Сппр в медицине реферат

Обновлено: 05.07.2024

Современный этап развития информатизации здравоохранения характеризуется полномасштабным внедрением в деятельность медицинских организаций медицинских информационных систем, охватывающих практически все стороны их деятельности, включая управление ресурсами, управление лечебным процессом и оказание медицинской помощи. Также важной особенностью современного этапа является неуклонное развитие Интернета в Российской Федерации, который оказывает все большее влияние на все сферы деятельности государства, жизни общества и каждого отдельного гражданина, и находится под постоянным наблюдением руководства страны, а здравоохранение является важнейшим направлением, где Интернет имеет серьезное значение. Эти два фактора позволяют определить важнейшие направления развития информационных технологий с применением возможностей Интернета в здравоохранении, одним из которых является внедрение систем искусственного интеллекта. В статье определяются основные направления внедрения систем искусственного интеллекта в здравоохранении, приводится анализ особенностей внедрения интеллектуальных систем в здравоохранении, декларируется, что основу интеллектуальных систем поддержки принятия врачебных решений составляет система управления базой знаний.

1. Бураковский В.И., Бокерия Л.А., Газизова Д.Ш., Лищук В.А. и др. Компьютерная технология интенсивного лечения: контроль, анализ, диагностика, лечение, обучение. – М.: НЦ ССХ РАМН, 1995.

2. Вольфенгаген В.Э., Яцук В.Я. Аппликативные вычислительные системы и концептуальный метод проектирования систем знаний. – МО, 1987.

4. Искусственный интеллект. В 3 кн. Кн. 2. Модели и методы: Справочник. / Под ред. Д.А. Поспелова. – М.: Радио и связь, 1990.

5. Клещев А.С., Самсонов В.В., Черняховская М.Ю. Медицинская экспертная система КОНСУЛЬТАНТ-2. Представление знаний. – Владивосток: ИАПУ ДВО АН СССР, 1987.

6. Клименко Г.С., Лебедев Г.С. Развитие российского Интернета в здравоохранении // Информационно-измерительные и управляющие системы. – 2015. – Т. 13, № 10. – С. 14–19.

7. Кобринский Б.А. Автоматизированные диагностические и информационно-аналитические системы в педиатрии // Русский медицинский журнал. – 1999. – Т. 7, № 4. – С. 35–42.

8. Кобринский Б.А. Особенности медицинских интеллектуальных систем // Информационно-измерительные и управляющие системы. – 2013. – Т. 11, № 5. – С. 58–64.

9. Кобринский Б.А. Системы поддержки принятия решений в здравоохранении и обучении // Врач и информационные технологии. – 2010. – № 2. – С. 39–45.

10. Лебедев Г.С., Коробов Н.В., Ефремова Т.А., Лошаков Л.А., Котов Н.М. Построение информационного ресурса прогнозирования совместимости лекарственных препаратов и оптимизации выбора препарата замены // Современные наукоемкие технологии. – 2015. – № 12-4. – С. 615–619.

12. Лебедев Г.С., Лидов П.И., Котов Н.М. Построение информационной системы динамического наблюдения за состоянием здоровья спортсменов // Фундаментальные исследования. – 2015. – № 11-4. – С. 697–702.

14. Лескин А.А., Мальцев В.Н. Системы поддержки управленческих и проектных решений. – Л.: Машиностроение, 1990.

15. Назаренко Г.И., Осипов Г.С., Назаренко А.Г., Молодченков А.И. Интеллектуальные системы в клинической медицине. Синтез плана лечения на основе прецедентов / Информационные технологии и вычислительные системы 1/2010.

16. Назаренко Г.И., Осипов Г.С. Основы теории медицинских технологических процессов. – М.: Наука, Физматлит, 2005.

17. Назаренко Г.И., Осипов Г.С. Основы теории медицинских технологических процессов. Ч. 2. Иследование медицинских технологических процессов на основе интеллектуального анализа даных. – М.: Наука, Физматлит, 2006.

20. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. – М.: Наука, 1987.

21. Поспелов Г.С. Искусственный интеллект – основа новой информационной технологии. – М.: Наука, 1988.

22. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект – прикладные системы. // Новое в жизни, науке и технике, сер. Математика, кибернетика, N 9. – М.: Знание, 1987.

25. Финн В.К., Блинова В.Г., Панкратова Е.С., Фабрикантова Е.Ф. Интеллектуальные системы для анализа медицинских данных. Часть 1 // Врач и информационные технологии. – 2006, № 5. – С. 62–70. Часть 2. Врач и информационные технологии. – 2006. – № 6. – С. 50–60, Часть 3 // Врач и информационные технологии. – 2007. – № 1. – С. 51–57.

28. Экспертные системы: принципы работы и примеры. / Брукинг А., Джонс П., Кокс Ф. и др.; под ред. Форсайта Р. – М.: Радио и связь, 1987.

31. Barnett G.O., Cimino J.J., Hupp J.A., Hoffer E.P. DXplain – an evolving diagnostic decision-support system. JAMA. 1987; 258: 67-74.

34. Shortliffe E.H. Computer-Based Medical Consultations: MYCIN. Elsevier/North Holland, New York NY, 1976.

Современный этап развития информатизации здравоохранения характеризуется полномасштабным внедрением в деятельность медицинских организаций медицинских информационных систем, охватывающих практически все стороны их деятельности, включая управление ресурсами, управление лечебным процессом и оказание медицинской помощи. Также важной особенностью современного этапа является неуклонное развитие Интернета в Российской Федерации, который оказывает все большее влияние на все сферы деятельности государства, жизни общества и каждого отдельного гражданина, и находится под постоянным наблюдением руководства страны, а здравоохранение является важнейшим направлением, где Интернет имеет серьезное значение. Эти два фактора позволяют определить важнейшие направления развития информационных технологий с применением возможностей Интернета в здравоохранении [6], одним из которых является внедрение систем искусственного интеллекта.

Отличительные особенности интеллектуальных систем

база знаний (БЗ);
подсистема вывода и объяснения решений;
подсистема накопления и модификации знаний (система управления БЗ – СУБЗ).

Назначение основных элементов ИСППР следующее.

СУБД – предназначена для ведения БД ИСППР. Она обеспечивает создание и изменение логической структуры БД, введение, корректировку и удаление конкретных значений хранимых элементов, а также поиск и выдачу необходимой информации по запросу ЛПР.

СУБМ – предназначена для ведения БМ ИСППР. Она обеспечивает ведение каталога прикладных моделей и осуществляет доступ к моделям при необходимости их использования.

СУБЗ – предназначена для ведения БЗ ИСППР. Она обеспечивает накопление (описание) новых знаний, просмотр, корректировку и удаление знаний, их синтаксический и первичный семантический контроль, а также доступ к необходимым знаниям при выработке решения.

Подсистема вывода и объяснения решения – предназначена для выработки решения по запросу ЛПР путем манипулирования со знаниями, хранящимися в БЗ, а после завершения вывода – объясняет полученное решение.

Поэтому под ИСППР можно понимать такую СППР, которая включает интеллектуальный интерфейс пользователя с системой, обеспечивающий общение на профессиональном языке предметной области.

Особенности ИСППР, связанные с необходимостью использования различных источников информации, моделей и методов при решении слабоструктурированных проблем, требуют от разработчиков СППР основное внимание сосредотачивать на проблемах представления и обработки знаний в системе. Эти исследования традиционно относят к области ИИ и, в частности, к экспертным системам (ЭС).

Направления применения интеллектуальных систем в здравоохранении

СИИ могут применяться в следующих основных направлениях в здравоохранении [1, 5, 7–9, 14–17, 25, 31–34]:

СИИ в навигации пациента в системе здравоохранения;
СИИ в поддержке принятия решений в области управления здравоохранением;
СИИ в области поддержки принятия врачебных решений.

