автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Модели и алгоритмы управления процессами обслуживания пациентов медицинского учреждения

На правах рукописи

ХРАМКОВА Мария Александровна

МОДЕЛИ И АЛГОРИТМЫ УПРАВЛЕНИЯ ПРОЦЕССАМИ ОБСЛУЖИВАНИЯ ПАЦИЕНТОВ МЕДИЦИНСКОГО УЧРЕЖДЕНИЯ

Специальность 05.13.10 — Управление в социальных и экономических системах

Автореферат диссертации на соискание ученой степени кандидата технических наук

13 ФЕБ 2014

ПЕНЗА 2014

005545008

005545008

Работа выполнена в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Астраханский государственный университет».

Научный руководитель - кандидат технических наук, доцент

ВЕТРОВА Анжелика Амировна

Официальные оппоненты: Истомина Татьяна Викторовна,

доктор технических наук, профессор, ФГБОУ ВПО «Пензенский государственный технологический университет», заведующая кафедрой «Информационные технологии и менеджмент в медицинских и биотехнических системах»; Кочеткова Ольга Владимировна, доктор технических наук, профессор, ФГБОУ ВПО «Волгоградский государственный аграрный университет», проректор по информатизации, заведующая кафедрой «Информационные системы и технологии»

Ведущая организация - ФГБОУ ВПО «Волгоградский

государственный технический университет»

Защита диссертации состоится 27 марта 2014 г., в 14 часов, на заседании диссертационного совета Д 212.186.04 в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования «Пензенский государственный университет» по адресу: 440026, г. Пенза, ул. Красная, 40.

Диссертация размещена на сайте Федерального государственного бюджетного образовательного учреждения высшего профессионального образования «Пензенский государственный университет»: http://cad.pnzgu.ruyindex.php/74-14-01-2014-dissertatsiyakhramkovoj.

Автореферат разослан «_»_2014 г.

Ученый секретарь у*

диссертационного совета Косников Юрий Николаевич

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. В связи с постоянным ростом требований, предъявляемых к медицинскому обслуживанию, достоверности диагностики и доступности получения медицинских услуг значительно возрастает роль информационных технологий.

Большой интерес для практического здравоохранения представляет амбулаторно-поликлиническая помощь как наиболее массовый вид медицинского обслуживания. От верно поставленного первичного диагноза, выбора рационального плана лечения, сокращения времени, затраченного на диагностику, повышения доступности прохождения лабораторных исследований и консультаций специалистов зависит эффективность лечения и удовлетворенность пациентов качеством оказываемых медицинских услуг.

Уровень оказываемой амбулаторно-поликлинической помощи определяется многими факторами. Одной из таких составляющих является степень автоматизации деятельности врачей, возможность переложить часть функций врачей на автоматизированные системы. Такие системы можно применять как на этапах регистрации пациентов и оказания медицинской помощи, так и на более сложных этапах диагностирования и назначения плана лечения.

Однако большинство применяемых в медицине информационных систем направлены или на решение узкоспециализированных задач лечения конкретных заболеваний или на организацию документооборота и поиска информации. В этих системах на ранних этапах диагностирования не учитываются вторичные и последующие потоки пациентов.

В то же время задачи применения интеллектуальных информационных систем поддержки принятия решений для амбулаторно-поликлинической помощи исследованы недостаточно, притом, что использование таких систем дает наибольший эффект при оказании медицинской помощи за счет рационализации структуры лечебного учреждения и распределения потоков снижения времени ожидания пациентов и сокращения непродуктивных затрат времени у врачей.

Известные методы управления решения в области медицины, изложенные в трудах В. К. Финна, О. Ю. Реброва, Л. Д. Мешалкина, С. И. Гольдберга, Б. А. Кобринского, R. Davis, В. G. Buchanan, Е. Н. Shortliffe и других, ориентированы в основном на узкоспециализированные области медицины, неприменимы на ранних этапах диагностирования и не учитывают вторичные и последующие потоки пациентов.

Разнообразная природа медицинских заболеваний отражается в отсутствии единства в типовых методах лечения пациентов, наличии значительного количества факторов, влияющих на достоверность поставленных диагнозов.

Таким образом, разработка математических моделей и алгоритмов, позволяющих создавать автоматизированные средства поддержки принятия решений для повышения эффективности оказания амбулатор-но-поликлинической помощи, является актуальной научной задачей.

Объектом настоящего исследования является процесс обслуживания пациентов в медицинском учреждении амбулаторно-поли-ютинического профиля.

Предметом исследования являются модели и алгоритмы управления процессами обслуживания пациентов в медицинском учреждении при оказании амбулаторно-поликлинической помощи.

Цели и задачи. Целью работы является повышение эффективности управления функционированием медицинского учреждения путем разработки моделей и алгоритмов поддержки принятия решений при формировании штатной структуры медицинского учреждения из специалистов необходимого профиля, проведения процессов диагностики и выбора плана лечения.

Для достижения поставленной цели необходимо решить следующие задачи:

1) провести анализ предметной области, определить особенности и недостатки процессов управления обслуживанием пациентов в медицинском учреждении;

2) разработать и провести анализ модели параллельно-последовательной системы массового обслуживания (СМО) для формирования штатной структуры медицинского учреждения из специалистов необходимого профиля;

3) разработать модели диагностирования заболеваний и методов лечения для повышения эффективности процесса принятия решений при первичной диагностике и выборе рационального плана лечения;

4) разработать алгоритмы и программное обеспечение системы интеллектуальной поддержки процессов диагностики и лечения пациентов;

5) провести экспериментальные исследования эффективности предложенных интеллектуальных алгоритмов поддержки принятия решений.

Методы исследования. В процессе работы использовались методы системного анализа, теории систем массового обслуживания,

теории принятия решений, структурного анализа и проектирования систем, теории баз данных, экспертного оценивания, математического моделирования, теории вероятностей и математической статистики.

Соответствие паспорту специальности. Результаты исследования соответствуют пунктам 5, 7, 10 паспорта научной специальности 05.13.10 - Управление в социальных и экономических системах.

Научная новизна:

1 Модель параллельно-последовательной системы обслуживания, которая в отличие от известных учитывает кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков пациентов, что позволяет эффективно управлять работой медицинского учреждения, изменяя его структуру с учетом региона и времени года, определяющих заболеваемость, а также потребности в специалистах необходимого профиля.

2 Модели представления медицинских знаний в процессах первичной диагностики и выборе рационального плана лечения, которые в отличие от известных учитывают провоцирующие факторы (социальные, психические признаки) и общие принципы лечения заболеваний разного профиля.

