CC BY
34
ОЦЕНКА МЕДИЦИНСКИХ ТЕХНОЛОГИЙ
DOI: 10.26347/1607-2502201911-12042-049
ВЫЯВЛЕНИЕ ХРОНИЧЕСКИХ НЕИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙ У ПОЖИЛЫХ БОЛЬНЫХ С ПРИМЕНЕНИЕМ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА MEDICASE
Актуальность. Хронические неинфекционные болезни (ХНИБ) являются основной патологией у пожилых людей. Ранее выявление ХНИБ ограничено доступностью медицинской помощи. Современные информационные (телемедицинские) технологии позволяют обеспечить доступность и раннее выявление ХНИБ. Автоматизированный мониторинг ХНИБ высокоэффективен при использовании подходов обработки данных с применением искусственного интеллекта.
Цель исследования. Оценка эффективности системы выявления хронических неинфекционных заболеваний у пожилых пациентов с применением телемедицинских технологий. Задачи. Разработать алгоритм выявления ХНИБ у пожилых пациентов с применением телемедицинских технологий, дать сравнительную характеристику выявляемости ХНИБ и факторов риска их развития в различных возрастных группах.
Материалы и методы. С использованием телемедицинских технологий обследовано 1247 пациентов. Размер выборки при 99% доверительном интервале p = 0,0093. Средний возраст — 59,25 ± 14,3 лет. Мужчин — 475 человек, женщин — 772. В основную группу (n = 600) включены пациенты старше 60 лет (70,54 ± 7,11 лет), в контрольную (n = 647) — моложе 60 лет (45,63 ± 8,87 лет). Различия возраста в группах статистически достоверны (p = 0,029).
Результаты. С помощью системы MeDiCase артериальная гипертония выявлена у 69,37% пациентов от общего числа опрошенных, хроническая обструктивная болезнь легких — 15%, сахарный диабет — 16,9%, хроническая болезнь почек — 11,63%, подагра — 4,65%. Система автоматически формирует три варианта маршрутизации пациента: «Экстренные меры», «Плановые меры» и «Отсутствие необходимости в очной консультации врача». Врачи изменили предложенную маршрутизацию в 7,9% случаев, согласились с предложенной системой маршрутизацией в 92,1% случаев. В 1,6% случаев врач предложил очную консультацию, где система ее не предложила. Безопасность системы оценивается в 98,4%. Выводы. Разработанный алгоритм выявления ХНИБ у пожилых пациентов с применением телемедицинских технологий базируется на валидном опроснике и человекообучаемой системе искусственного интеллекта MeDiCase. Разницы в комплаентности такому виду медицинской помощи в группах пожилых и молодых пациентов не выявлено. Проведенное обследование 1247 пациентов с применением системы MeDiCase позволило сформулировать диагностические гипотезы по основным ХНИБ (пожилые/молодые), впервые выявить признаки артериальной гипертонии у 8,7/13,5% обследованных, бронхообструктивного синдрома — у 5,3/2,9%, хронической обструктивной болезни легких — у 9,3/9,7 % и сахарного диабета — у 5,5/6,2%. Факторы риска развития ХНИБ встречались в группе пожилых реже, чем в группе молодых пациентов.
Ключевые слова: хронические неинфекционные заболевания, телемедицина, искусственный интеллект, сахарный диабет, артериальная гипертония, ХОБЛ, бронхообструктив-ный синдром, MeDiCase
Авторы заявляют об отсутствии возможных конфликтов интересов.
А.П. Воробьев1, П.А. Воробьев1' 2, И.С. Опарин3, М.П. Воробьев3
1 Московский государственный университет пищевых производств, Москва, Россия
2 Московское городское научное общество терапевтов, Москова, Россия
3 ООО МТП
«Ньюдиамед», Москва, Россия
IDENTIFICATION OF CHRONIC NON-COMMUNICABLE DISEASES IN ELDERLY PATIENTS USING THE MEDICASE AI SYSTEM
Background. Chronic non-communicable diseases (CNCD) are the main pathology in the elderly. Earlier detection of CNCD was limited by the availability of medical care. Modern information (telemedicine) technologies make it possible to ensure accessibility of medical care and early de-
Vorobiev AP1, Vorobyov PA1' 2, Oparin IS3, Vorobyev MP3
1 Moscow State University of Food Production, Moscow, Russia
tection of CNCD. Automated monitoring of CNCD is highly effective when powered by data processing AI technologies.
Objective. The aim of the work was to evaluate the effectiveness of the system for detecting chronic non-communicable diseases in elderly patients using telemedicine technologies. The study develops an algorithm for detecting CNCD in elderly patients using telemedicine technologies and compare the detection of CNCD and risk factors in different age groups. Methods. 1247 patients were examined using telemedicine technologies. Sample size at 99% confidence interval p = 0.0093. The mean age in the whole group is 59.25 ± 14.3 years. There are 475 male and 772 female patients. There are 600 people aged over 60 (main group, 70.54 ± 7.11 years) and 647 patients under 60 (control group, 45.63 ± 8.87 years). Age difference in groups is statistically significant (p = 0.029).
