Разработка новых методов и программных средств поддержки принятия решений в медицине на основе прецедентного подхода, онтологической модели предметной области, унифицированной модели лечебно- диагностического процесса и банка клинических данных» В.Л.Малых, зав. лаб., к.т.н. ИЦМИ ИПС им. А.К.Айламазяна РАН, 2014

«Разработка новых методов и программных средств поддержки принятия решений в медицине на основе прецедентного подхода, онтологической модели предметной области, унифицированной модели лечебно-диагностического процесса и банка клинических данных» Соглашение от Получатель субсидии – ИПС им. А.К.Айламазяна РАН Индустриальный партнёр – ООО «Интерин сервис» Объем средств субсидии млн. руб. 28, ; ,1; 2016 – 7,76. Объем привлекаемых внебюджетных средств млн. руб. 23, ,64; 2015 – 6,63; 2016 – 6,35. Докладчик: Малых В.Л., зав. лаб., отв. исполнитель.

Цель проекта Создание комплекса научно- технических решений в области разработки моделей и аналитических инструментов поддержки принятия врачебных решений для персональной медицины и контроля лекарственных назначений

Планируемые результаты Принципы формализации и извлечения знаний в предметной области «Персональная медицина» и «Лекарственные назначения» Онтологические модели предметных областей Процессная модель лечебно- диагностического процесса (ЛДП) из класса управляемых стохастических процессов с памятью

Планируемые результаты Алгоритмы интеллектуального извлечения данных в сфере медицинской и сопутствующей информации, основанные на применении методов машинного обучения и других областей искусственного интеллекта Алгоритмы диагностирования по паттернам (ситуации и картины течения болезни) Алгоритмы анализа критических ситуаций и выдачи рекомендаций по предупреждению и уменьшению риска критических ситуаций

Планируемые результаты Алгоритмы выявления скрытых закономерностей Алгоритмы логического вывода на основе многозначных логико- математических моделей с возможностью множественных интерпретаций

Планируемые результаты Рекомендации по использованию результатов проведенных ПНИ в реальном секторе экономики с учетом технологических возможностей ̆ индустриального партнера, а также в дальнейших исследованиях и разработках Проекта ТЗ на проведение ОКР по теме: «Разработка программного комплекса поддержки принятия решений в медицине на основе онтологического и прецедентного подходов, унифицированной модели лечебно-диагностического процесса и банка клинических данных»

Задачи Аналитический обзор Патентные исследования Отбор реальных де персонифицированных законченных случаев из базы данных МИС клинического учреждения для формирования банка клинических данных Нормализация данных

Задачи Выбор объектно-ориентированных моделей понятий, используемых для описания лабораторных анализов, лекарственных средств, результатов медицинской визуализации Выбор методов моделирования и анализа медицинских диагностических данных для реализации в ЭО ИС Разработка принципов формализации и извлечения знаний в предметной области «Персональная медицина» и «Лекарственные назначения»

Задачи Разработка процессной модели ЛДП из класса управляемых стохастических процессов с памятью, включая модель диагностических данных Разработка онтологических моделей предметной области Экспертиза онтологических моделей

Задачи Разработка математических моделей интеллектуального извлечения данных в сфере медицинской и сопутствующей информации Разработка многозначных логико- математических моделей с возможностью множественных интерпретаций

Задачи Разработка алгоритмов интеллектуального извлечения данных в сфере медицинской и сопутствующей информации Разработка алгоритмов диагностирования по паттернам (ситуации и картины течения болезни) Разработка алгоритмов анализа критических ситуаций и выдачи рекомендаций по предупреждению и уменьшению риска критических ситуаций

Задачи Разработка алгоритмов выявления многозначных логико-математических моделей скрытых закономерностей Разработка алгоритмов логического вывода на основе многозначных логико-математических моделей с возможностью множественных интерпретаций Программная реализация экспериментального образца информационной системы (ЭО ИС), реализующего алгоритмы поддержки принятия врачебных решений для персональной медицины и контроля лекарственных назначений

Задачи Разработка Программы и методика экспериментальных исследований ЭО ИС Разработка исследовательских стендов для проведения экспериментальных исследований ЭО ИС Проведение экспериментальных исследований ЭО ИС

Задачи Разработка рекомендаций по использованию результатов проведенных ПНИ в реальном секторе экономики с учетом технологических возможностей ̆ индустриального партнера, а также в дальнейших исследованиях и разработках Разработка проекта ТЗ на проведение ОКР

