CC BY
119
W4MM
1 и информационные
технологии
Медицинские информационные системы
В.О. НОВИЦКИЙ,
д.т.н., генеральный директор ООО «Диакеа-Софт», г. Москва, Россия, nvo60@yandex.ru
ПОСТАНОВКА ЗАДАЧИ И ОПИСАНИЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ УПРАВЛЕНИЯ ЛЕЧЕБНОДИАГНОСТИЧЕСКИМ ПРОЦЕССОМ НА ПРИМЕРЕ ОТДЕЛЕНИЙ НЕФРОЛОГИИ И ГЕМОДИАЛИЗА
УДК 002.53:004.89
Новицкий В.О. Постановка задачи и описание системы поддержки принятия решений для управления лечебно-диагностическим процессом на примере отделений нефрологии и гемодиализа (ООО «Диакеа-Софт», г. Москва, Россия)
Аннотация: Представлены структура и постановка задачи управления лечебно-диагностическим процессом, реализованная в системе Maximus на базе системного подхода. Основой системы является система поддержки принятия решения. Объектом управления является лечебно диагностический процесс. Информационной основой — структурированная экспертная база знаний. Система внедряется в ряде центров нефрологии и гемодиализа. Ключевые слова: система поддержки принятия решений, лечебно-диагностический процесс, системный подход, дерево целей, бизнес-процесс, база знаний, экспертная система, диагноз, клинический протокол, лицо, принимающее решение, врач, пациент.
ЛЬ
т
UDC 002.53:004.89
Novitskiy V.O. Statement of the problem and a description of a decision support system for managing clinical processes on the example of the Division of Nephrology and Hemodialysis (Ltd. «Diakea-Soft», Moscow, Russia) Abstract: The structure and the control problems clinical processes, implemented in a Maximus system based on the system approach. The basic system is a decision support system. The object of treatment is to control the diagnostic process. Information basis of structured expert knowledge base. System is being implemented in a number of centers of nephrology and dialysis.
Keywords: decision support system, a diagnostic and treatment process, a systems approach, the tree of goals, business process, knowledge base, expert system, diagnosis, clinical protocol, the person receiving the decision, the doctor, the patient.
□ дной из важнейших проблем развития медицины в России и в мире является явная нехватка возможностей аналитической обработки информации в условиях постоянного роста ее объемов и потребностей быстро принимать верные решения по диагностике и лечению.
Важнейшим направлением, призванным решать эту проблему, являются разработка и эксплуатация автоматизированных систем поддержки принятия решений в управлении лечебно-диагностическим процессом (ЛДП).
Система Maximus, разрабатываемая компанией «Диакеа-Софт» совместно с фирмой «Лаборатория системных проектов «Креатив-Инфо» и внедряемая в настоящее время в нескольких центрах нефрологии и гемодиализа России, является автоматизи-
© В.О. Новицкий, 2013 г.
16 ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ ■
Медицинские информационные системы
www.idmz.ru
гот з, №г
■■■■
рчва
Рис. 1. Структурная схема Maximus как системы управления лечебно-диагностическим
процессом в лечебном отделении
рованной информационно-управляющей системой, одной из основных подсистем которой является система поддержки принятия решений (СППР) ЛДП в лечебном отделении.
В фундамент создания Maximus заложен системный подход: целостный взгляд на структуру взаимодействующих элементов, объединенных общей целью.
Maximus — большая, сложная система управления лечебно-диагностическим процессом, включающая множество слабоформализованных элементов, взаимосвязанных множеством слабоструктурированных связей, и действующая в интересах ряда «активных» элементов с различными целями.
Начальным этапом жизненного цикла системы Maximus является формирование
«дерева целей», мобилизующего всю многоуровневую иерархию системы управления: «цель — подцели — задачи — функции — операции» на достижение главной цели системы — повышение качества лечебно-диагностического процесса (ЛДП).
«Дерево целей» Maximus лежит в основе организационной структуры и бизнес-процессов всех частных центров нефрологии и гемодиализа «Нефрологического экспертного совета» (НЭС) — главного пользователя системы в настоящее время.
С позиции послойного построения структуры [1] система Maximus является двухуровневой системой управления (СУ) ЛДП (рис. 1). Объектом управления (ОУ) в системе является ЛДП.