3 Алгоритм интеллектуальной поддержки принятия решения в процессе первичной диагностики, который в отличие от известных позволяет устанавливать первичный диагноз с помощью базы знаний, содержащей экспертные оценки, и обеспечивает независимость от характера распределения коррелирующих признаков.

4 Алгоритм выбора рационального плана лечения, который в отличие от известных основан на последовательном уточнении выбора лечебных мероприятий (медицинские препараты, процедуры и т.п.), рекомендуемых экспертной системой с учетом сопутствующих заболеваний.

Теоретическая значимость работы заключается в следующем:

1) разработана математическая модель, учитывающая кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков и позволяющая сформировать штатную структуру медицинского учреждения;

2) разработаны алгоритмы поддержки приятия решений при первичной диагностике и назначении рационального плана лечения, учитывающие провоцирующие факторы (социальные, психические признаки), общие принципы лечения и сопутствующие заболевания пациента, позволяющие повысить эффективность процесса обслуживания пациентов в медицинском учреждении.

Практическая значимость работы заключается в том, что разработанные модель и алгоритмы реализованы в виде информационного и программного обеспечения автоматизированной системы первичной диагностики и лечения, которое может быть использовано в лечебных учреждениях, а также в учебном процессе для обучения и проверки знаний студентов медицинского учебного заведения. На разработанный программный продукт получено свидетельство о государственной регистрации программы для ЭВМ № 2012617241 от 10.08.2012 г.

На защиту выносятся:

- модель параллельно-последовательной системы обслуживания пациентов, учитывающая кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков пациентов (до их полного излечения), характерных для процесса обслуживания пациентов в медицинском учреждении;

- модели представления медицинских знаний в процессах первичной диагностики и выбора рационального плана лечения;

- алгоритм интеллектуальной поддержки принятия решений при первичной диагностике;

- алгоритм выбора рационального плана лечения;

- программная реализация информационной системы поддержки принятия решений при первичной диагностике и назначение рационального плана лечения.

Достоверность и обоснованность результатов. Обоснованность и адекватность разработанных моделей и алгоритмов обеспечивается корректным использованием математических методов и подтверждается результатами тестирования на реальных данных при практической реализации в двух городских поликлиниках г. Астрахани и Астраханской государственной медицинской академии, а также оценкой точности диагностирования заболеваний и составления плана лечения по результатам репрезентативной выборки и сопоставления числа врачебных и алгоритмических ошибок.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научных конференциях: «Стандартизация информационных технологий и интеропе-рабельность СИТОП-2009» (Москва, 2009), «Информационные технологии будущего и современное электронное обучение Modern IT &(Е-) Learning» (Астрахань, 2009).

Публикации. Основные положения и результаты работы отражены в 8 опубликованных научных работах, 4 из которых - в веду-

щих рецензируемых журналах и изданиях, рекомендованных ВАК РФ для опубликования основных научных результатов диссертации. Зарегистрирован один программный продукт в реестре программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из четырех глав, заключения, библиографического списка из 106 источников, приложений. Работа изложена на 151 странице машинописного текста, содержит 15 таблиц и 40 рисунков.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, определены цель и задачи работы, методы решения сформулированных задач, отмечены основные результаты исследования, выносимые на защиту, определена их научная новизна, теоретическая и практическая значимость.

Первая глава посвящена изучению и анализу медицинских информационных систем (МИС), используемых медицинскими учреждениями в настоящее время.

Повышение качества оказания медицинской помощи возможно лишь за счет наиболее эффективного использования медицинских знаний и систем поддержки принятия решения при диагностировании и выборе рационального плана лечения.

Однако проведенный анализ показал, что на современном рынке медицинских информационных систем (МедОфис, Промед, Пациент, Медиалог, АИС «Поликлиника», АИС «Стационар», Ристар, Авиценна, Парацельс-А, Эверест и др.), используемых медицинскими учреждениями, 80 % занимают системы управления процессом медпомощи и решения по разработке интернет-порталов медицинских учреждений, 12 % - системы, обеспечивающие сбор, консолидацию, хранение данных для обмена медицинской информацией между отделениями, учреждениями, регионами по созданию регистров и распространению основной нормативно-справочной информации для медицинской статистики и анализа заболеваемости.

В то же время практически не представлены интеллектуальные системы поддержки принятия решений - их доля по оценке специалистов С№\узАпа1уис8 составляет около 6 %. Более того, имеющиеся интеллектуальные системы, как правило, являются узкоспециализированными, предназначенными для решения только одной задачи в отдельно взятом медучреждении.

Удовлетворенность пациентов обслуживанием в поликлиниках определяется целым комплексом факторов, включающих незамедлительное обслуживание в неотложных ситуациях и разумное время

ожидания в других случаях, доступность узкопрофильных специалистов, сокращение ошибок при диагностике и назначении рационального плана лечения. Вышеперечисленные факторы обусловливают высокую наукоемкость задачи построения интеллектуальных медицинских систем, для решения которой требуется разработка моделей построения медицинской базы знаний, а также алгоритмов поддержки принятия решений для управления процессами обслуживания пациентов.

На основании проведенного анализа сформулированы цель и задачи диссертации.

Вторая глава посвящена анализу и разработке модели параллельно-последовательной системы обслуживания пациентов, выбору математического аппарата для построения моделей и алгоритмов системы поддержки принятия решений при управлении процессами диагностирования и лечения пациентов, основанных на оценке совокупности характеристик исследуемых объектов и их ранжировании по диагностической и прогностической значимости.

В результате анализа процессов диагностирования, прогнозирования и лечения как составляющих элементов процесса обслуживания пациентов в медицинском учреждении наряду с задачами повышения эффективности процесса принятия решений при первичной диагностике и выборе рационального плана лечения (снижения количества ошибок и непродуктивных затрат, связанных с избыточностью обследования) сформулирована также задача управления структурой медицинского учреждения для повышения эффективности процесса обслуживания в целом (снижения времени ожидания пациентов в очереди и времени обслуживания).

При решении задачи формирования рациональной структуры медицинского учреждения врачебные и лабораторные кабинеты рассматриваются в качестве обслуживающих устройств в параллельно-последовательной системе массового обслуживания пациентов (СМО), состоящей из первичного потока пациентов, а также вторичного и последующего потока больных. При этом обращение пациента (заявка в СМО) обладает некоторым весом, а обслуживающее устройство (узел СМО) обладает некой производительностью. Заявка тогда считается обслуженной, если узел СМО произведет работу по удовлетворению данной заявки.

