Объективная оценка состояния и больного и выбора оптимального метода его лечения
В нашей клинике ( ООО "Психическое здоровье" ) , начиная с 2021 года в целях точной диагностики и эффективной терапии психических и неврологических расстройств мы активно используем разработанную нами экспертную систему принятия решений врачом на основе сравнительно простых лабораторных и инструментальных показателей . Эта экспертная система позволяет нам поставить точный диагноз и выбрать эффективный метод лечения больного , максимально исключив субъективное впечатление врача о его состоянии и поведении. Таким образом, мы ставим диагноз и лечим психическое и/ или неврологическое расстройство не "по по словам родственников больного , не по разговору с ним и нашему взгляду за его поведением" , а исходя из результатов объективных исследований состояния мозга , гормональных и иммунологических исследований организма больного, что не имеет аналогов в психиатрии и неврологии нашего времени.
Возможности экспертной системы
Экспертная система опирается на созданную нами базу данных результатов лабораторных и инструментальных исследований психических и неврологических расстройств , включающую в себя более 60 показателей , при более , чем 300 болезней . Для удобства пользования базой данных мы разработали программу , облегчающую быструю обработку результатов исследований пациента после ввода данных ( в автоматическом и ручном режиме) , скорость обработки введенной информации при этом не превышает 3-5 минут. Таким образом, врач или даже сам пациент ( или его родственники) , пользуясь нашей эксперттной системой может в течение 3-5 минут поставить пациенту точный диагноз психического и/ или неврологического расстройства и выбрать наиболее эффективный метод и препарат для лечения каждого больного. Одной из возможностей нашей экспертной системы является скриннинговая диагностика и лечение пациента , исходя из результатов самого простого и самого дешевого общего анализа крови, которая в настоящее время активно используется нами для дистанционного скриннинга психических и неврологических расстройств в отдаленных, включая сельские регионах нашей страны. Кроме того , еще одна возможность нашей экспертной системы - это выдача пациенту рекомендации, касающихся тех лабораторных и инстурментальных исследований , которые позволяют оценить эффективность лечения и динамики ее течения.
Терминология
Система поддержки принятия врачебных решений (англ. Clinical decision support system (CDSS) — медицинская информационная система, предназначенная для помощи врачам и иным медицинским специалистам в работе с задачами, связанными с принятием клинических решений. Рабочее определение было предложено Робертом Хейвордом (Robert Hayward), сотрудником Центра доказательной медицины (Centre for Health Evidence): «Системы поддержки принятия врачебных решений связывают результаты клинических исследований с данными, имеющимися в отношении конкретного пациента, влияя на выбор врачебного решения для более эффективного оказания медицинской помощи». Разработка и внедрение CDSS в практику принадлежат к самым главным направлениям развития искусственного интеллекта в медицине.
Для систем поддержки принятия врачебных решений имеется следующее определение: это «активные информационные системы, использующие два и более элемента из массива данных пациента для генерирования специфических рекомендаций». Другими словами это означает, что системы поддержки принятия врачебных решений сфокусированы на управлении информацией, касающейся состояния пациента с целью формирования клинических рекомендаций для лечения пациента на основе данных исследований. .
Исторический экскурс
Систематический обзор 2005 г. позволил заключить, что использование СDSS повысило эффективность работы врачей по данным 64 % исследований и также способствовало улучшению исходов пациентов в 13 % исследований. Подобные экспертные системы , среди прочих, обладают одной функциональной характеристикой, бесспорно связанной с повышением качества работы врачей, это автоматические электронные подсказки вместо необходимости субъективного принятия решения пользователем. За период с 1973 года по 2004 год увеличилось количество и повысилось методологическое качество исследований экспертных систем подержки принятия клинических решений. В ещё одном систематическом обзоре 2005 г. было установлено, что «Системы поддержки принятия врачебных решений значимо улучшали качество клинической работы по данным 68 % исследований».
Ранее считалось, что экспертные системы должны продуцировать готовые клинические решения. Врач вводит информацию и ждёт, пока система выдаст «правильный» вариант, вслед за чем он будет лишь следовать предложенному алгоритму. Однако современная методология применения экспертных систем в качестве вспомогательного средства предполагает, что врач активно взаимодействует с ними используя как собственные знания, так и информацию, содержащуюся в системе, что позволяет более адекватно анализировать данные, имеющиеся в отношении пациента, в сравнении с изолированным анализом со стороны человека или компьютера. В типичной ситуации экспертная система выдаёт врачу возможные варианты для ознакомления, из которых тот выбирает наиболее подходящие, отбрасывая ошибочные предложения системы. иными словами речь идет о сотрудничестве врача и экспертной системы ( образно говоря двух субъектов , один из которых выступает в роли постоянного консультанта . Ещё одним примером использования CDSS служит система формирования рассуждений по прецедентам. Эта система использует ретроспективные данные по отдельным клиническим случаям для оказания помощи в определении необходимого количества лучей и их оптимальных углов при проведении лучевой терапии у пациентов со злокачественными опухолями головного мозга, вслед за чем медицинские физики и онкологи изучают рекомендованный план лечения для оценки его пригодности.
