Содержание к диссертации
Введение
Глава 1. Эволюция клинических информационных систем 17
1.1. Два периода развития клинических информационных систем 19
1.2. Цели внедрения систем в больницах 23
1.3. Отношение медицинского персонала клиническим информационным систем 29
1.4. Эффективность эксплуатации клинических информационных систем 32
1.5. Количество больниц, использующих клинические информационные системы 33
1.6. Стоимость внедрения клинических информационных систем 36
1.7. Системы компьютерного заказа назначений 38
1.8. Заключение по главе 40
Глава 2. Разработка систем первого и второго поколений 43
2.1. Автоматизация медико-биологических исследований и системы биотехнической обратной связи 43
2.1.1. Системы автоматизации управляемых и многопараметрических исследований 44
2.1.2. Система биотехнической обратной связи 52
2.1.3. Биотехническая обратная связь на основе компьютерных игр 55
2.2. Компьютерная технология ведения историй болезни 61
2.2.1. Свойства компьютерной технологии ведения историй болезни 62
2.2:2. Оценка успешности применения технологии в больницах 67
2.2.3. Факторы влияния технологии на качество лечения 74
2.3. Заключение по главе 77
Глава 3. Обоснование необходимости информатизации лечебно-диагностических процессов и требования к системам нового поколения 80
3.1. Обоснование необходимости информатизации лечебно-диагностических процессов 80
3.1.1. Причины и следствия усложнения лечебно-диагностических процессов 80
3.1.2. Анализ характеристик трех видов лечебно-диагностических процессов 82
3.1.3. Оценка объема знаний и уровня сложности задачи лечения 89
3.2. Формирование требований к типовым клиническим информационным системам нового поколения 92
3.2.1. Анализ неудач внедрения систем 93
3.2.2. Требования к тиражируемым клиническим информационным системам нового поколения 97
3.2.3. Способы оценивания результатов внедрения систем 102
3.3. Заключение по главе 104
Глава 4. Структурная модель клинической информационной системы и специализированные структуры данных 107
4.1. Структурная модель клинической информационной системы 107
4.1.1. Декомпозиция лечебно-диагностических процессов 108
4.1.2. Описание структурной модели 109
4.1.3. Выбор средств реализации тиражируемой клинической информационной системы 116
4.1.4. Три уровня функциональной гибкости системы 119
4.2. Специализированные структуры данных системы «ДОКА+» 121
4.2.1. Специализированные структуры данных 123
4.2.2. Пользовательские атрибуты 126
4.2.3. Организация хранения результатов обследований 128
4.3. Заключение по главе 131
Глава 5. Подсистемы назначений лечения и обследований 133
5.1. Информационная поддержка процессов, связанных с назначением медикаментов 134
5.1.1. Реализация динамического многослойного интерфейса 135
5.1.2. Оценка времени, необходимого для выбора препаратов 140
5.1.3. Дополнительные алгоритмы назначения медикаментов 142
5.1.4. Режимы работы функций поддержки принятия врачебных решений 145
5.2. Подсистема обследований, воздействий и наблюдений 148
5.2.1. Технологические функции подсистемы 149
5.2.2. Концепция обследований, воздействий и наблюдений 152
5.2.3. Стандартные бланки обследований, воздействий и наблюдений 154
5.2.4. Конструируемые бланки обследований, воздействий и наблюдений 159
5.2.5. Способы ускорения процедуры заказа назначений 162
5.2.6. Преимущества подсистемы назначения обследований, воздействий и наблюдений 165
5.3. Заключение по главе 169
Глава 6. Функциональные свойства и эффективность клинической интранет-системы «ДОКА+» 171
6.1. Функциональные свойства и характеристики системы «ДОКА+» 172
6.1.1. Характеристики компонентов системы 174
6.1.2. Возможности конструирования 187
6.1.3. Уникальные свойства и характеристики системы «ДОКА+» 190
6.2. Эффективность клинических ИС нового поколения 191
6.2.1. Анализ влияний, возникающих при эксплуатации системы 191
6.2.2. Соотношение затраты - качество лечения 198
6.2.3. Оценка эффективности персонифицированного распределения медикаментов 199
6.2.4. Эффективность функций поддержки принятия врачебных решений 207
6.3. Заключение по главе 210
Глава 7. Информационная пациентоцентрическая среда и интеллектуальные алгоритмы поддержки принятия врачебных решений 212
7.1. Концепция информационной пациентоцентрической среды 212
7.2. Алгоритм обучения полносвязной сети нейроподобных элементов 219
7.3. Полносвязная сеть нейроподобных элементов в задаче дифференциальной диагностики 227
7.4. Заключение по главе 229
Заключение 231
Выводы 236
Список литературы 237
Приложение 264
- Цели внедрения систем в больницах
- Анализ характеристик трех видов лечебно-диагностических процессов
- Характеристики компонентов системы
- Алгоритм обучения полносвязной сети нейроподобных элементов
Цели внедрения систем в больницах
Цель первых разработок АБИС состояла в том, чтобы автоматизировать работу с большими объемами информации, накапливаемой в бумажных архивах больниц, относящейся к пациентам, их заболеваниям и лечению. Эта информация необходима как непосредственно в ходе лечебно-диагностических процессов (ЛДП), так и для последующего агрегирования на уровне города, региона, страны, требуемого для решения задач здравоохранения (Ноженкова Л.Ф., 2004; Vinogradov К.А. et al., 2004).
