Содержание к диссертации
Введение
Глава 1. Информационные системы в медицине 11
1.1. Преимущества внедрения медицинских информационных систем и меры по их совершенствованию 11
1.2. Уровни медицинских информационных систем 14
1.3. Классификация медицинских информационных систем 15
1.4. Основные требования к медицинской информационной системе 22
1.4.1. Требования к функциональности 22
1.4.2. Требования к интеграции 23
1.4.3. Требования к масштабированию 25
1.5. Особенности построения интеллектуальных медицинских систем .27
1.5.1. Медицинские знания и их отражение в интеллектуальных системах 27
1.5.2. Классификация интеллектуальных медицинских систем 32
1.5.3. Принципы построения медицинских интеллектуальных систем 33
1.6. Выводы по главе 39
Глава 2. Математические модели интеллектуальной медицинской системы для управления процессами диагностирования, прогнозирования и выбора тактики лечения заболеваний 41
2.1. Модель ранговой корреляции в алгоритме дифференциальной диагностики 41
2.2. Математическая модель многофазной системы массового обслуживания с вторичными и последующими потоками 44
2.3. Выводы 62
Глава 3. Методика первичной обработки данных и формирования базы знаний для системы принятия решений при диагностике, прогнозировании и выборе тактики лечения заболеваний 64
3.1. Проблемы диагностики заболеваний 64
3.2. Диагностика заболеваний как технологический процесс 65
3.3. Алгоритмические принципы диагностики как способ минимизации диагностических ошибок 73
3.4. Построение базы знаний и информационной системы поддержки принятия решений при диагностике, прогнозировании и выборе тактики лечения заболеваний 76
3.5. Выводы по главе 91
Глава 4. Апробация системы поддержки принятия решений при управлении процессом обслуживания пациентов и анализ полученных результатов 94
4.1 Общие сведения о системе 94
4.2 Концептуальная и даталогическая модель системы 95
4.3. Результаты тестирования системы поддержки принятия решений 100
4.3.1. Автоматизация процесса записи на прием к врачу 104
4.3.2. Поддержка принятия решений при диагностировании 108
4.3.3.Поддержка принятия решений при назначении курса лечения 118
4.4. Выводы 125
Заключение 127
Список литературы диссертационного исследования 129
Приложение А Свидетельство о регистрации программного продукта «Медик» 140
Приложение Б Результаты репрезентативной выборки 141
Приложение В Протоколы испытаний программного продукта «Медик» 148
- Медицинские знания и их отражение в интеллектуальных системах
- Диагностика заболеваний как технологический процесс
- Построение базы знаний и информационной системы поддержки принятия решений при диагностике, прогнозировании и выборе тактики лечения заболеваний
- Поддержка принятия решений при диагностировании
Введение к работе
Актуальность темы исследования. В связи с постоянным ростом требований, предъявляемых к медицинскому обслуживанию, достоверности диагностики и доступности получения медицинских услуг значительно возрастает роль информационных технологий.
Большой интерес для практического здравоохранения представляет амбулаторно-поликлиническая помощь как наиболее массовый вид медицинского обслуживания. От верно поставленного первичного диагноза, выбора рационального плана лечения, сокращения времени, затраченного на диагностику, повышения доступности прохождения лабораторных исследований и консультаций специалистов зависит эффективность лечения и удовлетворенность пациентов качеством оказываемых медицинских услуг.
Уровень оказываемой амбулаторно-поликлинической помощи определяется многими факторами. Одной из таких составляющих является степень автоматизации деятельности врачей, возможность переложить часть функций врачей на автоматизированные системы. Такие системы можно применять как на этапах регистрации пациентов и оказания медицинской помощи, так и на более сложных этапах диагностирования и назначения плана лечения.
Однако большинство применяемых в медицине информационных систем направлены или на решение узкоспециализированных задач лечения конкретных заболеваний или на организацию документооборота и поиска информации. В этих системах на ранних этапах диагностирования не учитываются вторичные и последующие потоки пациентов.
