2015 05-14 Проблемы российских классификаторов, справочников, банков знаний
1. К вопросу о российских
классификаторах, справочниках,
банках знаний и медицинской
терминологии
Консорциум «Медан»,
ООО «Исследовательские системы»
к.ф.-м.н. Павловский Е.Н.
xpss.ru/medan
14 мая 2015 г.
2.
3.
4. Извлечение пользы из данных
• Научиться собирать данные (Программа информатизации)
• МИС, РИС, ЛИС
• Расширение каналов связи
• Запуск потоков данных, стандартизация (HL7, DICOM и т.п.)
• Простой анализ данных
• Отчётность, аналитика, прогнозы
• Глубокий анализ данных
• Извлечение знаний
• Построение экспертных систем с опорой на предыдущий опыт
• Прогнозирование состояния больного по клиническим показателям
• Персонализированная медицина, индивидуальный подбор медикаментов
• Сравнение эффективности учреждений
• Вычисление мошенничества со страховкой
• Предсказание эпидемий
5. Проект
• ФЦП по теме «Разработка моделей и распределённой
телемедицинской информационно-аналитической системы
поддержки принятия врачебных решений для персональной
медицины и контроля назначений при заболеваниях
позвоночника» (RFMEFI57814X0076), 2014 – 2016 годы.
• Выполняется консорциумом «Медан» из 5 организаций:
• НГУ,
• НИИТО им. Я.Л. Цивьяна,
• УНИПРО,
• Исследовательские системы,
• Медицинский технопарк – индустриальный партнёр
5
6. Задачи
• Анализ медицинских данных с целью извлечения информации:
• Для прогнозирования рисков осложнений
• Для контроля назначений
• Для исключения вредных лекарственных взаимодействий
• Для дифференциальной диагностики
• Синтез знаний для выдачи рекомендаций:
• По дообследованию
• По альтернативным назначениям
• Подзадачи:
• Извлечение информации из данных: кому что и когда назначили и т.п.
• Извлечение знаний из информации: какие действия приводят к каким результатам и т.п.
6
7. Пример: назначение
зинацеф 500мг 2 раза в день
нетромицин 100 мг 1 раз в день
милдронат 2б5 мл 2 раза в день
триампур 1/2 т 2 раза 8и 16
энтерол 1п 1 раз в день за 30 минут до еды
7
8. Пример: назначение
зинацеф 500мг 2 раза в день
нетромицин 100 мг 1 раз в день
милдронат 2б5 мл 2 раза в день
триампур 1/2 т 2 раза 8и 16
энтерол 1п 1 раз в день за 30 минут до еды
Лекарства (Видаль)
Дозировка
Частота
Условия приёма
8
10. Пример: диагноз
Диагноз (Заключительный клинический, основной):
Синдромальная наследственная патология. Синдром Фримена-Шелдона. Врожденный
(конкресценция задних отделов Th4-5 позвонков) неосложненный злокачественно-
прогрессирующий субкомпенсированный правосторонний грудной кифосколиоз IV степени
(кифотический компонент 109°, сколиотический компонент 73°). Задний правосторонний
субтотальный реберно-позвоночный горб. Состояние после хирургической коррекции
деформации позвоночника инструментарием VEPTR II (ребро-позвоночник DD.MM.YY,
DD.MM.YY). Камптодактилия. Ульнарная девиация пальцев кисти. Врожденная двусторонняя
косолапость, состояние после оперативного лечения, рецидив, деформация обеих стоп
грубее слева.
Какой справочник?
МКБ-10: Q76.3. Врожденный сколиоз, вызванный пороком развития кости
10
11. Применение SNOMED CT
Диагноз (Заключительный клинический, основной):
Синдромальная наследственная патология. Синдром Фримена-Шелдона. Врожденный
(конкресценция задних отделов Th4-5 позвонков) неосложненный злокачественно-
прогрессирующий субкомпенсированный правосторонний грудной кифосколиоз IV степени
(кифотический компонент 109°, сколиотический компонент 73°). Задний правосторонний
субтотальный реберно-позвоночный горб. Состояние после хирургической коррекции
деформации позвоночника инструментарием VEPTR II (ребро-позвоночник DD.MM.YY,
DD.MM.YY). Камптодактилия. Ульнарная девиация пальцев кисти. Врожденная двусторонняя
косолапость, состояние после оперативного лечения, рецидив, деформация обеих стоп
грубее слева.