Наиболее оправдано внедрении СИИ, в первую очередь, для поддержки действий врачей в чрезвычайных ситуациях, т.е. ситуациях, требующих принятия незамедлительного решения по оказанию пациенту неотложной помощи. Характерными чертами таких ситуаций являются:

жесткий лимит времени, предоставляемый медицинскому работнику на принятие решения в сфере его компетенции;
катастрофические последствия здоровью пациента из-за неверных или несвоевременных решений, вырабатываемых лицом, принимающим решение (ЛПР);
стрессовым состоянием различной степени медицинских работников.

Отнесем также к чрезвычайным ситуациям посещение врача, уровень знаний которого оставляет желать лучшего. Также чрезвычайной можно считать ситуацию при наличии у пациента большого количества сопутствующих хронических заболеваний.

Нужно отметить, что применение ИССПВР оправдано при принятии решений о применении дорогостоящих методов оказания медицинской помощи (например, вспомогательные репродуктивные технологии) и принятие решения о медицинском вмешательстве, имеющем критическое влияние на здоровье пациента.

Перечисленные факторы неизбежно в значительной степени затрудняют процесс выработки рационального варианта действий медицинских работников. В этих условиях обращение к СОЗ, включенной в состав медицинской информационной системы (МИС), позволяет своевременно получить рекомендации по целесообразному варианту плана оказания медицинской помощи в сложившейся чрезвычайной ситуации, заблаговременно апробированного в ходе деловых игр, и хранимые в базе знаний (БЗ) СОЗ.

Процесс принятия врачебных решений в условиях чрезвычайной ситуации можно условно разбить на следующие этапы:

распознавание ситуации и отнесение ее к одному из классов ситуаций;
получение альтернативных решений;
прогнозирование возможных исходов принятых врачебных решений;
установление отношений предпочтения на множестве альтернативных решений на основе проведенного анализа;
выдача рекомендаций врачу.

Такая ИСППВР для принятия врачебных или управленческих решений в чрезвычайных ситуациях должна представлять собой информационную систему, обеспечивающую заблаговременную формализацию задач оценки состояния пациента и выработки рекомендаций по лечению, а также выработку в масштабе времени, близком к реальному решению указанных задач.

Такая ИСППВР предназначена для:

заблаговременного формирования баз знаний путем накопления и автоматической обработки экспертной информации (знаний) о зависимости результатов решения в интересах решения задач оценки состояния организма;
автоматической корректировки базы знаний, обусловленной уточнением экспертной информации в процессе эксплуатации ИСППВР;
автоматического выявления противоречий и некорректности экспертной информации и выдачи их эксперту в виде, удобном для анализа, проводимого с целью их устранения;
автоматической настройки на работу с предметной областью, соответствующей решаемой в текущий момент времени задаче;
выработки обоснованных решений расчетных задач на основе как полной, так и неполной исходной информации о текущей ситуации;
формирования объяснения результатов логического вывода решений задач.

Кроме того, такая ИСППВР должна обеспечивать:

рациональное сочетание деятельности медицинских специалистов и работы средств автоматизации;
автоматизацию процессов, предусматривающих обработку информации в сжатые сроки;
адаптацию к имеющемуся в наличии ресурсу времени;
обработку информации, поступающей от различных источников.

На ИСППВР в чрезвычайных условиях должны быть возложены следующие функции:

слежение за состоянием организма;
анализ и обобщение данных о пациенте;
выявление признаков возникновения чрезвычайных ситуаций;
определение признаков ухудшения ситуации;
выработка вариантов решений по воздействию на организм;
обеспечение взаимодействия медицинских работников (консилиумов) в процессе подготовки принимаемого решения;
контроль выполнения назначений.

Кроме того, отметим следующие области деятельности медицинских работников, где применение ИСППВР является насущной необходимостью:

анализ состояния и определение тенденций развития состояния пациента.
обоснование предложений по рациональному составу и организации лечебного процесса.
обоснование предложений по рациональному управлению медицинской помощью в различных условиях.
обоснование характеристик перспективных методов лечения и диагностики.
отработка применения перспективных МИС и отдельных средств управления здравоохранением.

Таким образом, внедрение систем, основанных на знаниях, в процесс принятия врачебных решений в чрезвычайных ситуациях ухудшения здоровья, получивших название ИСППВР, является необходимой, важной и, несомненно, актуальной задачей.

