Статьи с темой: «система поддержки принятия врачебных решений»
-
2024 № 13 Перспективы создания цифровых медицинских экосистем в России: цифровые двойники и другие технологии, проблемы и подходы.
Усилия медицины постепенно смещаются от борьбы с конкретным заболеванием к обеспечению индивидуального благополучия пациентов с одновременным ростом информационной емкости медицины. Информационно-коммуникационные технологии рассматриваются как ключевой фактор любой стратегии повышения качества и экономической эффективности медицинской помощи. Развитие систем электронных медицинских карт, интеллектуального здравоохранения, мобильной медицины, искусственного интеллекта открыли новые возможности для сотрудничества и взаимодействия между поставщиками медицинских услуг и пациентами в рамках цифровой экосистемы медицинской помощи, стимулируя технологические инновации. Медицинская экосистема призвана реализовать системный подход к обработке клинических данных, как основы повышения эффективности медицинской помощи за счет цифровой трансформации сквозных медицинских технологических процессов. Она сфокусирована на интеграции работы разных поставщиков и потребителей медицинской помощи, обмене между ними данными и информацией для оказания комплексной медицинской помощи пациентам некоторого объединения МО. Медицинские экосистемы рассматриваются как системы, которые фокусируются на данных и генерировании новых знаний о здоровьесбережении, то есть как открытые и слабосвязанные системы, которые позволяют участникам использовать полученные знания по-своему, например, в отдельных экосистемах МО участников.
Цифровая трансформация здравоохранения происходит в фарватере цифровой экономики. Мы имеем дело с трансфером инновационных решений бизнес-экосистем в медицину, что предполагает необходимость учета особенностей предметной области. Ключевой технологией цифровой трансформации медицины вслед за многими отраслями экономики считается метод цифрового двойника, применение которого невозможно без использования и развития других экосистемных технологий: ЭМК, аналитики больших данных, ИИ, интернета вещей и блокчейна. Эффективная и всеобъемлющая реализация концепции цифровых двойников для такой предметной области, как медицина, возможна, если решена проблема объединения поставщиков и потребителей медицинской помощи в цифровую медицинскую экосистему, способную предоставить целостные и однородные первичные данные.
Реализация концепции совместного управления здоровьем пациента в рамках цифровых экосистем медицинской помощи сталкивается с препятствиями, в первую очередь, из-за сложных проблем, связанных с интероперабельностью, конфиденциальностью, безопасностью и эффективным управлением данными. Решение возможных проблем находится в обеспечении приоритета научных исследований для усиления объективизации выбора экосистемных технологий и определения этапности в достижении поставленных целей. Развитие экосистемы необходимо рассматривать в виде строительных блоков, которые со временем накладываются один на другой. Первые, нижние блоки призваны расширить возможности имеющихся технологий, а более поздние потребуют специальных исследований в области информационных технологий в широком смысле, а также медицинской информатики, в частности. Необходимы и упреждающие изменения в регулировании отрасли с учетом вызовов цифровой экономики и динамики изменений в социальной сфере. -
2025 № 3 Перспективы внедрения цифровых решений в организацию процессов, направленных на раннее выявление псориатического артрита у пациентов с псориазом.
В настоящее время отечественная система здравоохранения идет по пути цифровой трансформации, целями которой являются повышение эффективности и качества медицинской помощи. Псориаз – заболевание, находящееся на стыке двух специальностей, дерматовенерологии и ревматологии, представляет интерес в отношении возможности улучшения исходов пациентов с помощью цифровых технологий.
Цель исследования: проанализировать возможность внедрения цифрового подхода к процессам, направленным на своевременное выявление псориатического артрита у пациентов с псориазом.
Материалы и методы: библиографический, аналитический, методы математического моделирования.
Результаты. Псориаз представляет собой одно из наиболее распространенных тяжелых хронических заболеваний класса болезней кожи и подкожной клетчатки. До 42% пациентов с псориазом, помимо проявлений на коже, имеют поражение суставов, позвоночника и энтезисов, что ухудшает прогноз и качество жизни пациентов, приводит к росту показателей инвалидности и медицинских затрат. Каждому четвертому пациенту в РФ диагноз псориатического артрита установлен с клинически значимым запозданием. Раннее выявление и начало лечения псориатического артрита позволяет улучшить клинические
и функциональные исходы пациентов. Наличие у большей части пациентов промежутка времени между дебютом псориаза на коже и дебютом псориатического артрита делает актуальным риск-ориентированный подход к ведению этой группы пациентов. Реализация этого подхода возможна посредством внедрения в клиническую практику врачей-дерматовенерологов разработанных и валидированных прогнозных моделей, позволяющих рассчитывать индивидуальные количественные прогнозы вероятности и сроков развития псориатического артрита у пациентов в возрасте 18 лет и старше со среднетяжелым или тяжелым псориазом. Практическое применение моделей на сегодняшний день возможно в расчетной, графической и/или
табличной форме. С учетом актуальности проблемы, приоритетности цифрового развития и достигнутого на сегодняшний день уровня цифровой зрелости отечественной системы здравоохранения, обеспеченных технологических возможностей и наличия примеров успешного практического внедрения оптимальной формой для эффективного практического внедрения этих прогнозных моделей представляется цифровая.
