Информационные технологи в медицине: неиспользуемые возможности и перспективы для Приморья

1. Информационные технологи в медицине: неиспользуемые возможности и перспективы для Приморья

Институт автоматики и процессов управления
Дальневосточного отделения РАН
Г. Владивосток
Информационные технологи в медицине:
неиспользуемые возможности и перспективы
для Приморья
В.В. Грибова, д.т.н.
зам. директора по научной работе
научный руководитель лаборатории интеллектуальных систем
1
2016

2. Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию и приоритетным проектам (13 июля2016г.)

Медицинские информационные системы
внедрены в 81 регионе страны
К концу 2018 года не менее 95 процентов
всех государственных медицинских
организаций подключить к единой
государственной информационной системе
Граждане России получат доступ
к защищённому личному кабинету «Моё
здоровье»
2

3. Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию и приоритетным проектам (13 июля2016г.)

Будет обеспечено введение единых
информационных систем, помогающих
принять решение врачом
Будут обеспечены дистанционные
программы непрерывного медицинского
образования
3

4. Распоряжение Правительства РФ № 2769-р от 29 декабря 2014 г.

4
«… создание и развитие на
региональном уровне
информационных систем
поддержки принятия врачебных
решений ...»

5. Медицинские системы поддержки принятия решений для практической медицины и образования

Экспертные системы медицинской
диагностики заболеваний
дифференциальная диагностика
выдача рекомендаций по дообследованию
Экспертные системы персонифицированного
назначения, мониторинга и коррекции
лечения
назначение с учетом индивидуальных
особенностей пациента
прогнозирование риска осложнений
исключение ошибок при назначении
лекарственных средств
5

6. Медицинские системы поддержки принятия решений для практической медицины и образования

Обучающие тренажеры по обследованию
пациентов
Обучающие тренажеры по диагностике
заболеваний
Обучающие тренажеры по назначению и
коррекции персонифицированного лечения
6

7. Архитектура программных систем

Системы поддержки принятия
решений
Программные компоненты
Экспертное
формирование
(Дорого, много ошибок,
низкое качество)
БАЗА ЗНАНИЙ
Компьютерные тренажеры
Программные компоненты
Технология Big Data
(Более дешевый метод, более
точный и надежный)
7
40*103 записей в МКБ 10
1010 клинических случаев
104 число характеристик
состояния человека

8. Big Data (большое количество данных + их анализ)

Практическая медицина
• Новое качество диагностики и лечения
• Доказательная медицина*
• Персонифицированная медицина**
• Объединение опыта мед. учреждений в диагностике и лечении
Образование
• Доступ к современным знаниям
• Возможность отработки разнообразных сценариев диагностики и лечения
на тренажерах
• Возможность дистанционного обучения и тестирования
Научные исследования
• Получение новых знаний : диагностических стандартов (которые сложно
или невозможно получить другими способами), стандартов лечения
• Новый уровень проведения исследований на основе больших объемов
данных
*Доказательная медицина. Главные принципы: каждое клиническое решение основано на строго
8
доказанных научных фактах; уход от критерия достоверности информации на основе личного многолетнего
опыта врача( врачей).
** Персонифицированная медицина основана на выборе диагностических, лечебных и профилактических
средств, которые были бы оптимальными у конкретного лица учитывая его / ее генетические,
анатомические, физиологические, биохимические и другие особенности.

9. Пример использования Big Data в США

Крупнейшая страховая компания Aetna внедрила
инновационные исследовательские программы
на основе технологии Big Data для анализа,
прогноза состояния здоровья пациента,
оптимального выбора лечения
Результат: Aetna соглашается на выплату
медицинской страховки только после того, как
диагноз и программа лечения, назначенные
врачом, подтверждены заключением
программы анализа
9

10.

