ТЕМА 8 НАПРАВЛЕНИЯ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ЛАБОРАТОРИИ

Компьютерные системы сбора, обработки и анализа медицинской информации актуальны сегодня для всех структур здравоохранения. Вместе с тем ориентация на решение узких, локальных вопросов, отсутствие стандартных способов хранения, преобразования и передачи медицинских данных в едином информационном пространстве становятся существенными препятствиями на пути эффективной информатизации здравоохранения. В результате возникает противоречие между постоянно растущими информационными потребностями и уровнем информационного обеспечения учреждений здравоохранения. На сегодняшний день следует признать, что ключевую роль для внедрения информационных технологий в медицине и лабораторной диагностике играют стандартизация, алгоритмизация и разработка экспертных программ оценки потока возрастающей информации, получаемой при обследовании пациентов.

В настоящий момент заканчивается период автономных медицинских компьютерных систем, создаваемых локально отдельными медицинскими подразделениями для решения своих задач. Наступает другой период - период взаимодействующих между собой медицинских компьютерных систем. Разработанные стандарты в медицинских информационных технологиях позволяют обмениваться информацией не только внутри своей системы, но и с внешними системами. Это обеспечит взаимодействие медицинских подразделений и учреждений с крупными центрами. Стандарты способствуют облегчению внедрения в медицину современных информационных технологий. Используя программное обеспечение, поддерживающее стандарт, медицинские учреждения могут иметь возможность внедрять информационные системы, начиная с отдельных подразделений, и постепенно создавать системы большого масштаба.

Все ускоряющийся прогресс и внедрение новейших технологий в медицине приводят к чрезвычайной актуальности проблемы стандартизации и

алгоритмизации лечения и обследования пациентов. Потеря времени и отсутствие нужной квалификации медперсонала на местах приводят к несвоевременному назначению обследования, лечения, развитию осложнений, увеличению времени пребывания больного в стационаре, ухудшению отдаленных результатов и т.д. Путь к устранению этих недостатков мы видим в использовании новейших информационных технологий, создании единых информационных сетей лечебного учреждения, внедрении экспертных систем оценки состояния органов и систем организма пациента, обеспечении преемственности данных всех исследований. Большинство лабораторного оборудования компьютеризировано, что позволяет обеспечить концепцию интеграции информационных систем и повысить эффективность диагностики.

Развитие информационных технологий и современных коммуникаций, появление в клиниках большого количества автоматизированных медицинских приборов, следящих систем и отдельных компьютеров привело к новому витку интереса и значительному росту числа медицинских информационных систем (МИС) клиник. Только в США затраты клиник в этой области составляют около 8,5 млрд долларов США в год, и по оценкам специалистов ожидается рост затрат до 12-14 млрд долларов США в связи с планируемой заменой или модернизацией устаревших МИС. Современная концепция информационных систем предлагает объединение электронных записей о больных (electronic patient records) с архивами медицинских изображений и финансовой информацией, данными мониторинга с медицинских приборов, результатами работы автоматизированных лабораторий и следящих систем, наличие современных средств обмена информацией (электронной внутрибольничной почты, Internet, видеоконференций и т.д.).

Диагностика была, есть и в будущем останется одной из наиболее важных задач медицины, а достигаемая точность диагностики в основном определяет соответствующий уровень медицинской науки. Как и любая наука, медицина в своем развитии проходит этапы накопления фактов и установления простейших зависимостей (вероятностные зависимости «симптом-болезнь»). И хотя количество проявлений организма человека (признаков, которые могли бы быть использованы для диагностики) практически бесконечно, научные работы по выявлению все новых и новых из них ведутся непрерывно. Поскольку многие простые симптомы уже известны, а для более сложных, использующих инструментальные и лабораторные методы, разработаны новые методики их измерения, дальнейший диагностический поиск необходимо вести в направлении попыток использования совокупности тестов и

признаков на основе стандартизации, алгоритмизации обследования в дифференциальной диагностике заболеваний.

Прогресс в дифференциальной диагностике связывали с внедрением в медицинскую практику высокоинформативных методов исследования. Между тем вся история медицины свидетельствует, что появление новых приборов лишь частично решает достаточно узкую проблему и создает много новых проблем. Дело в том, что невозможно найти отдельные симптомы или признаки, с помощью которых можно было бы осуществлять корректную дифференциальную диагностику внутри групп близких по проявлению заболеваний, а психофизиологические способности человека в восприятии абстрактной информации существенно ограничены. Он не способен к ее анализу и получению соответствующих выводов - выделению системных зависимостей (симптомокомплексов), характерных для каждой из дифференцируемых болезней, т.е. «из-за деревьев не видит леса».

