close

Вход

Забыли?

вход по аккаунту

код для вставкиСкачать
ОСНОВНЫЕ МЕТОДЫ ГИБРИДНОГО АЛГОРИТМА
АВТОМАТИЗИРОВАННОГО ПОСТРОЕНИЯ МЕДИЦИНСКИХ
ТЕХНОЛОГИЧЕСКИХ КАРТ
Молодченков А.И., Шелманов А.О.
Российский университет дружбы народов,
Институт системного анализа Российской академии наук, [email protected]
В работе описаны основные методы, используемые в гибридном алгоритме
автоматизированного построения медицинских технологических карт.
Ключевые слова: медицинские технологические карты, извлечение знаний.
Введение
Компьютеризация процессов оказания медицинской помощи – это крайне трудная
задача. Информация об оказанных пациенту услугах, как правило, распределена между
различными медицинскими учреждениями и подразделениями, значительная их часть не
структурирована и не формализована, лечебно-диагностические процессы сложны и
вариабельны, а ценой ошибки является жизнь и здоровье человека. Поэтому наряду с
впечатляющими успехами в области информатизации отдельных медицинских
технологий, в отрасли по-прежнему практически отсутствуют примеры успешно
действующих автоматизированных систем управления крупными комплексами лечебнодиагностических процессов. Одним из направлений в этой области, по которым ведутся
исследования, является разработка электронных медицинских технологических карт
(ЭМК).ЭМК постепенно преобразуются из простого хранилища клинических данных о
пациенте в многофункциональную систему, позволяющую организовывать,
распределять и использовать медицинские знания с высокой степенью защищенности,
облегчать и регулировать взаимодействие всех участников лечебно-диагностических
процессов[1]. В основе создания современных ЭМК лежит процессный подход, который
признан наиболее эффективным при организации управления предприятиями в разных
отраслях экономики. В медицине есть соответствующий термин – «careflow» (по
аналогии с «workflow»), означающий поток работ, связанных с оказанием медицинской
помощи[2].
Ввиду активного внедрения ЭМК в клиническую практику, разработка методов и
алгоритмов автоматизированного построения медицинских технологических карт
является актуальной задачей. В качестве источников знаний при построении ЭМК
выступают клинические руководства, протоколы ведения больных, номенклатура
медицинских услуг, утвержденная Минздравсоцразвития России[3], эксперты.
В данной работе описаны основные методы, используемые в гибридном алгоритме
приобретения знаний, используемом для построения медицинских технологических
карт. Работа выполнена в рамках проекта РФФИ 13-07-12165.
Извлечение знаний из текстов
Для решения задачи извлечения знаний из клинических руководств были разработаны
методы извлечения естественно-языковых конструкций, обозначающих медицинские
процедуры (лечебные, диагностические, терапевтические мероприятия), а также
фрагментов текста (от одного до нескольких предложений), в которых указаны условия
их применения.
Метод извлечения лечебных мероприятий из текстов клинических руководств
опирается на знания, содержащиеся в специализированных медицинских тезаурусах.
Основным тезаурусом является UMLS Metathesaurus [4, 5]. Он интегрирует в себе
множество медицинских и биомедицинских баз знаний и устанавливает соответствие
между концептами с одинаковым смыслом из разных баз. Единственной русскоязычной
базой, интегрированной на данный момент в UMLS Metathesaurus, является
переведенный MeSH [6]. Концептам из тезауруса сопоставлены семантические типы из
UMLS SemanitcNetwork [7]. Для извлечения лечебных мероприятий из текстов
клинических руководств использовались концепты следующих семантических типов:
«DiagnosticProcedure»,
«HealthCareActivity»,
«LaboratoryProcedure»,
«TherapeuticorPreventiveProcedure». Еще одним источником знаний для метода
извлечения лечебных мероприятий послужила номенклатура медицинских услуг,
утвержденная Минздравсоцразвития России. В этом кодификаторе содержится перечень
медицинских услуг, представляющих собой как отдельные, так и комплексы
медицинских вмешательств, направленных на профилактику, диагностику и лечение
заболеваний, а также медицинскую реабилитацию.Поскольку тезаурусы не могут
покрыть все разнообразие вариантов описания одних и тех же лечебных мероприятий в
клинических руководствах, разработанный метод осуществляет нежесткое сравнение
естественно-языковых конструкций из текста с терминами из медицинских тезаурусов.
Для найденных в тексте конструкций, обозначающих лечебные мероприятия, ищутся
предложения, потенциально содержащие условия их применения. Для этого каждое
предложение в фиксированном окне вокруг найденной конструкции пропускается через
классификатор, построенный на основе машинного обучения. В качестве признаков
используются слова, части речи предложения, упорядоченные пары слов, удаленность
предложения от конструкции, длина предложения и др. Поскольку признаковое
пространство велико, используются быстрые методы классификации, такие как
линейный SVM и логистическая регрессия.
Приобретение знаний от эксперта