Выводы. Внедрение полученных формул в клиническую практику в виде системы поддержки принятия врачебных/управленческих решений позволит автоматизировать получение медицинскими работниками прогнозов для пациентов, что будет способствовать осуществлению персонифицированного предиктивного подхода к оказанию медицинской помощи в целях повышения ее качества и решения имеющихся проблем несвоевременного выявления псориатического артрита. Перспективно дальнейшее совершенствование прогнозных моделей посредством применения технологий искусственного интеллекта к электронным медицинским данным. -
2025 № 7 Цифровое моделирование данных и разработка алгоритма диагностики заболеваний слизистой оболочки рта.
Заболевания слизистой оболочки полости рта (СОПР) представляют собой значимую медицинскую проблему, требующую своевременной и точной диагностики для предотвращения осложнений и улучшения лечения пациентов.
В данной статье представлена методология цифрового моделирования данных и разработки алгоритма диагностики заболеваний слизистой оболочки рта, направленная на автоматизацию и повышение точности диагностики заболеваний данной группы. В основе предложенного подхода лежит использование методов машинного обучения и анализа медицинских данных, что позволяет интегрировать и обрабатывать диагностические данные, включая клинический осмотр и данные дополнительных методов диагностики.
Разработанная цифровая модель может быть интегрирована в клиническую практику для поддержки принятия врачебных решений в процессе диагностики заболеваний слизистой оболочки рта и оптимизации лечебных мероприятий при данной категории заболеваний.
Цель работы: разработка алгоритма диагностики заболеваний слизистой оболочки рта и оценка диагностической эффективности Системы поддержки принятия врачебных решений на основании моделирования данных заболеваний в цифровую медицинскую базу формализованных знаний.
Материал и методы. База данных UMKB, содержащая инструменты для моделирования данных по диагностике СППВР, данные из рецензируемых источников литературы, клинических рекомендаций, внешние медицинские базы данных, медицинские карты пациентов, Система поддержки принятия врачебных решений.
Результаты. В базе данных UMKB смоделировано 49 нозологий по заболеваниям слизистой оболочки рта, с указанием определений, синонимов, классификации, этиологии, факторов риска, распространенности и клинической картины заболеваний, данных основных и дополнительных методов диагностики, дифференциальной диагностики, консультаций смежных специалистов, рекомендаций по профилактике возникновения и развития патологии. Разработан модуль прогнозирования
и диагностики заболеваний СОР, доработан модуль извлечения медицинских фактов из текста и протестирован алгоритм прототипа интеллектуальной системы поддержки принятия врачебных решений. Также разработан модуль вопросно-ответной системы по уточнению диагноза и модель постановки окончательного диагноза в СППВР.
Выводы. Разработан алгоритм диагностики заболеваний слизистой оболочки рта, оценена диагностическая эффективность Системы поддержки принятия врачебных решений на основании моделирования данных заболеваний в цифровую медицинскую базу знаний. -
2024 № 11 Оценка финансово-экономического эффекта внедрения систем искусственного интеллекта в здравоохранении на примере платформы Webiomed.
Одним из барьеров широкого применения систем искусственного интеллекта в здравоохранении является отсутствие финансового-экономического обоснования их внедрения. На примере опыта использования отечественной платформы Webiomed в решении задач профилактики сердечно-сосудистых заболеваний предложена модель оценки экономической эффективности.
Общий потенциальный эффект составляет 117,9 млн. руб./1 млн. населения в год, что соответствует окупаемости проекта внедрения с первого года использования на популяции, начиная с 64 тыс.человек. Развитие внедрения рассматриваемой платформы в долгосрочной перспективе позволит повысить эффективность и обоснованность управленческих решений. Использование систем искусственного интеллекта с доказанным позитивным влиянием на эффективность использования финансовых ресурсов позволяет создать условия для достижения целевых показателей государственных программ в здравоохранении. -
2024 № 13 Подход к внедрению систем поддержки принятия врачебных решений на принципах сервис-ориентированной архитектуры с использованием сервисов цифровой медицинской экосистемы.
Несмотря на потенциальную эффективность, продемонстрированную в отдельных медицинских организациях, системы поддержки принятия врачебных решений (СППВР) не получили широкого распространения в России. Основываясь на положениях Национальной стратегии развития искусственного интеллекта на период до 2030 года, утвержденной Указом Президента Российской Федерации, в статье сформулирована цель национального плана развития СППВР в медицине, определены ключевые факторы, необходимые для реализации этой цели, а также задачи, решение которых необходимо для обеспечения создания и широкого внедрения эффективных СППВР. Предлагается использовать принципы сервис-ориентированной архитектуры (СОА) для внедрения СППВР в цифровой медицинской экосистеме, что должно способствовать достижению заявленной цели. В статье описаны ключевые особенности и преимущества использования СОА в медицинской экосистеме. Описана модель развертывания СППВР в медицинской экосистеме на принципах СОА с обоснованием ключевых архитектурных решений. В качестве примера описана архитектура СППВР для оценки состояния здоровья пациента на амбулаторном этапе с точки зрения сервисов и управления ими. Обсуждены возможности и недостатки предложенной модели внедрения СППВР.