Принципиальные трудности при дифференциальной диагностике возникают не из-за дефицита необходимой информации, а из-за отсутствия соответствующих объективных методов ее оценки - выделения симптомокомплексов (дифференциальных синдромов), которые встречают у больных с одной из дифференцируемых болезней и не встречают у больных с другими заболеваниями. Традиционное использование симптомов для вероятностной диагностики (метод Байеса) пригодно для статистики, определяющей на множестве больных точность диагноза, но никак не для определения конкретной болезни у конкретного человека. С прагматических позиций дальнейшие работы по поиску новых информативных признаков неэффективны. Решение проблемы замены вероятностной диагностики детерминированной может быть получено только в том случае, если будет решена основная задача - формальное получение новых системных знаний, основанных на алгоритмизации специфичных симптомокомплексов. При этом отпадет необходимость в поиске новых симптомов или показателей. При обследовании больного (данные анамнеза, физикальных исследований, лабораторных и инструментальных методов, клиническая картина и т.д.) собирается огромный объем исходной информации (в настоящее время в арсенале медицины находится более 300 показателей, измеряемых преимущественно в численных шкалах). Если каждый их этих показателей измерять только в простейших шкалах наименований («да-нет» или «больше-меньше»), то количество исходной информации составит 2300 бит, что значительно больше, чем число элементарных частиц во всей видимой части Вселенной.

В связи с огромной сложностью организма человека, характеризующегося практически бесконечным количеством проявлений болезни, большим влиянием индивидуальных качеств больного на симптоматику и клиническую картину болезни, а также ограниченностью знаний специалистов, медицинская диагностика в настоящее время не наука, а, скорее, искусство немногих высококвалифицированных профессионалов.

Однако в сложных случаях даже при высокой квалификации возможны ошибочные заключения. Несоответствие между возможностями известных методов математического моделирования и сложностью реальных диагностических задач медицины привело к необходимости поиска обходных путей. Один из таких путей, интенсивно развиваемых в настоящее время, - создание экспертных систем. Экспертная система - вычислительная система, включающая формализованные знания специалистов в некоторой конкретной предметной области и способная в пределах этой области принимать экспертные решения (решать задачи так, как это делал бы человек-эксперт). «Входным» документом экспертной системы служит диагностическое заключение (предположение), сформулированное врачом на основе данных клинических, лабораторных и инструментальных исследований. «Выходной» документ экспертной системы - рекомендуемая схема ведения и лечения пациента. Эти системы используют сложные алгоритмы, основанные на анализе связей между признаками, или опираются на модели нейронных сетей. Такие системы диагностики необходимо использовать как совместно с информационными системами типа электронной истории болезни, так и автономно, например, непосредственно в диагностических центрах или лабораториях. Все это избавляет врачей-диагностов и клиницистов от рутинных операций, значительно упрощает, облегчает и, в конечном счете, ускоряет их работу. Задачи экспертных систем - раннее предупреждение о возникающих осложнениях в организме пациента, предсказание возможных вариантов течения и различных исходов.

Эффективность работы экспертной системы в первую очередь зависит от количества и качества информации, включенной в ее базу. Это слабое место экспертных систем, так как, во-первых, база знаний формируется на основании субъективных представлений экспертов, знания которых ограничены, а, во-вторых, специалисты не способны формализовать свои знания в виде четких правил. Более того, многие из них вообще не отдают себе отчета, каким именно правилам они следуют. Психофизиологические возможности человека не позволяют даже

самому талантливому специалисту в соответствующей предметной области выделить зависимости какого-либо события более чем от двух независимых параметров (например, дифференциальные синдромы какой-либо болезни, содержащие более двух симптомов). В настоящее время все известные методические подходы к решению задачи дифференциальной диагностики достигли предела своих возможностей, для дальнейшего прогресса в этой области необходимы принципиально новые информационные решения.

