Информационные технологии клинической информатики

Размещено на http://www.allbest.ru/

ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«РОСТОВСКИЙ ГОСУДАРСТВЕННЫЙ МЕДИЦИНСКИЙ УНИВЕРСИТЕТ» МИНИСТЕРСТВА ЗДРАВООХРАНЕНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

РЕФЕРАТ

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ КЛИНИЧЕСКОЙ ИНФОРМАТИКИ

Выполнил: студент 1 курса,

13-б группы, ЛПФ

Усков Д.А.

Рецензент:

Неграмотнов Иван Александрович

Ростов-на-Дону

2015

Содержание

Введение

1. Клиническая информатика как инструмент для анализа состояния организма

2. Автоматизированные системы обработки инструментальных и лабораторных данных

3. Автоматизированные рабочие места

4. Интеллектуальные системы поддержки принятия врачебных решений

5. Экспертные системы

Заключение

Литература

Введение

В 1999 г. в России имелось в среднем по три ПК зарубежного производства на одно ЛПУ. При этом уже сформировались раздельные информационные пространства систем здравоохранения, служб ГСЭН и ТФОМС. Последние две структуры были обеспечены компьютерами лучше, чем здравоохранение. Решение об их хотя бы частичном объединении с учетом общности решаемых задач так и "повисло в воздухе". Какова сегодня обеспеченность ЛПУ компьютерами, едва ли достоверно известно, однако крупные стационары и некоторые поликлинические центры уже достигли уровня необходимого насыщения. За короткий срок сделан очень большой количественный рывок.

Возникает естественный вопрос: как загружены имеющиеся ПК, чем они заняты, какие задачи решают и каковы фактические результаты столь обширной компьютеризации?

1. Клиническая информатика как инструмент для анализа состояния организма

Клиническая информатика - это самостоятельная наука (в рамках, как медицины, так и информатики) о системах и о законах накопления, передачи, обработки информации в организме больного и медицинских системах (и в организме здорового человека или преморбидного больного). Предмет КИ - информационные процессы при патологических состояниях при их распознавании и в ходе помощи при них в реальных клинических условиях (информационные процессы существуют и у здорового человека). Для этого необходим количественный подход к оценке патологического процесса, его вида и тяжести с использованием вероятностных моделей и метрологических шкал оценки тяжести патологического состояния. В модели должны быть представлены процессы автоматического регулирования в организме в виде многочисленных контуров регулирования, звеньев этих контуров, взаимосвязей между звеньями и уравнений взаимосвязей, причем эти уравнения должны описывать не однозначно детерминированную, а вероятностную картину этих взаимосвязей. Многие экспертные системы не содержат вероятностных подходов, а основаны на детерминированных логических моделях (изменения на ЭКГ - ишемия, инфаркт).

Но вероятностный подход особенно важен для догоспитального и доспециализированного периодов оказания помощи, в которых совершается большинство ошибок, которые могут снизиться, благодаря информационным технологиям. Процессы автоматического (информационного) управления в организме в норме и при патологических процессах моделируются N-мерным пространством признаков. И сегодня эта модель лежит в основе информационной концепции патологии как фундаментальной науки о патологических процессах в живых и неживых системах. Например, уравнения химической кинетики уже используются для описания процессов развития опухолей (Н.М., Евсеенко Л.С. Количественные основы клинической онкологии. М.: 1970).

С этой точки зрения, например, легко понять основное отличие процессов регуляции при болезни от физиологической регуляции. Это примерно то же, что отличает аварийное регулирование в технических системах от нормального регулирования - изменение цели (вектора) регулирования (пример с тонущим кораблем).

Рассматриваемый подход к пониманию патологического процесса можно назвать «информационной сущностью патологии». Однако правильнее его рассматривать как этап в развитии самой патологии (можно привести тот же технический пример).

Суть этого этапа и этого подхода состоит в том, что патологический процесс рассматривается как процесс динамической угрозы, которая прогрессирует до реализации при недостаточной помощи и убывает до ликвидации при достаточной помощи, а под основной измеряемой и регулируемой величиной патологического процесса нужно понимать вероятность реализации определенной угрозы за определенный отрезок времени. клинический информатика автоматизированный моделирование

2. Автоматизированные системы обработки инструментальных и лабораторных данных

Автоматизированные системы обработки инструментальных и лабораторных данных, включающие автоматизированные рабочие места врачей. Использование компьютерных технологий в клинических функциональных исследованиях позволяет значительно повысить точность и скорость обработки информации о состоянии пациента.

Применение персональных компьютеров обеспечивает надежное нахождение и распознавание информативных графоэлементов в записях биосигналов различных органов и систем организма, повышает точность измерительных процедур выделенных элементов сигнала, а также ускоряет процесс идентификации полученных данных с показателями нормы или с различными видами патологии. Для решения этих вопросов необходимо наличие соответствующего алгоритмического и программного обеспечения, моделирующего процесс проведения функциональных исследований грамотным врачом-экспертом. Таким образом, одной из основных целей применения компьютерных технологий в функциональных исследованиях является повышение надежности врачебной диагностики за счет применения математических методов, обеспечивающих высококачественное измерение и вычисление комплексных электрофизиологических характеристик и формализующих процесс принятия решений с учетом опыта ведущих специалистов в этой области. данный информация врач интеллектуальный

Основная задача автоматизированных систем функциональной диагностики заключается в обеспечении врача добротной, наглядной и достаточной информацией для правильной постановки диагноза. Целый ряд автоматизированных систем функциональной диагностики направлен на формирование результатов анализа в виде словесных синдромальных заключений. Однако, несмотря на их достаточно высокую достоверность (70-95%), окончательный диагноз формируется врачом с учетом клинических проявлений.