С использованием аппарата преобразований Лапласа проведен анализ параллельно-последовательной системы обслуживания в медицинском учреждении. При этом формирование вторичного и последующих потоков пациентов и его статистические характеристики

определяются на основе теоремы Гнеденко о редеющих потоках с учетом изменения масштаба времени при разрежении потока пациентов.

Систему обслуживания пациентов в медицинском учреждении (рисунок 1) в общем случае можно представить как двухфазную систему с кластеризацией (разделением) и разрежением входного потока, где вторая фаза есть узел, описываемый как параллельно-последовательная СМО с М = N + К с обслуживающими устройствами.

Рисунок 1 - Представление процесса обслуживания пациентов моделью двухфазной СМО

В представленной модели кластеризация входного потока является следствием того, что распределение заявок по обслуживающим устройствам происходит в соответствии с заболеваемостью, которая является дискретной случайной величиной, изменяющейся в зависимости от времени года и региона. Таким образом, зависимость между интенсивностью первичного потока пациентов и интенсивностью потока, следующего к специалисту /-го профиля, определяется выражением

МО = IX-(0 .

¡=1

N

где Х[и) = Х(Г)р1 и =1 .

1=1

Возникновение вторичного и последующего потоков является следствием необходимости повторных приемов, количество которых также является дискретной случайной величиной и зависит от первичного диагноза и выбора метода лечения, учитывающего особенности пациентов. Интенсивность вторичного потока пациентов, которые следуют к специалисту /-го профиля, определяется выражением

М0 = £ ЕдьЛС),

к=1т=\

где Ркт ~ количество вторичных посещений, необходимых для полного излечения пациента с заболеванием к при выборе метода лечения т.

Соответственно, интенсивность разреженного потока, поступающего на второй узел модели СМО:

Х(0 = МО -ЕМО-

/=1

Учитывая, что интенсивность к первичного потока равна ИТ,

п

интенсивность разреженного потока к специалисту /-профиля равна \!Тср,, интенсивность ц,- потока обслуживании специалистом /-профиля равна 1 /Т(, среднее число пациентов, обслуживаемых специалистом /-профиля в единицу времени (пропускная способность):

А _

где X., - интенсивность вторичного потока к специалисту /-го профиля; - интенсивность потока обслуживании специалистом /-го профиля.

Тогда основные соотношения для управления качественной и количественной структурой медицинского учреждения с целью повышения эффективности процесса обслуживания пациентов определяются выражениями:

Т

Т

С-Р,

А Л

А: = -

I Я

1

к=\т=\

Ё Ли

к=1т=\

\ '

Т,р,

Ь 5

X Рк„

к=\т=\

+ Т

где Т - средний интервал обращения пациентов в регистратуру; 7} -среднее время обслуживания пациентов /-м профильным специали-

стом; Тс р. - среднее время между пациентами первичного потока,

направляющимися в специализированные кабинеты, которое определяется на основе теоремы Гнеденко для редеющих потоков.

Полученные соотношения могут быть использованы для изменения структуры лечебного учреждения в соответствии с заданными параметрами эффективности процесса обслуживания пациентов. Преимуществом разработанной модели является то, что в отличие от известных моделей СМО она учитывает кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков пациентов, необходимых для полного излечения больного, что позволяет эффективно управлять работой медицинского учреждения, изменяя его структуру с учетом региона и времени года, определяющих заболеваемость, а также потребности в специалистах необходимого профиля.

При этом ожидаемым результатом от применения разработанной модели является:

- экономия финансовых средств лечебно-профилактических учреждений от эффективного использования собственных ресурсов (время врачебного персонала);

- сокращение непродуктивных затрат времени у врачей;

- увеличение эффекта от проведенных лечебно-профилактических мероприятий за счет сокращения времени на ожидание пациентом медицинской помощи.

Для решения задачи первичной диагностики и достоверного распознавания болезни в кратчайшее время при минимальном объеме врачебных исследований и учете минимального числа решающих симптомов в алгоритме дифференциальной диагностики предложено использовать модель ранговой корреляции. Для проверки гипотез о связях между достоверностью провоцирующих факторов в модели заболевания был использован коэффициент корреляции Кендалла, достоинством которого являются его независимость от характера распределения коррелирующих признаков, большая информативность и простота расчета. Для этого в базе знаний каждому провоцирующему фактору присваивается определенный номер, называемый рангом и соответствующий степени достоверности (важности) данного провоцирующего фактора в модели заболевания. Корреляционная связь между провоцирующими факторами заболевания и жалобами пациента определяется на основании статистических данных (анкетных обследований и частоты жалоб пациентов).

В таблице 1 приведены ранжированные по степени достоверности (вторая строка) провоцирующие факторы бронхиальной астмы: одышка, раздутие крыльев носа при вдохе, прерывистая речь, возбуждение, включение вспомогательной дыхательной мускулатуры, положение ортопноэ, постоянный или прерывающийся кашель, сухие хрипы, физическая нагрузка, пребывание на холодном, влажном воздухе.

Таблица 1 - Корреляция провоцирующих факторов и жалоб пациентов

Наименование Симптомы (ранжированные)

Достоверность провоцирующего фактора X 1 2 3 4 5 6 7 8 9 10

Частота жалоб пациентов У 1 2 4 5 3 10 8 6 9 7

Число инверсий К 0 0 1 1 0 4 1 0 0 0

В этой же таблице приведены частоты жалоб пациентов при установлении диагноза «бронхиальная астма» (третья строка). Коэффициент ранговой корреляции Кендалла находится по формуле

1 4К г = 1--,

п(п -1)

где К - общее число инверсий (статистика Кендалла); п - общее число симптомов.

Критерием для отбора «достаточно сильных» корреляций может быть значение коэффициента корреляции (от 0,7 до 1) или относительная величина этого коэффициента, определяемая по уровню статистической значимости (от 0,01 до 0,1), зависящему от размера выборки, что является более корректным в малых выборках.

Таким образом, применение корреляции по Кендаллу позволит провести количественную оценку связи между симптомами, которые излагаются врачу пациентом и изменяемыми признаками заболевания для достоверного распознавания болезни.

Третья глава посвящена разработке методики построения базы медицинских знаний, моделей и алгоритмов обработки медицинской информации и управления процессами принятия решений для диагностики и выбора плана лечения заболеваний.

