Информационные технологи в медицине: неиспользуемые возможности и перспективы для Приморья

Содержание

Слайд 2

Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию

Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию

и приоритетным проектам (13 июля2016г.)

Медицинские информационные системы внедрены в 81 регионе страны
К концу 2018 года не менее 95 процентов всех государственных медицинских организаций подключить к единой государственной информационной системе
Граждане России получат доступ к защищённому личному кабинету «Моё здоровье»

Слайд 3

Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию

Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию

и приоритетным проектам (13 июля2016г.)

Будет обеспечено введение единых информационных систем, помогающих принять решение врачом
Будут обеспечены дистанционные программы непрерывного медицинского образования

Слайд 4

Распоряжение Правительства РФ № 2769-р от 29 декабря 2014 г. «…

Распоряжение Правительства РФ № 2769-р от 29 декабря 2014 г.

«…

создание и развитие на региональном уровне информационных систем поддержки принятия врачебных решений ...»
Слайд 5

Медицинские системы поддержки принятия решений для практической медицины и образования Экспертные

Медицинские системы поддержки принятия решений для практической медицины и образования

Экспертные системы

медицинской диагностики заболеваний
дифференциальная диагностика
выдача рекомендаций по дообследованию
Экспертные системы персонифицированного назначения, мониторинга и коррекции лечения
назначение с учетом индивидуальных особенностей пациента
прогнозирование риска осложнений
исключение ошибок при назначении лекарственных средств
Слайд 6

Медицинские системы поддержки принятия решений для практической медицины и образования Обучающие

Медицинские системы поддержки принятия решений для практической медицины и образования

Обучающие тренажеры

по обследованию пациентов
Обучающие тренажеры по диагностике заболеваний
Обучающие тренажеры по назначению и коррекции персонифицированного лечения
Слайд 7

Системы поддержки принятия решений Архитектура программных систем БАЗА ЗНАНИЙ Программные компоненты

Системы поддержки принятия
решений

Архитектура программных систем

БАЗА ЗНАНИЙ

Программные компоненты

Экспертное формирование
(Дорого, много ошибок,

низкое качество)

Технология Big Data
(Более дешевый метод, более
точный и надежный)

40*103 записей в МКБ 10
1010 клинических случаев
104 число характеристик
состояния человека

Компьютерные тренажеры

Программные компоненты

Слайд 8

Big Data (большое количество данных + их анализ) *Доказательная медицина. Главные

Big Data (большое количество данных + их анализ)

*Доказательная медицина. Главные принципы:

каждое клиническое решение основано на строго доказанных научных фактах; уход от критерия достоверности информации на основе личного многолетнего опыта врача( врачей).
** Персонифицированная медицина основана на выборе диагностических, лечебных и профилактических средств, которые были бы оптимальными у конкретного лица учитывая его / ее генетические, анатомические, физиологические, биохимические и другие особенности.
Слайд 9

Пример использования Big Data в США Крупнейшая страховая компания Aetna внедрила

Пример использования Big Data в США

Крупнейшая страховая компания Aetna внедрила инновационные

исследовательские программы на основе технологии Big Data для анализа, прогноза состояния здоровья пациента, оптимального выбора лечения
Результат: Aetna соглашается на выплату медицинской страховки только после того, как диагноз и программа лечения, назначенные врачом, подтверждены заключением программы анализа
Слайд 10

Текущее состояние

Текущее состояние

Слайд 11

Технологические предпосылки - задел в ИАПУ ДВО РАН Информационные ресурсы Онтология

Технологические предпосылки - задел в ИАПУ ДВО РАН Информационные ресурсы

Онтология по

диагностике острых и хронических заболеваний
Онтология назначения персонифицированного медикаментозного лечения
Формализованная терминологическая база
Формализованный фармакологический справочник
Слайд 12

Модельная выборка данных (контрольная) Описание класса моделей генераторов выборок Модельная база

Модельная выборка данных (контрольная)

Описание класса моделей генераторов выборок

Модельная база знаний

Модельная база знаний

Модельная

база знаний

Модельная база знаний

Индуктивно формируемая база знаний



Модельная выборка данных (обучающая)

Внешняя оценка

Генерация

Генерация

Индуктивное формирование знаний (решение задачи с применением метода ИФЗ

Внешняя оценка

Внутренняя оценка (сравнение)

Технологические предпосылки - задел в ИАПУ ДВО РАН Метод формирования баз знаний на основе Big Data

Слайд 13

Технологические предпосылки - задел в ИАПУ ДВО РАН Алгоритмы диагностики заболеваний

Технологические предпосылки - задел в ИАПУ ДВО РАН Алгоритмы диагностики заболеваний

и назначения лечения

очередь заданий

результаты

Слайд 14

Технологические предпосылки - задел в ИАПУ ДВО РАН. Компьютерные тренажеры

Технологические предпосылки - задел в ИАПУ ДВО РАН. Компьютерные тренажеры

Слайд 15

Медицинской диагностики Прогноза лечения назначения лечения Коррекции лечения Тренажёр лечения Тренажёр

Медицинской диагностики

Прогноза лечения

назначения лечения

Коррекции лечения

Тренажёр лечения

Тренажёр диагностики

Тренажёр обследования

Тренажёр корректировки лечения

Объяснение результатов

диагностики

История болезни

База знаний медицинской диагностики

База моделей лечения

Прогноз лечения

Объяснение плана лечения

Объяснение коррекции лечения

База знаний о лечении заболеваний

База знаний о лекарственных средствах

Объяснение действий студентов

Задание для тренажёров обследования

База сценариев проведения наблюдений

База наблюдений

Системы поддержки принятия решений

Тренажёры

Информационные ресурсы

Технология создания совместимых оболочек интеллектуальных систем

Слайд 16

Технологические предпосылки - задел в ИАПУ ДВО РАН Облачная платформа Виртуальная

Технологические предпосылки - задел в ИАПУ ДВО РАН Облачная платформа

Виртуальная машина

Фонд

Процессор

решателей
задач

Информационно-административная система

Интерфейс интеллектуального приложения

Эксперт

Пользователь

Информационные ресурсы

Интернет-приложение

Средства разработки

Средства управления

Агенты

Шаблонные компоненты интерфейса

Процессор информационных ресурсов

Процессор пользовательского интерфейса

Веб-браузер

Слайд 17

Как этого достичь? Лечебные учреждения Внедрение новых IT-технологий, диагностических стандартов, персонифицированных

Как этого достичь?

Лечебные учреждения
Внедрение новых IT-технологий, диагностических стандартов, персонифицированных схем лечения
Получение

новых знаний по лечению и диагностике заболеваний
ИАПУ ДВО РАН
Создание и разработка новых информационных технологий (модели, методы, технология, прототипы) на основе технологии Big Data
Бизнес-структуры
Реализация МИС1 нового поколения
Реализация СППР2
ВУЗы
Получение новых знаний по лечению и диагностике заболеваний
Новые методы обучения

1 – Медицинские Информационные Системы
2 - Системы Поддержки Принятия Решений

Слайд 18

Ожидаемый результат Практическая медицина Внедрение доказательной и персонифицированной медицины Разработка на

Ожидаемый результат

Практическая медицина

Внедрение доказательной и персонифицированной медицины
Разработка на основе Big Data

диагностических и совершенствование лечебных стандартов с последующим их развитием до общероссийских

Медицинское образование

Внедрение дистанционного образования на тренажерах

Разработчики МИС

Совершенствование МИС, совместимых с технологиями Big Data