Особенности внедрения интеллектуальных систем в медицине

Разработке и успешному внедрению ИСППВР в лечебном процессе препятствуют некоторые факторы, которые при определенных условиях могут иметь доминирующее значение.

Первая группа факторов носит субъективный характер. Она связана с негативным отношением многих разработчиков МИС к проблеме его интеллектуализации. К таким факторам можно отнести следующие:

Следующая группа факторов связана с современным состоянием развития теории ИИ и практики создания Единой государственной информационной системы в сфере здравоохранения в РФ. К этим факторам относятся:

низкий уровень автоматизации органов управления различной иерархии, выдвигающий на первый план задачи разработки в первую очередь систем, обеспечивающих их внутреннее функционирование;
наличие большого количества литературы по ИИ и укоренившееся мнение, что все вопросы ИИ уже решены;
оторванность теоретиков в области ИИ от проблем практики здравоохранения.

Кроме того, к факторам, определяющим сложности внедрения ИСППВР в лечебный процесс, следует также отнести следующие факторы:

необоснованные попытки внедрения ИСППВР в тех областях, для которых применение интеллектуальных систем преждевременно или вообще не оправдано;
отождествление поисковых и информационно-справочных систем с системами искусственного интеллекта и т.д.

Следующая группа факторов определяется сложностью процесса построения ИСППВР, обусловленной необходимостью:

Эти и другие факторы существенно затормозили процесс внедрения ИСППВР в лечебный процесс и в современных условиях научной проработкой указанных проблем и разработкой прототипов таких систем заняты, в основном, одиночные исполнители.

Особенности систем формализации медицинских знаний (СУБЗ)

Основу ИСППВР, как было уже показано, составляет база экспертных медицинских знаний. Адекватность, непротиворечивость и ее полнота обеспечит своевременное и доказательное принятие врачебных решений. В этой связи представляется важным определить основные требования к СУБЗ, которая должна обеспечить:

Кроме того, СУБЗ должна обладать следующими полезными свойствами:

адекватностью методов представления внешних (ориентированных на пользователя) знаний информационным элементам, используемым в медицине;
единой внутренней моделью знаний для различных внешних представлений;
агрегированным интеллектуальным интерфейсом, обеспечивающим возможность представления различных информационных структур знаний и быстрых переходов между этими представлениями.

Исходя из отмеченной специфики задач принятия врачебных решений, можно сформулировать следующие требования к СУБЗ:

– описание новых элементов знаний в БЗ;

– изменение хранящихся в БЗ элементов знаний;

– удаление хранящихся в БЗ элементов знаний;

– просмотр содержимого БЗ;

– синтаксический контроль вводимой информации;

– семантический контроль состояния БЗ;

– оптимизацию размещения БЗ в памяти ЭВМ;

– документирование содержимого БЗ;

Таким образом, основным направлением применения ИСППВР является принятие врачебного решения в чрезвычайных ситуациях развития состояния пациента, когда ответственность за принятое решение является критической.

Основу ИСППВР составляет СУБЗ, для эффективного сознания которой необходимо решить следующие задачи:

разработать модель представления медицинских знаний, наиболее соответствующую выводу врачебных решений;
разработать дружественный интерфейс для медицинского эксперта, позволяющий ему успешно формализовать свои знания;
разработать математический аппарат, позволяющий накапливать знания во взаимодействии с интегрированной электронной медицинской картой и другими источниками медицинских данных.

В рамках решения научных задач по созданию прототипов интеллектуальных систем поддержки принятия врачебных решений можно отметить работы построения интеллектуальной системы выбора методов фармакотерапии, прогнозирования совместимости лекарственных препаратов и оптимизации выбора препарата замены [10, 11], интеллектуальной системы динамического наблюдения за состоянием здоровья спортсменов [12], интеллектуальной системы прогнозирования вероятности наступления беременности при применении вспомогательных репродуктивных технологий [13]. Авторы прогнозируют также серьезный всплеск исследований в области применения СИИ в здравоохранении, особенно в свете последних решений в области развития Интернет-технологий в Российской Федерации [3, 23].