Hereditary disorder of musculoskeletal system. Freeman-Sheldon syndrome. Congenital
(concrescence posterior Fourth-Fifth thoracic vertebra) uncomplicated malignant-
progressive subcompensated right-sided thoracic kyphoscoliosis IV degree (kyphotic
component 109°, scoliotic component 73°). Rear right-hand Subtotal costal-vertebral
hump. Condition after surgical correction of the deformity of the spine VEPTR
instrumentation II (fin-spine 20.03.12, 7.11.12). Camptodactyly. Ulnar deviation of
the fingers. Congenital bilateral clubfoot, a condition after surgical treatment,
recurrence, deformity of both feet rougher on the left.
11
12. Поиск по статьям PubMed
12
Incidence and risk factors for post-operative complications after
scoliosis surgery in patients with Duchenne muscular dystrophy : a
comparison with other neuromuscular conditions.
Duckworth AD, Mitchell MJ, Tsirikos AI.
Bone Joint J. 2014 Jul;96-B(7):943-9. doi: 10.1302/0301-
620X.96B7.33423.
PMID:
24986949
C7-T1 anterior closing wedge bone-disc-bone osteotomy for the
treatment of cervical hyperlordosis in muscular dystrophy: a new
technique for correction of a raredeformity.
Kose KC, Caliskan I, Bal E, Inanmaz ME, Isik C.
Spine (Phila Pa 1976). 2014 Aug 15;39(18):E1066-72. doi:
10.1097/BRS.0000000000000433.
PMID:
24859582
Thoracolumbar kyphosis in treated mucopolysaccharidosis 1
(Hurler syndrome).
Yasin MN, Sacho R, Oxborrow NJ, Wraith JE, Williamson JB,
Siddique I.
Spine (Phila Pa 1976). 2014 Mar 1;39(5):381-7. doi:
10.1097/BRS.0000000000000157.
PMID:
24573070
13. 13
Zh Vopr Neirokhir Im N N Burdenko. 2012;76(4):37-42; discussion 42.
[Pain syndrome relapse following herniated disc surgery (diagnosis and treatment)].
[Article in Russian]
Kolotov EB, Aminov RR, Kolotova EV, Epifantsev AG, Gavrilov IV, Krut'ko AV.
Abstract
The aim of this study was to improve results of treatment of patients with degenerative disc disease at
the long-term period after microdiscectomy by developing unique algorithm for diagnosis and treatment
of persisting pain syndrome. Patients were divided into two groups. First one included 198 patients with
reflex-pain syndromes. In the main subgroup (97 patients) consecutive denervation of spinal facet joints
and intervertebral discs was performed to detect referred-pain syndromes. The second group included
64 patients who suffered recurrent nerve-root compression. The main cause was relapse of disc
herniation. We used anterior retroperitoneal approach in 34 patients to remove herniated disc and
stabilize the segment. Surgery results were assessed by visual-analogue scale and Oswestry index.
Consecutive chemical denervation of spinal facet joints and intervertebral discs allowed not only to
discover referred-pain syndromes, but enabled to control them. Stepwise surgical treatment resulted in
clinical recovery and better outcome in 88.7% of our patients. Decompressive-stabilizing surgery with
anterior interbody fusion is a pathogenetic and technically adequate treatment. The long-term follow up
results of surgical treatment were better at the group of our patients operated with anterior
retroperitoneal approach and anterior foraminotomy. Excellent and good results were obtained at 79.3%
cases.
