CC BY
40
I/IT и диагностика
www.idmz.ru
SOI 3, N“ 2
■■■■
гчач
A.H. НАРКЕВИЧ,
очный аспирант кафедры медицинской кибернетики Красноярского государственного медицинского университета им. проф. В.Ф. Войно-Ясенецкого, г. Красноярск, Россия, [email protected] К.А. ВИНОГРАДОВ,
д.м.н., профессор, заведующий кафедрой медицинской кибернетики Красноярского государственного медицинского университета им. проф. В.Ф. Войно-Ясенецкого,
г. Красноярск, Россия, [email protected]
Н.М. КОРЕЦКАЯ,
д. м.н., профессор, заведующий кафедрой туберкулеза с курсом ПО Красноярского государственного медицинского университета им. проф. В.Ф. Войно-Ясенецкого,
г. Красноярск, Россия, [email protected]
АВТОМАТИЗИРОВАННАЯ СИСТЕМА ОПРЕДЕЛЕНИЯ И ПЛАНИРОВАНИЯ КРАТНОСТИ ПРОВЕДЕНИЯ ПРОВЕРОЧНОГО ФЛЮОРОГРАФИЧЕСКОГО ОБСЛЕДОВАНИЯ НАСЕЛЕНИЯ
УДК 616-002.5-073.75:004.43
Наркевич А.Н., Виноградов К.А., Корецкая Н.М. Автоматизированная система определения и планирования кратности проведения проверочного флюорографического обследования населения
(ГБОУ ВПО «Красноярский государственный медицинский университет им. проф. В.Ф. Войно-Ясенецкого» Минздрава РФ, г. Красноярск, Россия)
Аннотация: Статья посвящена проблеме использования автоматизированной системы определения и планирования кратности проведения проверочного флюорографического обследования для организации активного выявления туберкулеза. Изложены основные требования к автоматизированной системе, схема ее работы, а также возможности применения и положительный эффект.
Ключевые слова: автоматизированная система; активное выявление; индивидуальный риск; нейронные сети; проверочное флюорографическое обследование; туберкулез легких.
UDC 616-002.5-073.75:004.43
ль
чг
Narkecvich A.N., Vinogradov K.A., Korexkay N.M. Automated system of defining and planning intensity for processing photoftuographic check of population (SHOM VPO «Krasnoyarsk State Medical University after Professor V.F. Voiyno-Yasenexkiy» of Ministry of Health Care of Russian Federation, Krasnoyarsk, Russia) Annotation: The article is dedicated to the problems of using automated system which defines and plans the intensity of photofluographic check for organizing active revelation of tuberculosis. There are described main requirements to automated system, schemes of its work, as well as opportunities of in its usage and positive outcome. Keywords: automated system, active revelation, individual risk, neuron nets, photofluographic check; tuberculosis of lungs.
До недавнего времени в России, в том числе и в Красноярском крае, отмечался неуклонный рост заболеваемости туберкулезом. Несмотря на то, что в настоящее время наметилась тенденция к стабилизации данного показателя, он остается на высоком уровне. Наряду с этим, клиническая структура впервые выявленного туберкулеза легких характеризуется тяжестью клинических форм и высокой долей распространенных
© А.Н. Наркевич, К.А. Виноградов, Н.М. Корецкая, 2013 г.
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■ ■ ■■■ ! п ■■ ■ ■ ■■■ ■■ ■■ ■ ■ ■ ■■■ ■■ ■ ■ ■ ■ ■ ■ ■■ ■■ ■ ■
E3SS ИТ и диагностика
1 и информационные
технологии
%
(охватывающих более доли легкого) процессов, а также высоким уровнем первичной множест-венной лекарственной устойчивостью микобактерий туберкулеза [11, 13, 14].
В данной ситуации, в условиях напряженной эпидемиологической обстановки, особое значение приобретает активное выявление туберкулеза легких у населения Красноярского края [4, 10].
В настоящее время для активного выявления туберкулеза среди населения используются массовые проверочные флюорографические обследования населения. Проверочное флюорографическое обследование (ПФЛГО) является единственным методом своевременного выявления туберкулеза, когда выявленные больные не представляют эпидемиологическую опасность для окружающих, так как они не выделяют возбудителя специфического процесса [8, 10].
Для определения кратности проведения ПФЛГО используется массовый неселективный подход, то есть обследование всего населения, не относящегося к группе риска и декретированному контингенту, 1 раз в 2 года. В последнее время такой подход все чаще подвергается критике. В этой связи, необходима разработка селективного, индивидуального подхода к определению кратности проведения ПФЛГО для различных категорий населения [1,7, 12].
Сегодня в медицине все большее распространение получают компьютерные технологии [5, 6, 9], в том числе и во фтизиатрии [2, 3, 15, 16], внедрение которых позволит упростить использование индивидуального подхода для практического врача и значительно уменьшить время необходимое для принятия решения о проведении ПФЛГО.
Цель: разработка автоматизированной системы определения и планирования кратности проведения ПФЛГО населения на территории Красноярского края.
Прежде всего необходимо было определить требования к такого рода автоматизированной системе. Во-первых, кратность
проведения ПФЛГО должна устанавливаться на основании индивидуальных свойств и характеристик отдельного человека. Во-вторых, система должна показывать свою эффективность в условиях ограничения информации о пациенте. В-третьих, необходима система, требующая минимального участия конечного пользователя — врача. В-четвертых, врач, использующий данную систему, должен иметь возможность получения плана ПФЛГО обслуживаемого населения на различные периоды времени и различной информации по пациентам обслуживаемого участка. И наконец, в-пятых, должна быть обеспечена простота и прозрачность метода определения кратности проведения ПФЛГО населению для повышения приверженности врачей к данной системе.
На основании установленных требований нами была разработана схема такой системы (рис. 1). Автоматизированная система определения и планирования кратности ПФЛГО населения содержит пять основных блоков. Первичным блоком взаимодействия врача с компьютерной системой является «Блок ввода данных о пациенте». Выходом из этого блока являются нормированные значения данных о пациенте. Количественные данные, такие как возраст, рост, вес и т.д., представляются в виде числа с плавающей точкой в диапазоне от -1 до 1. Их нормирование проводится по следующей формуле:
у = 2 *
х — min I max — min I
где у — нормированное значение параметра пациента; х — исходное значение параметра пациента, min — минимальное значение диапазона параметров всех пациентов; max — максимальное значение диапазона параметров всех пациентов.
Качественные показатели (проживание в городе, работа в тяжелых физических условиях и т.д.) пациентов также представляются в
32
I/IT и диагностика
www.idmz.ru SOI 3, N“ 2
■■■■
рчва
%
Рис. J. Схема автоматизированной системы определения и планирования
кратности ПФЛГО населения
виде -1 (при отсутствии признака у пациента) и 1 (при наличии признака у пациента).
Нормированные данные о пациенте являются входными параметрами для одного из важнейших блоков — «Блока анализа данных», который на основании этих данных рассчитывает у него коэффициент индивидуального риска развития туберкулеза.
Технология определения индивидуальной степени риска развития туберкулеза основывается на одном из основных статистических
методов прогнозирования — нейронной сети. Архитектурой нейронной сети был выбран многослойный перцептрон с одним скрытым слоем. Для обучения нейронной сети определению коэффициента индивидуального риска развития туберкулеза использованы данные о 337 больных с впервые установленным диагнозом туберкулеза легких и о 383 лицах, не болеющих туберкулезом. Обучение проводилось методом обратного распространения ошибки.
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ 33 ■
ВраЧ ЕЗВВ ИТ и диагностика
^ и информационные
технологии
Классификация групп риска и кратности ПФЛГО
Таблица 1
Диапазон значений коэффициента индивидуального риска развития туберкулеза Группа риска Кратность ПФЛГО
От 0 до 0,33 Группа низкого риска 1 раз в 2 года
От 0,34 до 0,66 Группа среднего риска 1 раз в год
От 0,67 до 1,0 Группа высокого риска 2 раза в год
Выходом «Блока анализа данных» является коэффициент индивидуального риска развития туберкулеза (от 0 до 1). Чем ближе данный коэффициент к 0, тем ниже риск развития туберкулеза у пациента, а чем ближе к 1, тем риск выше.
На основании значения индивидуального риска развития туберкулеза пациент заносится в состав одной из групп риска. Классификация пациента по группам риска происходит в «Блоке определения группы риска». В дальнейшем в зависимости от принадлежности к группе риска каждому пациенту назначается кратность прохождения ПФЛГО с целью своевременного выявления туберкулеза легких. Определение кратности происходит в «Блоке определения кратности ПФЛГО». Классификация пациентов по группам риска и определение кратности ПФЛГО производится в соответствии с формализованными условиями, указанными в таблице 1.
Полученный результат совместно с данными о пациенте сохраняются в «Базе данных» для получения отчетов и планов.
«Блок отчетов» позволяет формировать индивидуализированные отчеты по каждому пациенту, отчеты по отдельным характеристикам пациентов, а также по группам риска и кратности ПФЛГО.
«Блок планов» позволяет формировать планы проведения ПФЛГО обслуживаемого населения на различные периоды времени (на неделю, месяц, квартал, полугодие, год).
Такая структура позволяет выполнить все требования определенные для автоматизированной системы. Во-первых, определение кратности ПФЛГО устанавливается на основе коэффициента индивидуального риска развития туберкулеза у конкретного пациента, который в свою очередь рассчитывается исходя из его индивидуальных свойств и характеристик. Во-вторых, учитывая высокую вероятность возникновения ситуации, когда доступна только малая часть информации о пациенте, такая структура позволяет включить в «блок анализа данных» различные алгоритмы определения индивидуального риска развития туберкулеза с различными входными парамет-рами. В-третьих, получение результата работы системы занимает 1-2, минуты необходимые для введения данных о пациенте. В-чет-вертых, использующий систему врач получает возможность получения разнообразных отчетов и планов. В-пятых, разработанная система обладает достаточной простотой, прозрачностью структуры и использованных методик.
Применение такой системы возможно не только в практике врачей общей лечебной сети, которые занимаются непосредственным выявлением больных туберкулезом, но и в противотуберкулезной службе.
В условиях общей лечебной сети, разработанная нами автоматизированная система, используется участковыми терапевтами. Формируя базу данных лиц, проживающих на
34 ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ ■
I/IT и диагностика
www.idmz.ru SOI 3, N“ 2
■■■■
рчва
своем участке, участковый терапевт получает план направления пациентов на ПФЛГО с целью своевременного выявления туберкулеза легких среди них.
Выгрузка баз данных общей лечебной сети и передача их в учреждения противотуберкулезной службы позволяет анализировать результаты работы системы, достоверность расчета коэффициента индивидуальной степени риска развития туберкулеза и совершенствовать систему в дальнейшем.
Выгруженные базы данных для их передачи в противотуберкулезные учреждения не требуют деперсонализации, так как в соответствии с пунктом 4 статьи 13 федерального закона Российской Федерации «Об основах охраны здоровья граждан в Российской Фе-дерации» от 21 ноября 201 1 года № 323-ФЗ предоставление сведений, составляющих врачебную тайну, без согласия гражданина или его законного представителя допускается при обмене информацией
медицинскими организациями, в том числе размещенной в медицинских информационных системах, в целях оказания медицинской помощи.
Таким образом, разработанная автоматизированная система определения и планирования кратности проведения ПФЛГО населения соответствует требованиям, предъявляемым к автоматизированным системам, и не противоречит федеральному законодательству. Такая система позволяет снизить долю несвоевременно выявленных больных туберкулезом легких за счет наиболее частого обследования лиц с наибольшим риском развития туберкулеза легких. Большая кратность ПФЛГО лиц, входящих в группу высокого риска, а меньшая в группу низкого риска с одной стороны позволяет повысить выявляе-мость больных туберкулезом на 1000 обследованных, а с другой, — снижает стоимость выявления одного случая заболевания туберкулезом легких.
ЛИТЕРАТУРА
1. Баласанянц Г.С., Федоров С.В., Скрынник Н.А. Эффективность основных методов выявления туберкулеза среди взрослого населения//Туберкулез в России. Год 2007: Материалы VIII Российского съезда фтизиатров. — М., 2007. — С. 145.
2. Белиловский Е.М., Борисов С.Е. Пути развития компьютеризированной системы эпидемиологического надзора за туберкулезом в России//Врач и информационные технологии. — 2008. — № 4. — С. 84-88.
3. Баланцев Г.А., Никишова Е.И., Перхин Д.В., Марьянды/шев О.А. Внедрение автоматизированной системы мониторинга туберкулеза в областном клиническом противотуберкулезном диспансере Архангельской области//Врач и информационные технологии. — 2012. — № 1. — С. 31-38.
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ 35 ■
ВраЧ ЕЗВВ ИТ и диагностика
^ и информационные
технологии
4. Глумная Т.В. Оценка эффективности использования различных организационных форм выявления больных туберкулезом//Совершенствование медицинской помощи больным туберкулезом: Материалы Всероссийской научно-практической конференции с международным участием. — СПб., 2010. — С. 213-215.
5. Голубев Д.Н., Газизуллина Г.Х. Организация выявления больных туберкулезом органов дыхания из групп повышенного риска//Туберкулез в России. Год 2007: Материалы VIII Российского съезда фтизиатров. — М., 2007. — С. 149.
6. Горбунов А.В. Использование телекоммуникационных технологий при организации выявления больных туберкулезом//Туберкулез в России. Год 2007: Материалы VIII Российского съезда фтизиатров. — М., 2007. — С. 151.
7. Горбунов А.В. Организация раннего выявления больных туберкулезом в городе Москве//Туберкулез в России. Год 2007: Материалы VIII Российского съезда фтизиатров. — М., 2007. — С. 150.
8. Кочеткова Е.Я., Горбунов А.В, Никитина Л.В. Особенности выявления туберкулеза у лиц, госпитализированных в общесоматические стационары города Москвы// Научные труды к 80-летию ведущего противотуберкулезного учреждения г. Москвы, 10-летию Московского городского научно-практического центра борьбы с туберкулезом. — М., 2007. — С. 53-55.
9. Моисеева О.В. Программный модуль определения индивидуальной степени риска на туберкулез у детей и подростков//Туберкулез и болезни легких. — 2011.
— №5. — С. 53.
10. Научно-практическая конференция «Выявление больных туберкулезом»//Про-блемы туберкулеза и болезней легких. — 2007. — № 5. — С. 44-50.
11. Нечаева О.Б. Мониторинг и оценка изменений эпидемиологических показателей по туберкулезу в Российской Федерации//Туберкулез и болезни легких. — 2012. — №8. — С. 16-22.
12. Матусевич В.Г., Мельник В.Н., Лаптева Н.А, Антоненко Л.Ф, Приходько А.Н. Оценка активного и пассивного выявления больных туберкулезом в группах риска// Материалы XVIII Национального конгресса по болезням органов дыхания. — М., 2005. — С. 180.
13. Шилова М.В. Эпидемиологическая обстановка по туберкулезу в Российской Федерации к началу 2009 г.//Туберкулез и болезни легких. — 2010. — №5. — С. 14-21.
14. Мурашкина Г.С, Алексеева Т.В, Новикова Н.М, Силайкина С.Т. Эпидемиологическая ситуация по туберкулезу в Сибирском и Дальневосточном федеральных округах//Туберкулез и болезни легких. — 2011. — №5. — С. 61.
15. Chang J, Arbela'ez P, Switz N., Reber C, Tapley A, Davis J.L, Cattamanchi A, Fletcher D, Malik J. Automated tuberculosis diagnosis using fluorescence images from a mobile microscope//Medical image computing and computer-assisted intervention.
— 2012. — Vol. 15. — №3. — P.345-352.
16. Blaya A.J, Cohen T, Rodriguez P, Kim J, Fraser H.S.F. Personal digital assistants to collect tuberculosis bacteriology data in Peru reduce delays, errors, and workload, and are acceptable to users: cluster randomized controlled trial//International journal of infectious diseases. — 2009. — Vol. 13. — №3. — P.410-418.
36