ОСНОВНЫЕ ПРИНЦИПЫ ФУНКЦИОНИРОВАНИЯ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В ПРЕВЕНТИВНОЙ МЕДИЦИНЕ

Текст работы размещён без изображений и формул.
Полная версия работы доступна во вкладке "Файлы работы" в формате PDF

Первичная потребность или проблема, которую СППР рассматривает это, например, повысить общую эффективность, выявить заболевания на ранних стадиях, помощь в точной диагностики или лечения на основе протокола, а также предотвращение опасных побочных явлений, влияющих на пациента.
Кому и каким образом информация из СППР будет доставлена.
Степень контроля пользователя в доступе в ответ на информацию.

Целевая область исследования

Пример

Иммунизация, скрининг, рекомендации по управлению заболеванием, вторичная профилактика

Предложения по возможным диагнозам, которые соответствуют признакам и симптомам пациента

Планирование и осуществление лечения

Рекомендации по лечению конкретных диагнозов, рекомендации по дозировке лекарственных средств, оповещение о взаимодействии между препаратами

Последствие рекомендаций, напоминание о неблагоприятных случаях контроля препаратов

Планируемый уход, который значительно уменьшит пребывание пациента в клинике,

Снижение затрат и повышение комфорта пациента

Повторные оповещения тестирования, формулярные принципы препаратов

Рассмотрим конкретные СППР, используемые в медицине. Одним из таких инструментов поддержки принятия решений является Archimedes IndiGO. Эта система предназначена для врачей, медицинских работников и пациентов. На основе информации, считываемой с электронной карты пациента, система IndiGO прогнозирует риск таких заболеваний, как сердечный приступ, диабетический криз и т.д. Затем Archimedes IndiGO предлагает медицинские препараты для снижения этих рисков [5]. Также существует и другой пример СППР в медицине – это система Autonomy Healthcare, разработанная в Кембриджском университете в Великобритании. Она анализирует историю болезни пациента, его симптомы и опыт врача, а затем проводит анализ всех имеющихся данных и предлагает врачу список возможных диагнозов пациента. Почти аналогом этой СППР в медицине является американская система DXplain [6], которая была разработана в Бостоне в 1986 году, и которая пользуется спросом до сих пор. В ней пользователь вводит текстовую информацию, а СППР тем временем выявляет подходящую информацию в базе данных (синонимы, неверное написание, а также на основе симптомов, наблюдений врача и результатов обследований делает вывод о возможном диагнозе пациента).

Таким образом, СППР имеет большой потенциал для улучшения качества в превентивной медицине, когда она хорошо разработана и реализована. Она помогает повысить эффективность и снизить затраты здравоохранения. Однако, СППР не должна рассматриваться как технология, заменяющая опытного врача, а как комплексное посредничество, требующее тщательного рассмотрения своих задач, как они будут получены и для кого. Для того чтобы получить получить пользу от СППР, врачам-пользователям необходимо понять все преимущества и ограничения данной СППР.

Списокиспользованныхисточников

Eta S. Berner, Ed.D. Clinical Decision Support Systems: State of the Art AHRQ Publication No. 09-0069-EF. Rockville, Maryland: Agency for Healthcare Research and Quality. June 2009.

Gibril J. Njie, Krista K. Proia, Anilkrishna B. Thota Clinical Decision Support Systems and Prevention // Am J Prev Med. 2015 Nov; 49(5): 784–795.

Артеменко М.В., Бабков А.С. Информационная поддержка принятия решений в скрининг диагностики рака желудка на основе анализа крови // Научный вестник, 2016, N 1(7). – С.115-131.

М. С. Фролова, С. В. Фролов, И. А. Толстухин Системы поддержки принятия решений для задач оснащения лечебных учреждений медицинской техникой // Университет им. В.И. Вернадского. Специальный выпуск (52), 2014. – С.106-111.