Знаний об условиях применения медицинских текстов, изложенных в текстах
недостаточно, чтобы можно было построить ЭМК.Необходимо более полное
представление о лечении заболеваний. Основным источником таких знаний остается
эксперт.
Для работы с экспертом используется метод прямого приобретения знаний в виде
автоматизированного интервью [8]. Целью этого метода является получение полного
представления о лечении заболевания, путем выявления информации об участниках
процесса лечения, объектах (лечебно-диагностических мероприятиях), свойствах, связях
между объектами. Каждая пара объектов превращается в элемент некоторого бинарного
отношения, которое определяется и отличается от остальных набором своих свойств.
Для каждой пары объектов отношение устанавливается единственным образом [8].
Алгоритм приобретения знаний от эксперта реализуется с помощью применения
набора сценариев, адаптированных к решению поставленной задачи. Первым
выполняется сценарий выявления этапов лечебно-диагностического процесса (ЛДП).
Далее для каждого этапа ЛДП выполняется сценарий ввода лечебно-диагностических
мероприятий. В процессе выполнения этого сценария запускается ряд процедур. Первая
процедура предоставляет эксперту для выбора список лечебно-диагностических
мероприятий, которые необходимо выполнить. Этот список формируется в результате
анализа клинических руководств и рекомендаций и подключения справочника
медицинских услуг. Следующая процедура выполняет поиск условий выполнения
лечебно-диагностических мероприятий. Поиск условий производится путем анализа
клинических руководств и поиска близких, ранее построенных технологических карт.
Процедура поиска технологических карт, имеющих этапы, в которых процесс лечения
близок текущему процессу по выполнению лечебно-диагностических мероприятий.
Многие процедуры включают в себя функцию объяснения результатов своих работ.
Весь диалог работы с экспертом строится путем применения системы правил.
Процесс построения ЭМК завершается в том случае, если все этапы ЛДП содержат
лечебные мероприятия. Если эксперт считает, что он полностью сформировал
технологическую карту, то запускается процедура проверки ввода в технологическую
карту всех обязательных лечебно-диагностических мероприятий. Весь список
обязательных ЛДМ берется из перечня медицинских услуг. Если не все лечебные
мероприятия включены в ЛДП, то эксперт информируется об этом. Работа метода
приобретения знаний от эксперта завершается в том случае, когда медицинская
технологическая карта построена, и внутри нее отсутствуют противоречия.
Выводы
Медицинский технологический процесс объединяет организационные и лечебнодиагностические и мероприятия. Для управления медицинскими технологическими
процессами в клиническую практику внедряются ЭМК. В связи с этим актуальной
является задача разработки методов и алгоритмов автоматизированного построения
ЭМК. В работе описан новый гибридный метод автоматизированного построения ЭМК.
Предложены методы извлечения знаний из текстов и приобретения знаний от экспертов.
Литература
1. Назаренко Г.И., Клейменова Е.Б., Яшина Л.П., Молодченков А.И., Пающик С.А.,
Константинова М.А., Мокин М.В., Отделенов В.А., Сычев В.А. Разработка онтологии
технологических карт ведения пациентов многопрофильного стационара при
моделировании медицинских технологических процессов //Искусственный интеллект и
принятие решений. – 2014. - № 2. - С.68–77.
2. Quaglini S., Stefanelli M., Lanzola G. et al. Flexible guideline-based patient careflow
systems // Artif. Intel. Med. 22 (2001) 65-80.
3. Об утверждении номенклатуры медицинских услуг // [Электронный ресурс] URL:
http://www.rosminzdrav.ru/documents/6975-prikaz-minzdravsotsrazvitiya-rossii-1664n-ot-27dekabrya-2011-g (дата обращения 13.01.2015).
4. Lindberg D. A., Humphreys B. L., McCray A. T. The unified medical language system. //
Methods of information in medicine. — 1993. — Vol. 32, no. 4. — P. 281–291.
5.
UMLS
Metathesaurus
Fact
Sheet
//
[Электронныйресурс]
URL:
http://www.nlm.nih.gov/pubs/factsheets/umlsmeta.html (датаобращения 13.01.2015).
6. 2014AA UMLS MeSH Russian Source Information // [Электронныйресурс] URL:
http://www.nlm.nih.gov/research/umls/sourcereleasedocs/current/MSHRUS/index.html
(датаобращения 13.01.2015).
7. UMLS Semantic Network Fact Sheet // [Электронныйресурс] URL:
http://www.nlm.nih.gov/pubs/factsheets/umlssemn.html (датаобращения 13.01.2015).
8. Осипов Г.С. Приобретение знаний интеллектуальными системами: Основы теории и
технологии. — М.: Наука. Физматлит, 1997. — 112 с.
MAIN METHODS OF THE HYBRID ALGORITHM FOR E-CARDS
COMPUTER-AIDED SYNTHESIS
Molodchenkov A.I., Shelmanov A.O.
Peoples’ Friendship University of Russia, Institute for Systems Analysis of Russian Academy of Sciences,
[email protected]
Abstract. The paper presents main methods that are used in the hybrid algorithm for ecard computer-aided synthesis.
Кеу words: e-card, knowledge acquisition.
1/--страниц
Пожаловаться на содержимое документа