Vladivostok, Vladivostok, Russian Federation
Vladivostok, Vladivostok, Russian Federation
VAC 14.02.2003 Общественное здоровье и здравоохранение
UDK 61 Медицина. Охрана здоровья
GRNTI 50.49 Автоматизированные системы организационного управления
GRNTI 50.53 Автоматизация научных исследований
GRNTI 76.75 Социальная гигиена. Организация и управление здравоохранением
OKSO 02.07.01 Компьютерные и информационные науки
OKSO 09.06.01 Информатика и вычислительная техника
OKSO 32.04.01 Общественное здравоохранение
BBK 511 Социальная гигиена и организация здравоохранения
TBK 51 Информатика. Вычислительная техника
TBK 5706 Социальная гигиена и организация здравоохранения
BISAC COM014000 Computer Science
BISAC HEA028000 Health Care Issues
The paper describes the basic principles of development and architecture of an intelligent medical decision support system based on a specialized shell. The system allows you to prescribe a personalized treatment in various fields of medicine. The system is based on the ontological approach and uses generally accepted medical terminology to form knowledge
ontology, knowledge base, medical intelligent systems, decision support system, medical informatics
Проблема выбора оптимальной медикаментозной терапии очевидна, но в то же самое время, она связана с усложнением процесса принятия верных решений: когнитивные способности человека, обычно ограниченные пятью-семью переменными для принятия решений, что в контексте стремительно развивающейся, как научной, так и практической медицины, является ограничивающим фактором для достижения точности назначаемой терапии. Единственным эффективным решением, которое может существенным образом улучшить данную ситуацию, является внедрение в систему здравоохранения и клиническую медицину систем [1], используемых в своей работе технологии искусственного интеллекта. Данные системы объединяют все доступные данные - клинические, биологические, генетические и создают оптимальные пациент ориентированные решения [2]. Построение таких систем представляет собой наукоемкий процесс, требующий больших затрат как временных, интеллектуальных, так и финансовых ресурсов.
Целью данной работы является описание архитектуры специализированной оболочки для построения интеллектуальных медицинских систем назначения медикаментозного лечения и требований к ней.
Основные требования и принципы создания
Основными недостатками cуществующих систем являются их узкая направленность на конкретное заболевание или узкую группу заболеваний, а также невозможность экспертам предметной области самостоятельно формировать и сопровождать базы знаний. Для устранения данных недостатков предложен новый подход и архитектура специализированной оболочки:
1. Система должна быть расширяемой, не зависеть от раздела медицины, конкретного заболевания (либо их группы). Данное требование является ключевым, поскольку совершенно очевидно, что невозможно разработать и сопровождать множество разрозненных систем. Более того, врач, помощь в принятии решений которому должны обеспечить такие системы, не может и не должен использовать множество различных систем.
2. Знания в системе должны формироваться и модифицироваться в процессе эксплуатации экспертом предметной области (либо группами экспертов) на основе собственного опыта лечения заболеваний (авторских методик, если это допустимо в медицинском учреждении), либо в соответствии с принятыми клиническими рекомендациями. Это накладывает, во-первых, требование к форме представления знаний о лечении (они должны быть понятны экспертам, т.е. в терминах предметной области) [3], во-вторых, к инструментам (редакторам) их создания и сопровождения (они должны "экранировать" пользователя от особенностей языков представления знаний, иметь интуитивно понятный интерфейс).
3. Средства создания баз знаний, а также готовые системы поддержки принятия решений должны быть доступны широкому профессиональному сообществу без необходимости дополнительной установки на компьютеры пользователей.
4. Система должна назначать лечение с учетом персональных особенностей пациента, с детализированным обоснованием принятых решений.
Одним из решений выполнения указанных требований является использование онтологического подхода. При наличии соответствующих редакторов (управляемых онтологией) он обеспечит понятность формирования знаний, возможность реализации единственного (унифицированного) онтолого-ориентированного решателя, а также формирование детализированного объяснения [4].
Для выполнения требования 3 необходимо реализовать редактор формирования баз знаний и готовые системы поддержки принятия решений как облачные сервисы.
Архитектура специализированной интеллектуальной оболочки для назначения медикаментозного лечения
В состав интеллектуальной оболочки для назначения медикаментозного лечения входят информационные и программные компоненты (рис. 1).