Представленная обзорная статья посвящена возможностям современных интеллектуальных систем поддержки принятия врачебных решений в практике врача-хирурга. Приводится описание состояния проблемы с анализом существующих систем, анализ структуры и механизмов, лежащих в основе конструирования систем поддержки принятия решений (СППР). Приводятся примеры различных вариантов построения СППР, предназначенных для применения в практике врача-хирурга с описанием их ключевых отличий, достоинств и недостатков.

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

Zaripova G.R. 1 ,Bogdanova J.A. 2 , Kataev V.A. 3

1 MD, 2 MD, 3 PhD in Pharmaceutics, professor, Bashkir State medical University, Ufa

ACTUAL MODELS OF SUPPORT SYSTEMS FOR MEDICAL DECISION-MAKING IN SURGICAL PRACTICE.

Abstract

The presented review article is devoted to possibilities of modern intellectual systems of support of making medical decisions in the practice of a surgeon. The description of the problem with the analysis of existing systems, analysis of the structure and mechanisms underlying the design of decision support systems for decisions . Examples of various variants of construction of support systems for decisions intended for use in the practice of a surgeon with a description of their key differences, advantages and disadvantages.

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

Одним из основных факторов, влияющих на качество оказываемой медицинской помощи, является квалификация врачей, а именно умение определять адекватную тактику диагностики и исследования, а также лечения пациента. Одним из решающих факторов в этом процессе являются основы познавательного, последовательного и логического мышления, позволяют понять глубинные причины возникновения заболеваний, овладеть способами воздействия на патологический процесс [14]. Однако, несмотря на постоянное совершенствование знаний врача, лечебный процесс не всегда приводит к желаемым результатам [13].

Лечебно-диагностический процесс является образцом целенаправленной деятельности в условиях неопределенности. Врач не всегда может заранее быть осведомленным о результате процесса. Оценка объективного статуса пациента целиком основана на признаках заболевания, как клинических, так и инструментально-лабораторных [24]. Соответственно, основными задачами врача в данной ситуации являются распознавание диагноза на основе первичной информации о пациенте, характерных признаках заболевания согласно результатам комплексного обследования и шаблонных представлениях врача о данном заболевании. При этом сам по себе диагноз представляет собой детальную формализация действий, имеющую вероятностную природу [14]. На практике же клиническая ситуация отражает последовательность ведения 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 данном случае актуальное значение принимают так называемые интеллектуальные системы поддержки принятия врачебных решений, призванные обеспечить повышение качества медицинского обслуживания в учреждениях лечебно-профилактического профиля [6, 8,18,12,22].

Современные системы принятия решений в клинической медицине должны выполнять следующий набор функций: дифференциальная диагностика и выбор лечения в широком круге нозологических форм, эффективность решения вне зависимости от степени выраженности клинических проявлений (в том числе при стертой картине заболевания) с учетом фоновых состояний пациента, возможность анализа динамики патологического процесса, возможность оценки состояния в режиме реального времени [12].

Однако принятие верных решений в медицине обычно затруднено в связи с множественностью факторов и признаков большинства заболеваний и их взаимодействий. Тогда как обработка большого количества информации врачом-клиницистом зачастую затруднена ввиду тех или иных объективных и субъективных причин [11].

Шаблонная модель интеллектуальной системы состоит из последовательных шагов диагностики и лечения, начиная от анализа исходных данных о пациенте до момента фиксации требуемых результатов [22].

На сегодняшний день рынок медицинских информационных систем находится в стадии активного развития. Одним из перспективных направлений, в частности, являются компьютеризированные модели систем поддержки принятия врачебных решений. Данный вид медицинских информационных систем (МИС) преследует одну из важнейших задач в области здравоохранения – задачу снижения числа врачебных ошибок и повышения качества медицинской помощи [7,23].

Существующие модели СППВР включают в себя в том числе более усложненные направления, более ориентированные на алгоритмизацию действия врача на основе шаблонных моделей заболеваний. Например, в предложенной А.А. Спирячиным методике осуществления электронного врачебного выбора, постановка конкретного диагноза сводится к таким задачам, как классификация лабораторных данных, жалоб пациента, объективного статуса с уже известным классом заболевания. Данный способ алгоритмизации действий врача реализуется в методе многомерной классификации, предложенной 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 [22].