Сбор, хранение и обработка данных в больницах являются весьма затратными процессами. По различным оценкам в рассматриваемый период времени затраты на них составляли от 10% до одной трети всех расходов больниц (Peterson Н.Е., 1983; Dujols P. et al., 1986).
Первые системы в больницах предназначались для решения задач административно-финансового управления, автоматизации работы лаборатор-но-диагностической службы, проведения экспериментальных клинических исследований. В последующие годы возникло осознание большого значения интеграции отдельных систем, эксплуатируемых в больнице, в единую систему, так это давало возможность упростить и ускорить решение многих вопросов, связанных с взаимодействием специалистов из различных подразде-лений (Lincoln T.L., 1984). Тем не менее, основной движущей силой внедре 24 ния АБИС на протяжении всего периода оставалась задача автоматизации сбора, хранения и обработки больничной информации. В Японии, США главным стимул ом. внедрения систем являлась необходимость информатизации расчетов с плательщиками за оказываемые пациентам услуги(Ьип К.С. etal., 1986; Mass D., 1984).
Ближе к концу периода в США наметилась тенденция к индустриализации ЛДП (Щербаткин Д.Д. и др., 1988), выражающаяся разработке и внедрении стандартов лечения и обследования, переходу к фиксированнойюпла-те за лечение пациента, зависящей от клинико-статистической (клинико-диагностической) группы, к которой относится его заболевание (Pitre R., 1984). Эти нововведения» послужили, дополнительным-стимулом для внедрения АБИС в больницах страны, как и ранее связанным со значительным объемом собираемой и обрабатываемой информации:
Таким образом, в первом периоде развития АБИС информатизация ЛДП служила целям, не связанным непосредственно с этими процессами. Это обусловлено, по нашему мнению, «чрезвычайной сложностью проблемы информатизации клинической медицины, т. е. собственно лечения» (Лищук В.А. и др., 2003, стр. 37). АБИС рассматривалась как средство организации труда персонала больницы, в том числе и в ходе ЛДП, которое «не оказывает прямого влияния.на лечение пациента» (Щербаткин Д.Д. и др., 1988, стр: 29). Однако понятно, что возможность оперативного представления информации, имеющаяся, при эксплуатации АБИС, должна косвенно содействовать повышению качества лечения в, больнице, в связи с чем декларируется, что «улучшение качества лечения (Постепенно становится преобладающей задачей» (Щербаткин Д.Д. и др., 1988, стр. 30).
Рассмотрим на ряде примеров цели и задачи создания и внедрения клинических ИС, которые ставились их разработчиками в течение второго периода развития таких систем.
В работе (Шкловский-Корди Н.Е. и др., 2003) необходимость исполь 25 ских архивов и повышением формальных требований к медицинской отчетности и документации...» (стр. 74). Цель созданной авторами цитируемой работы мультимедийной истории болезни (МИБ) - «сбор, хранение и анализ информации о пациенте, в том числе диагностических изображений; изучение возможностей применения МИБ для телемедицинских консультаций и контроля выполнения протоколов ведения пациентов» (стр. 74). МИБ апробирована и используется в Гематологическом научном центре РАМН.