Предложена методика формирования и использования базы медицинских знаний в виде следующих этапов:

1) составление перечня признаков, используемых в алгоритме диагностики и назначения плана лечения, их описание, обеспечение достаточности;

2) оценка информативности признаков;

3) выбор клинических, социальных, психологических показателей диагностики или прогноза;

4) разработка алгоритмов интеллектуальной поддержки принятия решения в процессах диагностирования и составления плана лечения;

5) оценка эффективности применения разработанных методов и алгоритмов.

Процессы диагностики и планирования лечения во многом зависят от фундаментальных научных представлений о механизмах развития болезней и опираются на ряд признаков, указывающих на наличие соответствующего заболевания. Известные подходы к алгоритмическому диагностированию заболеваний отталкиваются только от наличия у пациента симптомов заболевания, но не учитывают причину болезни (социальные, психологические показатели, способствующие возникновению заболевания). При этом учет причин заболевания является крайне важным аспектом при постановке диагноза и планировании лечения, особенно в части патологии. Поэтому в диссертационном исследовании традиционно используемый набор показателей был дополнен социальными и психологическими показателями. В качестве социальных показателей за основу брались такие признаки, как пол, возраст, профессиональный род деятельности, склонность к вредным привычкам (курение, употребление алкогольных напитков и т.п.), место проживания и т.д. Примеры психологических показателей - нарушение настроения, депрессия, бессвязная речь, холодная, отвлеченная манера в эмоциональном плане и т.п.

Таким образом, постановка первичного диагноза требует установления связи между тремя составляющими: причина, болезнь, симптомы. Для упрощения терминологии в дальнейшем под симптомами и причинами заболевания будем подразумевать провоцирующие факторы заболевания.

Задачу диагностики можно сформулировать как определение вероятности некоторого состояния при условии наличия некоторого набора провоцирующих факторов - .../"д. Для оценки степени зависимости между провоцирующими факторами и заболеваниями, а также учета ряда дополнительных признаков, определяющих течение болезни и назначение плана лечения, были определены модели, содержащие семантические связи, изображенные на рисунке 2.

Оценка информативности признаков осуществлялась с привлечением экспертов и вычислений, основанных на корреляции Кен-далла.

а) 5)

Рисунок 2 - Мифологическая модель базы медицинских знаний: а - постановка первичного диагноза; б - назначение рационального плана лечения

Вероятность наличия заболевания

Р(0)=^--,

/=1

где - вероятность наличия заболевания О при наличии про-

воцирующего фактора ^.

Коэффициент К, принимает значение 1 или 0 в зависимости от наличия или отсутствия провоцирующего фактора.

Для постановки диагноза конкретного пациента и назначения ему плана лечения с учётом информации, хранящейся в базе знаний, основных и сопутствующих заболеваний пациента разработаны алгоритмы интеллектуальной системы поддержки принятия решений.

Алгоритм интеллектуальной поддержки принятия решений при первичной диагностике на основании анализа жалоб пациента обеспечивает итерационный процесс анализа и принятия решения при диагностировании заболеваний и производит формирование ранжированного списка возможных диагнозов и планов лечения. Он включает в себя следующие этапы:

1) формирование предварительного списка возможных заболеваний пациента исходя из пересечения множеств провоцирующих факторов пациента и заболеваний, содержащихся в разработанной базе знаний;

2) вычисление коэффициентов ранговой корреляции Кендалла для каждого заболевания и соответствующих им оценок;

3) ранжирование списка диагнозов в порядке убывания полученных оценок;

4) если оценки рангов для некоторых вариантов совпадают, врач может согласиться с одним из предложенных системой вариантов и перейти к этапу 5 или провести дополнительное обследование, расширяя тем самым множество провоцирующих факторов пациента, и перейти к следующей итерации (этапу 1), в противном случае переходим к этапу 5;

5) закрепление диагноза за пациентом с наибольшим рангом.

В результате использования данного алгоритма процедура анализа врачом-специалистом возможных вариантов существенно ускоряется, что позволяет повысить эффективность процесса обслуживания пациента и снизить количество ошибок при первичной диагностике, а также сэкономить средства на повторные лабораторно-диагностические исследования.

Выработка плана лечебных мероприятий представляет собой процесс, основанный на анализе выбранного метода и оценке вероятных последствий ее применения.

Алгоритм подбора рационального плана лечения пациента позволяет по каждому плану лечения из альтернативного множества, соответствующего поставленному диагнозу, подобрать список рекомендованных препаратов и необходимых медицинских процедур (мероприятий) и включает в себя следующие основные этапы:

1) для поставленного основного заболевания из разработанной базы знаний составляется список возможных альтернативных препаратов и необходимых медицинских процедур (мероприятий), ранжированных по эффективности действия, срокам приема (продолжительности) и стоимости;

2) проверяется, имеются ли сопутствующие заболевания. Если имеются, то выбирается первое сопутствующее заболевание. Если нет, то переходим к следующей итерации (этапу 5);

3) проверяется возможность использования препаратов, медицинских процедур (мероприятий) из первоначального списка при наличии рассматриваемого сопутствующего заболевания. Препараты, медицинские процедуры (мероприятия), которые не рекомендуется принимать, для выбранного сопутствующего заболевания из списка исключаются;

4) проверяется, все ли сопутствующие заболевания учтены, если да, то переходим к этапу 5, если нет, то выбирается следующее сопутствующее заболевание и возвращаемся к этапу 3;

5) окончательный список рекомендованных препаратов, медицинских процедур (мероприятий) анализируется и выводится в качестве окончательного списка.

После выполнения описанных этапов одно из сопутствующих заболеваний принимается в качестве основного и алгоритм повторяется. Аналогичные действия применяются и для остальных сопутствующих заболеваний пациента. В итоге для каждого заболевания формируются списки рекомендуемых препаратов, медицинских процедур (мероприятий). Далее определяется пересечение множеств полученных списков и формируется ранжированное объединенное множество препаратов и медицинских процедур таким образом, чтобы элементы, попавшие в множество пересечений оказались в начале списка. Благодаря применению описанного алгоритма в начале списка окажутся препараты и мероприятия, которые позволят лечить все имеющиеся у пациента заболевания и обеспечивают оптимальный выбор для пациента, а в конце - предназначенные только для лечения отдельных заболеваний.

Информация о выбранных препаратах и плане лечения сохраняется в таблице назначений пациента.

Данный алгоритм позволяет рационально использовать средства на проведение мероприятий по предупреждению и профилактике заболеваемости населения, а также с учетом предлагаемых альтернатив по назначению медицинских препаратов экономить средства самого пациента и сократить число назначаемых препаратов и процедур при наличии нескольких заболеваний.