Ещё одним подходом, который использовался Национальной службой здравоохранения Великобритании, является применение CDSS (в прошлом управляемой пациентом, а сегодня — сотрудником колл-центра без медицинского образования) для сортировки больных в нерабочее время посредством предложения подходящего для пациента последующего действия (например, вызова скорой помощи или посещения врача общей практики на следующий рабочий день).Предложения (которые могут быть проигнорированы пациентом или работником колл-центра при противоречии здравому смыслу или соображениям осторожности) основываются на известной информации и предполагаемом наихудшем диагнозе (о котором не всегда сообщается пациенту, поскольку он может быть неверным и основанным не на мнении специалиста; такой диагноз используется лишь для первичной сортировки).
Структура экспертной системы
Большинство экспертных систем состоят из трёх частей — информационной базы, механизма логических выводов и механизма коммуникации. Информационная база содержит правила и связи данных мета анализа, которые наиболее часто принимают форму правил "если то ". Если это система определения лекарственных взаимодействий, правило может иметь следующий вид: "если" назначен препарат «X» и назначен препарат «Y», то предупредить пользователя. При использовании иного интерфейса опытный пользователь может редактировать информационную базу для поддержания её актуальности с учётом появления новых лекарственных препаратов. Механизм логических выводов объединяет правила из информационной базы с данными пациента. Механизм коммуникации позволяет системе представить результаты пользователю и обеспечивает ввод данных в систему.
Экспертные системы , не использующие научные медицинские знания, эксплуатируют форму искусственного интеллекта, известную под названием «машинное обучение», которая позволяет компьютерным системам обучаться на основании полученного опыта и/или устанавливать закономерности в пределах массива клинических данных. Однако, поскольку системы, основанные на «машинном обучении», не могут разъяснить причины генерирования ими тех или иных выводов (то есть они являются так называемыми «тёмными лошадками» — человек не может получить значимую информацию об их работе), большинство клиницистов не используют их непосредственно для постановки диагнозов по причине неуверенности в точности и достоверности результатов. Тем не менее, такие системы могут быть полезны для использования в постдиагностическом периоде, раскрывая перед врачами определённые закономерности для более глубокого анализа.
Значения экспертных систем принятия клинических решений
Экспертные системы поддержки принятия клинических решений способны: 1) интегрировать CDSS в клинический рабочий процесс вместо отдельного входа в систему или использования отдельного экрана; 2) использовать электронные носители вместо шаблонов на бумажных носителях; 3) обеспечить быстрое принятия решений со стороны на момент и в месте оказания медицинской помощи, а не до или после приёма пациента; предоставить рекомендации по лечению, а не просто провести оценку ситуации.
Классификации экспертных систем поддержки принятия клинических решений
Существует две основных разновидности СDSS: системы , построенные на научных исследованиях ( наш вариант системы ) и системы , построенные на результатах обработки собранных статистических данных математическими методами ( также используемый нами). Также выдляют системы поддержки принятия диагностических решений и системы поддержки принятия терапевтических решений , нередко комбинируя их между собой ( наш вариант системы). Система CDSS запрашивает определённые данные о пациенте , например , результаты общего анализа крови и в ответ предлагает перечень соответствующих диагнозов. Затем врач просматривает предложенные системой результаты, определяет их значимость и при необходимости назначает дальнейшее обследование для сужения диагностического поиска ( в нашей системе рекомендации по дальнейшим инструментальным и лабораторным исследованиях). Экспертные системы в медицине также можно классифицировать по времени их использования. Врачи используют данные системы на месте оказания медицинской помощи для получения поддержки в рамках работы с пациентом, при этом конкретное время использования можно разделить на таковое до, во время и после диагностики. Преддиагностические системы применяются для предварительной постановки диагноза врачом. Системы, используемые в ходе диагностики, помогают в анализе и фильтрации предварительных вариантов диагноза с целью уточнения окончательных результатов диагностики. Постдиагностические системы используются для сбора данных с целью поиска связей между пациентами, их анамнезом и клиническими данными для прогнозирования будущих событий. Предполагается, что благодаря поддержке принятия решений в будущем врачи будут освобождены от рутинных задач.