В Новоусманской центральной районной больнице (Воронежская область) с 1996 г. ведутся работы по автоматизации деятельности различных подразделений (приемного отделения, отдела медицинской статистики и др.), выполняемые по плану комплексной автоматизации больницы (Лаблюк Ф.Л. и др., 2003). Создание компьютерной истории болезни в этом плане занимает последнее место. Эта работа оставлена на завершающий этап, в качестве ее целей декларируется предоставление персоналу следующих возможностей: оперативное получение полной информации по пациентам, оперативное принятие решений для повышения эффективности ЛДП, упразднение дублирования ввода данных в различных подразделениях.
Аналогичный подход к созданию в больнице ИС предлагается в работе (Кузнецов Г.Г., 2003). В ней обосновывается необходимость «в первую очередь создания регистрационно-статистической подсистемы», медицинская часть которой «со временем может развиться в электронную историю болезни» (стр. 72).
Центральная медико-санитарная часть № 122 (г. Санкт-Петербург) с 1995 г. внедряет ИС по плану, предусматривающему 3 этапа (подсистемы). Электронная история болезни, которая «позволяет врачам в удобной форме хранить и передавать друг другу материалы, связанные с диагностикой и ле чением пациента, помогает в научной работе и обучении новых сотрудников, создает основу для удаленных врачебных консультаций по телемедицинским каналам» (Накатис А.Я., Коган Е.И, 2001, стр. 171), в соответствии со страте гией развития ИС, будет реализовываться на последнем этапе 26
В НИИ нейрохирургии им. Н.Н. Бурденко РАМН цель создания электронной истории болезни (ЭИБ) определяется «необходимостью информационного сопровождения процесса лечения пациентов, а, кроме того, необходимостью информационной поддержки большого объема проводимой в институте научной-работы» (Шифрин М.А. и др., 2000, стр. 270). Разработку и внедрение ЭИБ в Институте с 1998 г. ведет медико-математическая лаборатория, входящая в его состав. Ранее, как следует из первого опубликованного обзора клинических ИС, разрабатываемых и эксплуатируемых в нашей стране, исполнителем этих работ являлась компания IBS (Емелин И.В. и др., 1998). Создаваемая система предназначалась для «автоматизации администрирования и документирования лечебно-диагностического процесса и госпитализации, доступа к графической информации (рентгеновские снимки, кардиограммы, томограммы и т. д.), ведения архивов, а также согласования назначений и отчетности» (Емелин И.В. и др., 1998, стр. 45).
В Торжокской центральной районной больнице (Тверская область) разработана и внедрена в 1997 г. ИС, назначение которой: «Информационное обеспечение лечебно-диагностического процесса в ЛПУ (лечебно-профилактическое учреждение, примечание автора) - это интегрированная, комплексная система по сбору и учету медико-экономической, статистической и финансовой информации, персонифицированному учету оказанных услуг, затраченных медикаментов и материалов; учету реальной нагрузки каждого медработника; учету загружаемое медицинского и диагностического оборудования» (Синявский В.М. и др., 2004, стр. 33).
В ростовском НИИ Акушерства и педиатрии в 1990 - 1992 годах был создан программно-аппаратный комплекс МЕДИНФОС, предназначавшийся «для полной автоматизации работы врачей и среднего медицинского персонала». Комплекс обеспечивал «ввод и обработку информации в разделах электронной истории болезни, сбор и регистрацию в реальном времени данных от медицинской измерительно-диагностической аппаратуры, а также ретроспективный анализ накопленной информации и ее статистическую обработку» (Емелин И.В. и др., 1998 стр. 41).
В НИИ скорой помощи им. И.И. Джанелидзе (г. Санкт-Петербург) с 1998 г. разрабатывается информационная система, цель которой - учитывать и анализировать услуги, оказанные каждому пациенту (Архипов В.В., 2002). В случае повторной госпитализации пациента в течение первых 15 суток после выписки ИС «автоматически отражает краткую электронную историю болезни по предыдущей госпитализации» (стр. 165). Эта возможность отнесена автором к оперативному контролю качества медицинской помощи.
