Диссертация (1335940), страница 8
Текст из файла (страница 8)
Вместе с тем в настоящее время в рамках данной концепцииреализуется программа по созданию банка данных таких больных [107].Анализ приведенной литературы позволяет сделать следующие выводы: 1) вразвитых странах ведутся разработки интеллектуальных систем поддержкипринятия врачебных решений, способных повысить эффективность клиническойработы как отдельного врача, так и лечебного учреждения в целом; 2)40интеллектуальные системы поддержки принятия врачебных решений могутиметь различную направленность: обучающую и клиническую (диагностика илечение заболеваний); 3) в связи с прогрессом телекоммуникационныхтехнологий в системы поддержки принятия врачебных решений встраиваютсятелемедицинские системы, позволяя дистанционно проводить обучение иконсультирование врачей, а также осуществлять мониторинг пациентов схроническими заболеваниями.В этой связи представляется актуальным разработать интеллектуальнуюинформационно-диагностическую и обучающую систему по дерматовенерологии,способную решить комплексную задачу по повышению качества и доступностидерматовенерологическойпомощинаселениюиподготовкеврачей-дерматовенерологов.Решениеданнойпроблемырациональноговыбораспособаможетбытьпредставленияосуществленоназнанийпостроенииприосновеклассификации симптомов и признаков дерматовенерологического больного идерматовенерологического заболевания.
Таким способом представления знанийможет явиться метод онтологий, за счёт своей наглядности и системности. В то жевремя для создания работоспособной системы необходимо создать банкстандартных изображений симптомов заболеваний и выработать математическийалгоритм расчёта вероятности заболеваний при выборе тех или иных симптомов ипризнаков.
Нуждается в тщательной проработке регламент телемедицинскойконсультации, предусматривающий защиту персональных данных пациентов приеёпроведении.Необходиморазработатьперсонализированныйкурсдистанционного обучения, включающий различные уровни сложности взависимости от базового уровня подготовки пользователей, имеющий встроеннуюсистему проверочных тестовых заданий после каждого занятия и итоговый тестпо окончании каждого уровня для оценки эффективности обучения.Конечной целью работы должно явиться создание удобного интерфейсаавтоматизированногорабочегоместаврача-дерматовенеролога,которое41позволяло бы решать весь комплекс задачподиагностике,реабилитации пациентов дерматовенерологического профиля.лечению,42Глава 2.МАТЕРИАЛЫ И МЕТОДЫБазы проведения исследований для клинической части работы включали:ГБУЗ КВД №1 Василеостровского района Санкт-Петербурга, дерматологическоеотделение ГБУЗ ГП №60 Поликлинического отделения №67 г.
Павловска (СанктПетербург) и ГУЗ ОКВД города Липецка, последняя клиническая база былаиспользована для оценки экономической эффективности телемедицинскогомодуля.Оценка эффективности модуля дистанционного обучения проводилась набазе кафедры дерматовенерологии СЗГМУ им И.И. Мечникова (СанктПетербург).Работа выполнена в комплексном порядке и состоит из нескольких этапов,связанных с проектированием и разработкой интеллектуальной системы, еёнаполнением информацией и последующей оценкой эффективности базовыхмодулей. Этапы выполнения работы, её объём и применявшиеся методыисследования представлены в таблице 1.Таблица1−Порядоквыполнения,объёмиметодыисследованиядиссертационной работыЭтапы исследованияПостроениеонтологическойклассификацииосновныхМетодыОбъём, материалы и результатыисследованияпроведённых исследованийконтент-анализПроанализировано50фундаментальныхтрудовсимптомов и признаков длядерматовенерологиипостановкинозологическим формам по профилюдиагнозоввдерматовенерологии.«дерматовенерология»;Установление их экспертнойсобранаавторскаяпопо250картотека,43значимостидлядиагностикивключающая более 5000 фотографийнаиболеераспространённыхсимптомов заболеваний по профилюзаболеванийпопрофилю«дерматовенерология»«дерматовенерология» и изображений(2008-гистологических2011 гг.)