Менеджмент в здравоохранении
  • 2020 № 1 Аспекты медицинской реабилитации в формате реформ психиатрической службы

    В данной статье статистическим и аналитическим методами исследования оценены материалы работы МРО амбулаторного психиатрического модуля на базе Филиала № 1 диспансерного отделения Государственного бюджетного учреждения здравоохранения «Психиатрическая больница № 13 Департамента здравоохранения города Москвы» (ГБУЗ ПБ № 13 ДЗМ) за период апрель-декабрь 2018 года. Проведена оценка результатов качества лечения 352 пациентов, которые находились на лечении в МРО ГБУЗ «ПБ № 13 ДЗМ» в исследуемый период.

    Авторы: Белостоцкий А. В., Тер-Исраелян А. Ю., Гришина Н. К., Загоруйченко А. А.

    Темы: когнитивные функции1 контроль качества3 медико-реабилитационное отделение2 психиатрическая реабилитация1 реабилитационные программы1

    Подробнее >

  • 2016 № 9 Современные подходы к оценке эффективности и качества медицинских диагностических исследований

    В статье освещены подходы к оценке эффективности и качества медицинских диагностических исследований. Обозначена проблема совершенствования медицинской диагностической помощи, в том числе на догоспитальном уровне, которая требует разработки и реализации комплекса мер по управлению и оценке качества диагностических вмешательств. На основании проведенных исследований разработан и предложен перечень общих и частных показателей эффективности диагностики, описаны современные подходы к управлению ее качеством, проведению внутреннего и внешнего контроля качества, определены задачи, требующие решения для дальнейшего повышения эффективности и качества медицинской диагностики.

    Авторы: Вялков А. И., Сквирская Г. П., Сон И. М., Серегина И. Ф., Билалов Ф. К.

    Темы: внутренняя и внешняя оценка качества1 диагностические исследования4 контроль качества3 медицинская социальная и экономическая эффективность1 показатели эффективности1

    Подробнее >

  • Информатизация здравоохранения
  • 2023 № 7 Применение технологий искусственного интеллекта как способ обеспечения качества выполнения рентгенографии органов грудной клетки.

    При выполнении рентгенографических исследований могут возникать ошибки, снижающие диагностическую ценность полученных изображений и затрудняющие их интерпретацию как врачом-рентгенологом, так и диагностическим программным обеспечением на основе технологии искусственного интеллекта. Создание автоматизированных систем оценки качества позволит оптимизировать данный процесс, особенно в условиях повышенной рабочей нагрузки медицинского персонала.
    Цель исследования: разработка инструмента автоматизированного контроля качества рентгенологических исследований органов грудной клетки, позволяющего провести контроль качества укладки и позиционирования пациента и корректность заполнения метаинформации об исследовании.
    Материал и методы. Для обучения и тестирования моделей автоматизированного контроля качества были использованы 61505 рентгенограмм органов грудной клетки (РГ ОГК), полученные из открытых наборов данных и Единого радиологического информационного сервиса Единой медицинской информационно-аналитической системы города Москвы. Для создания моделей применялось трансферное обучение глубоких нейросетевых архитектур VGG19 и ResNet152V2.
    Результаты. Были созданы 7 моделей: модель определения анатомической области исследования, модель определения проекции, модель определения фотометрической интерпретации, модели определения неполной визуализации анатомической области на прямой и боковой проекциях РГ ОГК, модель определения ротации на боковой проекции РГ ОГК. Все созданные модели имеют метрики диагностической точности выше 95%, что позволяет использовать их в клинической практике. На основе разработанных моделей был создан единый web-инструмент контроля качества РГ ОГК, позволяющий анализировать качество наборов данных рентгенограмм.
    Выводы. Активное использование разработанного нами инструмента позволит оптимизировать процесс оценки качества диагностических исследований и облегчить процессы классификации исследований и формирования наборов данных. Также данный инструмент может использоваться для поддержки принятия решения рентгенолаборанта и оценки качества исследования перед отправкой исследования на обработку сервисам на базе искусственного интеллекта.

    Авторы: Борисов А. А., Васильев Ю. А., Владзимирский А. В., Омелянская О. В., Арзамасов К. М., Кирпичев Ю. С.

    Темы: глубокое обучение1 искусственный интеллект8 контроль качества3 рентгенограммы органов грудной клетки1

    Подробнее >