Нормативно - правовая база
После принятия Американского закона об экономическом оздоровлении и повторных инвестициях (ARRA) в 2009 г. отмечается тенденция к широкому внедрению медицинских информационных технологий в рамках Закона о применении медицинских информационных технологий в экономической деятельности и клинической практике (HITECH). Благодаря этим инициативам, все больше больниц и клиник интегрируют электронные медицинские карты и автоматизированные системы назначения лечения в системы обработки и хранения медицинской информации. Впоследствии Институт медицины (IOM) поддержал использование медицинских информационных технологий, в том числе систем поддержки принятия врачебных решений, для улучшения качества помощи пациентам. В 1999 году Институт медицины опубликовал отчет под названием «Человеку свойственно ошибаться», фокус которого был сосредоточен на кризисе безопасности пациентов в США в связи с чрезвычайно высокой смертностью.
Подобная статистика привлекла особое внимание к качеству помощи пациентам. После принятия закона HITECH в рамках ARRA, что способствовало внедрению информационных технологий в здравоохранении, другие, более специфические нормативные акты в отношении применения экспертных систем все ещё проходят регистрацию в Офисе национального координатора по медицинским информационным технологиям (ONC) и ожидают получения одобрения Министерства здравоохранения и социальных служб США.
Определение «Осмысленного использования» до сих пор не выработано. Несмотря на отсутствие законодательной базы, поставщики CDSS почти наверняка будут рассматриваться как стороны, в рамках оказания медицинских услуг несущие юридическую ответственность перед пациентами (которым может быть нанесен вред в связи с применением CDSS) и врачами (которые могут использовать технологию для оказания медицинской помощи пациентам). Однако такая ответственность до сих пор четко не определена. С учётом последних вступивших в силу нормативных актов, связанных с изменением структуры материальной заинтересованности, CDSS становятся все более привлекательными.
Проблемы на пути внедрения экспертных систем
Многими медицинскими учреждениями и IT-компаниями были предприняты значимые усилия по разработке адекватно функционирующих экспертных систем , поддерживающих все аспекты клинических задач. Однако, с учётом сложности клинического процесса и работы медицинского персонала в условиях дефицита времени, учреждение, внедряющее в свою практику CDSS, должно сделать эту систему естественной и неотъемлемой частью клинического рабочего процесса. Некоторые CDSS оказались более успешными, другие же столкнулись с типичными проблемами, препятствующими или снижающими их шансы на успешную адаптацию и внедрение в практику.
СDSS обладают достаточно серьезным влиянием в двух секторах здравоохранения — фармацевтическом и экономическом. Существуют широко используемые аптечные и рецептурные системы, которые проводят посерийные проверки рецептов на предмет наличия нежелательных лекарственных взаимодействий и передают предупреждающие сообщения специалистам, сделавшим эти назначения.
Ещё одним сектором, где системы могут успешно применяться, является экономический сектор. Поскольку многие больницы для обеспечения своей экономической эффективности используют в работе схемы медицинского страхования Медикэр, были созданы системы, помогающие оценить предложенный план лечения и действующие положения Medicare с целью подготовки алгоритма оказания удовлетворительной медицинской помощи пациенту с учётом финансового положения учреждения здравоохранения.
Другие виды экспертных систем сосредоточенные на решении диагностических задач, также продемонстрировали свою эффективность, наряду, однако, со значительными ограничениями в отношении адаптации и сферы применения. В 1971 году в госпитале Университета Лидса заработала Система абдоминальных болей Лидса (Leeds Abdominal Pain System); по данным анализа, она позволяла установить верный диагноз в 91,8 % случаев, в то время как процент верных диагнозов, поставленных врачами, составил 79,6 %. Несмотря на большое число попыток разработки и использования данных систем медицинскими учреждениями, большинство систем до сих пор не нашли широкого распространения.
Одной из основных трудностей на пути внедрения систем исторически является их интеграция в рабочий процесс. До последнего времени существовала тенденция к сосредоточению лишь на функциональном ядре принятия решений в рамках экспертных систем , что приводило к неэффективному планированию фактического применения продукта врачами на рабочем месте. Зачастую системы представляли собой отдельные приложения, требующие прерывания работы врача в уже используемой системе, переключения на систему , ввода необходимых данных (даже если они уже были ранее введены в другую систему) и анализа полученных результатов. Дополнительные действия нарушают нормальный рабочий процесс и отнимают у врача ценное время.
Технические проблемы внедрения экспертных систем в медицине
Системы поддержки принятия врачебных решений в некоторых областях сталкиваются со значимыми техническими проблемами. Биологические системы очень сложны, и клиническое решение может требовать анализа огромного объёма потенциально релевантных данных. Например, электронная система, работающая на основе принципов доказательной медицины, при формулировании рекомендаций в отношении плана лечения пациента потенциально может учитывать симптомы, медицинский анамнез, семейный анамнез и генетику пациента, а также исторические и географические эпидемиологические данные и опубликованную клиническую информацию в отношении эффективности препаратов. В клиническом плане большим препятствием для внедрения экспертных систем является их интеграция в рабочий процесс.