Анализ существующих СППВР за последние пять 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 [10, 17,19, 27].

Принципиально новым подходом в решении клинико-диагностических задач отличаются так называемые гибридные системы, основанные на сочетании методов вывода по прецедентам и правилам. Описываемая система интерактивна и позволяет осуществлять лечебно-диагностический процесс в условиях дефицита временных ресурсов, когда отсутствует возможность полного описания объекта. 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 [10,27].

Отдельного рассмотрения требуют системы поддержки принятия врачебных решений, применяемые в такой 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 [17]. Существующие компьютерные системы позволяют проверить собственные диагностические предположения и использовать возможности искусственного интеллекта в сложных клинических ситуациях.

Метод искусственных нейронных сетей позволяет принимать решения на основании выявляемых ими скрытых закономерностей и многомерных данных и успешно применяются в решении актуальных прикладных задач. Сравнительная оценка эффективности современных СППВР, построенных на основе искусственных нейронных сетей, приводится в систематическом обзоре О.Ю. Ребровой (2016) [16]. Прогностическая ценность анализируемых СППВР заключается в объективизации степени тяжести, прогнозировании риска инфекционных осложнений острого панкреатита с целью выбора алгоритмов лечения и ранней профилактики осложнений [1,3]. В разрезе проанализированных исследований оценивались такие параметры как прогнозирование длительности пребывания в стационаре, диагностическая ценность панкреатических ферментов, оценка риска развития полиорганной недостаточности [16]. Основу ретроспективных исследований составили в среднем до 33 признаков, включавшие в себя анамнестические параметры, рутинные показатели лабораторной и инструментальной диагностики. Приведенные разработки в области интраабдоминальной хирургии отличаются набором базовых параметров (качественных и количественных) и использованием различных оценочных шкал (Шкала комы Глазго, APACHE II, Revised Trauma Score (RTS), National nosocomial infections surveillance system (NNIS), Abbreviated Index Severity (AIS), Infection Probability Score (IPS)) [9,15,16,26].

Возможности математического прогноза и алгоритма профилактики глубоких инфекционных осложнений изучены в рамках апробации обучающей матрицы у пациентов, перенесших эндопротезирование тазобедренного сустава [25]. Программа построена по принципу двухэтапного алгоритма. На этапе ретроспективного анализа использовались данные о 100 параметрах, включающих локальный и объективный статус, данные лабораторных, рентгенологических и эндоскопических исследований, среди которых выделен набор из 21 прогностически значимых критериев, включающий в себя дооперационные, интраоперационные и послеоперационные факторы. На основании полученной информации у пациентов с неблагоприятным прогнозом проводился комплекс превентивных мероприятий, направленных на снижение риска послеоперационных нагноительных осложнений.

Роль человеческого фактора в экстремальных условиях работы врача-хирурга, недостаток временных ресурсов, необходимых для адекватной оценки состояния и быстроты принятия правильного алгоритма действий, сегодня представляет собой актуальную проблему.

Анализ существующих экспертных 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, ряд проблем, затрудняющих их применение в реальной клинической практике существенно ограничивает область их применения. Работа врача хирургического профиля предполагает максимальное удобство применения подобного рода систем поддержки, тогда как большинство существующих СППВР не интегрированы с информационными системами лечебно-профилактических учреждений, требуют дополнительной нагрузки от врача по внесению первичной информации о пациенте. Конструирование ряда систем поддержки базируется на формировании решений на основании заданных условий. Соответственно, должен быть реализован весь комплекс мероприятий, предполагающих диагностический поиск по заданным параметрам, что в рутинной практике не всегда является осуществимой задачей по ряду объективных и субъективных причин.

Резюмируя вышесказанное, необходимо отметить объективную необходимость дальнейших разработок в области информационных технологий в медицине с учетом недостатков предыдущих исследований, а также разработки вспомогательного информационного алгоритма, максимально приближенного к рабочему месту врача хирургической практики.