В то же время задачи применения интеллектуальных информационных систем поддержки принятия решений для амбулаторно-поликлинической помощи исследованы недостаточно, притом, что использование таких систем дает наибольший эффект при оказании медицинской помощи за счет рационализации структуры лечебного учреждения и распределения потоков снижения времени ожидания пациентов и сокращения непродуктивных затрат времени у врачей.
Известные методы управления решения в области медицины, изложенные в трудах В. К. Финна, О. Ю. Реброва, Л. Д. Мешалкина, С. И. Гольдберга, Б. А. Кобринского, R. Davis, B. G. Buchanan, E. H. Shortliffe и других, ориентированы в основном на узкоспециализированные области медицины, неприменимы на ранних этапах диагностирования и не учитывают вторичные и последующие потоки пациентов.
Разнообразная природа медицинских заболеваний отражается
в отсутствии единства в типовых методах лечения пациентов, наличии значительного количества факторов, влияющих на достоверность поставленных диагнозов.
Таким образом, разработка математических моделей и алгоритмов, позволяющих создавать автоматизированные средства поддержки принятия решений для повышения эффективности оказания амбулаторно-поликлинической помощи, является актуальной научной задачей.
Объектом настоящего исследования является процесс обслуживания пациентов в медицинском учреждении амбулаторно-поликлинического профиля.
Предметом исследования являются модели и алгоритмы управления процессами обслуживания пациентов в медицинском учреждении при оказании амбулаторно-поликлинической помощи.
Цели и задачи. Целью работы является повышение эффективности управления функционированием медицинского учреждения путем разработки моделей и алгоритмов поддержки принятия решений при формировании штатной структуры медицинского учреждения из специалистов необходимого профиля, проведения процессов диагностики и выбора плана лечения.
Для достижения поставленной цели необходимо решить следующие задачи:
1) провести анализ предметной области, определить особенности и недостатки процессов управления обслуживанием пациентов
в медицинском учреждении;
2) разработать и провести анализ модели параллельно-последовательной системы массового обслуживания (СМО) для формирования штатной структуры медицинского учреждения из специалистов необходимого профиля;
3) разработать модели диагностирования заболеваний и методов лечения для повышения эффективности процесса принятия решений при первичной диагностике и выборе рационального плана лечения;
4) разработать алгоритмы и программное обеспечение системы интеллектуальной поддержки процессов диагностики и лечения пациентов;
5) провести экспериментальные исследования эффективности предложенных интеллектуальных алгоритмов поддержки принятия решений.
Методы исследования. В процессе работы использовались методы системного анализа, теории систем массового обслуживания, теории принятия решений, структурного анализа и проектирования систем, теории баз данных, экспертного оценивания, математического моделирования, теории вероятностей и математической статистики.
Соответствие паспорту специальности. Результаты исследования соответствуют пунктам 5, 7, 10 паспорта научной специальности 05.13.10 – Управление в социальных и экономических системах.
Научная новизна:
1 Модель параллельно-последовательной системы обслуживания, которая в отличие от известных учитывает кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков пациентов, что позволяет эффективно управлять работой медицинского учреждения, изменяя его структуру с учетом региона и времени года, определяющих заболеваемость, а также потребности в специалистах необходимого профиля.
2 Модели представления медицинских знаний в процессах первичной диагностики и выборе рационального плана лечения, которые в отличие от известных учитывают провоцирующие факторы (социальные, психические признаки) и общие принципы лечения заболеваний разного профиля.
3 Алгоритм интеллектуальной поддержки принятия решения в процессе первичной диагностики, который в отличие от известных позволяет устанавливать первичный диагноз с помощью базы знаний, содержащей экспертные оценки, и обеспечивает независимость от характера распределения коррелирующих признаков.
