Воскресенье, 16 Июль 2017 13:05

Возможности применения информационных технологий в рутинной медицинской практике

Автор 
Оцените материал
(0 голосов)

УДК: 617-089: 615.036.8

 

Катаев В.А., Зарипова Г.Р., Богданова Ю.А.

  Кафедра послевузовского и дополнительного профессионального фармацевтического образования ИДПО. ФГБОУ ВО «Башкирский государственный медицинский университет» Минздрава России, 450000 г. Уфа, ул. Ленина 3.

 


Возможности применения информационных технологий в рутинной медицинской практике


Резюме: Обзор литературы посвящен возможностям применения современных медицинских информационныхсистемвежедневнойпрактикеврача-хирурга. Авторами представлен обзор существующих систем поддержки принятия врачебных решений (СППВР), структуры и механизмов, лежащих в основе их конструирования возможностейиспользованияинформационных технологий в рутинной медицинской практике. Приводится описание различных моделей СППВР, предназначенных для применения в клинической практике врача-хирурга. Рассматриваются принципы построения СППВР при наиболее распространенных видах хирургическихвмешательств.

Ключевые слова: хирургические вмешательства, инфекционные осложнения, информационныесистемы, системы поддержки принятия врачебных решений, алгоритмы диагностики и лечения, модельзаболевания.

 

Контактное лицо:

Богданова Юлия Альбертовна

К.м.н., ассистент кафедры послевузовского и дополнительного профессионального фармацевтического образования ИДПО ФГБОУ ВО «Башкирский государственный медицинский университет» Минздрава России, 450000 г. Уфа, ул. Ленина 3. Тел.: 89174913341, е-mail Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

 

 

Kataev V.A., Zaripova G.R., Bogdanova J.A.

Bashkir State Medical University. 3 Lenin street, 450000, Ufa, Russia

 

The possibility of application of information technology in routine medical practice

 Abstract. Literature review is devoted to thepossibilities ofmodernintellectualsystemsofsupportofmakingmedical decisions in the practice of a surgeon. The authors present a review of existing decision support systems for medical decisions , structure and mechanisms underlying their design, the possibilities  of  using  information  technology in routine medical practice. Examples of different models decisionsupportsystemsintendedforuseinclinicalpractice of a surgeon are presented. The principles of decision support systems at the different types of common surgery procedures arediscussed.

Keywords: surgical intervention, infectious complications, information system, decision support system for medical decisions, algorithms of diagnostics and treatment, disease model.

Contact person:

Bogdanova Julia

 PhD, assistant of the Department of postgraduate and additional professional pharmaceutical education, Bashkir State Medical University.3 Lenin street, 450000 Ufa, Russia, tel.89174913341,e-mail- Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.



Лечебно – диагностический процесс всегда является образцом целенаправленной деятельности в условиях неопределенности и относительной непредсказуемости. Для достижения успеха в результате лечебных воздействий каждый его шаг должен быть выверенным и осмысленным. Как известно, оценка объективного статуса пациента целиком основана на признаках заболевания, как клинических, так и инструментально-лабораторных [5,12]. Основными задачами клинициста в данной ситуации являются распознание диагноза на основе первичной информации о пациенте, наличии характерных признаков заболевания по результатам комплексного обследования и шаблонных представлениях врача о данном заболевании. При этом сам по себе диагноз – есть ни что иное, как детальная формализация действий, имеющая вероятностную природу [6]. Реальная же клиническая ситуация отражает пошаговое ведение больного и естественное течение патологического процесса. Соответственно, формализация рассуждений врача, распознавание и использование его  суждений  лежат  в основе составления алгоритмов, призванных способствовать индивидуальному подходу в решении конкретных клинических задач.

В данной ситуации актуальное значение принимают на себя так называемые интеллектуальные системы поддержки принятия врачебных решений, призванные обеспечить повышение качества медицинского обслуживания в лечебно-профилактических учреждениях [11].

Принятие верных решений в медицине обычно затруднено в связи с множественностью факторов и признаков большинства заболеваний и их взаимодействий. Использование в ежедневной практике большого количества актуальной информации врачом-клиницистом зачастую затруднена ввиду тех или иных объективных и субъективных причин. [3].

Обобщенная модель интеллектуальной системы состоит из последовательных шагов диагностики и лечения, начиная от анализа исходных данных о пациенте до момента фиксации требуемых результатов [11].

В настоящее время рынок медицинских    информационных    систем активно развивается и одним из перспективных направлений, в частности, являются компьютеризированные модели систем поддержки принятия врачебных решений. Основной целью данной разработки является снижение числа врачебных ошибок и повышения качества медицинской помощи.