микроскопическихпрепаратов;Разработкапрототипаидействующего математический, поинтеллектуальнойклиническийрезультатамработыпроведенапредварительнаяоценкаинформационно-работоспособностидиагностической и обучающейпрототипа, определены дополнительныесистемы (2011-2013 гг.)требования к его функционалу.Наполнениепрототипаконтент-анализконтентом (2013-2015 гг.)разработаныописаниясозданногоалгоритмзаболеванияиструктурапопрофилю«дерматовенерология», внесены данныепо 80 нозологическим формам, включаяфотографии симптомов, рекомендациипообследованиюизображенияилечению,гистологическихимикроскопических препаратов;собраны базы данных по медицинскиморганизациям дерматовенерологическогопрофиля Санкт-Петербурга, санаториямРоссии и зарубежья;систематизированафармпрепаратам,лечениикожныхинформацияпоприменяющимсявивенерическихболезней;разработанкурсдистанционногообучения, включающий четыре уровняподготовки.Созданиерабочейверсии математический, уточнено техническое задание, внесеныинтеллектуальнойюридическийкоррективы в формулу для расчётаинформационно-вероятностей заболеваний, разработаныдиагностической и обучающейновыесистемы (2015-2016 гг.)договор для выполнения работ.дизайн-макетыисоставлен44Оценкаклиническойэффективностидиагностическогомодуляклинический,обследовано 96 пациентов, 43 женщиныматематико-и 53 мужчины в возрасте от 9 до 90 лет сстатистическийсистемы (2015 г.)заболеваниямипопрофилю«дерматовенерология» (ГБУЗ КВД №1ВасилеостровскогоПетербургаиотделениеГБУЗрайонаСанкт-дерматологическоеГП№60Поликлинического отделения №67 г.Павловска (Санкт-Петербург)).Оценкаэффективностителемедицинскогомодулясистемы (2015-2016 гг.)клинический,обследовано 119 пациентов, 60 женщин иматематико-59 мужчин в возрасте от 9 до 90 лет сстатистический,заболеваниямиэкономический,«дерматовенерология» (ГБУЗ КВД №1опрос(анкетирование)поВасилеостровскогоПетербургаиотделениеГБУЗпрофилюрайонаСанкт-дерматологическоеГП№60Поликлинического отделения №67 г.Павловска (Санкт-Петербург))и 10 пациентов, 4 мужчины и 6 женщин ввозрасте от 9 до 90 лет из ГБУЗ ОКВД г.Липецка с заболеваниями по профилю«дерматовенерология».Оценка эффективности модулядистанционного обучения(2015 г.)математико-участвовали 23 ординатора 1-го годастатистический,подготовки и 16 ординаторов 2-го годаопрособучения кафедры дерматовенерологии(анкетирование)СЗГМУ им И.И.
Мечникова (СанктПетербург)На первом этапе для создания универсальной классификации симптомов ипризнаков больного по профилю «дерматовенерология» был использован методонтологии, позволяющий наглядно отображать связи между характеристикамисимптомов и признаков заболеваний. При проектировании онтологии, способнойрешить проблему описания, как дерматовенерологического заболевания, так ипациента по профилю «дерматовенерология», мы руководствовались пошаговым45алгоритмом(ГавриловаТ.А,2003).
Первоначальный этап предусматривалопределение целей, объёмов и границ детализации знаний, а также выбор типасвязей в онтологии. Мы остановились на типе связи «класс − подкласс», чтохарактерно для таксономии. На следующем этапе в сотрудничестве с инженеромпо знаниям производился сбор информации о предметной области и еёструктурирование. На основе анализа 50-ти основополагающих руководств подерматовенерологии (1907-2015 гг.) было построено иерархическое деревосимптомов, включающее 2467 признаков, сгруппированных в классы [4, 5, 22, 33,45, 51-55, 57, 63, 64, 71, 76, 77, 82, 89, 92-94, 104, 120, 138-140, 142, 143, 155, 167,183, 184, 193, 203, 220, 224, 237, 238, 241, 244, 251, 253-256, 258, 260, 277, 315,356, 382].
В дальнейшем отношения между симптомами внутри классов были«гармонизированы», что предусматривало внесение концептуального баланса иясностивосприятиясконструированаинформации.таксономияСледуязаболеваний,томужепринципу,включающая250быланаиболеераспространённых дерматовенерологических заболеваний. Наиболее ценнойчастьюпостроеннойонтологииявляютсясвязимеждусимптомамиизаболеваниями, которые дают возможность постановки диагноза на основе спискасимптомовпациента.Каждаясвязьданноготипаимеетсвойство«специфичность», которая принимает одно из трёх возможных значений: высокая,средняя и низкая.