4 Алгоритм выбора рационального плана лечения, который
в отличие от известных основан на последовательном уточнении выбора лечебных мероприятий (медицинские препараты, процедуры и т.п.), рекомендуемых экспертной системой с учетом сопутствующих заболеваний.
Теоретическая значимость работы заключается в следующем:
1) разработана математическая модель, учитывающая кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков и позволяющая сформировать штатную структуру медицинского учреждения;
2) разработаны алгоритмы поддержки приятия решений при первичной диагностике и назначении рационального плана лечения, учитывающие провоцирующие факторы (социальные, психические признаки), общие принципы лечения и сопутствующие заболевания пациента, позволяющие повысить эффективность процесса обслуживания пациентов в медицинском учреждении.
Практическая значимость работы заключается в том, что разработанные модель и алгоритмы реализованы в виде информационного и программного обеспечения автоматизированной системы первичной диагностики и лечения, которое может быть использовано
в лечебных учреждениях, а также в учебном процессе для обучения
и проверки знаний студентов медицинского учебного заведения.
На разработанный программный продукт получено свидетельство о государственной регистрации программы для ЭВМ № 2012617241
от 10.08.2012 г.
На защиту выносятся:
модель параллельно-последовательной системы обслуживания пациентов, учитывающая кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков пациентов (до их полного излечения), характерных для процесса обслуживания пациентов в медицинском учреждении;
модели представления медицинских знаний в процессах первичной диагностики и выбора рационального плана лечения;
алгоритм интеллектуальной поддержки принятия решений при первичной диагностике;
алгоритм выбора рационального плана лечения;
программная реализация информационной системы поддержки принятия решений при первичной диагностике и назначение рационального плана лечения.
Достоверность и обоснованность результатов. Обоснованность и адекватность разработанных моделей и алгоритмов обеспечивается корректным использованием математических методов и подтверждается результатами тестирования на реальных данных при практической реализации в двух городских поликлиниках г. Астрахани и Астраханской государственной медицинской академии, а также оценкой точности диагностирования заболеваний и составления плана лечения по результатам репрезентативной выборки и сопоставления числа врачебных и алгоритмических ошибок.
Апробация работы. Основные положения работы докладывались и обсуждались на следующих научных конференциях: «Стандартизация информационных технологий и интероперабельность СИТОП-2009» (Москва, 2009), «Информационные технологии будущего и современное электронное обучение Modern IT &(E-) Learning» (Астрахань, 2009).
Публикации. Основные положения и результаты работы отражены в 8 опубликованных научных работах, 4 из которых – в ведущих рецензируемых журналах и изданиях, рекомендованных ВАК РФ для опубликования основных научных результатов диссертации. Зарегистрирован один программный продукт в реестре программ для ЭВМ.
Структура и объем работы. Диссертационная работа состоит из четырех глав, заключения, библиографического списка из 106 источников, приложений. Работа изложена на 151 странице машинописного текста, содержит 15 таблиц и 40 рисунков.
Медицинские знания и их отражение в интеллектуальных системах
Знания врачей в значительной степени представляют собой синтез опыта (клинических наблюдений) и сведений в своей проблемной области, почерпнутых в процессе обучения (повышения квалификации) и из литературных источников имеют (хотя и содержат представления о частоте встречаемости отдельных симптомов и синдромов). Можно утверждать, что врач в конкретной ситуации сочетает базовые представления с личным опытом, привлекая аналогии для подтверждения своих предположений (гипотез). При этом, в зависимости от квалификации, он легче или труднее распознает атипичные формы заболеваний, прогнозирует динамику процессах [И].
Интеллектуальные или основанные на знаниях системы, в отличие от систем распознавания состояний на основе вычислительных процедур (т.е. статистической обработки данных о конкретных случаях заболеваний), имитируют логику врачебного мышления, опираясь на базу знаний (БЗ) в конкретной предметной области медицины. БЗ содержит формализованную информацию о связях, выраженности, диагностической (прогностической) значимости наблюдаемых признаков. Это могут быть сведения об этиологии, патогенезе заболеваний, об ассоциативных отношениях симптомов.
