Регистрация / Вход
Прислать материал

Разработка методов и программных средств поддержки принятия решений в медицине на основе прецедентного подхода, унифицированной модели лечебно-диагностического процесса и банка клинических данных

Номер контракта: 14.607.21.0089

Руководитель: Абрамов Сергей Михайлович

Должность руководителя: директор

Докладчик: Малых Владимир Леонидович, зав. лабораторией

Аннотация скачать
Постер скачать
Презентация скачать
Ключевые слова:
математическая модель лечебно-диагностического процесса, генерализация медицинских данных, системы принятия решений в медицине, онтологии, анализ текстов на естественном языке, структурирование текстовой информации, извлечение информации, классификация текстов, клинические записи, формализация медицинских сведений, паттерны.

Цель проекта:
Основная решаемая проблема - поддержка принятия врачебных решений. Частные задачи: 1) Контроль медикаментозных назначений на наличие у пациента противопоказаний к ним; 2) Предварительная постановка диагноза, подтверждение поставленного диагноза; 3) Рекомендация лечебно-диагностических мероприятий; 4) Анализ и предупреждение критических ситуаций. Целью проекта является создание комплекса научно-технических решений в области разработки моделей и аналитических инструментов поддержки принятия врачебных решений для персональной медицины и контроля лекарственных назначений.

Основные планируемые результаты проекта:
1. Унифицированная математическая модель лечебно-диагностического процесса (ЛДП). Способы использования результатов: в области применения прикладных методов анализа медицинских знаний.
2. Архитектура банка клинических данных. Способы использования: Для создания хранилищ клинических данных в форме унифицированной модели ЛДП, как в масштабах отдельных лечебно-профилактических учреждений (ЛПУ), так и в масштабе Единой государственной информационной системы здравоохранения (ЕГИСЗ).
3. Прикладные алгоритмы анализа данных (алгоритмы интеллектуального извлечения данных; алгоритмы диагностирования по паттернам; алгоритмы анализа критических ситуаций и др.). Способы использования результатов: в области применения прикладных методов анализа медицинских знаний; В качестве основы для создания разработчиками программного обеспечения интеллектуальных автоматизированных систем принятия решений.
4. Экспериментальный образец информационной системы (ЭО ИС) «Информационно-аналитическая система поддержки принятия врачебных решений для персональной медицины и контроля лекарственных назначений».

Результаты: Банк клинических данных, содержащий 78463 законченных клинических случаев (диагностических паттернов), покрывающих 2579 различных нозологий по классификации МКБ10; ЭО ИС; оценка эффективности прецедентного подхода для построения СППР.

Краткая характеристика создаваемой/созданной научной (научно-технической, инновационной) продукции:
1.ИС поддержки принятия врачебных решений, основанная на прецедентном подходе. Проект должен подтвердить эффективность прецедентного подхода в решении проблемы.
2. Возможности применения прецедентного подхода в области построения систем поддержки принятия врачебных решений открылись совсем недавно. Это связано с развитием информационных технологий, широкой автоматизацией лечебно-диагностического процесса, накоплением в БД МИС большого объема клинических данных. Выбранный подход является новым в указанной области.
3. Из принципиально других подходов к поддержке принятия врачебных решений приведем следующие. СППР UpToDate помогает врачу по запросу найти релевантные источники информации, способствующие принятию решения. Когнитивная система IBM Watson может усваивать знания из текстовых неформализованных источников, может обучаться принятию решений в данной предметной области. По мнению авторов проекта, прецедентный подход к построению СППР, основанный на большом представительном объеме формализованных верифицированных клинических данных, должен обладать достаточной эффективностью и органично дополнять вышеуказанные подходы.
4. Для эффективности прецедентного подхода необходимо иметь достаточный представительный объем клинических данных. Нужны законодательные основания для консолидации таких данных в национальном масштабе, при этом может также возникнуть проблема больших данных.

Назначение и область применения, эффекты от внедрения результатов проекта:
1. Основным потребителем планируемых результатов будут: А) Сфера отечественного здравоохранения и, особенно ведущие учреждения здравоохранения и медицинские организации России, использующие для автоматизации своей деятельности МИС Интерин PROMIS Б) Сфера науки в части проведения научных исследования в области анализа клинических данных; В) Сфера профессионального медицинского образования в части обучения студентов и повышения квалификации медицинских работников в области применения ИТ в медицине; Г) Сфера персональной медицины в системах информационной поддержки консультантов-специалистов и пользователей-пациентов на медицинских пользовательских порталах; Д) Сфера ИТ в медицине в части разработки систем поддержки принятия врачебных решений.
2. В первую очередь авторы проекта рассчитывают на внедрение ИС поддержки принятия врачебных решений в линейке МИС Интерин Promis с целью клинических испытаний и доводки системы.
3. Проект может повлиять на развитие СППР в медицине.
4. Концепция проекта докладывалась на Medinfo'2015, результаты проекта публикуются на английском языке и попадают в индексы PubMed и IEEE. По мере проведения испытаний, накопления результатов и оценки эффективности ЭО ИС поддержки принятия врачебных решений, результаты будут предлагаться к опубликованию в авторитетных профильных зарубежных изданиях. Возможно, полученные результаты окажут влияние на развитие исследований в области СППР в медицине.

Текущие результаты проекта:
1. Разработана унифицированная математическая модель ЛДП.
2. Разработана архитектура банка клинических данных.
3. Реализованы прикладные алгоритмы анализа данных (алгоритмы интеллектуального извлечения данных; алгоритмы диагностирования по паттернам; алгоритмы анализа критических ситуаций и др.).
4. Реализуется ЭО ИС «Информационно-аналитическая система поддержки принятия врачебных решений для персональной медицины и контроля лекарственных назначений».

Создан банк клинических данных, содержащий 78463 законченных клинических случаев (диагностических паттернов), покрывающих 2579 различных нозологий по классификации МКБ10. На основе реальных клинических данных из банка построены унифицированные модели ЛДП для 8 наиболее часто встречающихся в банке нозологий: 1) Эссенциальная [первичная] гипертензия; 2) Цереброваскулярная болезнь неуточненная; 3) Гипертензивная энцефалопатия; 4) Камни мочеточника; 5) Старческая ядерная катаракта; 6) Камни желчного пузыря с другим холециститом; 7) Пневмония, вызванная Streptococcus pneumoniae; 8) Осложненная катаракта. Проведены вычислительные эксперименты для оценки точности рекомендаций лечебно-диагностических мероприятий для 8 вышеуказанных нозологий.