Научно-производственное объединение «АЛТЕЙ» в 1998 г. вело разработку информационной системы для родильного дома № 17 г. Москвы, предназначенной «для информационной поддержки деятельности руководства и медицинского персонала путем предоставления оперативной информации о ходе медицинского обслуживания» (Емелин И.В. и др., 1998, стр. 45).
В Госпитале ветеранов войн № 3 (г. Москва) с 1992 г. действует ИС «Эверест», созданная научно-техническим предприятием «АИТ». Система предназначена «для повышения эффективности деятельности персонала ЛПУ» (Емелин И.В. и др., 1998, стр. 40). Отметим, что «Эверест» является одной из двух клинических ИС, рассмотренных в цитируемом обзоре, которые к 1998 г. были установлены и эксплуатировались более чем в десяти больницах.
Анализ характеристик трех видов лечебно-диагностических процессов
Подход к описываемому обоснованию опирается на рассмотрение в различных системах координат важных характеристик трех видов лечебно-диагностических процессов, отличающихся используемыми методами и уровнем информатизации (Шульман Е.И. (а), 2005). К рассматриваемым видам процессов относятся:
- методы компьютерной биологической обратной связи;
- мероприятия по выводу пациентов из критических состояний;
- все остальные лечебно-диагностические процессы, протекающие в условиях больниц (будем, использовать длящих обозначения в этом параграфе аббревиатуру ЛДП).
1: Система- координат ключевых параметров. Известно, что для описания динамики состояния любого сложного объекта и принятия решений о воздействиях и их параметрах, посредством которых текущее состояние может быть изменено в требуемом направлении, необходимо регистрировать и обрабатывать характеризующие его показатели. Ключевыми параметрами автоматизированных систем, предназначенных для информационной поддержки, анализа состояния объектов и управления ими являются число изме 83 ряемых показателей и минимальная длительность периода времени между двумя соседними измерениями (дискрета). Величины этих параметров во многом определяют уровень сложности разработки таких систем.
Лечебно-диагностические процессы, объект которых - организм человека, а цель - перевод объекта из исходного состояния в требуемое (например, болезнь - выздоровление, тяжелое состояние - удовлетворительное), характеризуются наличием большого числа регистрируемых показателей. Например, биохимический анализ крови, выполнение которого необходимо при многих заболеваниях, может содержать более сорока показателей. Очевидно, что с развитием медико-технических наук увеличивается число показателей, отражающих те или иные свойства организма, регистрация которых полезна для решения различных вопросов лечения и диагностики.
Второй параметр, дискрета, составляет в большинстве случаев часы или дни, то есть в отличие, например, от дискрет, используемых при проведении многих физических экспериментов, имеет относительно большую величину, что всегда позволяло медикам иметь достаточно времени для переработки информации и принятия лечебно-диагностических решений. Можно полагать, что именно из-за этого процесс информатизации, интенсивно протекающий в последнее десятилетие в различных сферах человеческой деятельности, затронул ЛДП лишь в той степени, в которой им занимались отдельные инициативные группы исследователей и разработчиков, и не приобрел сколько-нибудь глобального характера.
Опыт автоматизации научных физических исследований, без которой их выполнение является невозможным, в последней четверти 20-го столетия был применен (в части использования алгоритмических и аппаратно-технических решений) для автоматизации медико-биологических и, в частности, управляемых физиологических исследований. Величины обоих ключевых параметров этих исследований отличаются от соответствующих величин для ЛДП в сторону значительного уменьшения. Совершенствование алгоритмов автоматизации физиологических и психофизиологических исследований привело к созданию метода компьютерной биотехнической обратной связи (БОС), который получил применение не только в научных исследованиях, но и в клинической практике (Сохадзе Э.М., Шульман Е.И. и др., 1985, 1989). Как было показано в целом ряде работ, БОС может использоваться в качестве немедикаментозного метода лечения на ранних стадиях различных заболеваний, для реабилитации, а также в профилактических целях (Штарк М.Б., Шварц М.С., 2002). В большинстве случаев при проведении процедур БОС регистрируются один или несколько показателей деятельности физиологической системы организма пациента или нескольких систем, а дискрета их измерения составляет от миллисекунды до секунды.
Второй рассматриваемый вид лечебно-диагностических процессов связан с выводом пациентов из критических состояний (далее будем использовать аббревиатуру ВКС). Как правило, соответствующие ВКС лечебные мероприятия проводятся в реанимационных отделениях и отделениях интенсивной терапии. Этот вид процессов, как и БОС, характеризуется существенно меньшими величинами ключевых параметров, по сравнению с другими лечебными процессами, так как в большинстве случаев требует намного более частых измерений и непрерывной регистрации нескольких физиологических сигналов, но меньшего числа показателей (более определенного или стандартного набора, чем для других процессов), отражающих, в первую очередь, деятельность сердечно-сосудистой и дыхательной систем. В связи с этим проведение методов БОС и ВКС возможно в настоящее время только с использованием компьютеризированных систем или приборов.
На рис. 3.1,а в координатах описанных ключевых параметров условно показаны области, занимаемые методами БОС, ВКС и ЛДП.
2. Система координат «ключевые параметры - степень тяжести». БОС и ВКС являются близкими по величинам ключевых параметров (рис. 3.1,а). Одно из их существенных отличий состоит в степенях тяжести состояний пациентов, для которых они используются. БОС - при состояниях, близких к нормальным, когда не требуются многочисленные обследования и лечебные (медикаментозные и другие) воздействия для установки точного диагноза и соответствующего лечения. ВКС - при противоположных состояниях, когда главной задачей медицинского персонала становится проведение мероприятий, направленных на сохранение жизни пациента. На рис. 3.1,6 условно отображены области, занимаемые в этом координатном пространстве ЛДП и двумя «крайними» видами - БОС и ВКС.
3. Система координат «степень тяжести - характеристика ЛДП».
Одной из важных характеристик различных видов ЛДП является степень (уровень) участия в них врачей и самих пациентов. Еще одна качественная характеристика рассматриваемых видов ЛДП - уровень их информатизации. Рассмотрим условные зависимости величин этих характеристик от степени тяжести состояния пациентов.
Следствием крайних различий в состояниях пациентов, при которых приемлемы методы БОС и ВКС являются и крайняя степень различия участия в проведении этих методов врачей и самих пациентов. Условные (качественные) зависимости уровня их участия от степени тяжести состояния пациентов в нормированном виде отображены на рис. 3.2,а. Нормировка значений на оси ординат осуществлена в диапазоне уровней от «низкий» до «высокий».
При госпитализации пациента в стационарное отделение, где протекают ЛДП, степень его участия в лечении резко падает, так как вся ответственность за его лечение переходит к медицинскому персоналу. Степень участия врачей является максимальной при проведении методов ВКС и минимальной при проведении БОС-методов. Соотношение степеней участия врача при проведении ВКС и ЛДП характеризуется тем, что в первом случае один врач ведет одного или нескольких пациентов, а во втором число пациентов у одного врача больше на порядок. Предположение о том, что для ведения ЛДП даже не требуется большая степень участия врача в силу их тривиальности в отличие от ВКС, является несостоятельным. Это подтверждается тем обстоятельством, что даже в простых случаях нередки предотвратимые врачебные ошибки, приводящие к тяжелым последствиям, вплоть до летальных исходов (KohnL.etal., 1999).
Мероприятия, проводимые для ВКС, сопровождаются информационной поддержкой, оказываемой компьютеризированными системами или приборами, используемыми в отделениях интенсивной терапии и реанимацион-ных отделениях больниц. Так же, как для БОС-методов, традиционное применение таких систем является следствием меньшего, чем для большинства ЛДП, числа регистрируемых показателей и малой дискреты измерения, из-за чего осуществление методов ВКС невозможно без информационной под-держки. Кривая 4 на рис. 3.2,6 отражает качественную зависимость уровня информационной поддержки от степени тяжести состояния пациентов и, со-ответственно, от видов лечебно-диагностических процессов.
Сложение кривых 1 и 2 на рис. 3.2,а дает еще одну качественную зависимость, имеющую точку минимума в области ЛДП (кривая 3). Наличие минимума именно в этой области, показывает, что лечение многих заболеваний в больницах в настоящее время является наиболее слабым звеном не только по показателю уровня использования информационных технологий (кривая 4 на рис. 3.2,6), но и по суммарной степени участия в ЛДП пары врач - пациент.
Характеристики компонентов системы
Ведение клинической документации. Система «ДОКА+» дает возможность медицинскому персоналу вести в компьютере клиническую документацию. В ней предусмотрены все известные на сегодня средства, которые способны экономить время персонала при записи дневников, первичных осмотров, рекомендаций, создании эпикризов и т. п., и облегчать эту работу (Сидорова И.А., Шульман Е.И. и др., 2005). К ним относятся:
- шаблоны записей различного типа, которые могут создаваться пользователями, в том числе формализованные шаблоны, шаблоны почасовых назначений и наблюдений для отделений реанимационного профиля и т. д.;
- медико-экономические стандарты (протоколы лечения и обследования) и возможность автоматической подстановки в различные разделы документов текстов и элементов данных, рекомендуемых соответствующим стандартом.
Еще одно средство, предложенное нами и рассмотренное в четвертой главе, состоит в использовании цепочек документов и функций. При этом цепочки, как и формы документов, конструируются пользователями.
Важной характеристикой описываемого компонента системы «ДОКА+» является сигнализация о необходимости своевременного создания тех или иных клинических документов. Для этого используется цветовое кодирование. При входе в систему лечащего врача ему предъявляется для работы список пациентов отделения (или только его пациентов), в котором различными цветами отображается содержимое столбца с датой поступления пациента. Необходимость создания врачом документа, называемого этапным эпикризом, по истечению десяти дней лечения отображается синим цветом, а документа «Направление на контрольно-экспертную комиссию» (при истечении тридцати дней лечения) - красным цветом.
Использование системы для ведения клинической документации приводит к тому, что она является более качественной, полной и лучше соответствует существующим требованиям к ней, чем при традиционном способе, а сами врачи становятся более информированными. Так, при создании врачом дневниковой записи осмотра пациента в нее автоматически подставляются новые результаты выполненных обследований.
Предлагаемые в настоящее время больницам для внедрения коммерческие системы, называемые «Компьютерная история болезни» или «Электронная история болезни», реализуют в том или ином виде и с различной степенью полноты и удобства эксплуатации именно функцию создания клинической документации и на основе накапливаемой информации о лечившихся пациентах создают учетную и медицинскую статистическую отчетность.
Во многих случаях необходимые клинические документы формируются автоматически. Например, при каждом назначении врачом обследования или лечения, автоматически формируется лист назначений. Медицинские сестры и персонал лабораторно-диагностической службы, выполняющие врачебные назначения, получают задание непосредственно на экране монитора в таком виде, который является удобным для выполнения.
Принципиально важной для клинической ИС нового поколения является функциональность, обеспечиваемая компьютерным заказом назначений на обследования и лечение.
Компьютерный заказ назначений на обследование т лечение. В рассматриваемой системе «ДОКА+» реализованавозможность дляврачей заказывать назначение пациентам лечениями обследование и передавать заказ непосредственно в. локальной сети больницы. Это позволяет снабжать врача важной информацией; в процессе назначения в реальном масштабе времени: Хорошо, известно, что врачи не всегда могут вспомнить ее в нужный момент. «Врач нередко ошибается в диагностике и лечении только потому, что не помнит какого-то симптома, не знает о каком-то редком варианте течения того или иного заболевания, не вспомнил вовремя об определенном препарате ...» (Тарасов К.Е. и др., стр. 259). К такой категории информации относятся; например, указания на аллергические реакции пациента или побочные действия препаратов, на несовместимость препаратов между собой или неэффективность их сочетания,- сопутствующие диагнозы. Именно такие функциональные возможности системы вносят существенный вклад как в увеличение клинической эффективности лечебно-диагностических процессов, так и в по-вышениеуровюгбезопасности пациентов, и, с нашей точки зрения, являются обязательными для клинической-ИС нового поколения.
При входе врача в режима назначения препаратов, он получает на экране таблицу-напоминание, в которой приводятся антропометрические данные пациента w все выявленные аллергические реакции на медикаменты, все диагнозы (основной, сопутствующие, осложнения), план лечения. Далее он получает следующие возможности: может выбрать требуемые для назначения препараты из списка имеющихся в отделении или на. аптечном складе, используя при этом специально разработанный динамический многослойный интерфейс, рассмотренный в предыдущей главе. Может назначить препараты в.виде смеси, выбрать одну из схем (стандартный протокол) лечения. Рекомендуемые терапевтическая доза, кратность применения, длительность кур 177 са, путь введения препарата устанавливаются по умолчанию из справочника препаратов, который ведется в системе. Врач имеет возможность коррекции всех названных атрибутов назначения. Как уже указывалось ранее, в случаях превышения максимальной дозы (разовой, курсовой или суточной), при взаимодействии препарата с ранее назначенными медикаментами или их несовместимости с установленными диагнозами, врач получает предупреждающее сообщение.