Оценка точности диагностирования заболеваний и составления плана лечения была проведена по результатам репрезентативной выборки и сопоставления числа врачебных и алгоритмических ошибок. Для сравнения эффективности тестов использовалось соотношение

где N - число правильных ответов; N - число ошибок; - общее число случаев. Данное соотношение было рассчитано при тестировании системы для двух вариантов. В первом варианте из базы знаний были исключены социальные признаки и учитывались только симптомы заболевания. Для второго варианта рассматривались все провоцирующие факторы заболевания. Тестирование проводилось на данных 177 пациентов в течение 10 рабочих дней. Сравнение эффективности вариантов показало, что точность диагностирования во втором случае увеличивается на 13 %. Таким образом, применение раз-

работанных алгоритмов с учетом семантических связей между заболеваниями и их причинами (социальными факторами) позволило повысить степень надежности использования системы и обеспечить более точную диагностику.

В четвёртой главе разработана структура и информационное обеспечение информационной системы «Медик». Структурная схема и информационные связи между отдельными компонентами представлены на рисунке 3.

Рисунок 3 - Структурная схема информационной системы «Медик»

Менеджер импорта данных отвечает за получение информации из других источников информации, в качестве которых могут использоваться единые классификаторы и документы, дополняющие электронную карточку пациента.

Подсистема ввода и редактирования нормативно-справочных данных служит для диалогового добавления и редактирования услов-

но постоянной информации, необходимой для функционирования остальных модулей информационной системы.

Подсистема «Регистратура» позволяет ввести анкетные данные пациентов и распределить обратившихся пациентов между профильными специалистами, что повышает эффективность управления потоками пациентов.

Подсистема «Электронной карточки пациента» предназначена для ведения электронных историй болезни. Электронная медицинская запись играет активную роль в процессе принятия решений подсистемами постановки первичного диагноза и составления плана лечения, предоставляя для них необходимую информацию и используя рекомендации данных подсистем.

Подсистема диагностирования заболеваний позволяет выдавать рекомендации при постановке первичного диагноза на основании анализа жалоб пациента и имеющейся в базе медицинских знаний информации с помощью модели ранговой корреляции, описанной во второй главе и алгоритмов диагностирования, приведенных в третьей главе.

Подсистема составления плана лечения на основании установленного диагноза подбирает варианты курсов лечения, один из которых может быть выбран врачом. В подсистеме учитываются противопоказания пациентов и формируются списки рекомендованных препаратов и методов лечения.

Программный менеджер моделей позволяет добавлять новые и корректировать существующие модели заболеваний и планов лечения, выполнять основные настройки функционирования системы.

Подсистема составления отчетов позволяет создавать различные отчеты по хранящейся в базе данных информации и выводить их на печать.

Вся исходная информация, необходимая для выполнения модулями системы их функций хранится в базе данных. Правила принятия решений, необходимые для работы подсистем диагностирования заболеваний и составления плана лечения, хранятся в базе знаний, которая может редактироваться с помощью программного менеджера моделей.

ИС «Медик» создана на основе разработанных моделей и алгоритмов. Система разработана в среде VisualStudio 2010 с использованием технологии клиент-сервер, база данных реализована на платформе SQLServer 2005, отличающейся высокой надежностью и отказоустойчивостью обработки данных. Программный продукт функционирует под управлением всей линейки операционных систем Windows.

Программный продукт прошел апробацию в медицинских учреждениях города Астрахани и образовательном учреждении медицинского профиля и принят к опытной эксплуатации. В апробации системы были задействованы со стороны персонала ведущие врачи данных лечебных учреждений, что составляет 37 % от общего числа терапевтов, работающих в городских поликлиниках, а также 86 % пациентов, что свидетельствует о репрезентативности выборки.

В результате испытаний установлено совпадение диагнозов, предложенных системой на основе совокупности клинических проявлений, а также провоцирующих факторов при первичном осмотре и окончательных диагнозов, поставленных лечащими врачами после проведения дополнительного обследования примерно в 73 % случаев. Причем окончательные диагнозы присутствовали в изначальном перечне, предложенном системой в 91 % случаев. Кроме того, использование ИС привело к сокращению времени обслуживания одного пациента в среднем на 3-7 минут (15-17 %) по сравнению с традиционной технологией.

Проведенный опрос среди врачей с разным стажем работы показал, что более чем в 73 % случаев врачи отмечали повышение эффективности процесса обслуживания пациентов при использовании ИС «Медик» на различных стадиях принятия решений. При этом врачи с опытом работы меньше трех лет отметили повышение эффективности процесса обслуживания в 93 % случаев из 100.

Сравнительный анализ мнений пациентов (за основу брались пациенты с высокой посещаемостью — возрастная группа «старше 45 лет») и врачей по показателям эффективности (рисунок 4) показал, что для врачей важнее технические характеристики, такие как наличие современного оборудования (17,25 % опрошенных врачей), программных продуктов (11,5 %) и т.п., для пациентов же существеннее социальные аспекты, такие как время обслуживания (13,5 % опрошенных пациентов), продолжительность ожидания в очереди (11,5%), снижение количества посещений до полного излечения (10,5 %) и т.п. В то же время и врачи, и пациенты сходятся во мнении о приоритете показателей, связанных с квалификацией специалистов (для врачей - 17,75 %, для пациентов - 20,5 %) и устранением ошибок, как при диагностике, так и при планировании лечения (для врачей — 17,25 %, для пациентов - 19 %).

Кроме того, проводился анализ использования разработанной информационной системы в учебном процессе на кафедре госпитальной терапии с курсом функциональной диагностики Астраханской го-

сударственной медицинской академии (ГБОУ ВПО АГМА), который показал, что успеваемость учащихся в группах, где на семинарских занятиях использовалась разработанная информационная система «Медик», повысилось в среднем на 17 % по сравнению с успеваемостью учащихся, где занятия проводились по традиционной схеме обучения.

ш мнение врачей ш мнение пациентов

П1 П2 ПЗ П4 Л5 Пб П7 П8

П1 - снижение количества ошибок при диагностике и планировании лечения

П2 — уменьшение избыточного обследования

ПЗ - снижение времени обслуживания П4 - снижение времени ожидания в очереди

П5 - оснащенность современным оборудованием

П6 - наличие квалифицированных специалистов П7 - снижение количества посещений до полного излечения П8 - наличие программных комплексов, обеспечивающих информационную поддержку процесса обслуживания

Рисунок 4 - Сравнение важности показателей по мнению врачей и пациентов

В заключении сформулированы основные полученные результаты.

В приложениях приведены свидетельство о государственной регистрации программы для ЭВМ, акты о внедрении результатов научной работы, также представлены результаты анализа репрезентативной выборки.

ОСНОВНЫЕ РЕУЛЬТАТЫ РАБОТЫ

1 Проведен анализ предметной области, который позволил определить особенности и недостатки процессов управления обслуживанием пациентов в медицинском учреждении. В результате анализа установлено, что используемые современные информационные системы и известные методы управления решениями в области медицины ориентированы в основном на узкоспециализированные задачи, неприменимы на ранних этапах диагностирования и не учитывают вторичные и последующие потоки пациентов.

2 Разработана модель параллельно-последовательной системы массового обслуживания (СМО) и проведен ее анализ. Модель в отличие от известных учитывает кластеризацию первичного потока па-

циентов, а также возникновение вторичного и последующих потоков пациентов, что позволяет эффективно управлять работой медицинского учреждения, изменяя его структуру с учетом региона и времени года, определяющих заболеваемость, а также потребности в специалистах необходимого профиля.

3 Разработаны модели диагностирования заболеваний и методов лечения, которые в отличие от известных учитывают провоцирующие факторы (социальные, психические признаки) и общие принципы лечения заболеваний разного профиля, что позволяет повысить эффективность процесса принятия решений при первичной диагностике и выборе рационального плана лечения.

4 Разработаны алгоритмы и программное обеспечение системы интеллектуальной поддержки процессов диагностики и лечения пациентов. Алгоритм интеллектуальной поддержки принятия решения в процессе первичной диагностики позволяет устанавливать диагноз с помощью базы знаний, содержащей экспертные оценки, и обеспечивает независимость от характера распределения коррелирующих признаков. Алгоритм выбора рационального плана лечения основан на последовательном уточнении выбора лечебных мероприятий (медицинские препараты, процедуры и т.п.), рекомендуемых экспертной системой с учетом сопутствующих заболеваний. Программное обеспечение реализует разработанные модели и алгоритмы, предлагая специалисту набор рекомендаций, основанных на накопленной в базе знаний информации.

5 Проведены экспериментальные исследования эффективности предложенных интеллектуальных моделей и алгоритмов поддержки принятия решений путем применения разработанной системы в двух городских поликлиниках г. Астрахани и Астраханской государственной медицинской академии, даны оценки точности диагностирования заболеваний и составления плана лечения по результатам репрезентативной выборки и сопоставления числа врачебных и алгоритмических ошибок.

ОСНОВНЫЕ ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ Публикации в изданиях, рекомендуемых ВАК РФ

1 Храмкова, М. А. Особенности построения медицинских экспертных систем/ М. А. Храмкова // Естественные и технические науки. -2009. - № 6. - С. 498-501. - ISSN 1684-2626.

2 Храмкова, М. А. Особенности строения алгоритма формализации симптомов для дальнейшей диагностики / М. А. Храмкова // Естественные и технические науки. - 2010. - № 2. - С. 396-399. - ISSN 1684-2626.

3 Храмкова, М. А. Методика первичной обработки данных и формирования моделей для решения задач диагностики, прогнозирования и выбора тактики лечения заболеваний / М. А. Храмкова // Естественные и технические науки. - 2010. - № 6. - С. 484-487. - ISSN 1684-2626.

4 Храмкова, М. А. Математическая модель многофазного бизнес-процесса обслуживания пациентов в медицинском учреждении / М. А. Храмкова // Прикаспийский журнал: управление и высокие технологии. - 2011. - № 2 (14). - С. 12-19. - ISSN 2074-1707.

Публикации в других изданиях

5 Khramkova, М. Methods and approaches building medical expert systems ApplicationstoM-tourismandM-Iearning / M. Khramkova // Материалы международной научной конференции «Электронная культура. Информационные технологии будущего и современное электронное обучение Modern IT & (Е-) Learning» (6-8 октября 2009 г.). - Астрахань, 2009. -С. 173-177.

6 Храмкова, М. А. Применение прикладных информационных аспектов в медицине / М. А. Храмкова // Материалы третьей международной конференции «Стандартизация информационных технологий и интеропе-рабелыюсть SITOP» (27 октября 2009 г.). - М„ 2009.

7 Храмкова, М. А. Информационная система стоматологического кабинета / М. А. Храмкова // Прикаспийский журнал: управление и высокие технологии. - 2008. -№ 3(3). - С. 15-18. - ISSN 2074-1707.

8 Храмкова, М. А. Информационные технологии в медицине / М. А. Храмкова // Прикаспийский журнал: управление и высокие технологии. - 2009. - № 2(6). - С. 1 7-20. - ISSN 2074-1707.

Свидетельство о государственной регистрации программы для ЭВМ

9 Свидетельство об официальной регистрации программ для ЭВМ № 2012617241 «Информационная система «Медик» / Ветрова А. А, Храмкова М. А. - Зарегистрировано в реестре программ для ЭВМ Федеральной службы по интеллектуальной собственности, патентам и товарным знакам РФ 10.08.2012 г.

Научное издание

ХРАМКОВА Мария Александровна

Модели и алгоритмы управления процессами обслуживания пациентов медицинского учреждения

Специальность 05.13.10-Управление в социальных и экономических системах

Редактор В. В. Чувашова Технический редактор Н. В. Иванова Компьютерная верстка Н. В. Ивановой

Распоряжение № 1(39)-2014 от 21.01.2014.

Подписано в печать 23.01.2014. Формат 60x841/16. Усл. печ. л. 1,16. Заказ № 008396. Тираж 100.

Издательство ПГУ. 440026, Пенза, Красная, 40. Тел./факс: (8412) 56-47-33; e-mail: iic@pnzgu.ru

04201456785

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ «АСТРАХАНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

На правах рукописи ХРАМКОВА МАРИЯ АЛЕКСАНДРОВНА

МОДЕЛИ И АЛГОРИТМЫ УПРАВЛЕНИЯ ПРОЦЕССАМИ ОБСЛУЖИВАНИЯ ПАЦИЕНТОВ МЕДИЦИНСКОГО УЧРЕЖДЕНИЯ

Специальность 05.13.10 Управление в социальных и экономических системах Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель: кандидат технических наук Ветрова Анжелика Амировна

Астрахань 2014

и К I

ОГЛАВЛЕНИЕ

Введение..................................................................................................................4

Глава 1. Информационные системы в медицине.........................................11

1.1. Преимущества внедрения медицинских информационных систем и меры по их совершенствованию......................................................................11

1.2. Уровни медицинских информационных систем....................................14