Список литературы / References

Список литературы на английском языке / References in English

Актуальность работы обуславливается тем, что в настоящее время информатизация охватывает всё более широкие сферы человеческой деятельности. При этом темпы роста цифровой информации значительно опережают темпы роста информации на бумажных носителях. Медицинская информация имеет свою специфику, и увеличение ее объемов сопровождается определенными проблемами, которые обосновываютнеобходимость создания медицинских информационных систем (МИС). Они отличаются от экономических или технических информационных систем, что создает дополнительные сложности при их разработке и внедрении. Отличие проявляется в специфике объектов информатизации, например, системы диагностического кодирования становятся в настоящее время более универсальными, но детальная номенклатура признаков и симптомов,форматы для регистрации данных, а также организация записей определяются индивидуально; отсутствует стандартизация в терминологии, формате, шкалах измерения медицинских данных и т.д.
Очень часто для принятия медицинских решений характерны недостаточность знаний, ограниченность временных ресурсов, отсутствие возможности привлечения компетентных экспертов, неполнота информации о состоянии больного. Указанныефакторы являются причинами врачебных ошибок, которые могут привести к дальнейшей потере здоровья пациента. Поэтому наряду с разработкой МИС важной является задача создания медицинских систем поддержки принятия решений (СППР), которые являются информационными системами, функционирующими автономно либо в составе МИС.
При внедрении информационных систем и СППР актуальной является проблема ихфункциональности и пригодности, которая выражается в том, что чем функциональнее система, тем она более сложна, а значит и менее пригодна для практического применения. Для снижения остроты проблемы необходимо подойти к разработке, внедрению информационных систем и СППР с позиций системного анализа, одним из этапов которого является математическое моделирование, включающее построение и анализ детерминированных моделей.Медицинская документация представляет собой набор документов, предназначенных для записи данных о состоянии здоровья населения и отдельных лиц, отражающих характер, объем и качество оказываемой медицинской помощи, для ее организации и управления службами здравоохранения.
Система поддержки принятия решений позволяет использовать полученные данные, на основе которых помогает менеджеру в принятиирешения, а также обеспечивают поддержку принимаемого решения менеджером. Важнейшей целью этих СППР является поиск наиболее рациональных вариантов развития медицинского предприятия с учетом влияния различных факторов, таких как изменения в законодательстве и сезонные вспышки заболеваний, посещаемость, распространенность вида заболевания, количество операций, занятость медицинского персонала и др.
СППР вмедицинских информационных системах используются для помощи менеджерам и руководителям в принятии решений на основе анализа большого количества статистической информации. Например, помощь с составлением рабочего графика, выявление перспективных путей развития предприятия или предупреждение о возможной нехватке врача-специалиста, в связи с большой проходимостью пациентов или сезонными вспышками заболеваний.

1.Системы поддержки принятия решений в медицине

«В XXI веке целесообразность внедрения МИС в больницах определяется свойствами системы, обеспечивающими поддержку принятия медперсоналом решений в режиме on-line. Необходимость такой поддержки обусловлена очень быстрым ростом объема знаний в области медицины. Применение МИС для оказания помощи врачам в процессе лечения и диагностике сиспользованием новых знаний и технологий является, возможно, единственным решением этой важнейшей социальной проблемы. Необходимо выделить три главные цели использования МИС в клинике: увеличение эффективности лечения, снижение числа врачебных ошибок, оптимизация расходов на лечение. Для достижения любой из перечисленных целей требуется поддержка принятия.

Чтобы читать весь документ, зарегистрируйся.

Связанные рефераты

Система поддержки принятия решений

. Введение Людям приходится принимать решения почти везде и почти всегда. В ходе военных.

Системы поддержки принятия решений

. Курсовая работа по дисциплине «Компьютерные системы поддержки.

15 Стр. 2 Просмотры

Системы поддержки принятия решений

. некоторой единой автоматизированной информационной системы (ИС). Теория управления.

14 Стр. 5 Просмотры

Система поддержки принятия решений

. Понятие систем поддержки принятия решений……………………………13 3.

16 Стр. 2 Просмотры

Система поддержки принятия решений

. Введение Современные системы поддержки принятия.

Читайте также: