Система поддержки принятия врачебных решений (СППВР) () — медицинская информационная система, предназначенная для помощи врачам и иным медицинским специалистам в работе с задачами, связанными с принятием клинических решений (ПКР). Рабочее определение было предложено Робертом Хейвордом (Robert Hayward), сотрудником Центра доказательной медицины (Centre for Health Evidence): «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 СППВР в практику принадлежат к самым главным направлениям развития искусственного интеллекта в медицине.
Эффективность В отношении эффективности СППВР единое мнение отсутствует.
Систематический обзор 2014 г. не выявил пользы в отношении снижения риска смерти при использовании СППВР, объединённых с электронными медицинскими картами. Однако вероятно наличие некоторых преимуществ в отношении иных исходов.
Систематический обзор 2005 г. позволил заключить, что использование СППВР повысило эффективность работы практикующих врачей по данным 64 % исследований. Использование СППВР способствовало улучшению исходов пациентов в 13 % исследований.
СППВР, среди прочих, обладает одной функциональной характеристикой, бесспорно связанной с повышением качества работы практикующих врачей, это автоматические электронные подсказки вместо необходимости активации системы пользователем.
За период с 1973 года по 2004 год увеличилось количество и повысилось методологическое качество исследований СППВР.
В ещё одном систематическом обзоре 2005 г. было установлено, что «Системы поддержки принятия врачебных решений значимо улучшали качество клинической работы по данным 68 % исследований».
К свойствам СППВР, связанным с повышением эффективности, можно отнести следующие: интеграция СППВР в клинический рабочий процесс вместо отдельного входа в систему или использования отдельного экрана. электронная СППВР вместо шаблонов на бумажных носителях. обеспечение поддержки принятия решений со стороны СППВР на момент и в месте оказания медицинской помощи, а не до или после приёма пациента. СППВР предоставляют рекомендации по лечению, а не просто оценку ситуации.
Однако прочие систематические обзоры не столь оптимистичны в отношении СППВР; в одном из таких обзоров от 2011 г. говорится о следующем: «Существует большая разница между постулируемой и эмпирически установленной пользой [СППВР и прочих] электронных технологий в здравоохранении … их экономическую эффективность только предстоит оценить» .
В 2014 г. была опубликована пятилетняя оценка эффективности СППВР в рамках внедрения рациональной терапии бактериальных инфекций; согласно мнению авторов, эта работа стала первым долгосрочным исследованием СППВР .
Характеристики Для систем поддержки принятия врачебных решений имеется следующее определение: это «активные информационные системы, использующие два и более элемента из массива данных пациента для генерирования специфических рекомендаций»«Decision support systems .» 26 July 2005. 17 Feb. 2009 <http://www.openclinical.org/dss.html>.. Другими словами это означает, что системы поддержки принятия врачебных решений сфокусированы на управлении информацией с целью формирования клинических рекомендаций для лечения пациента на основе данных, имеющихся в отношении последнего.
Цель Главной целью современных СППВР является помощь врачам на месте оказания медицинской помощиBerner, Eta S., ed. Clinical Decision Support Systems. New York, NY: Springer, 2007.. Это означает, что врачи взаимодействуют с СППВР для получения поддержки в анализе информации и установлении диагноза на основании имеющихся данных в отношении пациента.
Ранее считалось, что СППВР должны продуцировать готовые клинические решения. Врач вводит информацию и ждёт, пока СППВР выдаст «правильный» вариант, вслед за чем он будет лишь следовать предложенному алгоритму. Однако современная методология применения СППВР в качестве вспомогательного средства предполагает, что врач взаимодействует с СППВР, используя как собственные знания, так и информацию, содержащуюся в системе, что позволяет более адекватно анализировать данные, имеющиеся в отношении пациента, в сравнении с изолированным анализом со стороны человека и СППВР. В типичной ситуации СППВР выдаёт врачу возможные варианты для ознакомления, из которых тот выбирает наиболее подходящие, отбрасывая ошибочные предложения системы.
Существует две основных разновидности СППВР: «Знаниевые» СППВР, то есть основанные на научных знаниях; «Незнаниевые», то есть основанные не на выводах из научных исследований, а, например, на результатах обработки собранных статистических данных математическими методами.
Каким образом врач может использовать систему поддержки принятия врачебных решений, может быть продемонстрировано на одном из подвидов СППВР — СППДР (система поддержки принятия диагностических решений).
СППДР запрашивает определённые данные о пациенте и в ответ предлагает перечень соответствующих диагнозов. Затем врач изучает предложенные СППДР результаты, определяет их значимость и при необходимости назначает дальнейшее обследование для сужения диагностического поиска.
Ещё одним примером СППВР служит система формирования рассуждений по прецедентам (ФРП). Система ФРП использует ретроспективные данные по отдельным клиническим случаям для оказания помощи в определении необходимого количества лучей и их оптимальных углов при проведении лучевой терапии у пациентов со злокачественными опухолями головного мозга, вслед за чем медицинские физики и онкологи изучают рекомендованный план лечения для оценки его пригодности.
СППВР также можно классифицировать по времени их использования. Врачи используют данные системы на месте оказания медицинской помощи для получения поддержки в рамках работы с пациентом, при этом конкретное время использования можно разделить на таковое до, во время и после диагностики. Преддиагностические СППВР применяются для предварительного определения диагнозов врачом.
СППВР, используемые в ходе диагностики, помогают в анализе и фильтрации предварительных вариантов диагноза с целью улучшения окончательных результатов диагностики. Постдиагностические системы используются для сбора данных с целью поиска связей между пациентами, их анамнезом и клиническими данными для прогнозирования будущих событий. Предполагается, что благодаря поддержке принятия решений в будущем врачи будут освобождены от рутинных задач.
Ещё одним подходом, который используется Национальной службой здравоохранения Великобритании, является применение СППДР (в прошлом управляемой пациентом, а сегодня — сотрудником колл-центра без медицинского образования) для сортировки больных в нерабочее время посредством предложения подходящего для пациента последующего действия (например, вызова скорой помощи или посещения врача общей практики на следующий рабочий день). Предложения (которые могут быть проигнорированы пациентом или работником колл-центра при противоречии здравому смыслу или соображениям осторожности) основываются на известной информации и предполагаемом наихудшем диагнозе (о котором не всегда сообщается пациенту, поскольку он может быть неверным и основанным не на мнении специалиста; такой диагноз используется лишь для первичной сортировки).
«Знаниевые» СППВР Большинство СППВР состоят из трёх частей — информационной базы, механизма логических выводов и механизма коммуникации. Информационная база содержит правила и связи данных мета анализа, которые наиболее часто принимают форму правил ЕСЛИ-ТО. Если это система определения лекарственных взаимодействий, правило может иметь следующий вид: ЕСЛИ назначен препарат «X» И назначен препарат «Y», ТО предупредить пользователя. При использовании иного интерфейса опытный пользователь может редактировать информационную базу для поддержания её актуальности с учётом появления новых лекарственных препаратов. Механизм логических выводов объединяет правила из информационной базы с данными пациента. Механизм коммуникации позволяет системе представить результаты пользователю и обеспечивает ввод данных в систему.
«Незнаниевые» СППВР СППВР, не использующие научные медицинские знания, эксплуатируют форму искусственного интеллекта, известную под названием «машинное обучение», которая позволяет компьютерным системам обучаться на основании полученного опыта и/или устанавливать закономерности в пределах массива клинических данных. Указанное устраняет необходимость написания правил и экспертного ввода. Однако, поскольку системы, основанные на «машинном обучении», не могут разъяснить причины генерирования ими тех или иных выводов (то есть они являются так называемыми «тёмными лошадками» — человек не может получить значимую информацию об их работе), большинство клиницистов не используют их непосредственно для постановки диагнозов по причине неуверенности в точности и достоверности результатов. Тем не менее, такие системы могут быть полезны для использования в постдиагностическом периоде, раскрывая перед врачами определённые закономерности для более глубокого анализа.
Выделяют три вида «незнаниевых»: машины опорных векторов, искусственные нейронные сети и генетические алгоритмы.
Искусственная нейронная сеть использует узлы и взвешенные связи между ними для анализа закономерностей в массиве данных пациентов с целью установления ассоциаций между симптомами и диагнозами. Генетические алгоритмы основаны на упрощённых эволюционных процессах с использованием направленного отбора для достижения оптимальных результатов работы СППВР. Алгоритмы отбора оценивают компоненты случайных наборов решений проблемы. Решения, попадающие наверх перечня, рекомбинируются и видоизменяются, после чего процесс повторяется. Это происходит вновь и вновь до тех пор, пока не обнаруживается нужное решение. Генетические алгоритмы функционально подобны нейронным сетям в том плане, что также являются «тёмными лошадками», которые пытаются извлечь информацию из массива данных пациентов. «Незнаниевые» сети зачастую сосредотачиваются на ограниченном наборе симптомов (например, на симптомах одного заболевания), в отличие от таковых, основанных на информации и позволяющих диагностировать различные заболевания.
Нормативно-правовая база США После принятия Американского закона об экономическом оздоровлении и повторных инвестициях (ARRA) в 2009 г. отмечается тенденция к широкому внедрению медицинских информационных технологий в рамках Закона о применении медицинских ИТ в экономической деятельности и клинической практике (HITECH). Благодаря этим инициативам, все больше больниц и клиник интегрируют электронные медицинские карты (ЭМК) и автоматизированные системы назначения лечения (АСНЛ) в системы обработки и хранения медицинской информации. Впоследствии Институт медицины (IOM) поддержал использование медицинских информационных технологий, в том числе систем поддержки принятия врачебных решений, для улучшения качества помощи пациентам. В 1999 году Институт медицины опубликовал отчет под названием «Человеку свойственно ошибаться», фокус которого был сосредоточен на кризисе безопасности пациентов в США в связи с чрезвычайно высокой смертностью.
Подобная статистика привлекла особое внимание к качеству помощи пациентам. После принятия закона HITECH в рамках ARRA, что способствовало внедрению ИТ в здравоохранении, другие, более специфические нормативные акты в отношении применения АСНЛ и ЭМК все ещё проходят регистрацию в Офисе национального координатора по медицинским информационным технологиям (ONC) и ожидают получения одобрения Министерства здравоохранения и социальных служб США.