Для описательной части заболевания, а именно его клинической картины дополнительных синдромов , а также для использования в процессе диагностики все знания разделяются на декларативные.
Но несмотря на это наблюдается сложность при создании медицинской интеллектуальной информационной системы (МИИС) которая заключается в правильном представлении знаний предметной области (описательная модель-формальная модель - база знаний). Также стоит отметить, что этап крнцептуализации который включает содержательный анализ предметной области в части определения используемых понятий, их взаимосвязей и методов решения является важным и достаточно трудоемким разделом при создании медицинских интеллектуальных информационных систем. Очень важно при диалоге с врачом- экспертом с помощью привлечения когнитолога, или аналитика, или специальной программы преобразовать в слова интуитивное мышление врача. От этого преобразования зависит эффективность работы интеллектуальной системы. Для медициской диагностики познаватеьный цикл продуктивного мышления можно описать следующим образом: анализ результатов осмотра, включающий рассуждение и аргументацию; гипотезы;верификацию или фальсификацию. Врач-диагност с одной стороны выявляет признаки, подтверждающие предварительный диагноз, а сдругой стороны ищет альтернативные признаки. Аргументационная логика врача в процессе диагностики во многом зависит от фактов изложенных больным. В тоже время при диалоге врача с пациентом, и при изложении пациентом жалоб в восприятии врача может произойти невольная деформация, которая объяснима рефлексивными процессами между врачом и пациентом. Особенно рефлексивные процессы проявляются при постановке психичсеикх болезней.[13]
Исходя из выше изложенного структура процесса постановки диагноза состоит из нескольких этапов. Эти этапы частично отражают рефлексию в принятие решения:
- анамнез пациента (жалобы, история развития заболевания), а именно субъективные сведения,характер представления которых может быть определен рефлексивной системой больного. То есть на этом этапе происходи физикальное обследование больного и объективно-субъективная оценка врачом с учетом его рефлексии.
- Индуктивное мышление врача о заболевании в случае преобладания у него правополушарных механизмов формирования гипотез. По мере приобретения знаний и накопления практического опыта возрастает роль механизма ассоциаций которые исплдьзуются в процессе принятия решений.
Ассоциации принято различать по сходству,по смежности и по контрасту. Своего рада это связь представлений в результате которой понятие появившееся в сознании вызываетдругое понятие по смежности, противоположности или сходству. При анализе клинический проявлений заболеваний где происходят наблюдаемые признаки (внешний вид, особенности строения тела, данные получаемые при аускальтации) логика врачебного мышления включает ассоциативное мышление. Именно с опытом врача ассоциативное мышление прогрессирует, включая особенности связей характерных для редких нозологичесикх форм заболеваний[12].
Смысл ассоциативных связей которые возникают у врача или формируется экспертной системой заключается в следующем:
- выявлении патологического процесса (анамнеза)
- построении дальнейшего прогноза
- проверки выдвинутой диагностической гипотезы
- получении информации о взаимоисключающих симптомах. Формализация представления знаний чаще всего реализуется благодаря следующим механизмам: фреймы, продукции, семантическая сеть. Продукции (продукционная система) - способ представления знаний в виде:-неупорядоченной совокупности продукционных правил. Правила вкючают знания о времени их применения. Для осуществления целеноправленного поиска по сети фреймов используется фремово-продукционый формализм. Фрейм (каркас, рамка перевод с английского) - способ представления знаний в искусственном интеллекте, представляющий собой схему действий в реальной ситуации. Это модель абстрактного образа, минимально возможное описание сущности какого-либо объекта, явления, события. Фрейм состоит из набора позиций которые содержат логические, семантические отношения (декларитивные и процедурные знания). Фреймы превращаются в носителей знаний благодаря заполнению пустых позиций (слотов) соответсвующими знаниями. Семантические сети - информационная модель предметной области, имеющая вид ориентированного графа,вершины которого соответсвуют объектам предметной области, а дуги (ребра) задают отношения между ними. Объектам могут быть понятия, события, свойства, процессы.
Таким образом, МИИС должны также учитывать и преодолевать ряд специфических особенностей медицинской предметной области[12]:
1. Разнообразие клинических проявлений у больных при постановке одного диагноза, включая атипичные формы болезней. Например, понятие маски в виде логического выражения, которое состоит из теоретически возможных проявлений часто встречающихся , редко встречающихся синдромов. Это в свою очередь позволяет проводить диагностику при неясной клинической картине.
2. При диагностике редких неизвестных болезней когда врач необладает достаточным собственным опытом наблюдения и опирается на литературные источники.
3. Размытость формулировок, понятий при различных стадиях заболеваний между которыми нет четких границ. Из-за чего происходят разногласия формулировок. Также для медицины характерна широкая шкала нечетких вербальных определений,например, нельзя исключить, можно заподозрить, сомнительно, но не исключено. Примерами могут послужить следующие сочетания: уметенная отсалость-задержка в развитт- отставание в развитии. Данные сочетания в конкретном случае не будут являться синонимами, они автономны и несут каждое свою смысловую нагрузку. То есть встречаются множества более или менее возможных значений переменной.
Чтобы произвести сравнительную оценку таких параметров необходимо использовать числовые значения, лингвтситческие шкалы. Также не стоит забывать о НЕ факторах, с их позиции может пойти речь о неоднозначности, нечеткости. Именно это послужило основанием для создания метода извлеяения нечетких знаний. Благодаря данной программной реализации проводится проверка на адекватность данного подходя к извлечению знаний.
4. Изменений клинических признаков во времени - динамика изменений в ряде хронических заболеваний, а также при неотложных состояниях в масштабе реального времени. Последняя особенность касается именно учета временных связей. Находится данная особенность на стыке прогностических и диагностических систем. Например, это можно проследить в системе синдромной диагностики ДИН для педиатрической реаниматологии.
Диагностика заболеваний как технологический процесс
Основой диагностики как науки [19]являются три крупных направления:
- исследования в области разработки врачебной диагностической техники;
- исследования диагностического значения различных симптомов болезни;
- разработка новых методик постановки диагноза, учитывающих особенности мышления врача при распознавании заболеваний.
Новые технологии в области измерительной техники (контрастные рентгенологические исследования, ультразвук, компьютерная томография, магнитный резонанс, тонкие лабораторные тесты, разнообразная эндоскопия, биопсия, и т.д.) позволяют врачу получать практически прямой диагноз, не требующий дифференциальной диагностики. В то же время чрезмерное увлечение использованием диагностической техники приводит к увеличению числа диагностических исследований, удлинению сроков диагностики и как следствие к резкому возрастанию стоимости процесса диагностики и стоимости здавоохранения в целом, не говоря о возникновении таких социальных проблем как отдаление врача от больного и возникновение негативных психологических взаимоотношений между врачом и пациентом.
При этом, информационная цена каждого симптома, как и эффективные методики интеллектуального процесса диагностики болезней остаются почти не изученными.
Выражение «процесс диагностики», по мнению многих, обедняет всю ту гамму проблем, с которой сталкивается лечащий врач в самом начале пути взаимоотношений с пациентом.
В общепринятой (традиционной) диагностике используется является описательный или нозологический принцип, в соответствии с которым каждой болезни (нозологической единице) сопоставляются описанные в литературе признаки. Причем, если врач обнаруживает у больного симптомы, характерные для данной болезни, диагноз считается установленным.
Подобный подход неизбежно приводит к возникновению ошибок диагностики, так как требует от врача помимо повседневного приема больных во время которого врач производит сравнение симптомов реального пациента с соответствующими эталонами болезней многие из которых сопровождаются одинаковыми признаками, которые он должен постоянно держать в собственной памяти, дополнительных интеллектуальных усилий на изучение и запоминание медицинских новостей в области диагностики, а также эффективное и успешное применение новых знаний в повседневной деятельности.
Процесс диагностики заболеваний можно разделить на несколько этапов [20]:
-оценка жалоб и симптомов;
-постановка предварительного диагноза;
-дифференциальная диагностика;
-постановка клинического диагноза.
Врачебные ошибки на стадии дифференциальной диагностики могут возникнуть по следующим причинам [21]:
- наличие симптомов или синдромов, симулирующих другие заболевания;
- наличие атипичных симптомов часто встречающихся заболеваний;
- наличие симптоматики заболевания, встречающегося как казуистика;
- наличие проявлений нескольких заболеваний у одного пациента.
В большинстве случаев при постановке клинического диагноза лечащий врач стоит перед решением проблемы: заканчивать или продолжать обследование. Зачастую ответ на этот вопрос весьма труден. С одной стороны, если речь идет об онкологической патологии, то клинический диагноз без морфологического исследования обычно не ставится, поскольку только после получения результатов биопсийного материала приступают к полихимиотерапии. С другой стороны, лечение многих заболеваний можно начинать, не дожидаясь результатов морфологического исследования, а основываясь на предварительном диагнозе и ориентируясь затем на реакцию больного на лечение. Таким образом, существует некая грань, за которой имеется уверенность в предварительном диагнозе, позволяющем начать лечение. Для каждого заболевания это своя грань, она зависит от трудности диагностики и вероятности отрицательного результата начатого лечения.
Построение базы знаний и информационной системы поддержки принятия решений при диагностике, прогнозировании и выборе тактики лечения заболеваний
Условно модель данных, представленную на рис.1 можно разделить на несколько подмножеств сущностей:
- Правила выставления диагнозов
- Методы лечения по выявленным диагнозам
- Применение выявленных методов для обратившегося в клинику конкретного пациента.
Выставление диагнозов и определение способов лечения может производится с учётом данных, хранящихся в таблицах из первых двух подмножеств сущностей. При необходимости врач может согласиться или изменить предложенные системой диагноз и методы лечения.
Также необходимо обоснование требований к формализации симптомов заболеваний, выявляемых основными методами клинического обследования, и создание алгоритма их анализа и обработки. Для достижения поставленной цели исследованы информационные, клинико-семантические, количественные, лингвистические и стилистические аспекты основных клинических признаков заболеваний как объектов для помещения в базу данных.
Для решения поставленных задач использовались методы теории управления баз данных, теории вероятности, логики и семиотики.
Доказано, что при создании реляционных баз данных, необходимо соблюдать принцип нормализации данных, то есть исключить повторение и дублирование информации в предметной области, в конкретном случае -описании симптомов [25]. При этом связь и операции между элементами может осуществляться посредством уникальных кодов этих симптомов. Кодирование симптомов, должно соответствовать логике клинического обследования больного и принципам выявления симптомов, что позволит в дальнейшем клиницисту легко обращаться к любому симптому из их весьма значительного количества.
Из этого следует, что при формировании базы данных симптомов имеет смысл вносить в нее такие симптомы, которые имеют семиотическую связь с представленными в информационной системе синдромами и нозологическими формами. Это позволит избежать ситуации, когда в базе данных есть симптом, а соответствующий синдром или нозологическая форма отсутствует.
Выявлено, что при помещении того или иного симптома в базу данных необходимо учитывать следующие аспекты:
Оценить клинико-диагностическую определенность и степень необходимой детализации признака.
Провести клинико-информативный анализ симптома (является он негативным или позитивным, характеризует норму или патологию).
Кодировать симптом соответственно логике клинического обследования больного и принципам выявления симптомов
Оценить специфичность симптома для различных синдромов, помещаемых в базу данных. Ранжировать его в числовой форме. [26].
Провести семантико-стилистический анализ и составить вербальную форму признака, имеющего смысл как при отдельном прочтении, так и в контексте с другими симптомами.
Проведенный клинический, информационный и семантико-стилистический анализ симптомов заболеваний, а в данном случае кариеса и его осложнений, выявляемых основными методами обследования больных, позволил разработать алгоритм анализа и обработки (формализации) отдельных признаков для систем управления и обработки клинической информации. В схематическом виде он представлен на рисунке 2.
Таким образом, созданная клиническая база данных симптомов, включающая основные признаки болезней позволяет реализовывать различные модели и алгоритмы для решения прикладных задач, направленных на повышение эффективности и качества лечебно-диагностического процесса, организационной деятельности врача и подготовки медицинских специалистов.
В нашей стране, когда на медицинских работников многие годы возлагалась не свойственная медицине ответственность за здоровье населения, многие пациенты считают, что состояние их здоровья это забота в первую очередь медицинских работников. Пример игнорирования пациентами рекомендаций врачей — курение более половины больных пульмонологических отделений, больных, страдающих облитерирующим эндартериитом и т.п.
Практически не многие больные гипертонической болезнью, стенокардией меняют свой образ жизни, хотя, наверное, все они мечтают сделать это. Дозированные физические нагрузки, оздоровительная гимнастика, отказ от алкоголя, переедания — это не очень тяжело для пациента, но мало кто из них выполняет эти рекомендации.
Что касается выполнения медицинским персоналом стандартов оказания медицинской помощи при определенной патологии, то это прерогатива медицинских работников.
Показано, что процесс сбора и предварительной обработки информации является определяющим при моделировании медицинских систем с точки зрения адекватности полученных моделей. Невозможно получить объективные оценки на основе неполного или неполноценного материала.
Несмотря на всю сложность процесса построения систем поддержки принятия решений в диагностике, можно выделить некоторые общие бизнес-процессы, которые характерны для подобных систем и могут быть использованы в различных областях медицинских знаний, что наглядно характеризуют диаграммы на рис. 3-6. [31].
При анализе диаграмм становится очевидным, что наиболее «сложным» (в смысле выбора и реализации механизмов принятия решений) является процесс окончательной постановки диагноза на основании жалоб и клинико-диагностических показателей больного, от которого зависят точность и полнота получаемого результата. Задача осложняется еще и тем, что наличие множества методов диагностики существенно затрудняет их выбор и в случае необоснованного выбора может возникнуть впечатление, что вся работа проведена неудачно. Только при всесторонней оценке типа и структуры информации удается подобрать метод, обеспечивающий хорошие результаты.
Поддержка принятия решений при диагностировании
Для внесения записи в карту пациента в окне список пациентов необходимо выбрать соответствующую вкладку (рисунок 22) и нажать кнопку «Новая».
В окне «Новая запись» (рисунок 23), отображаемом после выбора кнопки укажем следующие жалобы: Ощущения сдавления, тяжести, распирания, жжения за грудиной, возникающие при физической нагрузке; жжение за грудиной, боль распространяется в левую руку, под левую лопатку, в шею; одышка при физической нагрузке и в покое, иногда ,неприятные ощущения или боль в груди; пониженный гемоглобин (90 г/л); низкие эритроциты 2 1012 на литр.
В левом списке отображаются введённые ранее жалобы. Сформируем ранжированный список предполагаемых диагнозов, выбрав соответствующую кнопку. В автоматическом режиме осуществляется алгоритм, описанный во второй главе по диагностированию заболевания на основании анализа жалоб пациента. В результате использования данного алгоритма анализа имеющейся информации специалист - медик получит список, включающий в себя все возможные диагнозы, которые ставились при наличии выделенных для поиска симптомов, ранжированные в порядке убывания вероятности наличия соответствующего заболевания у пациента. Из списка исключаются те диагнозы, значения процентных совпадений которых меньше заданного критерия. Описанный алгоритм не только существенно ускоряет и облегчает процедуру анализа всевозможных вариантов, но позволяют точнее диагностировать заболевания, основываясь на знаниях, которые хранятся в экспертной системе и используются специалистом-медиком в процессе поэтапного анализа и принятия решения. Врач может на свое усмотрение выбрать один из предложенных вариантов диагнозов и перенести его в окончательный. Из предложенного списка система выводит два наиболее вероятных диагноза «Стенокардия (грудная жаба)» и «Эндокардит»
Для проверки правильности и установки окончательного диагноза пациентке Петреченко Анне Семеновне необходимо назначить дополнительное обследование. Для этого на вкладке «Записи карты» окна «Список пациентов» выберем кнопку «Дополнительное обследование». После выбора кнопки автоматически выводится окно «Новая запись» в котором предлагается запись на дополнительное обследование к другому профильному специалисту для постановки окончательного диагноза. В данном окне отображаются до этого уже введенные жалобы пациента и предварительные диагнозы, (рисунок 26). На следующем шаге система автоматически подбирает врача, ответственного за проведение выбранной процедуры и ближайшее свободное время приема
Результаты обследования указываются в окне «Обследования» (рисунок 28), выводящемся после выбора соответствующей кнопки в форме «Список пациентов»
Например, для пациентки Петриченко укажем, что при проведении УЗИ сердца было обнаружено:
Аорта -34 мм, Левое предсердие-37 мм, Межжелудочковая перегородка-1.08мм, Задняя стенка ЛЖ- 1.08, Левый Желудочек: КДР:- 5.1 см, КДО-118мл. Легочная артерия- 25мм. Правое предсердие- 35 48 мм Правый желудочек- 40мм. Толщина стенок ПЖ 5мм, КСР-29мм, КСО- 35мл, Показатели Гемодинамики: Ударный объем 83мл, Фракция выброса 70%, FS- 31%, ЧСС- 68. Масса миокарда-253г(1) Зоны гипокинезии, акинезии, дискинезии не выявлены. Сократительная способность ЛЖ сохранена. Особенностей ЛЖ нет. Межпредсердная перегородка интактная. Аортальный клапан без особенностей, систолическое расхождение створок 26мм, градиент давления на клапан 7,0. Митральный клапан без особенностей, регуритация 0-1 степень. Трикуспидальный клапан без особенностей, регуритация 0-1 степень. Клапан легочного ствола без особенностей, регуритации нет. Перикард не расширен.
Особенности: По эхо Уплотнение Заключение: стеноз аорты, регуритация МП и ТП 0-1 ст. Увеличение массы миокарда ЛЖ, стенокардия.
После сохранения результатов «Узи сердца» система автоматически предлагает добавить новую жалобу (рисунок 30 по обследованию в ранее введенные жалобы в первоначальном формирование записи карты.
Перегородка интэктная. Аортальный клапан без особенностей, систолическое расхождение створок 26мм. градиент давления на клапан 7.0 Митральный клапан без особенностей, регуритаимя 0-1 степень Трикуспидальный клапан без особенностей, регуритация 0-1 степень. Клапан легочного ствола без особенностей, регуритации нет. Перикард не расшир
После подтверждения вновь выводится окно формирование карточки с ранее введенными жалобами: Ощущения сдавления, тяжести, распирания, жжения за грудиной, возникающие при физической нагрузке; жжение за грудиной, боль распространяется в левую руку, под левую лопатку, в шею; одышка при физической нагрузке и в покое, иногда ,неприятные ощущения или боль в груди; пониженный гемоглобин (90 г/л); низкие эритроциты 2 1012 на литр, и новой добавленной жалобой: Интенсивная приступообразная боль в правой подреберной области (рисунок 33).
Используются специалистом-медиком в процессе поэтапного анализа и принятия решения. Врач может на свое усмотрение выбрать один из предложенных вариантов диагнозов и перенести его в окончательный. Из предложенного списка выбираем наиболее вероятный диагноз в 100% совпадении «Стенокардия (грудная жаба)».