Существенный прогресс в области медицинских технологий лабораторной диагностики и оптимизации лечения, превращение их из интуитивного искусства немногих талантливых профессионалов (которые, кстати, в сложных случаях также могут ошибаться) в строгую науку с высоким уровнем формализации - все это возможно только в том случае, если будет решена основная задача: получение новых системных знаний с помощью логических формализованных процедур и интерпретация этих знаний. Это подразумевает поиск симптомокомплексов, алгоритмов, характерных для каждой конкретной дифференцируемой болезни, формальное построение детерминированных математических моделей конкретных болезней, описывающих зависимость результатов лечения от показателей, характеризующих индивидуальность больного, болезнь и используемые лечебные воздействия; формальный выбор оптимальной стратегии лечения при заданных значениях показателей, характеризующих индивидуальные особенности и проявления болезни у конкретного больного.

Что касается интерпретации полученных данных, вопрос не столь простой, как он может показаться на первый взгляд. Традиционно врач при анализе полученных результатов исходит из наличия определенных признаков заболеваний, выявляемых при обследовании. Наиболее простым следует считать случай, когда заболеванию соответствует однозначный набор признаков. Однако организм - очень сложная система, такие случаи встречают редко. Чаще наблюдают признаки, с некоторой вероятностью соответствующие каким-либо заболеваниям. Хорошо, если есть возможность провести дополнительное исследование для увеличения количества признаков. Однако такой возможности может и не быть. Именно в связи с неполнотой данных и зачастую отсутствием четкого порога в интерпретации параметра часто возникают проблемы в постановке диагноза.

Таким образом, для повышения качества диагностики есть потребность в накоплении и статистическом анализе данных, получаемых при наблюдении многих пациентов, детальном отслеживании состояния

пациента на протяжении длительного периода, использовании компьютерных экспертных систем - программ оценки риска развития заболевания, создании алгоритмов обследования пациентов при различной патологии. В этой связи необходимо разрабатывать программные инструменты, позволяющие автоматически строить индивидуальную модель течения болезни пациента, ориентированную на физиологические особенности конкретного пациента.

Одно из таких направлений - скрининг-фильтрация (алгоритмизация) по некоторому набору диагностических параметров пациентов при массовых обследованиях и выделение группы риска для проведения более полного обследования. При этом нет необходимости в высокой достоверности первичной диагностики, поскольку порог отбора можно задать с достаточным запасом. Для скрининга можно использовать довольно простые алгоритмы типа «дерева признаков». Однако при детальном обследовании пациента лабораторные исследования предоставляют лечащему врачу огромный и трудно обозримый поток информации (70-85%), анализ которого на практике выполняется им интуитивно на основании личного опыта или при поддержке статичных экспертных систем.

Врач в своей повседневной деятельности вынужден постоянно принимать ответственные решения, от которых во многом зависит здоровье человека. Как помочь врачу в принятии правильных решений? Один из путей принятия комплексных решений в сложной, быстро меняющейся обстановке - создание систем принятия решений. Среди большого разнообразия систем принятия решений выделяют экспертные системы и системы поддержки принятия решений. Системы принятия решений используют для помощи врачу в решении стоящих перед ним задач путем выбора им альтернатив, на основе набора методов математического моделирования и баз данных о пациенте, а также его собственного опыта и интуиции. Очевидно, для повышения обоснованности принятия решений необходимо знать алгоритмические пути оценки состояния организма. Применение экспертных систем, предназначенных для решения задач диагностики и лечения заболеваний, особенно в тех случаях, когда учет слишком большого объема входной информации или реализация сложного алгоритма принятия решения представляет серьезные затруднения для практического врача, - важнейшее направление внедрения современных ИТ.

Эти выводы свидетельствуют о необходимости информационных технологий в области разработки и создания алгоритмического подхода к принятию решений, разработки новых моделей информационных

систем в лабораториях. Они должны обеспечивать не только документооборот, регистрацию статистических и финансовых потоков. Они должны быть направлены на оптимизацию диагностического поиска, выстраивание «логических шагов» от результата к диагнозу с использо - ванием алгоритмического подхода в оценке патологического процесса и функционирования органов и систем пациента. Разработка программ оценки риска развития заболевания, помощь в интерпретации результатов с выдачей заключений и рекомендаций - конечная задача информационных технологий в лаборатории. С этой целью необходимо изучать особенности данных, шкалы измерения количественных и качественных данных, основные параметры, характеризующие данные, репрезентативность данных, референтные величины и группы, типы клинических исследований, операционные характеристики теста, точки разделения теста, интегральные оценки эффективности теста. Внедрение в медицинскую практику информационных технологий позволяет коренным образом изменить ситуацию, хотя на пути к этому есть еще множество проблем, которые необходимо решать совместными усилиями программистов-разработчиков и врачей-практиков.