Справочники препаратов с рекомендуемыми значениями их атрибутов, видов их взаимодействий и несовместимостей с теми или иными диагнозами из справочника диагнозов, могут редактироваться в системе врачом - клиническим фармакологом.
Выбранные врачом для назначения пациенту медикаменты попадают в лист назначений, а также в специальные списки (журналы), автоматически создаваемые для медицинских сестер, выполняющих назначения. Важным функциональным свойством, реализованным в системе, является возможность создания и использования схем (стандартных протоколов) лечения, которые обеспечивают высокий уровень стандартизации лечения в больнице, а также применение современных высокоэффективных подходов к лечению различных заболеваний (Newby D.A. et al., 2003).
Для назначения пациенту обследований врачу предъявляется список групп обследований, при перемещении по которому открывается список обследований внутри группы, как описано в предыдущей главе. При назначении обследований предоставляется возможность использовать медико-экономические стандарты. После выбора стандарта, по которому планируется лечение пациента, можно сразу же получить и соответствующий набор обследований, и заказать его целиком или частично. Произвольная группа МЭС может быть объединена в одну клинико-статистическую группу (КСГ). Это упрощает формирование списков обследований для однотипных МЭС и является важной возможностью для больниц, применяющих КСГ или клинико-диагностические группы (Шульман Е.И., Рот Г.З., 2005).
Принципиально важные преимущества компьютерного заказа назначений состоят в том, что, во-первых, открываются возможности для использования встраиваемых в систему функций поддержки принятия врачебных решений, чрезвычайно значимых для обеспечения безопасности пациентов и эффективности лечения. Во-вторых, в результате становится возможным автоматический персонифицированный учет затрат на лечение и обследование пациентов, обеспечивающий рационализацию расходов больницы.
Встроенные функции ППВР. Назначение таких функций состоит в том, чтобы непосредственно в ходе ЛДП в реальном масштабе времени информировать врача и предупреждать его в случаях совершения потенциальных ошибок. К наиболее простым из них относятся всевозможные списки пациентов, напоминающие врачу о необходимости выполнения той или иной работы (создание этапных эпикризов, документов для экспертных комиссий и т. д.). Более сложный механизм поддержки принятия решений врача, реализованный в системе, - использование стандартных протоколов лечения и обследования.
Алгоритм обучения полносвязной сети нейроподобных элементов
Одной из наиболее важных и распространенных задач, решаемых в ходе ЛДП, является дифференциальная диагностика, при которой на основании анализа ряда лабораторно-диагностических показателей, клинических симптомов и синдромов (будем называть их признаками) врач или консилиум врачей выбирает для проведения лечения один из вероятных диагнозов. Существенно, что признаки в общем случае не являются независимыми между собой.
Из этого следует, что сеть нейроподобных элементов (СНЭ) для решения задачи дифференциальной диагностики должна содержать связанные между собой элементы. Однако конструирование СНЭ с обратными связями сопряжено с решением вопроса устойчивости их функционирования.
Многослойные СНЭ с прямыми связями используются для решения задач, характеризующихся тем, что имеется точная информация о требуемом состоянии выходных элементов сети (обучение под контролем) (Sejnovski Т.J., 1988; Hripcsak G., 1988; Reggia J.A., Satton G.G., 1988). Применение таких сетей было обусловлено появлением обобщения метода обратного распространения ошибки (рассогласования) для их обучения (Rumelhart D.E., et al., 1986), состоящего в поиске таких весов связей между элементами сети, при которых заданным внешним входам сети ставятся в соответствие требуемые значения выходных элементов.
Известное условие устойчивости СНЭ с обратными связями состоит в симметричности матрицы весов связей (Hopfield J.J., 1982). В (Almeida L.B., 1988) предложен метод обучения сети с обратными связями, условие стабильности которой - пропорциональность прямой и обратной связи между каждой парой элементов. При этом не исключена возможность наличия нескольких устойчивых состояний для какого-либо входного воздействия. Такие условия стабильности нейросети представляют собой существенное ограничение возможности ее обучения за приемлемое время.
Поскольку связи всех признаков между собой при решении задач дифференциальной диагностики в общем случае неизвестны, то СНЭ должна предусматривать двухстороннюю связь каждой пары ее элементов, то есть быть полносвязной.
Рассмотрим алгоритм обучения такой сети и условие сходимости, опубликованные автором (Шульман Е.И, 1989; Shulman Е., 1991). Фрагмент полносвязной СНЭ, состоящий из двух нейроподобных элементов показан на рис. 7.2.
Очевидно, что эти же условия являются условиями устойчивости сети, для которой записана система уравнений (7.4). Предположим, что условия сходимости выполняются и для матрицы весов Wx и вектора внешних входов получено состояние выходов сети ух, дающее суммарную ошибку Е. Если мы располагаем способом получения матрицы весов W2 =W-[ +AW, такой, что при тех же векторах внешних входов и выходов z\ и ух замена матрицы весов связей Wx на W2 приводит к новому стабильному состоянию выходов в котором Е2 Ех, то с матрицей весов W2 итерационный процесс в сети приведет выходы в состояние у2 из любого исходного состояния. Это следует из того, что по теореме сходимости решения системы нелинейных уравнений (Демидович Б.П., Марон И.А., 1963) из какой бы исходной точки ни начинался итерационный процесс, существует единственная точка сходимости, а так как для начального приближения ух таковой является точка у2, то она и будет точкой сходимости сети с матрицей весов W2 при внешних входах ZI.
Выбор W2, приводящий к уменьшению суммарной ошибки Е, может быть осуществлен методом градиентного спуска, так же как и в случае сетей с прямыми связями (Rumelhart D.E., et al., 1986)
Таким образом, для нахождения значений dE/dxj, необходимых для вычисления производных (7.8) и (7.9), надо получить устойчивое состояние сети (7.13) с матрицей весов WT, подав в качестве внешних входов величины (yj - dj) на выходные элементы исходной сети.
Из сопоставления неравенств (7.6) и (7.7) следует, что условия стабильности обеих сетей совпадают при симметричности матрицы весов.
Для обучения сети надо суммировать значения, найденные по формулам (7.8) и (7.9) с учетом (7.10) и (7.11) для каждой пары вход-выход (каждого входного вектора z). После накопления сумм по (7.7) вычисляются Ай)м, аналогичная формула используется для вычисления AjuJt. Однако, следуя работе (Rumelhart D.E., et al., 1986), можно модифицировать веса связей после каждой пары вход-выход.
Сравнение рассмотренного алгоритма вычисления производных от суммарной ошибки по весам связей для полносвязной сети с методом обратного распространения ошибки в многослойных сетях с прямыми связями, в которых элемент внутреннего слоя г может быть соединен только с элемен-тами таких слоев, которые располагаются по отношению к выходному слою ближе, чем г, показывает, что в обоих случаях выполняются одни и те же действия. Транспонирование матрицы весов связей для рассмотренного алгоритма соответствует изменению направления связей в случае многослойной сети с прямыми связями. Вид связей сети, на которой производятся вычисления, необходимые для ее обучения, определяется видом связей исходной сети.
Таким образом, на основе формального представления функционирования полносвязной сети нейроподобных элементов в виде итерационного процесса решения системы нелинейных уравнений получено условие стабильности такой сети (7.14), отличное от условий симметричности или пропорциональности связей каждой пары элементов, и состоящее в ограничении суммы абсолютных величин всех связей каждого элемента. Выполнение этого условия гарантирует не только стабильность, но и единственность устойчивого состояния сети для любого входного вектора.
Алгоритм коррекции весов связей элементов, предложенный на основе такого представления сети, состоит в вычислении выходов всех элементов модифицированной сети, получаемой из исходной транспонированием матрицы весов, заменой нелинейных функций выход-вход на линейные и подачей величин рассогласований на элементы, имеющие внешние выходы.
Рассмотрим условия использования предложенного алгоритма применительно к задачам, возникающим в ходе лечебно-диагностических процессов.