Results. The MeDiCase system revealed patients with AH 69.37%, COPD 15%, and diabetes in 16.9% of the total number of patients. In addition, the MeDiCase system detected CKD (11.63%), gout (4.65%). The system automatically generates three options for patient routing: «Emergency measures», «Planned measures» and «No need for a full-time consultation with a doctor.» Doctors changed the proposed routing in 7.9% of cases, agreed with the proposed routing system in 92.1% of cases. In 1.6% of cases, the doctor offered face-to-face consultation, where the system did not offer it. System security is rated at 98.4%.
Interpretation. The developed algorithm for detecting CNCD in elderly patients using telemed-icine technologies is based on a valid questionnaire and a human-trained artificial intelligence system MeDiCase; there was no difference in compliance with this type of medical care in the groups of elderly and young patients. The examination of 1247 patients with the MeDiCase system made it possible to formulate diagnostic hypotheses for the main CNCD (elderly/young), to reveal the first signs of hypertension in 8.7/13.5% of the examined, bronchial obstructive syndrome in 5.3/2.9%, and COPD — in 9.3/9.7% and diabetes — in 5.5/6.2%. Risk factors for developing CNCD were less common in the elderly group than in the young patient group.
Key words: chronic non-infectious diseases, telemedicine, artificial intelligence, diabetes melli-tus, arterial hypertension, COPD, bronchial obstruction, MeDiCase
2 Medical Institute
of Continuing Education, Moscow, Russia
3 MTP Newdiamed LLC, Moscow, Russia
The authors declare no competing interests.
Основная патология у пожилых людей — это хронические неинфекционные болезни (ХНИБ): артериальная гипертония (АГ), сахарный диабет (СД), хроническая обструктивная болезнь легких (ХОБЛ) и бронхообструктивный синдром, хроническая сердечная недостаточность (ХСН), опухоли, суставная патология, хроническая болезнь почек (ХБП) и т.д. [1]. Эти заболевания в 80% случаев являются причиной обращений за амбулаторной медицинской помощью, главной причиной госпитализации и смертности [2]. Для ХНИБ характерны общие модифицируемые факторы риска их развития (курение, употребление алкоголя, ожирение). Считается, что ранняя диагностика, своевременное начало лечения, способствует снижению частоты инфарктов миокарда, инсультов, развития недостаточности органов и систем [3].
Однако раннее выявление ХНИБ и наблюдение за состоянием здоровья пожилых людей с этими заболеваниями затрудняется проблемой физической доступности медицинской помощи. По данным Министра здравоохранения Российской Федерации В.И. Скворцовой [4], в России более 80 000 отдаленных населенных пунктов с
низкой доступностью медицинской помощи. Во всех этих населенных пунктах преимущественно проживают люди пожилого возраста. Кадровый дефицит фельдшеров и врачей не позволяет обеспечить имеющиеся фельдшерско-акушерские пункты медицинским персоналом, поселки имеют низкую транспортную доступность из-за плохого качества дорог и отсутствия общественного транспорта. Не значительно улучшает ситуацию и развитие мобильных диагностических комплексов [5, 6].
Современное развитие информационных технологий, включая телемедицинские, позволяет сблизить потребности пациента и возможности системы здравоохранения по оказанию диагностической помощи: телемедицинские контакты врача и пациента по телефону, по видеосвязи, обмен короткими сообщениями (e-mail или чат) [7, 8]. Одновременно идет развитие информационных систем для контактов с врачом на основе искусственного интеллекта. В мире имеется всего несколько подобных телемедицинских систем: Babylon Health, Symtpomate, ADA [9—11]. В России создана информационная телемедицинская система MeDiCase, [12] обеспечиваю-
щая формирование диагностических гипотез по всем ХНИБ, взаимодействие с врачом (оптимизация приема врачебных решений), мониторинг больных с ХНИБ, ведение электронной истории болезни [13, 14].
Однако для внедрения в медицинскую практику телемедицинских диагностических систем существует барьер восприятия их врачами: практически нет работ, где бы оценивалась валид-ность предлагаемых алгоритмов принятия решений [15]. Особенно сложно оценить правильность интерпретации симптомов и анамнеза у пожилых больных с высокой степенью полимор-бидности [16, 17].
