Владивосток, Приморский край, Россия
Владивосток, Приморский край, Россия
ВАК 14.02.2003 Общественное здоровье и здравоохранение
УДК 61 Медицина. Охрана здоровья
ГРНТИ 50.49 Автоматизированные системы организационного управления
ГРНТИ 50.53 Автоматизация научных исследований
ГРНТИ 76.75 Социальная гигиена. Организация и управление здравоохранением
ОКСО 02.07.01 Компьютерные и информационные науки
ОКСО 09.06.01 Информатика и вычислительная техника
ОКСО 32.04.01 Общественное здравоохранение
ББК 511 Социальная гигиена и организация здравоохранения
ТБК 51 Информатика. Вычислительная техника
ТБК 5706 Социальная гигиена и организация здравоохранения
BISAC COM014000 Computer Science
BISAC HEA028000 Health Care Issues
В работе описаны основные принципы разработки и архитектура интеллектуальной медицинской системы поддержки принятия решений, представляющей собой специализированную оболочку для создания систем по назначению медикаментозного лечения с учетом персональных данных здоровья человека. В основе лежит онтологический подход и для формирования знаний используется общепринятая медицинская терминология
онтология, база знаний, искусственный интеллект, система поддержки принятия решений, обработка сложных событий, медицинская информатика
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. Кобринский Б.А. Особенности медицинских интеллектуальных систем // Информационно-измерительные и управляющие системы. 2013. Т. 11, №5. С. 58–64.
3. Горбач Т.А., Грибова В.В., Окунь Д.Б., Петряева М.В., Шалфеева Е.А., Шахгельдян К.И. База терми-нов нейрохирургии для интеллектуальной обработки биомедицинских данных // Материалы XIII междунар. науч. конф. «Системный анализ в медицине» (САМ 2019) / под общ. ред. В.П.Колосова. Благовещенск, 2019. С. 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. С. 1-4.
5. Грибова В.В., Окунь Д.Б. Онтологии для формирования баз знаний и реализации лечебных меропри-ятий в медицинских интеллектуальных системах // Информатика и системы управления. 2018. №.3. С. 71-80.
6. Окунь Д.Б. Формальное представление знаний о проведении комбинированной терапии лямблиоза (фрагмент) // Материалы XIII междунар. науч. конференции «Системный анализ в медицине» (САМ 2019) / под общ. ред. В.П.Колосова. Благовещенск, 2019. С. 75-78. ISBN 978-5-905864-19-3. DOI: 10.12737/collection_5d8335e34b6a76.02467823.
7. Грибова В.В., Окунь Д.Б. Формальное представление знаний о медикаментозной терапии язвенной болезни желудка и двенадцатиперстной кишки (фрагмент)// Материалы XI междунар. науч. конф. "Системный анализ в медицине" (САМ 2017) / под общ. ред. В.П.Колосова. Благовещенск, 2017. С. 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 [Электронный ресурс] URL: http://www.cankaoxiaoxi.com/science/20200206/2401404.shtml (дата обращения: 07.09.2020).