3. Автоматизированные рабочие места

Многие учреждения здравоохранения используют в своей работе автоматизированные рабочие места (АРМ) специалистов.

Обеспечение потребностей врача в консультативной помощи при принятии решений по вопросам диагностики, прогнозирования и выбора методов обследования и лечения, то есть создание компьютерной системы поддержки врачебных решений, достигается путем включения в информационную систему на пользовательском уровне автоматизированных рабочих мест, имеющих специальное программное обеспечение, необходимое в деятельности конкретного врача-специалиста.

АРМ врача любой специальности должно выполнять ряд функций:

ведение истории болезни или медицинской карты;

поиск по прецедентам (в целях диагностики, выбора лечения);

выбор оптимального плана обследования больного с учетом критерия альтернативы, включающего риск предполагаемого исследования;

обработка и анализ данных функциональных исследований (ЭКГ, ЭЭГ и других, включая рентгенограммы) при непосредственном вводе биоэлектрических сигналов или оцифрованных изображений в ПК;

анализ результатов лабораторных исследований;

поддержка диагностических решений врача;

прогноз течения заболевания, включая развитие осложнений;

выбор лечебной тактики (с прогностической оценкой терапевтических воздействий).

4. Интеллектуальные системы поддержки принятия врачебных решений

Интеллектуальные системы поддержки принятия врачебных решений выполняют задачи анализа, моделирования и прогноза. Принятие решения - это акт целенаправленного воздействия на объект управления, основанный на анализе ситуации, определении цели, разработке программы достижения этой цели.

При оказании медицинской помощи пациентам выделяют следующие четыре вида поддержки принятия решений:

предупреждение специалистов о возникновении угрожающей ситуации;

критический анализ ранее принятых решений;

предложения по лечебным мерам в ответ на вопросы медиков;

ретроспективные обзоры с целью обеспечения контроля за качеством лечения.

Таким образом, можно выделить две разновидности систем поддержки принятия решений: системы выработки врачебных рекомендаций и системы подготовки данных для решения.

Системы выработки врачебных рекомендаций позволяют:

сформировать множество альтернативных вариантов решения (далее - альтернатив);

сформировать множество критериев оценки альтернатив;

получить оценки альтернатив по критериям;

выбрать лучшую альтернативу, которая и выдается системой в качестве рекомендации.

Реализация этого варианта СППР требует решения некоторых нетривиальных проблем. Например:

учет важности критериев при диагностике определенного заболевания;

выбор способа «лучшей альтернативы» при лечении больного. Например, выбор консервативного либо хирургического лечения при определении стратегии лечения больных с ишемической болезнью сердца.

Системы подготовки данных для решения помогают решить следующие задачи:

1.подготовить базы данных (часто объемные и содержащие сложные взаимосвязи);

2.организовать гибкий и удобный доступ к базам данных через мощные средства формирования запросов;

3.получить результаты запросов в форме, максимально удобной для последующего анализа;

4.использовать мощные генераторы отчетов.

5. Экспертные системы

Экспертные системы.

Интеллектуализация программных средств поддержки врачебных решений предполагает использование так называемых экспертных, консультативных, систем (ЭС), построенных на основе использования знаний высококвалифицированных врачей-экспертов.

Назначение экспертных систем заключается в выдаче системой искусственного интеллекта экспертных заключений, относящихся к проблемам какой-либо медицинской области.

Экспертное заключение часто оказывается ответом на обращение лица, принимающего решение, за консультацией в конкретной ситуации.

Основными чертами экспертных систем являются следующие:

поддержка принятия решения возможна только в одной конкретной области;

программная система использует механизм рассуждений, которые могут быть представлены в виде пар посылок и заключений типа «если…, то…»;

система может объяснять ход решения задачи понятным пользователю способом;

база знаний системы является открытой и наращиваемой;

система способна обучаться, т.е. пополнение и (или) изменение базы знаний сопровождается увеличением эффективности ее работы.

Математическое моделирование - специальный инструмент, который позволяет оценить недоступные прямым измерениям свойства регуляторных систем и процессов.

Математическая модель представляет собой систему математических соотношений - формул, функций, уравнений, систем уравнений и т.д., описывающих те или иные стороны изучаемого объекта, явления, процесса. Модель - это не только отражение наших знаний об исследуемом объекте, но и источник новых сведений, полученных с помощью модели.

Модель, отображая или замещать его так, что изучение дает новую информацию об этом объекте.

Заключение

Необходимость применения в медицине математических методов моделирования с использованием компьютерной техники диктуется тем, что с их помощью можно адекватно и в короткий срок обобщить сложную сущность явлений и процессов, описать и понять факты, выявить взаимосвязи, найти рациональное решение с гораздо большей полнотой и надежностью, чем это делается на базе словесных характеристик. Метод математического моделирования в медицине помогает систематизировать и объединять знания о физиологических системах, идентифицировать важные параметры и определять общую чувствительность системы к вариации каждого параметра, количественно оценивать трудноизмеряемые и вообще неизмеряемые показатели, быстро и эффективно поверять гипотезы без обращения к эксперименту, планировать эксперименты и исследования, предсказывать поведение реальной системы.

Литература

1. Омельченко В.П., Демидова А.А. Математика: компьютерные технологии в медицине. Издание 2-е, исправленное, Ростов н/Д: Феникс, 2010. 576 с.

Размещено на Allbest.ru