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ 17 ■
РЧН
Медицинские информационные системы
и информационные
технологии
Ш
>ЛДП является бизнес-процессом (БП), поскольку создает стоимость. ЛДП состоит из двух основных (для лечебного отделения) подпроцессов (процессов): проведение исследований и лечебное воздействие. Оба эти процесса создают стоимость напрямую.
Параметрами состояния ЛДП являются параметры состояния пациента. Бизнес-процесс лечебного воздействия или лечения (БПЛ) меняет параметры состояния пациента. Бизнес-процесс исследования (БПИ) не меняет параметров состояния пациента. Он вырабатывает дополнительную информацию и таким образом обеспечивает возможность целенаправленного проведения БПЛ, инициирует его и вносит в ЛДП временную задержку.
Существуют также вспомогательные БП, не создающие стоимости напрямую (а лишь опосредованно, косвенно). К ним относятся, например, бухгалтерский учет, технический сервис, уборка помещений и др. Данные процессы не являются элементами Maximus, но с теми из них, которые автоматизированы, в системе заложены возможности интеграции.
ЛДП является инструментом реализации целей субъектов как внутрисистемных, так и внесистемных. Внутрисистемными субъектами являются врачи (лечащие и заведующие лечебными отделениями) и пациенты. Их основными целями являются эффективность лечения (особенно для пациентов), безопасность лечения (особенно для врачей) и др.
Внешними субъектами по отношению к системе и оказывающими на нее влияние через свои цели являются главный врач, региональный департамент здравоохранения, главные специалисты по областям медицины, страховые фонды и компании (в том числе Фонд обязательного медицинского страхования — ФОМС). Их основными целями являются экономия ресурсов, получение информации для ресурсного планирования ЛДП на региональном (общегосударственном) уровне.
Поскольку Maximus включает 2 субъекта (активные, с собственными целями) — врач и
пациент, то такая СУ является не автоматической, а автоматизированной, и ее управляющий модуль реализуется в виде СППР.
Управляющий модуль — СППР — в качестве управляющих сигналов вырабатывает предполагаемые диагнозы и клинические протоколы, включающие мероприятия-рекомендации по воздействиям и (или) исследованиям, если таковые необходимы для выработки или уточнения диагноза.
Вышеуказанные управляющие сигналы — мероприятия — являются рекомендациями (наилучшими альтернативами с точки зрения теории принятия решений), которые становятся управлениями только после утверждения их субъектами: врачом как лицом, принимающим решение (ЛПР), и пациентом (также являющимся ЛПР, поскольку необходимо его согласие).
ЛПР принимает решение (выбирая предлагаемую альтернативу или предлагая свое решение), исходя из иерархической структуры целей. Пациент также принимает решение (согласие или несогласие), исходя из своих целей, которые имеют обязательное отражение в вышеуказанной структуре целей.
СППР вырабатывает управленческие рекомендации (УР) 2 типов: предложения для управления (диагнозы, клинические протоколы); информационно-аналитические справки и подсказки. СППР в качестве УР выдает также информацию по лекарственным средствам и др. ресурсам по ЛДП, что входит в вышеуказанные два типа рекомендаций. Таким образом, при выработке первого типа УР СППР берет на себя интеллектуальные функции, а во втором случае данные функции возлагаются на ЛПР.
СППР вырабатывает УР на основе базы знаний (БЗ), которая является компонентом СППР. БЗ формируется на основе экспертной информации и пополняется знаниями на опыте проведения ЛПД. Экспертами являются внешние консультанты (из надсистемы).
Таким образом, СППР Maximus является экспертной системой, которая работает в диалоговом режиме с ЛПР-врачом.
18 ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ ■
Медицинские информационные системы
www.idmz.ru
гот з, №г
■■■■
рчва
Все элементы в Maximus рассматриваются как агрегированные множества параметров, соединенные причинно-следственными связями: параметры состояния пациентов, процедур, оборудования, экономические показатели, критерии оценки качества лечения, работы персонала и клиники в целом.
Исходя из вышесказанного, математическая постановка задачи поддержки принятия решения по ЛДП для системы Maximus выполнена в теоретико-множественном представлении [1].
Назовем параметром состояния пациента значение любого показателя, характеризующего пациента (температура, давление, возраст, масса тела, наличие вакцинаций и предыдущих болезней и т.д.)
Назовем симптомом значение или диапазон значений любого признака, характерного для соответствующей нозологии.
Под ЛДП будем понимать процесс доведения пациента до гомеостаза. Тогда определим Т как число временных этапов ЛДП, по истечении которых параметры пациента входят в зону гомеостаза («зеленый коридор» параметров состояния).
Минимальное число Т этапов ЛДП составляет 5, ими являются: 1 — первичное обследование, 2 — лечебное воздействие, 3 — дополнительные исследования, 4 — лечебное воздействие, 5 — выписка пациента. Итераций «лечебное воздействие — дополнительные исследования» может быть много.
Система является динамической. Этапам t = 1,T ставится в соответствие множество интервалов времени АТ = {At, t = 1,T}.
Пусть C = {Cp i = 1,1} — множество всех параметров состояния пациента. Тогда Cn(t) = {Cin t, i = 1,1; t = 1,T} — множество значений параметров состояния пациента в начале этапа времени ЛДП (в том числе симптомы); i — индекс параметра, n — индекс пациента, t — номер этапа.
Пусть А = {ap i = 1,1} — множество всевозможных исследований (лабораторных анализов, инструментальных, физикальных исследо-
ваний). Тогда An(t) = {aint, i = 1,1; t = 1,T} — множество различных исследований, проводимых пациенту n на всех этапах ЛДП (в их начале).
B = {Ьн,р Ьвц, l = 1, L; i = 1,1} — симптомы по (включенным) нозологиям; l — индекс нозо-
нв
логии; biр bii — нижние и верхние границы значений параметров.
Gn = {gHn,v gen,v i = 1,1} — множество (нижних и верхних) значений параметров состояния зоны гомеостаза пациента. В общем случае Gn е Gg или Gn е Gy в зависимости от главной нозологии по диагнозу пациента, где Gg и Gy — множества зон «зеленого коридора» (нормальных значений) и «желтого коридора» (квазинормальных значений).
Dn = {Dn(t), t = 1,T} — множество диагнозов пациента n на всех этапах ЛДП.
Dn(t) = {dn,,t, l = 1,L} — множество параметров «букета» нозологий l в диагнозах пациента на всех t этапах ЛДП, t = 1,T.
P = {pl,m, l = 1,L; m = 1,M} — терапевтические мероприятия (процедуры, лекарства, исследования и т.п.), соответствующие нозологиям по клиническим протоколам (или МЭСам); m — индекс терапевтического мероприятия.
51 = {s1;-, i = 1,1} — множество стоимостей исследований.
S1n = {s1;, n} — множество стоимостей исследований для n-го пациента.
52 = {s2m, m = 1, M} — множество стоимостей терапевтических мероприятий.
S2n = {s2m n} — стоимости терапевтических мероприятий для n-го пациента.
Операторами системы Maximus являются: ц — операторы целевых результирующих выходов, п — операторы состояния:
ц1: An(t) ^ Cn(t) — отображение исследований в параметрах состояния пациента.
П1: Cn(t) П B ^ Dn(t) U An(t + 1) — формирование диагноза пациента на этапе t и множества дополнительных исследований на этапе t + 1. Если An(t + 1) е®, то диагноз поставлен.
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ 19 ■
РЧН
Медицинские информационные системы
и информационные
технологии
ш
>ц2\ Dn(t) х P ^ Pn(t) — определение множества терапевтических мероприятий, необходимых для включения в назначение на лечение пациента на этапе t.
ПЗ: pn(t) х T^ Pn(T) — формирование
программы лечения на период ЛДП.
ц2: Pn(t) х Cn(t) ^ Cn(t + 1) — состояние пациента после мероприятий;
цЗ: Cn(t) П Gn ^ Pn(t + 1) — оценка состояния пациента и назначение новых терапевтических мероприятий [Cn(t) с Gn] ^ [Pn(t + 1) е ®, t = T ] .
П4: Pn(t) х Cn(t) х T^ Cn(T + 1) — результирующее состояние пациента по окончании лечения (состояние исхода).
Д4: A(t) х S1 ^ S1n(t) — оценка стоимости исследований пациента на этапе t.
Д5: S1n(t) х T^ S1n(T) — оценка стоимости исследований пациента за период лечения T.
ц6: Pn(t) х S ^ Sn(t) — оценка стоимости терапевтических мероприятий для пациента на этапе t. An(t) е Pn(t).