Текущее состояние
Практическая медицина
• Новое качество диагностики и лечения
• Доказательная медицина
• Персонифицированная медицина
• Объединение опыта мед. учреждений в диагностике и лечении
Образование
• Доступ к современным знаниям
• Возможность отработки разнообразных сценариев диагностики и лечения
на тренажерах
• Возможность дистанционного обучения и тестирования
Научные исследования
• Получение новых знаний : диагностических стандартов (которые сложно
или невозможно получить другими способами), стандартов лечения
• Новый уровень проведения исследований на основе больших объемов
данных
10

11. Технологические предпосылки - задел в ИАПУ ДВО РАН Информационные ресурсы

Онтология по диагностике
острых и хронических
заболеваний
Онтология назначения
персонифицированного
медикаментозного лечения
Формализованная
терминологическая база
Формализованный
фармакологический
справочник
...
Наблюдение
Головная боль
Качественное значение
Качественное значение
Качественное значение
Присутствие
Несовместное
значение
Характер
Имеется
Отсутствует
Несовместное
значение
...
Тупые
Острые
Ноющие
Стреляющие
Пульсирующие
Колющие
Давящие
11

12. Технологические предпосылки - задел в ИАПУ ДВО РАН Метод формирования баз знаний на основе Big Data

Описание
класса моделей
генераторов выборок
Генерация
Генерация
Внешняя оценка
Модельная
выборка
данных
(контрольная)
Внешняя оценка
12
Модельная база
Модельная
база
Модельная
знаний база
Модельная
база
знаний
знаний
знаний
Внутренняя
оценка
(сравнение)
Индуктивно
формируемая база
знаний
Модельная
выборка
данных
(обучающая)
Индуктивное
формирование
знаний
(решение задачи с
применением
метода ИФЗ

13. Технологические предпосылки - задел в ИАПУ ДВО РАН Алгоритмы диагностики заболеваний и назначения лечения

управляющая часть (сервер-процесс)
Перебор гипотез о диагнозе - заболеваний
Перебор наблюдаемых признаков
очередь заданий
Перебор
наблюдаемых
значений событий …
и признака i
(по времени)
13
результаты
Перебор
наблюдаемых
значений событий
и признака j
(по времени)
…
Перебор
наблюдаемых
значений событий
и признака k
(по времени)
вычислительная часть (клиент-процессы)
13
…

14. Технологические предпосылки - задел в ИАПУ ДВО РАН. Компьютерные тренажеры

14

15.

Технология создания совместимых оболочек интеллектуальных систем
Системы поддержки принятия решений
Медицинской
диагностики
назначения
лечения
Прогноза лечения
Коррекции
лечения
Информационные ресурсы
История болезни
База знаний
медицинской
диагностики
Задание для
тренажёров
обследования
Прогноз лечения
База знаний о
лекарственных
средствах
База наблюдений
База сценариев
проведения
наблюдений
База моделей
лечения
Объяснение
результатов
диагностики
База знаний о
лечении
заболеваний
Объяснение
коррекции
лечения
Объяснение
плана лечения
Объяснение
действий студентов
Тренажёры
Тренажёр
обследования
15
Тренажёр
диагностики
Тренажёр лечения
Тренажёр
корректировки
лечения

16. Технологические предпосылки - задел в ИАПУ ДВО РАН Облачная платформа

Эксперт Пользователь
Виртуальная
машина
Фонд
Информационные ресурсы
Интернет-приложение
Процессор
информационных
ресурсов
Процессор
решателей
задач
Веб-браузер
Средства разработки
Средства управления
Агенты
Процессор
пользовательског
о интерфейса
Шаблонные компоненты
интерфейса
Информационноадминистративна
я система
16
Интерфейс
интеллектуального
приложения

17. Как этого достичь?

• Внедрение новых ITтехнологий,
диагностических
стандартов,
персонифицированных
схем лечения
• Получение новых
знаний по лечению и
диагностике
заболеваний
Лечебные
учреждения
ИАПУ ДВО
РАН
ВУЗы
Бизнесструктуры
• Получение новых знаний по
лечению и диагностике
заболеваний
• Новые методы обучения
17
1 – Медицинские Информационные Системы
2 - Системы Поддержки Принятия Решений
• Создание и разработка
новых информационных
технологий (модели,
методы, технология,
прототипы) на основе
технологии Big Data
• Реализация МИС1
нового поколения
• Реализация СППР2

18. Ожидаемый результат

Практическая медицина
• Внедрение доказательной и персонифицированной
медицины
• Разработка на основе Big Data диагностических и
совершенствование лечебных стандартов с
последующим их развитием до общероссийских
Медицинское образование
• Внедрение дистанционного образования на тренажерах
Разработчики МИС
• Совершенствование МИС, совместимых с технологиями
Big Data
18

19. Спасибо за внимание!

[email protected]
19