Еще одна проблема — постоянное наблюдение за состоянием здоровья больных с хроническими неинфекционными заболеваниями [18]. В многочисленных исследованиях показано, что в группах, где удается достигнуть целевых показателей артериального давления, глюкозы крови прогноз развития тяжелых осложнений (инсульт, инфаркт, почечная недостаточность) и преждевременной смерти от любых причин существенно лучше, чем в группах, где не удается достичь адекватных целей лечения [19-21]. В достижении таких результатов крайне важна постоянная связь с врачом и регулярный анализ им динамики основным показателей здоровья, позволяющих титровать дозы препаратов и менять схемы терапии [22, 23]. Использование различных «дневников» на бумажных носителях является сложным, особенно пожилыми больными, и не позволяет врачу и пациенту быстро принимать решения по коррекции лечения [24]. Таким образом, цель исследования — оценка эффективности системы выявления хронических неинфекционных заболеваний у пожилых пациентов с применением телемедицинских технологий.
ЗАДАЧИ ИССЛЕДОВАНИЯ
1. Разработать алгоритм выявления ХНИБ у пожилых пациентов с применением телемедицинских технологий.
2. Провести обследование пациентов, имеющих низкую доступность первичной медицинской помощи, с применением разработанных алгоритмов и телемедицинской системы, дать сравнительную характеристику выявляемости ХНИБ и факторов риска их развития в различных возрастных группах.
МАТЕРИАЛЫ И МЕТОДЫ
Обследовано с применением телемедицинских технологий 1247 пациентов. Размер выборки определялся с определением 99% доверительного интервала (p = 0,0093). Возраст пациентов составил от 19 до 99 лет, средний возраст во всей группе — 59,25 ± 14,3 лет. Мужчин было 475 человек, женщин — 772. Старше 60 лет было 600 человек (основная группа, средний возраст составил 70,54 ± 7,11 лет) и моложе 60 лет — 647 человек (контрольная группа, средний возраст составил 45,63 ± 8,87 лет). Различия возраста в группах статистически достоверны (p = 0,029).
Система MeDiCase представляет собой автоматизированный медицинский опросник (вопросы закрытого типа с ответами только «да» или «нет») с ручным введением биологических параметров — АД, глюкоза крови, температура тела, напряжение кислорода в крови, ЧСС, — (телемедицинский терминал), блок шифрования и передачи данных, автоматизированное рабочее место врача (АРМ), блок интеграции с медицинской информационной системой медицинской организации.
Диагностические гипотезы ХНИБ в системе основываются на проведении опроса и исследовании основных биологических параметров. Алгоритм опроса представляет собой древо решений: имеется список вопросов первого слоя, каждый ответ на вопрос первого слоя («да» или «нет») может активировать отдельную ветвь дополнительных уточняющих вопросов (до 4 слоев).
Опрос жителей проводился в населенных пунктах Республики Карелия, Камчатского края и Орловской области с низкой доступностью медицинской помощи операторами — уполномоченными домовых хозяйств (согласно приказу Минздравсоцразви-тия России «Об утверждении Положения об организации оказания первичной медико-санитарной помощи взрослому населению» от 15 мая 2012 № 543н) с применением терминала системы MeDiCase. Оператор системы зачитывал пациенту вопросы с экрана смартфона и указывал ответ пациента в приложении. Результаты опроса и измерения биологических параметров отправлялись на сервер, где проводился их автоматический анализ с созданием диагностической гипотезы. Диагностические гипотезы с обоснованием (формализованным описанием симптомов) передавались через сеть Интернет на АРМ врачу для принятия решения о необходимости и срочности очного визита к нему.
Статистическая обработка проводилась с применением программ для ЭВМ Microsoft Excel, Apple Numbers, Smartsheet. Использовались инструменты расчета средних арифметических значений, медианы, среднего квадратичного отклонения. Расчеты про-
8 мин 7 мин 6 мин 5 мин 4 мин 3 мин 2 мин 1 мин 0 мин
18-45
46-60
61-70
71+
Зависимость времени проведения первичного обследования от возраста респондентов
водились с применением автоматизированных калькуляторов на сайтах medstatistic.ru и studfiles.net.
Продолжительность опроса фиксировалась системой автоматически и в среднем составила 6,5 ± ±4,16 мин. Анализ времени опроса не выявил корреляции времени и возраста респондента (рисунок).
Среднее время ответа респондентом на вопрос первого слоя составил 13,8 ± 8,6 с. Время от момента завершения опроса и пересылки его до обработки врачом результатов составило 8,3 ± 7,4 ч. Время обработки результатов 1 опроса врачом составило 1,5 ± 1,2 мин.
РЕЗУЛЬТАТЫ И ОБСУЖДЕНИЕ
Система MeDiCase формировала диагностическую гипотезу АГ на основании двух не связанных между собой критериев: характерные клинические проявления и результаты измерения АД. Всего пациентов с диагностической гипотезой АГ было 865 человек (69,37% от общего числа опрошенных). Классические субъективные
проявления АГ, такие как сочетание головной боли и тошноты, рвоты, мелькание мушек перед глазами отмечали лишь 9—11% пациентов с ранее установленным диагнозом АГ, головная боль в сочетании с головокружением встречалась у 31%. Врачи преувеличивают значение симптоматики для диагностики АГ, присваивая этим симптомам среднюю степень вероятности диагноза.
Неоднократно повышение АД отмечено у 74,13% больных с ранее установленным диагнозом АГ. Можно предположить, что у 25,87% диагноз АГ был установлен при однократной фиксации повышения «офисного» АД, что ведет к гипердиагностике этого состояния. Повышение систолического АД выше 140 мм рт. ст. отмечалось у 36,32% от общего числа опрошенных. Ранее диагноз АГ ставился 57,4% от общего числа опрошенных, а впервые выявлена АГ — у 8,26%. Среди пациентов с АГ мужчин 32,9%, женщин 67%, курящих 27,8%, злоупотребляющих алкоголем 43,8%, средний возраст составил 62,49 ± ± 10,12 лет (табл. 1).
В группе пожилых пациентов АГ встречается чаще и существенно больше больных с ранее установленным диагнозом, у них статистически не достоверно выше АД и реже выявляются факторы риска. Число больных с повышенным АД в группах не различалось, не различались и средние цифры повышенного АД в обеих группах.
Бронхообструктивный синдром у пациентов предполагался системой на основании анамнеза и жалоб. Опрошенные врачи переоценивали важность аллергического компонента в развитии бронхообструкции, придавая среднюю вероятность связи брохообструкции с аллергией на ле-
Таблица 1
Сравнительная характеристика АГ в группе пожилых (1) и молодых (2) пациентов
Параметр Группа 1 Группа 2
Частота выявленной АГ (% от общего числа в группе) 88,8 51,3
Ранее ставился диагноз АГ (% от общего числа в группе) 80,2 37,9
Впервые выявленная АГ (% от общего числа в группе) 8,7 13,5
Систолическое АД при обследовании (М ± m, мм рт. ст.) 143 ± 13,9 128 ± 12,22
Диастолическое АД при обследовании (М ± m, мм рт. ст.) 85 ± 8,5 81 ± 6,6
Число больных с АГ и нормальным АД (% от общего числа в группе) 36,2 35,4
Систолическое АД у лиц с повышенным АД (М ± m, мм рт. ст.) 157,7 ± 9,11 155,3 ± 9,6
Мужчины (% от общего числа в группе) 28,7 40
Женщины (% от общего числа в группе) 71,3 60
Фактор риска
Курение (% от общего числа в группе) 17,3 45,5
Злоупотребление алкоголем (% от общего числа в группе) 21,2 45,2
Таблица 2
Сравнительная характеристика бронхообструктивного синдрома в группе пожилых (1) и молодых (2) пациентов
Параметр Группа 1 Группа 2
Частота выявленного бронхообструктивного синдрома (% от общего числа в группе) 9,7 6,2
Ранее ставился диагноз бронхообструктивного синдрома (% от общего числа в группе) 4,3 3,3
Впервые выявленный бронхообструктивный синдром (% от общего числа в группе) 5,3 2,9
Мужчины (% от общего числа в группе) 29,3 40
Женщины (% от общего числа в группе) 70,7 60
Фактор риска
Курение (% от общего числа в группе) 24,1 44,7
Злоупотребление алкоголем (% от общего числа в группе) 29,3 52,6
карства, растения и парфюмерию, тогда как у опрошенных жителей это встречается лишь у 7,4—27,4% респондентов.
С возрастом частота бронхообструктивного синдрома имела тенденцию к нарастанию, достигая уровня почти в 10% в группе пожилых. При этом более чем половина больных про этот диагноз не знали ранее. У пожилых с бронхообструк-цией относительно невысокая частота управляемых факторов риска (злоупотребление алкоголем, курение), следовательно, у этой категории больных бронхообструктивный синдром связан с иными факторами риска, которые могут носить бытовой характер, например полютанты при использовании открытого огня (печи) (табл. 2).
Было выявлено 15% респондентов с признаками ХОБЛ, средний возраст которых составил 57,5 ± 11,5 лет. Основным диагностическим критерием ХОБЛ для системы MeDiCase был постоянный утренний кашель с мокротой. Частота
встречаемости ХОБЛ, в отличие от АГ и бронхо-обструкции, не нарастает с возрастом. Частота ХОБЛ у молодых в 2 раза выше, чем бронхоост-рукции, а у пожилых — в 1,5 раза. Обращает на себя внимание выявление существенно большой частоты факторов риска (до 70%), чем при АГ и бронхооструктивном синдроме. При этом в группе пожилых управляемые факторы риска встречаются реже, чем у молодых, что может свидетельствовать о наличии иных причин развития ХОБЛ чем курение и употребление алкоголя: как и при бронхообструкции может иметь место контакт с полютантами. Врачи, опорошенные в ходе валидации, придавали высокое диагностическое значение симптомокомплексу утреннего кашля с мокротой (табл. 3).
В целом сахарный диабет был выявлен у 16,9% от числа респондентов. Диагностическая гипотеза основывалась на ранее поставленном диагнозе в 11,07% от общего числа респондентов, и на выявлении жалоб — симптомов возможного СД. Учитывая важность раннего выявления СД для начала терапии этого торпидно протекающего заболевания, система MeDiCase была заранее настроена на его гипердиагностику: повышение уровня глюкозы в крови при отсутствии ранее поставленного диагноза расценивается ею как возможный диабет (3,9% от общей популяции опрошенных — врачи оценили данный признак как низкую вероятность диабета), сочетание жажды и полиурии отмечалось у 4,4% опрошенных и расценивалась врачами как средняя степень вероятности диабета. Другие признаки встречались редко.
Среди больных с диагностической гипотезой СД было 78,7% женщин и 21,3% мужчин, что отражало более высокий процент женщин, чем соответствующее гендерное распределение в
Таблица 3
Сравнительная характеристика ХОБЛ в группе пожилых (1) и молодых (2) пациентов
Параметр Группа 1 Группа 2
Частота выявленной ХОБЛ 15,8 14,4
(% от общего числа в группе)
Ранее ставилась ХОБЛ 6,5 4,7
(% от общего числа в группе)
Впервые выявленная ХОБЛ 9,3 9,7
(% от общего числа в группе)
Мужчины (% от общего числа 38,9 48,4
в группе)
Женщины (% от общего числа 61,1 51,6
в группе)
Фактор риска
Курение (% от общего числа 41,1 69,9
в группе)
Злоупотребление алкоголем 41,1 68,8
(% от общего числа в группе)
Таблица 4
Сравнительная характеристика СД в группе пожилых (1) и молодых (2) пациентов
Параметр Группа 1 Группа 2
Частота выявленного СД (% от общего числа в группе) 22,8 11,4
Ранее ставился СД (% от общего числа в группе) 17,3 5,3
Впервые выявленный СД (% от общего числа в группе) 5,5 6,2
Инсулинозависимый сахарный диабет (% от числа пациентов с ранее установленным диагнозом) 27 50
Инсулиннезависимый сахарный диабет (% от числа пациентов с ранее установленным диагнозом) 73 50
Целевые значения глюкозы при обследовании (% от общего числа в группе) 45,7 44,6
Мужчины (% от общего числа в группе) 16,8 29,7
Женщины (% от общего числа в группе) 83,2 70,3
Фактор риска
Курение (% от общего числа в группе) 10,9 35,1
Злоупотребление алкоголем (% от общего числа в группе) 16,8 44,6
обследованной популяции в целом. Инсулиноза-висимый СД в молодом возрасте наблюдается ожидаемо чаще в 2 раза, чем у пожилых. Как и при других ХНИБ, в группе пожилых факторы риска встречаются значительно реже чем в группе молодых. При исследовании целевые значения уровня глюкозы в крови наблюдались менее чем у половины пациентов с диагностической гипотезой СД (табл. 4).
Кроме того, система MeDiCase выявляла и другие ХНИБ, такие как ХБП (11,63%), подагра (4,65%), и т.д. Одновременно система автоматически формирует три варианта маршрутизации пациента: «Экстренные меры», «Плановые меры» и «Отсутствие необходимости в очной консультации врача» (табл. 5).
Врачи изменили предложенную маршрутизацию в 7,9% случаев, согласились с предложенной системой маршрутизацией в 92,1% случаев. Лишь в 1,6% случаев врач предложил очную консультацию там, где система ее не предложила. Таким образом, безопасность системы можно оценить в 98,4%.
Система искусственного интеллекта для проведения медицинского обследования с применением телемедицинских технологий MeDiCase позволяет без участия медицинского персонала формировать диагностические гипотезы по боль-
шому спектру ХНИБ, выявлять факторы их риска, оценивать социальный статус и качество жизни (последние возможности обсуждались в ранее опубликованной работе [25]. Опросники, прежде чем обучать систему искусственного интеллекта, прошли валидацию у врачей первичного звена [26], где получили высокую оценку степени достоверности.
В настоящем исследовании показана результативность использования системы для выявления основных неинфекционных заболеваний. Среди более 1200 жителей отдаленных населенных пунктов нескольких регионов России с низкой доступностью медицинской помощи выявлена высокая частота АГ, бронхообструктивного синдрома и ХОБЛ, СД, ХБП, подагры и других заболеваний суставов и т.д. Частота ХНИБ возрастает с возрастом, а воздействие управляемых факторов риска имеет большое значение в молодом возрасте, где на них проще и, скорее всего, эффективнее можно воздействовать. Врачи, участники проекта, высоко оценили полученные в ходе автоматизированных опросов результаты, согласившись с предложенной маршрутизацией в 92,1% случаев. Одновременно показатель безопасности системы — способность ее не пропускать тяжелые состояния — рассчитан в размере 98,4%.