Существующие системы поддержки принятия врачебных решений (СППВР) включают в себя специализированные медицинские базы данных, библиографические информационно-поисковые системы, системы обработки медицинских данных и т.д. [1]. Функционально наиболее востребованными из этого множества предлагаемых программ являются СППВР, ориентированные       на      конкретный «электронный» образ пациента, основанный на совокупности клинико-лабораторных данных. Данный вид систем является принципиально отличным от других медицинских информационных систем, носящих, например, обучающий или справочный характер. Врач посредством данного инструмента получает поддержку при принятии решений по конкретному пациенту и по каждому мероприятию, связанному с ведением данного пациента. Так, например, разработка информационная система «Кардинет-онлайн» научно-производственного предприятия «Волготех» (г. Саратов) позволяет помимо пополнения информационной базы пациента путем заполнения форм-шаблонов производить печать записей и интегрировать их в электронную базу учреждения. При этом данная система оснащена соответствующей базой данных, основанной на документах и приказах министерства здравоохранения, регламентах и национальных рекомендациях, а план диагностики сопровождается планом лечения того или иного заболевания.

Существующие модели СППВР включают в себя также более усложненные направления, в большей степени ориентированные на алгоритмизацию действия врача на основе шаблонных моделей заболеваний. Так, например, в предложенной А.А. Спирячиным методике осуществления электронного врачебного выбора, постановка конкретного диагноза сводится к следующим   задачам:  классификация лабораторных данных, жалоб пациента, объективного статуса с неким уже известным классом заболевания. Данный способ алгоритмизации действий врача реализуется в методе многомерной классификации, предложенной данным автором. В указанной разновидности систем поддержки принятия решений диагноз не обязательно будет идентифицировать одно заболевание. Заболеваний в диагнозе может быть несколько в зависимости от набора классов, заложенных в данной системе [11].

Анализ существующих СППВР за последние 5 лет позволяет выделить основные методы и средства, используемые в данных системах - интеллектуальный анализ данных, поиск знаний по базам данных, рассуждение на основе прецедентов, ситуационный анализ, нейронные сети [2,7,8,10,13].

Принципиально новым подходом в решении клинико-диагностических задач отличаются так называемые гибридные системы, основанные на сочетании методов вывода по прецедентам и правилам. Описываемая система – интерактивная и позволяет осуществлять лечебно-диагностический процесс в условиях дефицита времени и ресурсов, когда объект не описан полностью. Новизна данных систем заключается в возможности интеграции знаний о предметной области, полученных методами классификации и кластеризации, в механизм выработки решения по правилам, объединяя эти два подхода [13].

Отдельного рассмотрения требуют системы поддержки принятия врачебных решений в такое обширной области медицины, как неотложная  и  плановая  хирургия. Преимущества данных видов вспомогательных технологий заключаются в возможностях их использования в условиях дефицита времени, высокой динамики течения заболевания с учетом такого параметра как высокая вероятность врачебной ошибки [8]. Существующие компьютерные системы позволяют проверить собственные диагностические   предположения и использовать возможности искусственного интеллекта в сложных клинических ситуациях.Традиционно в диагностике хирургических заболеваний использовались возможности компьютерных технологий, такие как рентгенография, компьютерная и магнитно-резонансная томография. Первыми работами, посвященными данной тематике, послужили исследования Van Ginneken (2001), S.Y. Ji (2009), W. Chen (2010), P. Davaluri (2011), которые впервые разработали и применили систему принятий решений в области повреждений органов таза, черепно-мозговых травм, повреждений грудной клетки, а также у пациентов с сочетанной травмой. Одним из важнейших направлений в области применения СППВР в хирургии являются такие аспекты, как интенсивная терапия и неотложная медицинская помощь. Особенно зарекомендовали себя существующие в хирургии системы поддержки принятия врачебных решений, предназначенные для выполнения задач по дифференциальному подходу к диагностике и лечению, позволяющие производить оценку клинических проявлений различного рода интраабдоминальных катастроф. Ряд отечественных разработок были посвящены изучению возможностей искусственных нейронных сетей в прогнозировании исходов острого панкреатита (Миронов П.И., 2011), диагностики  и  исходов  острого холецистита (Кореневский Н.А., 2009) [4,9]. В одном из этих исследований была доказана эффективность СППВР, сопоставимая с оценочными шкалами Glasgow, APACHE II. Нейронные сети позволяют принимать решения на основании выявляемых ими скрытых закономерностей и многомерных данных и успешно применяются в решении прикладных задач.  Сравнительная  оценка эффективности современных СППВР, построенных на основе искусственных нейронных сетей, приводится в систематическом обзоре О.Ю. Ребровой (2016). Ключевым фактором, применяемым в предмете данного обзора, послужила прогностическая ценность анализируемых СППВР в объективизации степени тяжести, прогнозировании риска инфекционных осложнений острого панкреатита с целью выбора алгоритмов лечения и ранней профилактики осложнений [14,15]. В разрезе проанализированных исследований оценивались такие параметры, как прогнозирование длительности пребывания в стационаре, диагностическая ценность панкреатических ферментов, оценка риска развития полиорганной недостаточности [10]. В основу ретроспективных исследований были положены  в  среднем  от  14  до 33 признаков, включавшие в себя как анамнестические  параметры,  так и рутинные показатели лабораторной и инструментальной диагностики.

