CC BY
46
в течение 2006-2015 гг. установлено свыше 3100 автоматизированных рабочих мест медицинских специалистов различного назначения.
О проекте
«Электронный рецепт»
Объединенный институт проблем информатики как головной технический исполнитель в прошлом году совместно с РНПЦ медицинских технологий, информатизации, управления и экономики здравоохранения участвовал в реализации крупного республиканского проекта «Электронный рецепт». С 30 сентября 2015 г. в Минске была проведена пилотная эксплуатация АИС, обеспечивающей технологию обращения электронных рецептов, на базе четырех городских поликлиник (19-й, 29-й, 34-й и 39-й) и всех аптек государственной аптечной сети РУП «Белфармация».
В основу информационной системы «Электронный рецепт» положен самый современный международный открытый стандарт обмена медицинскими данными БН1К.. Важным элементом этой технологии является использование пластиковой карты для медицинского обслуживания, которая выдается каждому пациенту поликлиники. Она изготовлена в соответствии с требованиями белорусских и международных стандартов, для идентификации пациента на ней нанесен линейный штрихкод. Для пилотной эксплуатации АИС «Электронный рецепт» выдано около 200 тыс. карточек. Их официальная регистрация произведена Национальным регистратором -Центром систем идентификации.
В течение 2016 г. предусмотрено увеличение пилотной зоны эксплуатации на восемь городских поликлиник (2-я, 5-я, 10-я, 14-я, 17-я, 20-я, 37-я и 38-я), а также расширение использования
пластиковых карт для записи на прием к врачу через инфоки-оск или интернет-запись, интернет-вызова врача на дом, облу-живания пациентов льготной категории в системе «электронной очереди» в регистратуре поликлиники и диспансера, в приемном отделении больницы и др. На данный момент в рамках проекта уже выписано более 43 тыс. электронных рецептов.
По сравнению с выпиской бумажного рецепта эта технология имеет неоспоримые преимущества. Она создает предпосылки для более эффективного и безопасного медикаментозного лечения, так как база данных рецептов позволяет видеть все препараты, назначенные пациенту, и избежать ошибочно указанных опасных дозировок и т.д. Снижается стоимость лечения из-за неверного выбора лекарств от их совместного использования, побочных эффектов. Экономится время врача на выписку рецептов, особенно с учетом возможности продления их действия. Исключается дублирование отпуска препаратов, а также находящихся на строгом предметно-количественном учете средств, подделка льготных рецептов. Уменьшается количество лишних посещений поликлиники только с целью продления действия рецепта.
К тому же АИС «Электронный рецепт» является базой для внедрения автоматизации расчетов возмещения за льготные лекарственные средства, обеспечивает проведение различного рода анализа медицинской деятельности. Министерство здравоохранения рассматривает данный проект как первый шаг к интеграции в здравоохранении. Конечная цель его дальнейшего развития -создание и ведение единого электронного банка медицинских данных пациентов. На его базе появятся новые электронные услуги и сервисы. СИ
Информационные технологии
в анализе
медицинских
данных
Игорь Том,
заведующий
лабораторией
биоинформатики
Объединенного
института проблем
информатики
НАН Беларуси,
кандидат
технических наук,
доцент
О
дной из актуальных задач, стоящих перед разработчиками информационных технологий (ИТ) для различных отраслей человеческой деятельности и здравоохранения в частности, является предоставление эффективных средств анализа накопленных массивов информации для извлечения из них новых знаний о структуре данных, функциональных зависимостях для принятия решений на основе результатов такого анализа. На сегодняшний день уже создано немало алгоритмов, методов, универсальных программных комплексов, ориентированных на всесторонний анализ данных. Но для обеспечения условий их эффективного использования этого недостаточно. Необходимы ИТ, информационно-аналитические системы, включающие компоненты, обеспечивающие реализацию процессов сбора, хранения, защиты, доступа, анализа и предоставления информации конечному пользователю. Причем средства анализа должны базироваться как на апробированных статистических, так и на современных интеллектуальных методах и алгоритмах. Проблема создания и грамотного применения таких ИТ и систем приобретает
особую значимость для здравоохранения, его научно-практических и лечебных учреждений. Наиболее актуальны задачи оперативного анализа полученной в них клинической, лабораторной, эпидемиологической и другой сопутствующей информации и принятие адекватных решений. Многие медицинские специалисты, особенно высшей квалификации, значительную часть рабочего времени вынуждены тратить на ручной анализ разнородной многомерной информации для правильной диагностики, выбора адекватного протокола лечения, прогнозирования результатов терапии и т.п.
В медицине и смежных разделах биологии резко увеличились объем клинической, лабораторной информации и интенсивность ее поступления, в то время как способы ее анализа зачастую не претерпели радикальных изменений. К началу 2000-х гг. резко усилился дисбаланс между объемом информации и возможностями ее обработки медицинскими специалистами. В настоящее время только справочник международной классификации болезней включает около 2 тыс. заболеваний, у которых более 100 тыс. симптомов и десятки тысяч наименований лекарственных препаратов для лечения. И каждый год выявляются новые подтипы заболеваний. Очевидно, что проблема своевременного анализа информации стала узким местом, одним из сдерживающих факторов дальнейшего развития медицинской науки и эффективного лечения.
Существуют различные точки зрения о направлениях развития ИТ и систем для решения данной проблемы. Не претендуя на исключительность, нам представляется, что наиболее рациональными могут быть создание и постоянное совершенствование следующих информационных систем (ИС):
■ ИС для автоматизации деятельности клинических и поликлинических учреждений, которые имеют встроенные средства аналитики и обеспечивают накопление ценной лабораторной и клинической информации для оперативного или отложенного анализа;
■ эпидемиологических регистров различных нозологий с встроенными средствами анализа, информационно-аналитических систем, которые включают регистры в качестве неотъемлемых компонентов или имеют с ними удаленное информационное взаимодействие. Результаты анализа данных из таких регистров особо ценны для идентификации факторов, обусловивших тенденцию к росту соответствующего заболевания, являются доказательной базой для выработки организационных, профилактических мероприятий в масштабе всей страны;
■ систем поддержки принятия решений (СППР) при диагностике заболеваний. Это направление развития ИТ и ИС достаточно специфично, так как
в большей мере, чем другие, базируется на результатах научных исследований в соответствующих отраслях медицины, биологии и более наукоемко.
Из выделенных направлений развития информационных технологий и систем остановимся на двух последних, поскольку именно в них специалисты лаборатории биоинформатики ОИПИ НАН Беларуси обладают большей компетенцией.
Эпидемиологические регистры и информационно-аналитические системы
В конце 2015 г. сотрудниками лаборатории биоинформатики ОИПИ НАН Беларуси при участии Республиканского центра гематологии и пересадки костного мозга на базе 9-й городской клинической больницы, НИИ технической защиты информации завершено создание информационно-аналитической системы «Республиканский эпидемиологический регистр пациентов с гематологическими заболеваниями» (ИАС РЭРГЗ). Ее назначение -централизованный сбор, накопление, обработка и предоставление информации, связанной с учетом всех случаев гематологической патологии в стране, с целью мониторинга и анализа уровня медицинской помощи населению. Система позволяет получить достоверные и оперативные данные
Рис. 2.
Информационно-аналитическая система учета и планирования лечебных мероприятий для больных коагулопатиями
по показателям заболеваемости, распространенности, смертности и выживаемости населения республики для различных гематологических нозологий, дает возможность оценить тяжесть течения болезни (ремиссия, рецидив), возрастной состав и количество пациентов по месту проживания за определенное время, обеспечивает формирование статистической отчетности как по регионам, так и стране в целом. ИАС РЭРГЗ реализована с использованием современных веб-технологий на базе сервис-ориентированной архитектуры. Уже сейчас ее информационный ресурс содержит сведения о более чем 68 тыс. случаев заболеваний крови. Особо следует подчеркнуть, что защита персональных данных в системе обеспечивается специальными криптографическими аппаратно-программными средствами, что подтверждается полученным Сертификатом соответствия требованиям по защите информации.
В 2014-2015 гг. совместно с РНПЦ трансфузиологии и медицинских биотехнологий были продолжены работы по развитию функциональных возможностей
информационно-аналитической системы учета и планирования лечебных мероприятий для больных коагулопатиями, включающей и соответствующий эпидемиологический регистр пациентов с гемофилией. Кроме автоматизации ведения регистра система позволяет индивидуализировать расчет потребности в факторах свертывания крови в зависимости от степени тяжести (уровня фактора), наличия ингибитора в соответствии с вероятностью возникновения и частотой различных видов кровотечений, а также проводимого вида помощи с учетом возрастных особенностей. Дополнительно реализованы алгоритмы расчета потребности в лекарственных средствах заместительной терапии на основании моделей схем долгосрочного профилактического и домашнего лечения при гемофилиях А и В.
Постоянная совместная работа с медицинскими специалистами убеждает нас, что для Беларуси существует насущная потребность в создании эпидемиологических регистров все более «молодеющего» остеопороза, кардиологических заболеваний,
патологий, относящихся к сфере оториноларингологии, и др. Использование таких регистров позволит своевременно оценивать и учитывать объективные эпидемиологические показатели соответствующих патологий для рационального распределения ограниченных лекарственных, человеческих и финансовых ресурсов, совершенствования лечебно-диагностических мероприятий по профилактике заболеваемости.
Системы поддержки принятия решений
Системы поддержки принятия решений (СППР) при диагностике заболеваний прошли достаточно длительный период развития и являются эффективным информационным инструментом, в основе которого лежат прошедшие верификацию и валидацию знания, обычно в виде системы классификационных (диагностических) правил. На современном этапе развития средств анализа медико-биологических данных извлечение из них знаний осуществляется с использованием широкого спектра изощренных алгоритмов и гибридных методов из различных разделов математики, выбор которых определяется в большинстве случаев размерностью данных и объемом выборки, а также задачами, стоящими перед СППР, где эти знания будут «зашиты». При этом особое внимание должно уделяться биологической, медицинской интерпретируемости тех знаний, которые извлекаются из данных в результате применения соответствующего математического инструментария.
Все более активно в качестве диагностических признаков того или иного заболевания используются значения экспрессии отдельных генов или их комбинаций. Эта тенденция усилилась с появлением высокопроизводительных
геномных технологий микрочипов, что позволило генерировать огромное количество данных генной экспрессии для целых геномов. Для их анализа зачастую необходима разработка специализированных математических методов и алгоритмов, учитывающих дисбаланс между размером панели экспрессии генов и количеством исследуемых биологических тканей, зашумленность данных и другие их специфические особенности.
Одна из ключевых задач такого анализа - поиск наиболее информативных генов и их комбинаций, которые после соответствующей валидации могут быть использованы в СППР в сочетании с другими выявленными признаками в качестве классификационных, диагностических правил. Свой вклад в мировую копилку методов и алгоритмов анализа данных генной экспрессии вносят и специалисты лаборатории биоинформатики. За последние несколько лет в ходе научных исследований были разработаны непараметрический метод кластеризации генетических данных, основанный на концепции стабильности [1], алгоритм управляемой кластеризации генов на группы с похожим поведением, учитывающий метки классов при определении значения меры близости отдельных генных профилей [2, 3], алгоритм ранжирования признаков для обнаружения биомаркеров в данных генной экспрессии [4] и др.
Особое удовлетворение от научных исследований испытываешь, когда их результаты удается воплотить в прикладных системах. Примером может служить информационная система поддержки принятия решения для дифференциальной имму-нофенотипической диагностики лейкозов и лимфом - СППР «Б1£-Ь». Она создана в лаборатории биоинформатики ОИПИ
НАН Беларуси при методической и информационной поддержке специалистов РНПЦ детской онкологии, гематологии и иммунологии, который предоставил для анализа собственную базу данных по острым лейкозам, накопленную более чем за 20 лет.
Система предназначена для совершенствования диагностики лейкозов и лимфом за счет использования специализированных моделей принятия решений на основе комплекса иммунофе-нотипических и молекулярно-ге-нетических данных и относится к классу интеллектуальных систем с эвристическим анализом данных. Использование СППР «Dif-L» позволяет радикально сократить время диагностики при сохранении высокой безошибочности определения подтипа лейкоза или лимфомы. Вот что отмечает один из инициаторов этой разработки, заместитель директора по научной работе РНПЦ ДОГИ М.В. Белевцев: «В ручном режиме полный цикл диагностики требует очень много времени. Врачу необходимо проверить огромное количество комбинаций, которые образуют сотни антител с десятками подтипов клеток, а промедление в буквальном смысле смерти подобно, так как острый лейкоз, особенно у детей, скоротечен. Сейчас же каждый пациент с первичным лейкозом диагностируется с помощью разработанной системы» [5].
К этим словам можно добавить, что с применением «Б1£-Ь» время стандартной диагностики не превышает минуты, а углубленной -не более 10 мин. на стандартном компьютере.
В заключение хотелось бы отметить, что в научном багаже нашей лаборатории достаточно глубоких научных наработок и идей в области анализа медико-биологических данных, которые наверняка необходимы широкому кругу клиницистов по различным нозологиям. Они еще ждут своего воплощения в информационных технологиях и системах, которые будут востребованы отечественным здравоохранением. СИ
Литература
1. Novoselova N.A. Entropy-based cluster validation and estimation of the number of clusters in gene expression data / N.A. Novoselova, I.E. Tom // Journal of Bioinformatics and Computational Biology. 2012. Vol. 10, №5. 1250011-1 (18). DOI: 10.1142/S0219720012500114.
2. Novoselova N.A. Selection the informative gene clusters for the multi-class phenotype classification / N.A. Novoselova, I.E. Tom // Lectures on Modeling and Simulation. 2013. Vol. 14. Issue 1. Р. 20-32.
3. Novoselova N.A. Supervised Clustering of Genes for Multi-Class Phenotype Classification / N.A. Novoselova, I.E. Tom // Modeling and Simulation: Proc. of the International Conference, May 2-4, 2012. Minsk, Belarus. Р. 32-36.
4. Novoselova N.A. Feature ranking by classification accuracy estimation of multiple data samples / N.A. Novoselova, I.E. Tom // Information Technology and Management Science. 2013, №16. Р. 85-100.
5. «Рэспубл^а», №130, июль 2014 г.
Рис. 3.
СППР «ШН»: от индивидуальных иммунофе-нотипических данных пациента к наиболее вероятному диагнозу
