Новый подход к созданию автоматизированных дифференциальных клинических систем

Глотко В.Л.

Конкуренцию на сегодняшний день определяет не обладание большими ресурсами или потенциалом производства, а объем знаний накопленный предыдущими поколениями, способность его структурировать, им управлять и персонально использовать. В будущем гармонизированным управлением и процветанием социума будут обладать государства, имеющие систему информационно-интеллектуальной технологии (ИИТ) на основе последних достижений передовой научной мысли в области искусственного интеллекта (ИИ).

Одной из важных задач Всемирной организации здравоохранения (ВОЗ) является внедрение в клиническую медицину перспективных ИИТ с методами и средствами ИИ для совместного информационного взаимодействия и использования [22]. Выполнение данной задачи не возможно без создания универсальной, построенной на единых принципах функционирования, медицинской базы данных (МБД) знаний по всем видам патологических и функциональных состояниях человека. 

Условием для выполнения поставленной задачи для специалистов ИИТ в медицине является структурирование огромного, порой противоречивого, объема клинической информации с последующей классификацией ее и распределением по элементам МБД. Одной из самых важных задач при этом, является создание технологий позволяющих решать основой вопрос клинической практики - дифференциацию различных состояний человека. Решить ее возможно, используя определяющий критерий идентификации патологического процесса - симптом, т.е. клинический признак.

Современная концепция интеллектуальных информационных систем предполагает объединение электронных записей о больных (electronic patient records) с архивами медицинских изображений, данными мониторинга с медицинских приборов, результатами работы визированных лабораторий и следящих систем, наличие современных средств обмена информацией (электронной внутрибольничной почты, Internet, видеоконференций и т.д.) [17,18,20].

В настоящее время существует несколько международных стандартов регистрации клинических данных в МИС лечебных учреждений:

• SNOMED International (College of American Pathologists, США);
• Unified medical language system (National Medical Library, США);
• Read clinical codes (Центр по кодированию и классификации национальной системы здравоохранения, Великобритания) [14,15,16,20].

В последние годы в США большинство крупных медицинских центров уже не работают без информационных систем (ИС), на которые приходится более 10% расходов больниц [15,16,17,21].

В здравоохранении США объем расходов на информационные технологии составляет примерно 20 млрд. долларов в год. Особый интерес вызывают медицинские системы, которые непосредственно помогают врачу увеличить эффективность работы и повысить качество лечения больных [15,16,19,21].

Предыдущие попытки решить проблемы здравоохранения в части своевременного информационного обеспечения или введения статистических программ вовлекали различные формы автоматизации. Некоторые из этих решений были реализованы в виде телефонной библиотеки ответов на медицинские вопросы. Другие попытки были направлены на обеспечение врачей автоматизированными средствами помощи для использования при обследовании пациента. Все эти способы вовлекали статические процедуры или алгоритмы, исходя их условия быстрой постановки диагноза и выбора метода лечения с помощью ЭВМ, с учетом заложенных в нее сведений и алгоритма ее работы: при этом ставилась задача автоматического установления диагноза самой машиной по набору типовых входных данных о пациенте, а не человеком-врачом. Такие разработки, как правило, функционируют по алгоритму проведения интервью с пациентом для сбора необходимого и достаточного набора данных о пациента до степени насыщения, соответствующей, по крайней мере, одному из заложенных в ЭВМ медицинскому диагностическому сценарию. Такая схема построения программ на базе набора медицинских диагностических сценариев предусматривает участие доктора только на стадии ввода данных о пациенте и в конечном итоге приводит к формированию "удобного" сознания о том, что все можно подогнать к одному из сценариев. Участие доктора как специалиста и как главного участника-постановщика диагноза в данной системе медицинской помощи не рассматривается. Кроме того, такая система предполагает, что разработан эффективный способ представления медицинских знаний экспертов в своих специальностях в формате сценариев, которые постоянно насыщают базу данных этой ЭВМ. Сценарии должны использовать динамические структуры для быстрого и эффективного достижения диагноза пациента [9,10].

Недостаток подобных систем заключается в том, что она построена по принципу размещения заболеваний, симптомов и вопросов в набор связанных структур заболеваний, симптомов и вопросов, таких как объекты или списки, чтобы к структурам можно было получить доступ для выработки диалога с пациентом. В известных системах дифференциация (или выбор) построена по принципу исключения понятий (клинических признаков, симптомов). Кроме того, в системе субъективные жалобы от пациента контролирует и устанавливает их объективность не медицинский специалист, а тестовая программа в автоматизированном режиме. Пациент может и не знать, где у него точно расположен тот или иной орган, жалобы на него могут провоцировать тестовый направленный поиск по ложному пути, система будет вести поиск исходя из заданных параметров, в итоге затраченное время и ложный результат. Ошибочным является то, что в процессе клинической дифференциации устанавливаются веса и синергия весового значения того или иного симптома, что приводит к оценке некоторого усредненного явления, а не присущего пациенту состояния (установка веса и синергия весового значения того или иного симптома заранее вкладываются в программу, как некий постоянный коэффициент). При таком подходе к оценке состояния пациента высока вероятность установления такого диагноза, которому присущ этот вес симптома (выявленный на основании вопросников только потому, что у пациента это проявление наиболее сильное и психологически подавляет менее выраженные формы проявления других симптомов), но на самом деле этот симптом может быть косвенным и являться результатом действия иного процесса [9,10]. 

Необъективность описания первых выраженных симптомов, которые получает система от пациента на первом опросном этапе работы, обуславливает извлечение из базы данных ошибочного сценария болезни и ошибочность в постановке диагноза. Подобные системы не имеют возможности контроля за (диагностическим) течением болезни и результатами лечения, что препятствует проведению корректировки системы в части уточнения веса симптома или корректировки сценария.

В нашей стране также разрабатываются медицинские информационные системы персонального пользования для обработки симптомов заболеваний [6,7]. Подобные системы должны были позволять проводить поиск и выдачу информации по запросу пользователя, оказывать помощь в диагностике патологических состояний, автоматизировать технологические процессы работы врачей различного профиля, обеспечивать дидактические задачи повышения профессионального уровня. Отмечается, что не все области медицинской деятельности достаточно технологичны и легко формализуемы, чтобы в них быстро приживалась компьютеризация [8].

Поэтому и необходима универсальная система ввода клинических данных и единая медицинская справочная система, а также технология обработки вводимых данных в он-лайн режиме, чтобы использовать ее в повседневной деятельности, как специалисту высокопрофессиональному, так и молодому выпускнику медицинских образовательных учреждений. Помимо этого, данная технология должна быть проста и достаточно доступна в освоении даже средним медицинским персоналом, что освободит врача от повседневной рутинной "писанины". 

В ретроспективном анализе медицинских экспертных систем выделяются основополагающие принципы дифференциации клинической информации: эффективность предлагаемых решений вне зависимости от степени выраженности клинических проявлений болезни; учет фоновых состояний пациента при поддержке диагностического процесса и подбора лечения; оценка прогностически неблагоприятных ситуаций. При этом указываются условия реализации ИИТ: дефицит времени для принятия решений; неполноты, неопределенности или противоречивости данных; выбора дополнительных исследований при фиксированных ограничениях, определяемых пользователем в каждом конкретном случае. И, наконец, самое главное: привлекательность систем для пользователя, определяемая не только их эффективностью и интеллектуальностью, но также удобством в работе и психологической "совместимостью", включая в последнее понятие возможность участия в процессе принятия решения [6]. Следовательно, в создании ИИТ в медицине должен присутствовать игровой ИИ. 

Такую технологию удалось создать в течение 5 лет постоянных поисковых разработок. В ранних исследованиях разрабатывались различные способы наполнения медицинской базы данных (МБД) и формирования справочной системы. Предлагались и различные виды автоматизированной дифференциальной диагностики, все они имели общие недостатки: не позволяли использовать информацию для всего спектра дифференциации, вводимые данные крайне сложно сопоставлялись, были трудоемкими в наполнении МБД, клиническую информацию невозможно было использовать для формирования электронной медицинской документации, и пожалуй самое главное, системы были информативными, но не включали в себя способность общаться с регистратором и пользователем, т.е. не обладали ИИ [1,2,3,4,5].

