Научные статьи \ Прикладные науки. Медицина. Технология \ Mедицинские науки

Системы поддержки принятия решений в медицине

Системы поддержки принятия решений в медицине

Автор: Малых Владимир Леонидович

Журнал: Программные системы: теория и приложения @programmnye-sistemy

Рубрика: Информационные системы в медицине

Статья в выпуске: 2 (41) т.10, 2019 года.

Бесплатный доступ

Современная медицина осваивает системы поддержки принятия решений (СППР). Анализируя российские и зарубежные источники, работа выявляет основные барьеры на пути создания СППР для медицины. Приводятся возможные подходы к преодолению концептуальных барьеров, предлагается возможное комплексное решение проблемы. Рассматривается гибридная модель СППР широкого класса для медицины. Результаты могут быть использованы разработчиками ИТ для построения СППР на основе научной и эмпирической компонент медицинских знаний.

Медицинская информатика, медицинские информационные системы, принятие решений, прецеденты, обработка сложных событий, сеть обработки событий, мультиагентные системы, онтологии

Короткий адрес: https://sciup.org/143169793

IDR: 143169793   |   УДК: 61:007   |   DOI: 10.25209/2079-3316-2019-10-2-155-184

Decision support systems in medicine

The problem of decision support in medicine comes to the forefront in the problems of intellectualization of medicine. The article discusses the barriers to solving the problem of creating a DSS for medicine. Based on the analytical review, possible approaches to overcoming conceptual barriers are presented. In the paper considers a hybrid model of a wide class of decision support systems for medicine. The results can be used by IT developers to build systems to support medical decision-making based on the scientific and empirical component of medical knowledge.