ВЫВОДЫ
1. Разработанный алгоритм выявления ХНИБ у пожилых пациентов с применением телемедицинских технологий базируется на валидном опроснике и человекообучаемой системе искусственного интеллекта MeDiCase. Разницы в комп-лаентности данному виду медицинской помощи в группах пожилых и молодых пациентов не выявлено.
Таблица 5
Маршрутизация пациентов (% от числа осмотров)
Маршрутизация Система Врач
Экстренные меры 8,4 4,8
Плановые меры 65,3 66,3
Отсутствие необходимости 26,3 28,9
в очной консультации врача
2. Проведенное обследование 1247 пациентов, имеющих низкую доступность первичной медицинской помощи, с применением разработанных алгоритмов и телемедицинской системы позволило сформулировать диагностические гипотезы по основным ХНИБ у большинства пациентов (пожилые/молодые), впервые выявить признаки АГ у 8,7 и 13,5% обследованных соответственно, бронхообструктивного синдрома — у 5,3 и 2,9% соответственно, ХОБЛ — у 9,3 и 9,7% соответственно, СД — у 5,5 и 6,2% соответственно.
3. Факторы риска развития ХНИБ встречались в группе пожилых реже, чем в группе молодых пациентов.
ЛИТЕРАТУРА / REFERENCES
1. Всемирная организация здравоохранения. Неинфекционные заболевания, информационный бюллетень ВОЗ от 01.06.2018. ВОЗ. Доступно по: http://www.who.int/ mediacentre/factsheets/fs355/ru/. Ссылка активна на 10.10.2019. [World Health Organization. Non-communicable diseases, WHO Newsletter 06.01.2018. WHO]. [cited 10.10.2019]. Available from: http://www.who.int/media-centre/factsheets/fs355/ru/. Russian.
2. Политическая декларация совещания высокого уровня Генеральной Ассамблеи ООН по профилактике неинфекционных заболеваний (НИЗ) и борьбе с ними. ООН. 2011. Резолюция 66/2 Генеральной Ассамблеи ООН от 19.09.2011 г. [Political Declaration of the High-level Meeting of the General Assembly on the Prevention and Control of Non-communicable Diseases, Resolution 66/2 General Assembly UN 19.09.2011]. [cited 10.10.2019]. Available from: https://undocs.org/en/A/RES/66/2. Russian.
3. Самородская И.В., Болотова Е.В., Тимофеева Ю.К. Распространенность факторов риска и программы профилактики сердечно-сосудистых заболеваний среди сельского населения. Профилактическая медицина. 2016; 19 (6): 21—25. doi.org/10.17116/profmed201619521-25 Samorodskaya IV, Bolotova EV, Timofeeva YuK. [Prevalence of risk factors and cardiovascular disease prevention programs among rural populations]. Preventive Medicine. 2016; 19 (6): 21—25. Russian. doi.org/10.17116/ profmed201619521-25
4. Материалы рабочей встречи Президента Российской Федерации В.В. Путина с Министром здравоохранения Российской Федерации В.И. Скворцовой 1 августа 2017 г. (о доступности медицинской помощи). [В Интернете] 01.08.2017 г. Доступно по: http://kremlin.ru/ events/president/news/55278. Ссылка активна на 10.10.2019. [Materials of the working meeting of the President of the Russian Federation Putin with the Minister of Health of the Russian Federation Skvortsova on August 1, 2017 (on the availability of medical care). [Online] 08.01.2017]. [cited 10.10.2019]. Available from: http:// kremlin.ru/events/president/news/55278. Russian.
5. Мелерзанов А., Натензон М. Телемедицинские технологии — эффективный инструмент организации медицинской помощи сельскому населению. Врач. 2016; 9: 82—86. URL: https://vrachjournal.ru/ru/25877305-2016-09-20 Melerzanov A, Natenzon M. [Telemedicine technol-
ogies are an effective tool for providing medical care for the rural population]. Doctor. 2016; 9: 82—86. [cited 10.10.2019]. Available from: https://vrachjournal.ru/ru/ 25877305-2016-09-20. Russian.