На сегодняшний день, появилась возможность представить технологию, обладающую способностью интегрироваться с уже имеющимися клиническими экспертными и интеллектуальными клиническими системами и перспективными их разработками; иметь возможность универсально отражать все состояния человека (функциональные, органические, психические и др.); имеющую универсальную систему регистрации клинических данных о пациентах, сопоставимую с единой системой наполнения и формирования справочников общих медицинских и специализированных клинических данных; обладающей способностью к дифференциации регистрируемой клинической информации (жалобы, анамнез, осмотр специалиста, инструментальные и лабораторные исследования и т.д.) в он-лайн режиме; включающую в себя сетевые ресурсы с интеллектуальными справочными системами, способными семантически сопровождать процесс регистрации клинических данных о пациенте и их дальнейшую дифференциацию (ИИ); обладать возможностью сопоставлять и анализировать любые виды общей медицинской и специализированной клинической информации в он-лайн режиме, а также формировать любые документы медицинского учета и отчетности в электронном виде [11,12,13]. 

Данная технология отличается принципиально новым подходом к формированию общих и персональных медицинских информационных систем. Если предыдущие версии создавались по принципу от частного к общему, т.е. от персонального автоматизированного рабочего места (АРМ) врача к общей автоматизированной системе электронного документооборота учреждения, то представленная клиническая информационная система создавалась по принципу от общего к частному посредством аксиоматико-дедуктивного метода. Трудно представить себе, как можно создать информационную систему, которая будет удовлетворять всех клинических специалистов, научных и педагогических работников, а также самого пациента, который должен совместно с врачом стать активным пользователем своих медицинских данных. 

Предыдущие системы клинической диагностики и дифференциации использовали принцип последовательного логического построения информационных потоков однонаправленного движения для уточнения информативности первоначально заданного клинического признака и/или критерия. Данный подход требует постоянного уточнения оператором условий информативной взаимосвязи выявленных критериев, что приводит к двум принципиальным выводам - присутствует "Да" или отсутствует "Нет" логическая связь между выявленным клиническим критерием и выявляемым [9,10,14,17,18,20]. 

Представленная дифференциальная система создавалась с использованием вероятностной логики, в которой клиническим показателям, помимо присутствия или отсутствия, приписываются "промежуточные" истинностные значения, называемые вероятностями истинности показаний, степенями их правдоподобия, степенями подтверждения и т.п. 

Математической основой системы явилась теория групп. Группы повсеместно используются в математике и естественных науках, часто для обнаружения внутренней симметрии объектов, в нашем случае симметричного соотношения множества признаков. Внутренняя симметрия обычно связана с инвариантными свойствами преобразований, которые сохраняют это свойство, вместе с операцией композиции и образуют группу, называемую группой симметрии. Используя метод сопряжённых градиентов, обеспечивается безусловная оптимизация выявленных клинических критериев в многомерном пространстве их представления, как в каждом отдельном случае, так и в совокупности любых соотношений симптоматики. Основным достоинством метода является то, что он решает квадратичную задачу оптимизации клинических признаков за конечное число шагов. Поэтому, сначала описывается метод сопряжённых градиентов для оптимизации квадратичного функционала одной совокупности критериев, выводятся итерационные формулы, приводятся оценки скорости сходимости клинических признаков в одну и/или несколько совокупностей. После этого показывается, как метод сопряжённых градиентов обобщается для оптимизации произвольного функционала отдельно взятого заболевания к множеству других, рассматриваются различные варианты метода, обсуждается сходимость множества соотношений.

В созданной клинической информационной системе, использовалась систематизация общих и специальных клинических данных для последующей их дифференциации, которая реализована в автоматизированной информационно-интеллектуальной справочной системе (АКИИСС) [11,12]. Следующим решением явилось создание метода идентификации основного информационного критерия в медицине - симптома. Метод идентификации симптома и/или синдрома (любого клинического признака) реализован через дифференциально-диагностическую матрицу (ДифДиагМат) [12,13]. Последующими задачами стали формирование единой справочно-поисковой системы с интеллектуально-семантическим сопровождением и возможностью обучения пользователя через социальную сеть. Кроме этого, данная технология обладает способностью к самообучению и дифференциальному структурированию вновь поступающих данных. Можно провести аналогию создания АКИИСС со своего рода созданием интерактивной клинической "игры", в которой каждый участник (врач-специалист) имеет свой собственный статус "интеллектуального игрока" и доступ к анализу и управлению множественными потоками клинической информации. 