14. Проблемы классификаторов
• В области деформаций позвоночника – несколько классификаций
(зависит от школы)
• Российский справочник ГРЛС не содержит информации о
взаимодействиях лекарств, в отличие от «Видаль», «РЛС»
• МКБ-10 - слишком обобщённая
• LOINC, SNOMED CT – не на русском языке
• UMKB – пока в разработке
• НСИ Росминздрава (496 справочников)
14
16. План работ
• Сопоставление российских терминов предметной области
терминам из SNOMED CT
• Составление собственных классификаторов (онтологий) на базе
учебников и экспертов по заболеваниям позвоночника
(Дегенеративные заболевания позвоночника, Деформации
позвоночника): русский и английский варианты
16
17. Наше видение будущего
Экономическая
эффективность
Рост качества оказания
медицинских услуг+
Система поддержки принятия решений
МИС, ERP
Поддержка принятия
УПРАВЛЕНЧЕСКИХ решений
Поддержка принятия
КЛИНИЧЕСКИХ решений
18. Наше видение будущего
• обобщение данных
• проверка гипотез
• выработка рекомендаций
• обоснование по базе фактов
Система
поддержки
принятия
решений
• сбор
• хранение
• передача
• стандартная отчетность
МИС, ERP
данных
19. Наше видение будущего
• обобщение данных
• проверка гипотез
• выработка рекомендаций
• обоснование по базе фактов
Система
поддержки
принятия
решений
• сбор
• хранение
• передача
• стандартная отчетность
МИС, ERP
данных
• глубокая аналитика
• математическое моделирование
20. Что для этого нужно
• Формализация процессов (с обязательным привлечением медиков)
• Применение математических моделей
• Качественный переход
Эффективность =
Рождение знаний =
планирование прогнозирование формальные критерии принятия решений
большое количество информации анализ данных
21. Что для этого нужно
• Формализация процессов (с обязательным привлечением медиков)
• Применение математических моделей
• Качественный переход
Эффективность =
Рождение знаний =
планирование прогнозирование формальные критерии принятия решений
большое количество информации анализ данных
Условие перехода к
доказательной медицине
22. Что для этого нужно
• Формализация процессов (с обязательным привлечением медиков)
• Применение математических моделей
• Качественный переход
Эффективность =
Рождение знаний =
планирование прогнозирование формальные критерии принятия решений
большое количество информации анализ данных
Условие перехода к
персонализированной медицине
Условие перехода к
доказательной медицине
23. Административные предпосылки
• Обязанность считать Полный тариф
• Возникновение конкурентной среды
• Программа модернизации (внедрение МИС)
Формализация
процессов
• Данные от оборудования
• Внедрение ЭМК
• Программа модернизации (закупка оборудования)
• Интеграция ЛПУ в кластеры
Рост объемов
данных
24. Технологические предпосылки
заимствование ИТ-решений из других областей:
APS, SCM, BI
технологии хранения и обработки больших
массивов информации
доступные вычислительные мощности:
облачные вычисления, дата центры
25. ERP,
МИС
SCM
модуль
BI
модуль
СППР
модуль
Как этого достичь
Революционный подход Эволюционный подход
• Низкая стоимость внедрения
• Этапность внедрения
• Сохранение устоявшейся ERP
• Гибкий функционал
• Конкуренция модулей (низкая
стоимость разработки)
Своеобразие участков
принятия решений
Единое программное решение Надстройка над МИС
26. Как этого достичь
ЛПУ ЛПУ
Информационный обмен
знания
модели принятия решения
статистика (де-персонифицированные
данные)
Совместное использование
сотрудники (компетенции)
процессы
27. Сотрудничество между ЛПУ
ПРАКТИКА ЛПУ
оборудование
сотрудники
технологии
ОПЫТ
(факты + знания)
данные
специалисты
процессы
схема развития
28. Сотрудничество между ЛПУ
федеральное ЛПУ
данные процессы специалисты
региональное ЛПУ
сотрудникиоборудование технологии
публикации
семинары
телемедицина
традиционная схема
29. н а д с т р о й к а н а д К М И С
н а д с т р о й к а н а д К М И С
Сотрудничество между ЛПУ
федеральное ЛПУ
данные процессы специалисты
региональное ЛПУ
сотрудники
статистика модели экспертизадоступ к процессам
оборудование технологии
публикации
семинары
телемедицина
инновационная схема
Основу для достижения заявленных целей мы видим в повышении уровня автоматизации деятельности лечебно-профилактических учреждений. А именно: в осуществлении качественного перехода от используемых повсеместно Комплексных Медицинских Информационных Систем (КМИС), представляющих собой ничто иное, как банальную ERP-систему медицинской направленности, к системам осуществляющим поддержку принятия решений на всех уровнях работы ЛПУ:
управленческих решений: планирование бюджета, управление ресурсами, составление рабочих графиков и расписаний госпитализации и т.д.
непосредственно клинической практики: постановка диагноза, мониторинг состояния пациента, оценка риска возникновения осложнений, выработка сценария лечения.
Система поддержки принятия решений так же далеко отстоит от традиционной ERP, как современное вооружение отличается от оружия времен первой мировой войны. И там и тут главным преимуществом современных технологий является наличие интеллектуальных компонентов. Современная техника не только выполняет приказы человека, она: предугадывает развитие ситуации, просчитывает варианты, оценивает риски, подсказывает оптимальную стратегию поведения.
Другими словами - берет на себя все рутинные задачи анализа огромного потока поступающих данных, позволяя человеку сосредоточится на критически важных участках процесса принятия решений.
Круг задач, решаемых любой ERP-системой, ограничен сбором, хранением и передачей данных + формирование стандартизированной отчетности.
Система поддержки принятия решений основана на механизмах:
глубокой аналитики данных накапливаемых в результате экономической и клинической деятельности
математического моделирования процессов протекающих в учреждении
Таким образом, СППР опирается на результат работы ERP по сбору и хранению данных, но делает следующий шаг:
Обобщает данные, позволяя пользователю работать уже с результатами таких обобщений;
Выдвигает и проверят на имеющихся фактах разнообразные гипотезы;
Вырабатывает рекомендации, согласованные с имеющимся опытом учреждения, фиксированным в его базе данных.
Система поддержки принятия решений так же далеко отстоит от традиционной ERP, как современное вооружение отличается от оружия времен первой мировой войны. И там и тут главным преимуществом современных технологий является наличие интеллектуальных компонентов. Современная техника не только выполняет приказы человека, она: предугадывает развитие ситуации, просчитывает варианты, оценивает риски, подсказывает оптимальную стратегию поведения.
Другими словами - берет на себя все рутинные задачи анализа огромного потока поступающих данных, позволяя человеку сосредоточится на критически важных участках процесса принятия решений.
Круг задач, решаемых любой ERP-системой, ограничен сбором, хранением и передачей данных + формирование стандартизированной отчетности.
Система поддержки принятия решений основана на механизмах:
глубокой аналитики данных накапливаемых в результате экономической и клинической деятельности
математического моделирования процессов протекающих в учреждении
Таким образом, СППР опирается на результат работы ERP по сбору и хранению данных, но делает следующий шаг:
Обобщает данные, позволяя пользователю работать уже с результатами таких обобщений;
Выдвигает и проверят на имеющихся фактах разнообразные гипотезы;
Вырабатывает рекомендации, согласованные с имеющимся опытом учреждения, фиксированным в его базе данных.
Эффективная работа учреждения – складывается из эффективности его бизнес-процессов.
Основой для реинжиниринга (улучшения) любого процесса является его формализация: детальное описание всех параметров, явная постановка целей на достижение которых процесс направлен, критериев успешности его выполнения.
Предельным случаем формализации является математическое моделирование процесса. Такой подход позволяет эффективно применять математический аппарат для достижения заявленных целей максимально эффективным способом с точки зрения обозначенных критериев.
Кроме того, использование формальных критериев принятия управленческих решений позволяет сделать сам процесс принятия решения более прозрачным. Это позволяет исключить влияние скрытых мотивов сторон принимающих решения, вынуждая их честно и явно говорить о своих намерениях в терминах «ЧЕГО НУЖНО ДОСТИЧЬ», а не «ЧТО И КАК НЕОБХОДИМО СДЕЛАТЬ».