6. Uscher-Pines L, Mehrotra A. Analysis of Teladoc use seems to indicate expanded access to care for patients without prior connection to a provider. Health Affairs. 2014; 33 (2): 258—264. https://doi.org/10.1377/hlthaff.2013.0989
7. Hamine S, et al. Impact of mHealth chronic disease management on treatment adherence and patient outcomes: a systematic review. Journal of Medical Internet Research. 2015; 17 (2): e52. https://doi.org/10.2196/jmir.3951
8. Можейко В.Ч. Телемедицина: от прошлого к настоящему, перспективы развития при оказании первичной медицинской помощи. Военная медицина. 2018; 1 (46): 108—114. Mozheyko VCh. [Telemedicine: from the past to the present, development prospects in the provision of primary health care]. Military Medicine. 2018: 1 (46): 108—114. Russian.
9. Razzaki S, Baker A, Perov Y, Middleton K, Baxter J, Mullarkey D, Sangar D, Taliercio M, Butt M, Majeed A, DoRosario A. A comparative study of artificial intelligence and human doctors for the purpose of triage and diagnosis. M. 2018. https://arxiv.org/abs/1806.10698
10. Symptom-checker Symptomate. [Online] 2018. https:// symptomate.com.
11. Symptom-checker ADA. [Online] 2019. https://ada.com.
12. Vorobiev PA, at al. Electronic healthcare: MeDiCase® project to help elderly dwellers of remote Karelia settlements (Part 2). Health Care Standardization Problems. 2017; 9—10: 84—88. http://doi.org/10.26347/1607-2502201709-10084-088
13. Report of the eHealth Stakeholder Group on implementing the Digital Agenda for Europe Key Action 13/2 Telemedi-cine. Widespread Deployment of Telemedicine Services in Europe. 1.0 final, 12 March 2014.
14. Symptom-checker MeDiCase. 2019. https://medicase.pro.
15. Van Houwelingen CT, Ettema RG, Antonietti MG, Kort HS. Understanding older people's readiness for receiving tele-health: Mixed-method study. Journal of Medical Internet Research. 2018; 20 (4): e123. DOI: 10.2196/jmir.8407
16. Гусева Н.К., Доютова М.В., Соколов В.А., Соколова И.А. Современные проблемы организации медицинской помощи сельскому населению. Медицинский альманах. 2015; 3 (38): 11—15. Guseva NK, Doyutova MV, Soko-lov VA, Sokolova IA. [Modern problems of the organization of health care to rural population]. Medical Almanac. 2015; 3 (38): 11—15. [cited 10.10.2019]. Available from: http://www.science-education.ru/pdf/2016/5/25246.pdf. Russian.
17. Miller DG, et al. Assessing serum albumin concentration following exercise-induced fluid shifts in the context of the athlete biological passport. Drug testing and analysis. 2019. http://doi.org/10.1002/dta.2571
18. European Commission staff working document on the applicability of the existing EU legal framework to tele-medicine services, Brussels, 6.12.2012, SWD. 414, 2012. https://eur-lex.europa.eu/LexUriServ/LexUriServ.do?uri= SWD:2012:0414:FIN:EN:PDF
19. Talitha LF, et al. The impact of aging and smoking on the future burden of chronic obstructive pulmonary disease: a model analysis in the Netherlands. American Journal of Respiratory and Critical Care Medicine. 2001; 164 (4): 590—596. https://doi.org/10.1164/ajrccm.164.4.2003167
20. Bashshur RL, et al. The empirical evidence for the tele-medicine intervention in diabetes management. Telemedi-
cine andE-Health. 2015; 21 (5): 321—354. https://doi.org/ 10.1089/tmj.2015.0029
21. Муромцева Г.А. и др. Распространенность факторов риска неинфекционных заболеваний в российской популяции в 2012—2013 гг. Результаты исследования ЭССЕ-РФ. Кардиоваскулярная терапия и профилактика. 2014; 13 (6): 4—11. Muromtseva GA, et al. [The prevalence of non-infectious diseases risk factors in Russian population in 2012—2013 years. The results of ECVD-RF]. Cardiovascular Therapy and Prevention. 2014; 13 (6): 4—11. https://doi.org/10.15829/1728-8800-2014-6-4-11. Russian.
22. Li curse AM, Mehrotra A. The effect of telehealth on spending: thinking through the numbers. Annals of Internal Medicine. 2018; 168 (10): 737—738. http://doi.org/ 10.7326/M17-3070
23. Бойцов С.А. и др. Диспансерное наблюдение больных с хроническими неинфекционными заболеваниями и риском их развития: реальная практика амбулаторно-поликлинических учреждений регионального уровня. Профилактическая медицина. 2014: 17 (4): 10—15. Доступно по: https://www.mediasphera.ru/issues/profilak-ticheskaya-meditsina/2014/4/031726-6130201442. Ссылка активна на 10.10.2019. Boytsov SA, et al. [Clinical observation of patients with chronic non-communicable diseases and the risk of their development: the actual practice of outpatient facilities at the regional level]. Preventive Medicine. 2014; 17 (4): 10—15]. [cited 10.10.2019]. Available from: https://www.mediasphera.ru/issues/profilakticheskaya-meditsina/2014/4/031726-6130201442. Russian.
24. Takahashi PY, Pecina JL, Upatising B, et al. A randomized controlled trial of telemonitoring in older adults with multiple
health issues to prevent hospitalizations and emergency department visits. Arch Intern Med. 2012; 172 (10): 773—779. doi: https://doi.org/10.1001/archinternmed.2012.256
25. Воробьев А.П., Воробьев П.А., Воробьев М.П., Краснова Л.С. Некоторые характеристики системы MeDiCase для контроля за хроническими заболеваниями у пожилых больных. Пожилой больной. Качество жизни: материалы XXIII междунар. конфер., Москва, 1—2 октября 2018 г. Клиническая геронтология. 2018; 9—10: 91—92. Vorobiev AP, Vorobiev PA, Vorobiev MP, Krasnova LS. [Some characteristics of the MeDiCase system for the control of chronic diseases in elderly patients. Elderly patient. Quality of life: proceedings of the XXIII international conference, Moscow, 1—2 October 2018. Clinical Gerontology. 2018; 9—10: 91—92. Russian. https://kg.newdi-amed.ru/issue/id65003/id65919
26. Воробьев А.П., Зыкова А.Б., Воробьев М.П., Краснова Л.С. Стандартизованная оценка чувствительности диагностичских гипотез при первичном осмотре в вопроснике системы искусственного интеллекта Medicase. Проблемы стандартизации в здравоохранении. 2018; 7—8: 55—59. Vorobiev AP, Zykova AB, Vorobiev MP, Krasnova LS. [Standardized assessment of the sensitivity of diagnostic hypotheses at the initial examination in the MeDiCase artificial intelligence questionnaire]. Health Care Standardization Problems. 2018; 7—8: 55—59. Russian.
Поступила 11.10.2019 Принята к опубликованию 18.12.2019 Received 11.10.2019 Accepted 18.12.2019
Сведения об авторах:
Воробьев Андрей Павлович — ассистент кафедры гематологии и гериатрии Медицинского института непрерывного образования Московский государственный университет пищевых производств. 125080, Москва, Волоколамское шоссе, 11. Тел. +7 (499) 750-01-11. ООО МТП Ньюдиамед, [email protected].
Воробьев Павел Андреевич — д. м. н., профессор, заведующий кафедрой гематологии и гериатрии Медицинского института непрерывного образования Московский государственный университет пищевых производств. Председатель Правления РОО МГНОТ. 125080, Москва, Волоколамское шоссе, 11. Тел. +7 (499) 750-01-11.
Опарин Игорь Сергеевич — канд. мед. наук, Директор по ИТ ООО МТП Ньюдиамед. 119048, Москва, Крылатские холмы, д. 47. Тел. +7 (495) 225-83-74. E-mail: [email protected]
Михаил Павлович Воробьев — Исполнительный директор ООО МТП Ньюдиамед. 119048, Москва, Крылатские холмы, д. 47. Тел. +7 (495) 225-83-74. E-mail: [email protected]
About the authors:
Andrey P. Vorobiev — Assistant Professor, Department of Hematology and Geriatrics, Medical Institute of Continuing Education, Moscow State University of Food Production, 125080, Moscow, Volokolamskoye Shosse 11. Tel.: +7 (499) 750-01-11, MTP New-diamed LLC, [email protected].
Prof. Pavel A. Vorobyov — Sc.D. in Medicine, Head of the Department of Hematology and Geriatrics, Medical Institute of Continuing Education, Moscow State University of Food Production, 125080, Moscow, Volokolamskoye Shosse 11. Tel.: +7 (499) 750-01-11, Chairman of the Board, ROO MGNOT.
Igor S. Oparin — Ph.D. in Medicine, IT Director of MTP Newdiamed LLC, 119048, Moscow, Krylatskie Kholmy 47. Tel.: +7 (495) 225-83-74. E-mail: [email protected]
Mikhail P. Vorobyev — Executive Director, MTP Newdiamed LLC, 119048, Moscow, Krylatskie Kholmy 47. Tel.: +7 (495) 225-83-74. E-mail: [email protected]
Для цитирования: Воробьев А.П., Воробьев П.А., Опарин И.С., Воробьев М.П. Выявление хронических неинфекционных заболеваний у пожилых больных с применением системы искусственного интеллекта MEDICASE. Проблемы стандартизации в здравоохранении. 2019; 11—12: 42—49. DOI: 10.26347/1607-2502201911-12042-049
For citation: Vorobiev AP, Vorobyov PA, Oparin IS, Vorobyev MP. Identification of chronic non-communicable diseases in elderly patients using the medicase ai system. Health Care Standardization Problems. 2019; 11—12: 42—49. DOI: 10.26347/16072502201911-12042-049