Список литературы Системы поддержки принятия решений в медицине

  • С. Н. Бутко, В. К. Ольшанский. «Новые системы поддержки принятия решений в медицине за рубежом», Автоматика и телемеханика, 1990, №6, с. 3-19.
  • I. V. Efimenko, V. F. Khoroshevsky. “Intelligent decision support systems in medicine: state of the art and beyond in Russian” (Minsk, Belarus, 2017) URL http://old.proc.ostis.net/proc/Proceedings%20OSTIS-2017.pdf.
  • E. J. Topol. “High-performance medicine: the convergence of human and artificial intelligence”, Nature Medicine, 25 (2019), pp. 44-56. DOI: 10.1038/s41591-018-0300-7
  • B. Meskó et all. Digital Health Trends: What to expect in 2019?, 17 January 2019, The Medical Futurist URL https://medicalfuturist.com/digital-health-trends-what-to-expect-in-2019/.
  • И. Шеян. Винтики против системы, 28.09.2016, ИТ в здравоохранении. Открытые системы URL https://www.osp.ru/medit/2016/09/13050254.html.
  • E. Herrett et al. “Data resource profile: Clinical Practice Research Datalink (CPRD)”, International Journal of Epidemiology, 44:3 (2015), pp. 827-836.
  • DOI: 10.1093/ije/dyv098
  • M. L. Gentil et al. “Factors influencing the development of primary care data collection projects from electronic health records: a systematic review of the literature”, BMC Medical Informatics and Decision Making, 17 (2017), 139.
  • DOI: 10.1186/s12911-017-0538-x
  • В. Л. Малых, А. Е. Михеев, С. В. Рудецкий. «Проблемно-ориентированная модель банка клинических данных», Программные системы: теория и приложения, 9:4(39) (2018), с. 219-237.
  • DOI: 10.25209/2079-3316-2018-9-4-219-237
  • Г. Игнатенкова, О. Гончарова. «Киборгвыводы: почему искусственный интеллект в медицине не работает без техподдержки администрации президента», Vademecum, 22 октября 2018 г., №17-18.
  • А. Пятов. Как мы искали признаки врачебных ошибок, Хабр: Компания SAS Russia URL https://habr.com/company/sas/blog/426275/.
  • В. Л. Малых, Я. И. Гулиев, Д. В. Белышев. «Построение банка клинических данных на основе унифицированной модели лечебно-диагностического процесса» (Обнинск, 13-16 октября 2015), ред. Л.А. Калиниченко, С.О. Старков, ИАТЭ НИЯУ МИФИ, Обнинск, 2015, с. 421-422 (978-5-9530-0398).
  • V. L. Malykh, D. V. Belyshev. “Case-based reasoning in clinical processes using clinical data banks”, IEEE Conference Publications, pp. 211-216.
  • DOI: 10.1109/SIBIRCON.2015.7361885
  • В. Л. Малых, Я. И. Гулиев. «Управляемый стохастический прецедентный процесс с памятью как математическая модель лечебно-диагностического процесса», Информационные технологии и вычислительные системы, 2014, №2, с. 60-72.
  • В. Л. Малых, С. В. Рудецкий, М. И. Хаткевич. «Активная МИС», Врач и информационные технологии, 2016, №6, с. 16-24.
  • M. Prosperi et al. “Big data hurdles in precision medicine and precision public health”, BMC Medical Informatics and Decision Making, 18 (2018), 139.
  • DOI: 10.1186/s12911-018-0719-2
  • V. L. Malykh, I. N. Kononenko, S. V. Rudetskiy. “Estimation of accuracy of recommended diagnostic and treatment actions based on precedent approach” (Madeira, Portugal, July 1-4, 2016), pp. 52-58.
  • V. L. Malykh, S. V. Rudetskiy. “Approaches to medical decision-making based on big clinical data”, Journal of Healthcare Engineering, 2018 (2018), 3917659, 10 pp.
  • DOI: 10.1155/2018/3917659
  • Evidence-based clinical decision support at the point of care URL http://www.uptodate.com/home (data accessed: 11.01.2017).
  • F. Caron, J. Vanthienen, B. Baesens. “Healthcare analytics: examine the diagnosis-treatment cycle”, Procedia Technology, 9 (2013), pp. 996-1004.
  • G. I. Nazarenko et al. “Multifunctional clinical decision support system based on clinical practice guidelines”, IEEE Conference Publications (28-30 October 2015, Russia, Technopark of Novosibirsk Akademgorodok), pp. 72-75.
  • DOI: 10.1109/SIBIRCON.2015.7361854
  • D. Palchunov et al. “Software system for the diagnosis of the spine diseases using case-based reasoning”, IEEE Conference Publications (28-30 October 2015, Russia, Technopark of Novosibirsk Akademgorodok), pp. 205-210.
  • DOI: 10.1109/SIBIRCON.2015.7361884
  • G. Kopanitsa, I. Semenov. “Patient facing decision support system for interpretation of laboratory test results”, BMC Medical Informatics and Decision Making, 18 (2018), 68.
  • DOI: 10.1186/s12911-018-0648-0
  • G. R. Arutyunyan, A. S. Dmitriev. “IBM Watson oncology solution: application experience”, XVII International Conference DAMDID/RCDL'2015 (October 13-16, 2015, Obninsk, Russia), eds. L. Kalinichenko, S. Starkov, INPE NRNU MEPhI, Obninsk, 2015, pp. 140-142 (978-5-9530-0398).
  • A. Gavrilov, A. S. Semenikhin. “New era of cognitive computing: IBM Watson”, XVII International Conference DAMDID/RCDL'2015 (October 13-16, 2015, Obninsk, Russia), eds. L. Kalinichenko, S. Starkov, INPE NRNU MEPhI, Obninsk, 2015, pp. 135-139 (978-5-9530-0398).
  • D. Hernandez, T. Greenwald. “IBM has a Watson dilemma”, The Wall Street Journal, 2018.
  • E. Meinert et al. “Weighing benefits and risks in aspects of security, privacy and adoption of technology in a value-based healthcare system”, BMC Medical Informatics and Decision Making, 18 (2018), 100.
  • DOI: 10.1186/s12911-018-0700-0
  • V. Malykh, Y. Guliev. “Precedent approach to decision making in clinical processes”, Studies in Health Technology and Informatics, vol. 216, eds. I. N. Sarkar et al, IMIA and IOS Press, 2015, pp. 957.
  • DOI: 10.3233/978-1-61499-564-7-957
  • T. Handler and B. Hieb. «The Updated Gartner CPR Generation Criteria», т. 13, 2007 URL http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.393.242rep=rep1type=pdf.
  • Л. В. Красичков. «“Ай-ФОРС” представил МИС-Т на заседании рабочей группы в ВШЭ», "Искусственный интеллект и поддержка принятия решений в медицине III" (82-е заседание рабочей группы IT-специалистов медицинских организаций "Виртуальная и мобильная медицина"), Интернет-журнал «FORS», 2018, №12,.
  • В. М. Тавровский. Автоматизация лечебно-диагностического процесса, ООО "Вектор Бук", Тюмень, 2009, 464 с. (978-5-91409-090-3).
  • А. А. Акаев. Сценарий и перспективы развития России, ред. В.А. Садовничий, А.А. Акаев, А.В. Коротаев, Г.Г. Малинецкий, Ленанд, М., 2011, 317 с. (978-5-9710-0339-7).
Еще
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp