Система поддержки принятия врачебных решений (англ. Clinical decision support system) |
||
МЕНЮ Главная страница Поиск Регистрация на сайте Помощь проекту Архив новостей ТЕМЫ Новости ИИ Голосовой помощник Разработка ИИГородские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Искусственный интеллект Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Психология ИИ Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Творчество ИИ Техническое зрение Чат-боты Авторизация |
2022-08-18 13:08 Система поддержки принятия врачебных решений (англ. Clinical decision support system) — медицинская информационная система, предназначенная для помощи врачам и иным медицинским специалистам. Рабочее определение было предложено Робертом Хейвордом, сотрудником Центра доказательной медицины: «Системы поддержки принятия врачебных решений связывают результаты клинических исследований с данными, имеющимися в отношении конкретного пациента, влияя на выбор врачебного решения для более эффективного оказания медицинской помощи». Разработка и внедрение систем поддержки принятия врачебных решений в практику принадлежат к самым главным направлениям развития искусственного интеллекта в медицине. Еще одно определение гласит: «Системы поддержки принятия врачебных решений — это активные информационные системы, использующие два и более элемента из массива данных пациента для генерирования специфических рекомендаций». На самом деле, системы поддержки принятия врачебных решений существовали, конечно, очень давно, задолго до появления компьютеров и искусственного интеллекта, просто обладали далеким от привычного сегодня «интерфейсом»: это были различные справочники, таблицы и даже мнемонические правила. Вспомните: когда герой «Записок юного врача» Булгакова делает первый в жизни «поворот за ножку» у роженицы с неправильным предлежанием плода, он ненадолго выбегает из операционной и мчится в свою квартиру, чтобы по книге освежить в голове план операции. Еще пример: до недавнего времени у многих врачей под стеклом на рабочем столе лежали таблички и схемы, зачастую сделанные самими докторами и понятные только им, которые связывали, например, те или иные характеристики пациента (вес, возраст, данные анализов) с необходимыми для назначения препаратами и их дозировками. Сегодня, конечно, большинством таких систем врачи пользуются с помощью компьютеров и гаджетов, системы работают онлайн и представляют собой программные комплексы от закрытых решений для экспертов до доступных всем мобильных приложений. Удобство использования систем поддержки врачом (не нужно никуда выбегать или даже просто отвлекаться) — один из главных критериев качества систем поддержки принятия врачебных решений. Ранее считалось, что системы поддержки принятия врачебных решений должны продуцировать готовые клинические решения. Врач вводит информацию и ждет, пока система поддержки выдаст «правильный» вариант, вслед за чем он будет лишь следовать предложенному алгоритму. Однако современная методология применения систем поддержки принятия врачебных решений в качестве вспомогательного средства предполагает, что врач взаимодействует с системой поддержки, используя собственные знания, оценку состояния пациента и его особенностей, данную живым специалистом, а также информацию, содержащуюся в системе поддержки и предложенные стандарты действий. Подобный подход характерен даже в рамках телемедицины и консультаций на расстоянии. Существует две основных разновидности систем поддержки принятия врачебных решений — «знаниевые», то есть основанные на научных знаниях и выводах из исследований, и «незнаниевые», основанные преимущественно, например, на результатах обработки собранных статистических данных математическими методами. Системы первого типа, «знаниевые», состоят из трех частей — информационной базы, механизма логических выводов и механизма коммуникации. Информационная база содержит правила и связи данных анализа, которые чаще всего принимают форму правил «если — то». Приведем простой пример: «если пациенту назначен препарат Х, то препараты группы Y ему назначать нельзя из-за возможности неблагоприятного взаимодействия» или, еще проще: «если пациенту меньше 12 лет, то препарат такой-то ему назначать нельзя». Такие системы предполагают постоянное обновление на основе всё новых научных исследований, так называемый «этап экспертного ввода» и по своей сути близки к традиционным справочникам. Системы второго типа, «незнаниевые», как правило, предполагают в современных условиях работу искусственного интеллекта. Они не используют напрямую научные медицинские знания. Системы искусственного интеллекта обучаются на основании полученного опыта и больших объемов статистических данных и помогают устанавливать закономерности в пределах массива клинических данных. Именно в использовании таких систем в организации медицины и прямой работе с пациентами многие специалисты видят неограниченные перспективы в повышении качества лечения. Значительная часть экспертов видит ключевую точку роста для систем поддержки принятия врачебных решений в качественном объединении систем двух типов. Так, задача участников технологического конкурса НТИ Up Great AI’m Doctor — cоздать интеллектуальную систему поддержки принятия врачебных решений для формулировки заключительного клинического диагноза на основе анализа комплекса клинико-лабораторно-диагностических данных пациента и информации из профессиональных баз медицинских знаний и клинических рекомендаций. Источник: vk.com Комментарии: |
|