические инновации и трансформация моделей цифрового управления повышают конкурентоспособность китайских специалистов и эффективность использования человеческого капитала. Теоретическую базу исследования составили результаты данных актуального Отчета о человеческом капитале Китая за 2024 год, а также материалы китайских экспертов и практиков в сфере цифровизации государственного управления КНР. На основе исследования эволюции интеллектуального управления талантами под руководством китайского Правительства, обобщения и выявления специфики текущих мер, таких как создание цифровых кадровых резервов, подбор персонала с использованием искусственного интеллекта и персонализированных систем обучения, и оценки их влияния, в статье описаны движущие силы, достижения и сохраняющиеся проблемы в сфере умного  правительства и использования цифровых технологий развития национального человеческого капитала. Авторы делают вывод о том, что интеграция передовых технологий, таких как искусственный интеллект и большие данные, в обновленную систему цифрового управления коренным образом меняет методы выявления, распределения, развития и удержания талантов. Наконец, в исследовании описаны тенденции и предложены практические рекомендации, направленные на то, чтобы внести структурированный "китайский опыт" в глобальный дискурс по управлению человеческими ресурсами в государственном секторе в цифровую эпоху.

Статья предлагает обратить внимание на новые задачи, которые ставит перед пациентом ориентированная на применение технологий генеративного искусственного интеллекта система здравоохранения. Технология способна расширить сложившуюся практику, как положительную, так и требующую изменений. Необходимо ориентироваться в проблемах и задачах, которые пришли из прошлых периодов развития систем здравоохранения и попыток применения методов машинного обучения в здравоохранении. Новым особенности, с которыми сталкиваются пациенты, коренятся в самих технологиях, отношении человека и машины, понимании компетентности и пониманию категории доверия. Работа представлена общенаучными методами, анализом вторичных данных в области применения технологий искусственного интеллекта в медицине. Несмотря на отсутствие необходимости владеть навыками программирования для применения технологий генеративного искусственного интеллекта, необходимо уделить внимание именно технической грамотности высокого уровня в рамках общей медицинской грамотности.

В статье рассматривается новый подход в здравоохранении, связанный с выделением цифровых детерминант здоровья, который в последнее время получил распространение для анализа системы охраны здоровья населения. Рассмотрение его основных концептуальных положений показало, что при всей важности для понимания существующих в данной области проблем, цифровые детерминанты здоровья нуждаются в дальнейшем изучении, необходимо определить их связь с другими факторами здоровья, прежде всего социально-экономическими.

На основании данных Росстата в статье дана общая характеристика состояния отдельных цифровых детерминант в России, в частности, проанализированы вопросы доступности Интернета, основных направлений его использования с точки зрения охраны здоровья, состояния цифровизации учреждений здравоохранения. Сделан вывод, что, хотя цифровизация является важным приоритетом развития современного здравоохранения в России, необходимы дальнейшие исследования ее влияния не просто на отдельные параметры организации системы охраны здоровья, а воздействие на конечный результат — улучшение состояния здоровья населения. Понимание цифровых детерминант здоровья может стать хорошей теоретической и практической основой для решения этой задачи.

Искусственный интеллект (ИИ) трансформирует жизненный цикл фармацевтических препаратов — от открытия до производства и надзора за безопасностью. В процессе открытия ИИ ускоряет идентификацию мишеней, молекулярный дизайн и перепрофилирование (например, барицитиниб; рентосертиб), в то время как опыт DSP-1181 подчеркивает риск структурного консерватизма. В клинических разработках ИИ поддерживает стратификацию пациентов, разработку цифровых двойников и автоматизированный анализ, повышая статистическую мощность и скорость работы. В производстве предиктивная аналитика, компьютерное зрение и документирование с помощью графов знаний повышают качество и производительность. Фармаконадзор выигрывает от обработки естественного языка (NLP), позволяющей обнаруживать сигналы и автоматизировать рабочий процесс. Появляющиеся возможности использования в разработке антител и персонализированной терапии расширяют сферу применения, но реальные преимущества зависят от качества данных, скрупулезной проверки, прозрачности и соответствия нормативным требованиям (включая реальные доказательства).