Другой основой для улучшения ситуации в учреждениях здравоохранения является огромный потенциал скрытый в данных собираемых о пациентах. Пока этот потенциал не используется, но применив к имеющимся данным (а главное к тем, которые будут собираться благодаря новому оборудованию) методы Интеллектуального анализа данных, можно получить просто прорывные результаты. Именно в этом направлении активно двигаются все развитые страны. По оценкам McKinsey Global Institute только в здравоохранении США экономический эффект от применения технологий анализа данных оценивается $300 млрд. в год.
Эффективная работа учреждения – складывается из эффективности его бизнес-процессов.
Основой для реинжиниринга (улучшения) любого процесса является его формализация: детальное описание всех параметров, явная постановка целей на достижение которых процесс направлен, критериев успешности его выполнения.
Предельным случаем формализации является математическое моделирование процесса. Такой подход позволяет эффективно применять математический аппарат для достижения заявленных целей максимально эффективным способом с точки зрения обозначенных критериев.
Кроме того, использование формальных критериев принятия управленческих решений позволяет сделать сам процесс принятия решения более прозрачным. Это позволяет исключить влияние скрытых мотивов сторон принимающих решения, вынуждая их честно и явно говорить о своих намерениях в терминах «ЧЕГО НУЖНО ДОСТИЧЬ», а не «ЧТО И КАК НЕОБХОДИМО СДЕЛАТЬ».
Другой основой для улучшения ситуации в учреждениях здравоохранения является огромный потенциал скрытый в данных собираемых о пациентах. Пока этот потенциал не используется, но применив к имеющимся данным (а главное к тем, которые будут собираться благодаря новому оборудованию) методы Интеллектуального анализа данных, можно получить просто прорывные результаты. Именно в этом направлении активно двигаются все развитые страны. По оценкам McKinsey Global Institute только в здравоохранении США экономический эффект от применения технологий анализа данных оценивается $300 млрд. в год.
Эффективная работа учреждения – складывается из эффективности его бизнес-процессов.
Основой для реинжиниринга (улучшения) любого процесса является его формализация: детальное описание всех параметров, явная постановка целей на достижение которых процесс направлен, критериев успешности его выполнения.
Предельным случаем формализации является математическое моделирование процесса. Такой подход позволяет эффективно применять математический аппарат для достижения заявленных целей максимально эффективным способом с точки зрения обозначенных критериев.
Кроме того, использование формальных критериев принятия управленческих решений позволяет сделать сам процесс принятия решения более прозрачным. Это позволяет исключить влияние скрытых мотивов сторон принимающих решения, вынуждая их честно и явно говорить о своих намерениях в терминах «ЧЕГО НУЖНО ДОСТИЧЬ», а не «ЧТО И КАК НЕОБХОДИМО СДЕЛАТЬ».
Другой основой для улучшения ситуации в учреждениях здравоохранения является огромный потенциал скрытый в данных собираемых о пациентах. Пока этот потенциал не используется, но применив к имеющимся данным (а главное к тем, которые будут собираться благодаря новому оборудованию) методы Интеллектуального анализа данных, можно получить просто прорывные результаты. Именно в этом направлении активно двигаются все развитые страны. По оценкам McKinsey Global Institute только в здравоохранении США экономический эффект от применения технологий анализа данных оценивается $300 млрд. в год.
Сейчас есть существенные предпосылки для запуска механизмов формализации процессов ЛПУ. Государство требует более эффективного управления ресурсами учреждений. Заявлено о намерении отойти от прежних дотационных механизмов формирования бюджетов. ЛПУ обяжут отражать все статьи расхода в стоимости оказания услуги. Уже сейчас граждане могут самостоятельно выбирать ЛПУ и врача у которого они хотят проходить лечение. А в будущем – этот выбор станет определяющим для получения учреждением финансирования. Тем самым закладываются основы для формирования конкурентной рыночной среды работы учреждений.
С другой стороны: прошел первый этап программы модернизации, позволивший существенно восполнить нехватку в технике и системах первичной автоматизации. Внедрение новых технологий обследования больных, мониторинга состояния их здоровья – источник для невиданных ранее объемов информации, нуждающейся в обработке и интерпретации.
По счастью, все технологии, необходимы для реализации наших планов, не только уже существуют, многие из них давно и успешно внедрены как отраслевые решения. Все что необходимо – это перенести опыт их применения на область здравоохранения.