Таким образом, представленный подход к созданию информационно-интеллектуальной системы позиционируется как дифференциация множества клинических данных (жалоб, анамнеза, клинического осмотра, психофизиологических результатов, инструментальных и лабораторных исследований, и т.д.) при активном участии врача в принятии дифференциально-диагностических решений в он-лайн режиме.

1. Литература

   Глотко В.Л. Разработка перспективной модели информационного обеспечения врачей-специалистов медицинских частей и учреждений военного округа (на примере оказания неврологической помощи в мирное время): Диссертация ... канд. мед. наук, ГИУВ МО РФ, - Москва, 2005 - Количество страниц: 137 с. 21 ил.

2. Глотко В.Л. Перспектива использования единой базы научно-медицинских данных в фундаментальных, поисковых и прикладных исследованиях // Материалы научно-практической конференции ГИУВ МО РФ "Последипломная подготовка медицинского состава ВС РФ - состояние, проблемы и перспективы развития". Москва, 2005. - С.68-71.
3. Глотко В.Л. Автоматизированные информационно-интеллектуальные средства поддержки профессиональной деятельности врачей специалистов военно-медицинских учреждений // Журн. Вестник нов. мед. технологий. Тула, 2005. N.3. - С. 23-26.
4. Глотко В.Л., Никольский А.В. Состояние и проблемы информационного обеспечения повседневной деятельности врачей специалистов военно-медицинских учреждений // Журн. Вестник нов. мед. технологий. Тула, 2005. N.3. - С. 14-16.
5. Глотко В.Л. Обоснование необходимости автоматизации информационного обеспечения врачей-специалистов медицинских частей и учреждений округа // Воен.- мед. журн. Москва, 2005. - Т. N.8 - С.64.
6. Кобринский Б.А. Ретроспективный анализ медицинских экспертных систем // Новости искусственного интеллекта. - №2. - 2005. - С.6-17.
7. Клюжев В.М., Ардашев В.Н., Тарасов А.К., Саблин В.М. Электронная история болезни или современные информационные технологии с интеллектуальной системой поддержки принятия решений медперсоналом и пациентом // Медицинская кибернетика в медицинской практике // Материалы научно-практической конференции с международным участием (20-21.05.04). М., ГВКГ им. Н.Н. Бурденко -2004. с.65-75.
8. Кузьмин О.М. Клинические информационные системы персонального пользования для анализа и обработки симптомов заболеваний. Журнал Фундаментальные исследования №9. - 2009. - С. 50-51
9. Патент США №5136708 М. кл. G06F 15/16, 1992.
10. Патент США №5129083 М. кл. G06F 12/00, 15/40, 1992 (прототип).
11. Патент РФ №103022. Заявка №2010147474, 2010.
12. Патент РФ №103209. Заявка №2010144144, 2010.
13. Патент РФ №106013. Заявка №2011110101, 2011.
14. Реброва О.Ю. Международный медицинский терминологический стандарт: использование при разработке информационной системы в неврологи. Медицинская кибернетика в клинической практике // Материалы научно-практической конференции с международным участием. Часть II. Москва, ГВКГ им. Н.Н. Бурденко, 20-21 мая 2004. - с. 72-82.
15. Aranda J.M. The problem-oriented medical records: Experiences in a community hospital. JAMA 229:549-551, 1974
16. Braunberg A.C. Smart Card's Appeal Hastens Jump into Mainstream // Signal. 1995. - January. P.35-39.
17. Buchanan J.M. Automated Hospital Information Systems. // Mil. Med. - 1996. -Vol. 131,№ 12.-P.1510-1512.
18. ISO/IEC JTC1/SC 29 N1580, 1996-04-23. Expert from ISO Bulletin: Standards for Global Infrastracture Infrastructure, What is the GII? Medicine 2001: New Technologies, New Realities, New Communities //MedNet- 1996, August 4.-8 p.
19. Van Hentenryck K. Health Level Seven. Shedding light on HL7's Version 2.3 Standard. // Healthc Inform. - 1997. - Vol. 14, № 3. - P.74.
20. Wilson I.H., Watters D. Use of personal computers in a teaching hospital in Zambia //Br. Med. F. - 1988. - vol. 296, N 6617. - P. 255-256.
21. Forth Meeting of WHO Documentation Centres in Europe: A new approach to new challenges. - Copenhagen: WHO Regional Office for Europe, 2003. - 16 с.