 

В настоящее время в хирургии сохраняется немалый процент врачебных ошибок, обусловленный субъективными причинами, ролью человеческого фактора в экстремальных условиях работы врача- хирурга, недостатком временных ресурсов, необходимых для адекватной оценки состояния и быстроты принятия правильного алгоритма действий.

Приведенный анализ существующих информационных систем, призванных обеспечить объективизацию и повышение эффективности диагностики и лечения пациентов хирургического профиля, демонстрирует разнообразие методик и исследуемых параметров, применяющихся в разрабатываемых СППВР. Вместе с тем, существует объективная необходимость дальнейшего развития данного направления с учетом недостатков предыдущих исследований, разработки максимально приближенного к рабочему месту хирурга вспомогательного информационного алгоритма.


Список литературы

1.   Атьков, О.Ю. Система поддержки принятия врачебных решений / Атьков О.Ю., Кудряшов Ю.Ю., Прохоров А.А., Касимов О.В.// Системы поддержкипринятияврачебныхрешений.-2013.-№6.-С.67-75.

2.   Карпов Л.Е. Программная система поддержки врачебных решений с гибридной архитектурой на основе правил и прецендентов / Карпов Л.Е., ЮдинВ.Н.,ВатазинА.В.//СборникматериаловVТроицкойконференции «Медицинская физика и инновации в медицине». - 2012. - Т.2. - С.425-427.

3.  Кобринский Б.А. Медицинская информатика / Кобринский Б.А., Зарубина Т.В. // учебник - М.: Академия, 2009.- 192с.

4.   Кореневский Н.А. Прогнозирование, ранняя диагностика и оценка степени тяжести острого холецистита на основе нечеткой логики принятия решений/КореневскийН.А.//ВестникВоронежскогогосударственноготехническогоуниверситета.–2009-Т.5.-С.150-155.

5.  Кудрина В.Г. Современный уровень инновационного развития после- дипломного медицинского образования и его перспективы/ Кудрина В.Г. Андреева Т.В. Сапралиева Д.О. // Общественное здоровье и здравоохранение.- 2014.-№3.-С.50-54.

6.  Линденбратен А.А. Формализация клинического мышления как один из путей повышения качества медицинской помощи / Линденбратен А.А., КотонскийИ.Н.//Вестникросздравнадзора.-2016.-№2.-С.42-45.

7.  Литвин А.А. Системы поддержки принятия решений в диагностике и лечении острого панкреатита/ Литвин А.А., Реброва О.Ю. // Проблемы здоровья и экологии.- 2016 .- выпуск №2 (48).-С.10-17.

8.  Литвин А.А. Системы поддержки принятия решений в хирургии / ЛитвинА.А.,ЛитвинВ.А.//Новостихирургии.-2014.-том22(1).-С.96-100.

9.  Миронов П.И. Прогнозирование течения и исходов тяжелого острого пакреатита/МироновП.И.//Фундаментальныеисследования.-2011.-№10.- С.319-323.

10.   Найданов Ч.А. Система поддержки принятия решений для предупреждениярисковвозникновениякритическихсостояний/НайдановЧ.А.// Альманах современной науки и образования  - 2015.-  №8 (98) - С.92-95.

11.  Спичярин А.А. Проблематика использования облачных технологий в системахпринятиярешений/СпичяринА.А.,ЕлизаровД.Э.,БурковскийВ.Л.// Прикладная математика, механика и процессы управления. - Пермь: изд-во ПНИПУ, 2014.- 150 с.

12.ТавровскийВ.М.Автоматизациялечебно-диагностическогопроцесса/ ТавровскийВ.М.Тюмень:издательствоООО"ВекторБук",2009.-464с.

13.  ЮдинВ.Н.Гибридныйподходкпостроениюсистемподдержкирешений/ЮдинВ.Н.,КарповЛ.Е.// Труды институтасистемногопрограммирования РАН.- 2013.- т.24.-С.447-456.

14.   Bollen T.L. A comparative evaluation of radiologic and clinical scoring systems in the early prediction of severity in acute pancreatitis / Bollen T.L.         etal.//AmericanJournalofGastroenterology.-2012.-Vol.107,№4.-P.612-619.

15.   Otsuki M. Criteria for the diagnoses and severity stratification of acute pancreatitis/OtsukiM.etal.//WorldJournalofGastroenterology.-2013.-Vol.19,

№35.-P.5798-5805.

Прочитано 140 раз