Ещё одним отрицательным моментом, касающимся многих экспертных систем , является большое количество генерируемых ими предупреждающих сообщений. Когда системы выдают большое число предупреждений (особенно не предполагающих дальнейших действий), это надоедает врачам и иногда приводит к тому, что они перестают уделять предупреждениям достаточное внимание; последнее, в свою очередь, может потенциально привести к игнорированию критически важных сообщений.
Обслуживание
Одной из ключевых проблем, связанных с экспертными системами , является трудность интеграции в них большого количества результатов клинических исследований, публикуемых на регулярной основе. Каждый год публикуются данные по десяткам тысяч клинических исследований. На сегодняшний день каждое из них необходимо вычитать, оценить на предмет научной ценности и адекватно встроить в систему В 2004 г. было заявлено, что процесс сбора клинических данных и медицинской информации с переводом их форму, пригодную для использования компьютерами в целях обеспечения поддержки принятия клинических решений, «по-прежнему находится в зачаточном состоянии». Тем не менее, бизнесу более выгодна централизация данного процесса (даже если она будет неполной) по сравнению с попытками каждого отдельного врача «угнаться» за всеми опубликованными исследованиями. Помимо утомительной работы, интеграцию новых данных иногда сложно перевести в количественные рамки, кроме того, бывает сложно встроить их в текущую схему принятия решений, особенно в тех случаях, когда различные научные работы содержат противоречивые сведения. Разрешение подобных несоответствий зачастую является предметом отдельных научных трудов, при этом обработка подобных массивов данных может занимать до нескольких месяцев.
Оценка
Чтобы убедиться в практической ценности экспертных систем, необходимо подтвердить факт улучшения клинического рабочего процесса или исходов вследствие её использования. Оценка экспертной системы — это процесс количественного определения, насколько со временем может быть улучшено её качество, и измерения её эффективности. Поскольку разные системы имеют различные цели, единая система измерений, применимая для всех подобных систем, отсутствует; однако некоторые из качеств, например, стабильность (по отношению к собственным свойствам и экспертам) зачастую могут использоваться для широкого спектра систем. Критерии оценки экспертной системы зависят от цели системы: например, систему поддержки принятия диагностических решений можно оценивать в отношении стабильности и точности классификации болезней (по сравнению с врачами и другими системами поддержки врачебных решений). Систему, работающую на основе принципов доказательной медицины, можно оценивать в отношении количества выздоровевших пациентов либо увеличения прибыли поставщиков медицинских услуг.
Электронные карты и экспертные системы
Внедрение в практику электронных медицинских карт является неизбежной потребностью и при этом связано с определённой проблемой. Она заключается в относительной неизученности вопроса — на этапе внедрения этих карт возникает множество затруднений, что было продемонстрировано многочисленными исследованиями. В то время, как проблемам внедрения в практику электронных медицинских карт все же уделяется некоторое внимание, о процессе перехода от «унаследованных» от бумажных носителей карт к новым системам известно гораздо меньше.
Тем не менее, электронные медицинские карты представляют собой будущее индустрии здравоохранения. Они являются способом регистрации данных и их применения в реальном времени для обеспечения оказания пациентам высококачественной помощи при эффективном использовании времени и ресурсов. Совместная интеграция электронных карт и экспертных систем в клинический процесс потенциально может привести к изменению методов обучения и медицинской практики. Было высказано мнение, что «наивысшим уровнем электронной карты является экспертная система ».
Поскольку «экспертные системы" представляют собой компьютерные системы, разработанные для влияния на принятие клинических решений для отдельных пациентов непосредственно в момент оказания медицинской помощи», очевидной становится польза полной интеграции систем и карт.
Несмотря на все очевидные преимущества указанного, для окончательного перехода к использованию систем , объединённых с электронными картами , требуются значительные усилия по планированию со стороны учреждения здравоохранения с целью обеспечения успешной и эффективной работы систем . Успех и эффективность можно оценить по увеличению объёма помощи пациентам и уменьшению количества возникающих нежелательных явлений. Помимо этого, следует учитывать экономию времени и ресурсов, приобретение большей автономии и финансовую выгоду учреждения здравоохранения.
Главными проблемами перехода к полностью интегрированной системе электронных карт и экспертных систем : защита личной информации, конфиденциальность, удобство использования, точность и полнота документации, интеграция, единообразие, приемлемость, «уменьшение чувствительности» предупреждающих сообщений, также ключевые аспекты ввода данных, которые необходимо отрегулировать при внедрении экспертных систем во избежание потенциальных нежелательных явлений. К этим аспектам можно отнести: использование верных данных, ввод в систему всех данных, соблюдение актуальной наилучшей практики, использование научно доказанных данных. В качестве технического способа преодоления некоторых из этих барьеров предложена сервис-ориентированная архитектура.
Добавить комментарий