На основании данных связей симптомы, описывающие то илииное заболевание, мы подразделяли на три категории: «высокоспецифичные»,«среднеспецифичные» и «низкоспецифичные». Под «высокоспецифичными»симптомами подразумевались те симптомы, которые наиболее характерны дляданногозаболевания(являютсяпатогномоничными)и/иливстречаютсяпрактически всегда при этом заболевании, под «среднеспецифичными» – тесимптомы, которые могут встречаться при данном заболевании, но в ряде случаевмогут отсутствовать. Под «низкоспецифичными» обозначались симптомы,которые нехарактерны для данной патологии.На протяжении 10 лет с помощью различных модификаций фотоаппаратовCanon (Canon PowerShot A 85, Canon EOS 400D, Canon EOS 550D) создавался46банкэталонныхизображений симптомов заболеваний по профилю«дерматовенерология», нами собрано более 5000 фотоснимков. В последующемвсе фотографии мы обрабатывали с помощью пакета прикладных программ дляработы с изображениями «AdobePhotoshop», повышая их качество, накладывалирамку на глаза (если на фотографии присутствовало изображение лица).Параллельнобылсозданархивизображенийгистологическихимикроскопических препаратов при дерматовенерологической патологии, дляэтого использовался микровизор медицинский проходящего света µVizo-103(производства ОАО «ЛОМО», Россия).На втором этапе сформулировано техническое задание, разработаныдизайн-макеты и составлен договор на разработку прототипа системы,получившей название «Logoderm», проведена его техническая и юридическаяэкспертиза.На третьем этапе при разработке прототипа системы «Logoderm»использована лицензионная версия программы 1С-Битрикс: Управление сайтом.Система выполнена как онлайн-приложение в виде динамически генерируемыхhtml-страниц, доступных в сети Интернет под доменным именем logoderm.ru.Система «Logoderm» имеет модульное строение и состоит из следующихосновных модулей: «Диагностика онлайн», «Консультация эксперта», «Школаврача», «Атлас», «Рекомендации», «Справочник симптомов», «Фармсправочник»,«Медучреждения и реабилитация».
Доступ к модулям зависит от категориипользователя: врач (студент) или пациент и осуществляется после их регистрации.На ограниченном количестве внесённых заболеваний проведена предварительнаяоценка работоспособности созданного прототипа,внесены коррективы вформулу для расчёта вероятности того или иного диагноза, определеныдополнительные требования к функционалу системы.IT − cтруктура интеллектуальной системы «Logoderm» представленатехнологическим ядром системы управления контентом с интегрированным внего модулями, которое:− получает запросы по протоколу http/https;47− взаимодействует с несколькими базами данных (БД);− по запросу формирует html-разметку страниц.Вся совокупность данных, составляющих данную систему, разделена на трибазы:1) базу данных системы управления контентом (CMS) − база данных,обеспечивающая корректную работу CMS.2) «базу знаний» − база данных (БД), обеспечивающая хранение структурданных, связанных с реализацией сервиса диагностики.3) базу «данных пользователей» − база данных (БД), обеспечивающаяхранение данных пользователей системы (рисунок 1).Рисунок 1 − IT − структура интеллектуальной системы «Logoderm»Четвёртый этап включал в себя внесение разнообразных данных всистему, подробная структура контента представлена в таблице 1.
Весь контент48неоднократно проверялся на предмет своей достоверности и соответствиюнациональным клиническим рекомендациям по профилю «дерматовенерология».На пятом этапе нами осуществлялась разработка рабочей версииинтеллектуальнойинформационно-диагностическойиобучающейсистемы«Logoderm», получившей ряд доработанных модулей и новый дизайн. Формуладля расчёта вероятности заболевания в модуле «Диагностика онлайн» приобреласледующий вид:Вероятность заболевания (W) = К1среднеспецифичныйгде К1весвысокоспецифичный* W1 + К2вес* W2 + К3 вес низкоспецифичный * W3;вес высокоспецифичныйспецифичности–= вес (значимость относительно симптомов другойопределяласьквалиметрически)высокоспецифичныхсимптомов,К2вессреднеспецифичныйспецифичности–= вес (значимость относительно симптомов другойопределяласьквалиметрически)среднеспецифичныхсимптомов,К3веснизкоспецифичный= вес (значимость относительно симптомов другойспецифичности – определялась квалиметрически) низкоспецифичных симптомов;К1вес высокоспецифичный+ К2вес среднеспецифичный+ К3вес низкоспецифичный= 0,8(максимальная вероятность заболевания = 80%);W1, W2, W3 – вероятности заболеваний по высоко-, средне-, низкоспецифичнымсимптомам.Вероятности зависят от специфичности и выбранных симптомов.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