П5: Sn(t) х T^ Sn(T) — оценка общей стоимости мероприятий за период лечения.
Задачи аналитической обработки информации в системе делятся на 3 типа:
— агрегирования и представления данных для последующего анализа и принятия решений на системном (врач) и надсистемном (главный врач, департамент здравоохранения, главный специалист в конкретной области медицины) уровнях. К ним относится многомерный анализ данных (в том числе суммирование по заданным признакам и др.) с применением OLAP-технологии;
— вы/явления закономерностей для последующего использования на системном и надсистемном уровнях с целью получения новых (в том числе научных) знаний;
— выработки решений (оптимального или квазиоптимального планирования) по ЛДП (задачи обратной связи или замкнутого контура управления).
СППР Maximus интегрирует в себе несколько классов систем [2]: классифицирующих, дополняющих и трансформирующих. Она является системой с частично детерминированными знаниями из единого источника — БЗ, являющейся интеллектуальным ядром системы и важнейшей частью ее СППР.
Медицинская БЗ Maximus (рис. 2) — структурированный (формализованный) набор данных и правил (метаданных), обеспечивающих участников ЛДП управляющей информацией в условиях неполного знания (неопределенности) и потребности оперативного принятия решений при постановке диагнозов, формировании программ лечения, оценке динамики состояния пациента, эффективности ЛДП, работы персонала и медицинского учреждения в целом.
БЗ Maximus строится на следующих принципах:
1. Иерархическое признаковое пространство симптомов, привязанное к методам исследований и органам человека.
2. Формализованное описание нозологий (по 10-балльной шкале): вес признаков (яркости проявления признаков в нозологиях), пороги достоверности нозологий (по суммам весов признаков), опасность и темпы развития нозологий; соответствующие коды по МКБ-10. Исходные знания по описанию нозологий берутся на основе обработки данных экспертного опроса ведущих специалистов по областям медицины, авторитетных международных источников [4,5] и формируются в составе фреймовой компоненты БЗ [3].
3. Формализованное описание клинических протоколов в составе фреймовой компоненты: исследования и воздействия по нозологиям — медицинские экономические стандарты — МЭС и их расширения на основе данных из открытых источников, включая NICE [5], соответствующие коды услуг и др. параметры.
4. Формализованное описание паттернов лечебно-диагностического процесса — повто-
.„0. ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■■ ■ ■ ■■■ ■ ■ ■ ■ ■
Рис. 2. Структура базы знаний СППР Maximus
ряющиеся позитивные прецеденты. Найденные диагностические, лечебные и общие паттерны хранятся в составе прецедентной компоненты БЗ. Поиск паттернов проводится в специально организованной для этого продукционной компоненте БЗ, в которую знания из фреймовой компоненты БЗ переносятся и трансформируются в виде продукций.
5. Пополнение БЗ на основе паттернов ЛДП, результатов статистической обработки и данных экспертного опроса.
6. Использование БЗ для повышения квалификации медицинских работников. Ввод и пополнение знаний в БЗ осуществляются под управлением специалистов — инженеров знаний (аналитиков).
ЛИТЕРАТУРА
1. Теория систем: Учеб. пособие/В.Н. Волкова, А.А. Денисов. — М.: Высш. шк., 2006. — 511 с.: ил.
2. Баин А.М. Современные информационные технологии поддержки принятия решений: Учебное пособие. — М.: ИД «ФОРУМ», 2009. — 240 с.
3. Черноруцкий И.Г. Методы принятия решений. — Спб.: БХВ-Петербург, 2005. — 416 с.
4. Evidence-Based Clinical Decision Support at the Point of Care (Научно обоснованная поддержка принятия клинических решений в процессе лечения) URL: http://www.uptodate.com/home (Дата обращения: 07.02.2013).
5. National institute for health and clinical excellence (Национальный институт здравоохранения и клинического совершенства) URL: http://www.nice.org.uk/ (Дата обращения: 07.02.2013).
■ ■ ■ ■ ■ ■■ ■ ■ ■ ■■■ ■ ■ ■ ■ ■ ■■■ h ■■ ■ ■ ■■■ ■■ ■■ ■ ■ ■ ■■■ ■■ ■ ■ ■ ■ ■ ■ ■■ ■■ ■ ■