1.3. Классификация медицинских информационных систем......................15

1.4. Основные требования к медицинской информационной системе......22

1.4.1. Требования к функциональности..................................................22

1.4.2. Требования к интеграции...............................................................23

1.4.3. Требования к масштабированию...................................................25

1.5. Особенности построения интеллектуальных медицинских систем ...27

1.5.1. Медицинские знания и их отражение в интеллектуальных системах.....................................................................................................27

1.5.2. Классификация интеллектуальных медицинских систем..........32

1.5.3. Принципы построения медицинских интеллектуальных системЗЗ

1.6. Выводы по главе........................................................................................39

Глава 2. Математические модели интеллектуальной медицинской системы для управления процессами диагностирования, прогнозирования и выбора тактики лечения заболеваний.......................41

2.1. Модель ранговой корреляции в алгоритме дифференциальной диагностики......................................................................................................41

2.2. Математическая модель многофазной системы массового обслуживания с вторичными и последующими потоками..........................44

2.3. Выводы.......................................................................................................62

Глава 3. Методика первичной обработки данных и формирования базы знаний для системы принятия решений при диагностике, прогнозировании и выборе тактики лечения заболеваний.......................64

3.1. Проблемы диагностики заболеваний......................................................64

3.2. Диагностика заболеваний как технологический процесс.....................65

3.3. Алгоритмические принципы диагностики как способ минимизации

диагностических ошибок.................................................................................73

3.4. Построение базы знаний и информационной системы поддержки

принятия решений при диагностике, прогнозировании и выборе тактики

лечения заболеваний........................................................................................76

3.5. Выводы по главе........................................................................................91

Глава 4. Апробация системы поддержки принятия решений при управлении процессом обслуживания пациентов и анализ полученных результатов...........................................................................................................94

4.1 Общие сведения о системе........................................................................94

4.2 Концептуальная и даталогическая модель системы..............................95

4.3. Результаты тестирования системы поддержки принятия решений.. 100

4.3.1. Автоматизация процесса записи на прием к врачу...................104

4.3.2. Поддержка принятия решений при диагностировании............108

4.3.3.Поддержка принятия решений при назначении курса лечения 118

4.4. Выводы.....................................................................................................125

Заключение.........................................................................................................127

Список литературы диссертационного исследования..............................129

Приложение А....................................................................................................140

Свидетельство о регистрации программного продукта «Медик»..........140

Приложение Б....................................................................................................141

Результаты репрезентативной выборки......................................................141

Приложение В....................................................................................................148

Протоколы испытаний программного продукта «Медик»......................148

Введение

Рынок российских медицинских информационных систем переживает период бурного развития. Начало реализации приоритетного национального проекта "Здоровье" вызвало всплеск интереса к внедрению информационных технологий в отечественных ЛПУ, а правительство РФ выделило на информатизацию здравоохранения около 24 млрд рублей.

В статье Симакова О. В.1 определяются 4 этапа проекта информатизации здравоохранения:

2009-2010 гг. - Нулевой этап, на котором происходит разработка системного проекта и концепции развития информатизации в здравоохранении.

2011 - 2012 гг. - Внедрение электронной медицинской карты, удаленной записи к врачу и ряда других решений.

2012-2015 гг. - Наполнение электронной медицинской карты. Полноценное владение технологией сбора информации с рабочих мест каждого лечебного учреждения, паспортами лечебных учреждений, их ведение, эксплуатация регистра медицинского персонала.

2015-2020 гг. - Полноценная работа всех медицинских учреждений в автоматизированном режиме.

Реализация данного проекта даст возможность лучше контролировать использование бюджетных средств, эффективнее расходовать ресурсы, в том числе финансовые, повысить рентабельность работы медицинских учреждений. В поликлиниках регистратура перестанет быть «узким местом», сдерживающим поток граждан, сокращаются непродуктивные затраты

11ЖЬ: http://www■medlinks■ru/article■php?sid=42514

времени у врачей - а, значит, поликлиники могут обслужить больше граждан. В стационарах автоматизация помимо повышения качества обслуживания позволит улучшить планирование загрузки оборудования, усилить контроль за использованием фондов, бороться со злоупотреблениями и нецелевым использованием средств2.

В статье Чечеткина Н.3 выделяют следующие преимущества внедрения ИКТ в медицине: Для работников медицинских учреждений:

- создание автоматизированных рабочих мест (АРМ) врачей-специалистов, среднего медицинского персонала, научных сотрудников, приемного отделения, лаборатории, диагностических кабинетов, аптеки;

- создание единой информационной сети, в которую включены АРМ приемного отделения, АРМ старшей сестры, АРМ медсестер, АРМ врачей и научных сотрудников с подключением диагностического и другого медицинского оборудования;

- организация информационного взаимодействия внутри учреждения;

- оптимизация и контроль использования медикаментов и материалов;

- автоматизация учета лекарственных средств;

- исключение случаев утери медицинской информации;

- увеличение пропускной способности ЛПУ за счет управления потоками пациентов за счёт;

- уменьшения времени на заполнение различной документации. Для посетителей и пациентов медицинских учреждений:

- снижение количества очередей и посещений медицинских учреждений;

- объективная и всегда доступная информация об истории болезни;

- возможность быстрого и легкого планирования взаимоотношений с медицинским учреждением;

2 ит: http://www.tadviser.ru/index.php

3 ияь: http://www.webmedinfo.ru/article/avtomatizaciva-article

- быстрый доступ к справочной информации;

- современные методы диагностики и контроля состояния здоровья.

Для государства в целом:

- качественно новый уровень учёта оказанных медицинских услуг населению;

- снижение расходов на здравоохранение;

- автоматизация структур обязательного медицинского страхования;

- создание единой базы данных о здоровье населения.

Таким образом, основными направлениями применения ИКТ в медицине в настоящее время являются:

- ведение документооборота и финансово-бухгалтерской отчетности;

- использование в составе специализированного оборудования для хирургического лечения, наблюдения больного в предоперационный и послеоперационный периоды и т.п.;

- прогнозирование состояния организма, диагностирование заболеваний, отслеживание стадий развития рецидива, назначение необходимого курса лечения с помощью интеллектуальных систем принятия решений.

Третье направление является наиболее наукоемким, так как разработка подобных систем требует проведения отдельных исследований в каждой из областей медицинских знаний и, как результат, такие системы практически не представлены на рынке.

Следует учесть, что эффективность применения информационных технологий зависит не только от имеющихся ресурсов, но и от четко сформулированной реально достижимой цели, результаты которой оцениваются соответствующими показателями. Без этого информационная система оказывается неэффективной.