Работы, проведенные в отчетном периоде Был выполнен аналитический обзор Были выполнены патентные исследования Был выполнен отбор реальных де персонифицированных законченных случаев из базы данных МИС «Клиническая больница» Управления делами Президента Российской Федерации: законченных клинических случаев с 2579 различными, закодированными по МКБ10 основными диагнозами Отобранные данные были нормализованы

Работы, проведенные в отчетном периоде Были проведены маркетинговые исследования с целью изучения перспектив коммерциализации РИД Была сформулирована Концепция поддержки принятия решений в медицине на основе прецедентного подхода, онтологической модели предметной области, унифицированной модели лечебно-диагностического процесса и банка клинических данных Организация и сопровождение интернет-ресурса для популяризации исследований по теме проекта:

Достигнутые результаты и их соответствие ТЗ Все запланированные на I этап в ТЗ работы выполнены Осталось провести плановое мероприятие направленное на освещение и популяризацию промежуточных и окончательных результатов ПНИ Подготовлен доклад на 15th World Congress on Health and Biomedical Informatics - MEDINFO 2015

Особенности проблемы В ходе ведения лечебно-диагностического процесса врач преследует определенные цели, предпринимает активные лечебно-диагностические действия, влияющие на состояние пациента. Активные действия, направленные на достижение цели, принято называть управлением. «Неклассический» характер рассматриваемой задачи управления. Врач на каждом шаге ЛДП выбирает в качестве управления некоторое подмножество элементов ЛДП (диагностические исследования, лабораторные тесты, назначения лекарственных средств). Выбор осуществляется на основании накопленных медициной знаний о том, как надо лечить данное заболевание, на основании собственного опыта врача. Управление носит ярко выраженный прецедентный характер

Особенности проблемы Множество U можно считать заданным, но функция известна только лишь прецедентно, известна только для наблюдавшихся ранее ситуаций

Особенности проблемы Разработка динамической математической модели частной нозологии (класса заболеваний) трудна и довольно трудоемка. Решение – построение универсальной унифицированной модели ЛДП, основанной на прецедентном характере управления. Общее существует в неразрывной связи с единичным (Аристотель). Событиям ЛДП присущи не только уникальность и единичность, но и общность и повторяемость. Появление Больших электронных клинических данных – появление достаточного объема данных для применения прецедентного подхода.

Смена подхода к проблеме Два основных прикладных подхода к построению систем поддержки принятия решений: принятие решений по прецедентам и по моделям При модельном подходе, «как и при всяком обобщении, теряются некоторые особенности поведения системы в каждой конкретной точке пространства решений. При опоре же на прецедент, как показывает опыт, удается учесть эти локальные особенности, что часто позволяет получать более точные решения Именно прецедентный подход позволит создать в ближайшей перспективе эффективные и точные системы поддержки принятия врачебных решений.

Большие Данные в медицине – источник медицинских знаний В национальном масштабе 10^9 – 10^10 клинических случаев Число характеристик состояния человека 10^3 -10^4 В БД МИС Интерин 3*10^6 ЭМК 11*10^3 случаев первичной гипертензии в БД РКНПК. Около 40*10^3 записей в МКБ 10 Более 3*10^3 различных кодов диагнозов в отдельном клиническом учреждении Основные проблемы Больших Данных Представление данных Методы обработки данных

Предшественники Гельфанд И.М., Розенфельд Б.И., Шифрин М.А. Очерки о совместной работе математиков и врачей Назаренко Г.И., Осипов Г.С. Основы теории медицинских технологических процессов

Построение модели ЛДП Универсальность, независимость от нозологий. Равномерное темперирование процесса, его приведение к дискретному процессу с постоянным шагом по времени. Интегральные характеристики управления включаются в состояние объекта управления и «ослабляют» эффект памяти. Сборка состояния процесса. Генерализация характеристик состояния. Отказ от детерминизма, явное постулирование стохастического характера ЛДП. Человеческий организм, как систему, следует относить к сложным системам и, согласно классификации систем Р.Эшби, сложные системы и протекающие в них процессы должны иметь стохастическую природу.

Построение модели ЛДП 1. Дискретный процесс с переменным темпом наблюдения. - это ситуация на i-ом шаге процесса. 2. Управляемый процесс с памятью. Интегрирование управления для ослабления эффекта памяти – приблизиться к ситуации, когда управление есть функция текущего состояния. - это интегральная характеристика элемента управления на i-ом шаге процесса.

Построение модели ЛДП 3. На интегральных характеристиках естественно вводятся операции вычитания (дифференцирования) и сложения (интегрирования). - это перечень с интегральными характеристиками лечебно-диагностических мероприятий оказанных пациенту на i-1 шаге процесса – это управление на i-1 шаге. 4. Время – лечит. Время является управлением данным природой. - это время, прошедшее от начала процесса к i-му шагу процесса.

Генерализация состояния ЛДП 5. На множестве значений каждой характеристики в рамках данной нозологии можно ввести отношение эквивалентности, которое разобьет множество значений характеристики на классы эквивалентности. Возраст 33 года, 49 лет -> «Взрослый» Температура тела 38,5 град.С, 37,0 град.С -> «Повышенная» и Состояния A и B эквивалентны, если эквивалентны по j если

Генерализация ансамбля ЛДП 6. Введение отношения эквивалентности состояний, позволяет разбивать состояния, для рассматриваемого ансамбля ЛДП, на классы эквивалентности. Вместо множества отдельных, не связанных или слабо связанных, в общем случае, реализаций ЛДП, мы можем получить сеть связанных, разделяющих одни и те же эквивалентные состояния, реализаций! 7. Ансамбль реализаций ЛДП после кластеризации состояний начинает моделироваться случайным дискретным Марковским процессом.

Интерпретация состояний ЛДП 8. Результаты интерпретации состояния должны быть включены в предлагаемую модель ЛДП, но не в виде независимых характеристик состояния, а в виде функций состояния. Постановка диагноза, отнесение состояния к различным классам критических состояний. 9. Машинная интерпретация состояния на основе многозначных логик (логика Лукасевича) или бесконечнозначных логик.

Этапы построения модели ЛДП как есть Нормализованный ЛДП Темперированный ЛДП Базис нормализации процесса Временная модельная шкала Обобщенный ЛДП Генерализация состояний – Классы эквивалентности

Марковская модель ЛДП

Метрика, близость состояний Параметризованное мерой расстояние где - это множество индексов компонент состояний A и B, по которым A и B эквивалентны - мера на множестве всех подмножеств конечного множества натуральных чисел {1,2, …n}

Метрика, близость состояний где - это числовой вектор с компонентами 0 или 1. Компонента вектора равна 1, если индекс этой компоненты входит в множество Взвешенная относительно характеристик мера

Словарь характеристик для нозологии «Пневмония, вызванная Streptococcus pneumoniae». Рейтинг характеристики (число процессов, в которых эта характеристика фиксировалась) Название характеристики 12938Возраст 22938Пол 32688ЭКГ 42667Фибриноген 52623Креатинин в сыворотке крови 62612Индивидуальные занятия ЛГ при заболевании легких 72588Глюкоза крови 82540Мочи анализ общий 92504АCT активность АЛT активность Крови анализ развернутый

Результаты численного моделирования Код нозо лог ии Название нозологии Число реали заций проце ссов Число состояни й/ Число обобщен ных состояни й Сжатие числа состоя ний после их обобще ния Мощность словар я до нормал изации / после нормал изации 1J13Пневмония, вызванная Streptococcus pneumoniae /2921

Практическое применение В МИС нового пятого поколения (Mentor) – принятие решений Для формализации технологических карт Модель может применяться для моделирования процессов в другой предметной области при условии, что управление имеет прецедентный характер

Публикации Малых В.Л., Гулиев Я.И., Еремин А.В., Рудецкий С.В. Управление и принятие решений в лечебно-диагностическом процессе. XII Всероссийское совещание по проблемам управления ВСПУ-2014, Москва, июня, 2014 г. Труды. [Электронное издание], 6518.pdf, с , Малых В.Л., Гулиев Я.И. Управляемый стохастический прецедентный процесс с памятью как математическая модель лечебно- диагностического процесса и формализация технологических карт. Информационные технологии и вычислительные системы, С Малых В.Л., Гулиев Я.И. Моделирование лечебно-диагностического процесса в классе управляемых стохастических процессов с памятью // Врач и информационные технологии, С Малых В.Л., Гулиев Я.И. Прецеденты в медицинских информационных системах // Программные продукты и системы, (86). С

Вопросы?