Предприятия вовлеченные в рыночные механизмы уже давно не довольствуются функциями первичной автоматизации, предлагаемыми ERP. Используются более современные интеллектуальные системы:
Системы APS (сокр. от англ. Advanced Planning & Scheduling — усовершенствованное планирование) – позволяют быстро составлять планы с учётом имеющихся ресурсов и производственных ограничений (переналадки оборудования, доступность оснастки, связи между машинами и др.) и быстро перепланировать по заранее составленным сценариям оптимизации.
Системы SCM (сокр. от англ. Supply Chain Management — управление цепочками поставок) – предназначены для автоматизации и управления всеми этапами снабжения предприятия и для контроля всего товародвижения на предприятии. Позволяет значительно лучше удовлетворить спрос на продукцию компании и значительно снизить затраты на логистику и закупки. SCM охватывает весь цикл закупки сырья, производства и распространения товара.
Системы BI (сокр. от англ. Business intelligence — бизнес-анализ) – методы и инструменты для построения информативных отчётов о текущей ситуации. Цель бизнес-аналитики — предоставить нужную информацию тому человеку, которому она необходима в нужное время. Эта информация может оказаться жизненно необходимой для принятия управленческих решений.
Конечно призыв заменить уже внедренные комплексные информационные системы на новые еще более функциональные, а значит – более сложные, программные продукты вызовет естественные опасения. На ум тут же приходит множество трудностей которые непременно будут сопровождать такую масштабную операцию:
Огромные финансовые затраты на внедрение: финансовые и людские
Нехватка времени и людей для освоения нового функционала
Психологический барьер со стороны персонала ЛПУ при внедрении новой МИС
Все эти опасения справедливы, НО только при условии ЗАМЕНЫ внедренных ранее систем на новую. Однако как было сказано ранее, ни APS, ни SCM, ни СППР не отрицают функций осуществляемых ERP-системой. Напротив – все они опираются на базовый функционал ERP, естественным образом дополняя его за счет привлечения интеллектуальных механизмов работы с данными.
Добавим к этому, что каждый участок принятия решений имеет свои уникальные требования к функционалу, интерфейсу, уровню обобщения данных. По сути, связующим звеном СППР-системы является только базовый функционал по хранению, обновлению и осуществлению доступа к данным (за который как раз отвечает ERP), весь остальной функционал от природы своей имеет модульную природу и не требует единообразно подхода.
В силу всего сказанного мы предлагаем концепцию «Интеллектуальной надстройки над КМИС». Идея проста – сохранить ERP-систему существующую на ЛПУ, дополнив ее отдельными интеллектуальными модулями выполняющими вполне конкретные функции обработки информации и представлении ее в виде удобном для принятия решения на фиксированном участке ответственности.
Данный подход не только позволит существенно снизить затраты на внедрение и сделать его более гармоничным, он даже не предполагает, что все модули должны быть разработаны единым производителем. Необходим только общий формат обмена информацией и он есть – HL7, который кстати поддерживают все современные МИС (как российские, так и зарубежные).
Один из принципов “Big Data” звучит так: «больше значит лучше». В контексте наших задач это означает, что необходимо максимально интегрировать деятельность различных ЛПУ, не только на уровне совместной работы, но и организовать совместное накопление медицинской статистики на общее благо.
В процессе своей клинической практики, ЛПУ накапливает ценный опыт выраженный в:
данных: результатах измерений, наблюдений за реакцией организма пациентов на различные меры воздействия и пр.
знаниях, фиксированных в личном опыте сотрудников (превращающихся в процессе этой практики в ценных специалистов) и процессах, отражающих представления специалистов ЛПУ о том, как нужно вести дела.
Сейчас обмен опытом между ЛПУ возможен только на уровне сотрудников: через личное общение (семинары, конференции, курсы), либо посредством публикаций (статей, монографий).
Сейчас обмен опытом между ЛПУ возможен только на уровне сотрудников: через личное общение (семинары, конференции, курсы), либо посредством публикаций (статей, монографий).