Следовательно, целью работы является повышение эффективности функционирования медицинского учреждения путем разработки моделей и

алгоритмов поддержки принятия решений при формировании штатной структуры медицинского учреждения из специалистов необходимого профиля, проведения процессов диагностики и выбора плана лечения. Для достижения поставленной цели необходимо решить следующие задачи:

- Провести анализ предметной области, определить особенности и недостатки процессов управления обслуживанием пациентов в медицинском учреждении;

- Разработать и провести анализ модели параллельно-последовательной системы массового обслуживания (СМО) для формирования штатной структуры медицинского учреждения из специалистов необходимого профиля;

- Разработать модели диагностирования заболеваний и методов лечения для повышения эффективности процесса принятия решений при первичной диагностике и выборе рационального плана лечения;

- Разработать алгоритмы и программное обеспечение системы интеллектуальной поддержки процессов диагностики и лечения пациентов;

- Провести экспериментальные исследования эффективности предложенных интеллектуальных алгоритмов поддержки принятия решений.

Объектом настоящего исследования является процесс обслуживания пациентов в медицинском учреждении амбулаторно-поликлинического профиля.

Предметом исследования являются модели и алгоритмы управления процессами обслуживания пациентов в медицинском учреждении при оказании амбулаторно-поликлинической помощи.

Методы исследования. В процессе работы использовались методы системного анализа, теории систем массового обслуживания, теории принятия решений, структурного анализа и проектирования систем, теории баз данных, экспертного оценивания, математического моделирования,

теории вероятностей и математической статистики.

Научная новизна:

- Модель параллельно-последовательной системы обслуживания, которая в отличие от известных учитывает кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков пациентов, что позволяет эффективно управлять работой медицинского учреждения изменяя его структуру с учетом региона и времени года, определяющих заболеваемость, а также потребности в специалистах необходимого профиля;

- Модели представления медицинских знаний в процессах первичной диагностики и выборе рационального плана лечения, которые в отличие от известных учитывают провоцирующие факторы (социальные, психические признаки) и общие принципы лечения заболеваний разного профиля;

- Алгоритм интеллектуальной поддержки принятия решения в процессе первичной диагностики, который в отличие от известных позволяет устанавливать первичный диагноз с помощью базы знаний, содержащей экспертные оценки, и обеспечивает независимость от характера распределения коррелирующих признаков;

- Алгоритм выбора рационального плана лечения, который в отличие от известных основан на последовательном уточнении выбора лечебных мероприятий (медицинские препараты, процедуры и т.п.) рекомендуемых экспертной системой с учетом сопутствующих заболеваний.

Теоретическая значимость работы заключается в следующем:

- разработана математическая модель, учитывающая кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков и позволяющая сформировать штатную структуру медицинского учреждения;

- разработаны алгоритмы поддержки приятия решений при первичной

диагностике и назначении рационального плана лечения, учитывающие провоцирующие факторы (социальные, психические признаки), общие принципы лечения и сопутствующие заболевания пациента, позволяющие повысить эффективность процесса обслуживания пациентов в медицинском учреждении.

Практическая значимость работы заключается в том, что разработанные модель и алгоритмы реализованы в виде информационного и программного обеспечения автоматизированной системы первичной диагностики и лечения, которое может быть использовано в лечебных учреждениях, а также в учебном процессе для обучения и проверки знаний студентов медицинского учебного заведения. На разработанный программный продукт получено свидетельство о государственной регистрации программы для ЭВМ № 2012617241 от 10.08.2012г.

На защиту выносятся:

- Модель параллельно-последовательной системы обслуживания пациентов, учитывающая кластеризацию первичного потока пациентов, а также возникновение вторичного и последующих потоков пациентов (до их полного излечения), характерных для процесса обслуживания пациентов в медицинском учреждении;

- Модели представления медицинских знаний в процессах первичной диагностики и выбора рационального плана лечения;

- Алгоритм интеллектуальной поддержки принятия решений при первичной диагностике;

- Алгоритм выбора рационального плана лечения;

- Программная реализация информационной системы поддержки принятия решений при первичной диагностике и назначение рационального плана лечения

Достоверность и обоснованность результатов. Обоснованность и адекватность разработанных моделей и алгоритмов обеспечивается корректным использованием математических методов, и подтверждается результатами тестирования на реальных данных при практической реализации в двух городских поликлиниках г. Астрахани и Астраханской государственной медицинской академии, а также оценкой точности диагностирования заболеваний и составления плана лечения по результатам репрезентативной выборки и сопоставления числа врачебных и алгоритмических ошибок.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: «Стандартизация информационных технологий и интероперабельность СИТОП-2009», «Информационные технологии будущего и современное электронное обучение Modern IT &(е-) Learning».

Глава 1. Информационные системы в медицине

1.1. Преимущества внедрения медицинских информационных систем

и меры по их совершенствованию

Широкая популярность, которую приобретает в последнее время информационные технологии, обусловлена тем, что именно на непосредственном уровне исполнения рождается прибавочная стоимость, производятся основные затраты предприятия и скрываются основные источники экономии, а также работают факторы и методы, которые определяют эффективность и рентабельность самого предприятия в целом.

Совсем недавно цифровые системы казались совершено далекой и туманной перспективой для лечебных учреждений России, но уже теперь они все активнее и активнее входят в повседневную практику. Однако ситуация сегодня начинает меняться. Появляются множество частных медицинских учреждений, заинтересованных в повышении собственной эффективности. Госучреждения в медицинской сфере должны предоставлять все больше и больше статистических данных: выполнить подобные требования в срок можно, используя лишь ИС. Поэтому Госпрограммы, как одно из средств повышения качества медицинского обслуживания, так или иначе, включают информатизацию здравоохранения.

Преимущества информационных систем очевидны: экономичность при ведении электронных историй болезни, большие возможности по обработке изображения, оперативность получения данных и неограниченное количество копий при использовании цифровых архивов и так далее.

Развитие информационных технологий и современных коммуникаций, появление в клиниках большого количества автоматизированных медицинских приборов, следящих систем и отдельных компьютеров привели к новому витку интереса и к значительному росту числа медицинских информационных систем (МИС) клиник, причем, как в крупных медицинских

центрах с большими потоками информации, так и в медицинских центрах средних размеров и даже в небольших клиниках или клинических отделениях.

В настоящее время в России довольно интенсивно развиваются локальные медицинские информационные системы и сети, широко применяются в практике медицины компьютеризированные истории болезни и системы клас