К информационным компонентам относятся онтологии и порожденные на их основе базы данных и знаний [5-7]. Было разработано множество информационных компонентов:
- онтология знаний о лечении заболеваний, позволяющая описать различные модели и схемы медикаментозной терапии с учетом персональных данных пациента, особенности клинической картины заболевания, сочетаемости лекарственных средств;
- онтология объяснения назначенного лечения описывает структуру объяснения результата работы системы;
- онтология фармакологического справочника, которая позволяет описать непосредственно лекарственное средство в виде международного непатентованного наименования (МНН) или фиксированной комбинации МНН, а также раздел специфических фармакологических терминов;
- онтология базы медицинской терминологии и наблюдений, описывающая структуру используемых на практике медицинских терминов и наблюдений, а также структуру вспомогательной терминологии необходимую для целостности описания медицинских знаний;
- онтология персональной медицинской электронной карты пациента, задающая структуру описания здоровья человека на всем его жизненном пути.
Рис. 1 Концептуальная архитектура СППР.
На основе данных онтологий созданы информационные ресурсы, позволяющие формировать современные знания о лечении заболевания независимо от клинического раздела медицины и открывающие возможность в реализации программ лечения с учетом персональных данных пациента: инфекционные болезни – «лечение лямблиоза», неврология – «симптоматическая терапия когнитивных нарушений», гастроэнтерологии – «медикаментозная терапия язвенной болезни желудка и двенадцатиперстной кишки» [5], кроме того, по запросу китайских врачей была разработана система лечения осложнений коронавирусной инфекции COVID-19 методами традиционной китайской медицины [8].
К программным компонентам относятся средства редактирования знаний и данных, а также решатель задач. Решатель задач представляет собой онтолого-ориентированный алгоритм, реализованный с использованием мультиагентного подхода.
Заключение. Специализированная оболочка для назначения персонифицированного медикаментозного лечения заболеваний реализована и доступна для использования на облачной платформе IACPaaS (https://iacpaas.dvo.ru). Предлагаемая архитектура СППР позволяет формировать современные знания о лечении заболевания независимо от клинического раздела медицины и открывает возможность в реализации программ лечения с учетом персональных данных пациента.
1. Lysaght, T., Lim, HY, Xafis, V. et al. ABR (2019) 11: 299. https://doi.org/10.1007/s41649-019-00096-0.
2. Kobrinskiy B.A. Osobennosti medicinskih intellektual'nyh sistem // Informacionno-izmeritel'nye i upravlyayuschie sistemy. 2013. T. 11, №5. S. 58–64.
3. Gorbach T.A., Gribova V.V., Okun' D.B., Petryaeva M.V., Shalfeeva E.A., Shahgel'dyan K.I. Baza termi-nov neyrohirurgii dlya intellektual'noy obrabotki biomedicinskih dannyh // Materialy XIII mezhdunar. nauch. konf. «Sistemnyy analiz v medicine» (SAM 2019) / pod obsch. red. V.P.Kolosova. Blagoveschensk, 2019. S. 82-85. ISBN 978-5-905864-19-3. DOI: 10.12737/collection_5d8335e34b6a76.02467823.
4. Sanfilippo E. M., Schwarz U., Schneider L. The Health Data Ontology Trunk (HDOT). Towards an onto-logical representation of cancer-related knowledge // Proceedings of the 2012 5th International Advanced Research Workshop on In Silico Oncology and Cancer Investigation. IEEE, 2012. S. 1-4.
5. Gribova V.V., Okun' D.B. Ontologii dlya formirovaniya baz znaniy i realizacii lechebnyh meropri-yatiy v medicinskih intellektual'nyh sistemah // Informatika i sistemy upravleniya. 2018. №.3. S. 71-80.
6. Okun' D.B. Formal'noe predstavlenie znaniy o provedenii kombinirovannoy terapii lyamblioza (fragment) // Materialy XIII mezhdunar. nauch. konferencii «Sistemnyy analiz v medicine» (SAM 2019) / pod obsch. red. V.P.Kolosova. Blagoveschensk, 2019. S. 75-78. ISBN 978-5-905864-19-3. DOI: 10.12737/collection_5d8335e34b6a76.02467823.
7. Gribova V.V., Okun' D.B. Formal'noe predstavlenie znaniy o medikamentoznoy terapii yazvennoy bolezni zheludka i dvenadcatiperstnoy kishki (fragment)// Materialy XI mezhdunar. nauch. konf. "Sistemnyy analiz v medicine" (SAM 2017) / pod obsch. red. V.P.Kolosova. Blagoveschensk, 2017. S. 95-98.
8. 俄媒:俄向华提供新冠诊断系统可为医生提出治疗建议, 2020 [Elektronnyy resurs] URL: http://www.cankaoxiaoxi.com/science/20200206/2401404.shtml (data obrascheniya: 07.09.2020).