Статьи с темой: «системы поддержки принятия врачебных решений»

    Системы поддержки врачебных решений
  • 2019 № 2 Использование медицинских данных для создания систем поддержки принятия врачебных решений

    Медицинские данные – неотъемлемая часть рабочих процессов в деятельности медицинских организаций. Ежедневно все большее количество данных обрабатывается в цифровом формате. Что с ними делать, и какими они должны быть для использования системами поддержки принятия врачебных решений? В статье приведены важные критерии, определяющие качество данных.

    Авторы: Карпов О. Э. [4] Субботин С. А. [2] Шишканов Д. В. [2]

    Темы: медицинская информационная система60 медицинские данные1 системы поддержки принятия врачебных решений4

    Подробнее >

  • Особое мнение
  • 2019 № 2 pdf Тренды и прогнозы развития медицинских информационных систем в России

    В настоящее время в России в целом сформирован рынок программных продуктов для медицины и здравоохранения. Требования государства к развитию информационных технологий для медицины постоянно растут. Начиная с 2019 года объем финансирования будет существенно увеличен. Главной статьей затрат в 2019–2024 гг. будет разработка, развитие и внедрение различных информационных систем для регионального здравоохранения, предусмотренных федеральной программой «Создание единого цифрового контура в сфере здравоохранения». В работе систематизированы наблюдения авторов и прогнозы о том, какие же главные тренды окажут наибольшее влияние на изменение рынка медицинских информационных систем (МИС), и к чему это приведет. Среди основных драйверов и прогнозов рынка: концентрация внимания врача и разработчиков МИС не вокруг ведения электронных документов, а вокруг различных аспектов здоровья и жизни пациента. В области управления взаимоотношениями с пациентами начнется внедрение в практику концепции Patient Relationship Management (PRM). К МИС будут расти требования в части оптимизации лечебно-диагностических процессов, поддержки клинических протоколов и непрерывного аудита качества оказания медицинской помощи. Продолжится развитие систем в сторону централизации, перехода на «облачную» модель работы, включая SaaS, а также импортозамещения. Число разработчиков будет постепенно сокращаться, что приведет к консолидации и укрупнению рынка. Будет расти спрос на интеграцию в МИС систем поддержки принятия врачебных решений, построенных с помощью машинного обучения. Все это в комплексе будет способствовать цифровой трансформации отрасли.

    Авторы: Гусев А. В. [31] Новицкий Р. Э. [4] Плисс М. А. [2] Левин М. Б. [1]

    Темы: искусственный интеллект8 машинное обучение7 медицинские информационные системы46 системы поддержки принятия врачебных решений4 цифровая трансформация1 электронная медицинская карта14

    Полная версия статьи в формате PDF
    3.5 МБ

    Подробнее >

  • Медицинские информационные системы
  • 2014 № 2 Информационные технологии в комбустиологии.

    Статья посвящена вопросам поддержки принятия решений в детской комбустиологии. Представлены возможности электронной скицы — диаграммы для определения площади ожоговой поверхности. Описан программный модуль для оценки послеожоговых рубцов, построенный с использованием вычислительных процедур и на основе экспертных знаний. Также авторами предложена мультимедийная информационно-справочная система, содержащая многообразные сведения в области реабилитации детей с термическими поражениями.

    Авторы: Кобринский. Б. А. [20] Путинцев А. Н. [4] Алексеев Т. В. [2] Шмелева. Н. Н. [4] Акименков А. М. [2] Долотова Д. Д. [1] Будкевич Л. И. [1] Шурова Л. В. [1]

    Темы: мультимедийная информационно-справочная система1 ожоговая травма у детей1 системы поддержки принятия врачебных решений4 электронная скица1

    Подробнее >

  • Искусственный интеллект в здравоохранении
  • 2019 № 3 pdf Разработка алгоритма поиска клинически однородных пациентов по слабоструктурированным текстовым данным электронной медицинской карты онкологического профиля

    Рост контингента пациентов со злокачественными новообразованиями в целом по России значительно увеличивает нагрузку на специализированную сеть онкологических учреждений и врачей онкологов. Наиболее вероятно, что данная тенденция сохранится в ближайшие годы. Одним из направлений повышения эффективности врачебной деятельности является извлечение современными методами анализа данных знаний из больших массивов медицинских данных путем кластеризации больных, заключающейся в выделении групп однородных (схожих) больных по совокупности клинических показателей. Целью исследования является разработка алгоритма поиска клинически однородных пациентов по слабо-
    Искусственный интеллект в здравоохранении структурированным и неструктурированным данным электронной медицинской карты онкологического диспансера, с последующей возможностью встраивания его в системы поддержки принятия врачебных решений (СППВР). Применение таких СППВР в практической медицине и в сфере медицинского образования позволит анализировать массивы информации
    неограниченного размера, что потребует дальнейшего внедрения и совершенствования информационных систем на всех
    уровнях оказания медицинской помощи. Однородность больных в работе определяли методом машинного обучения по-
    средством косинусного расстояния в пространстве векторных представлений электронных медицинских карт. Экспериментна 20 случайно выбранных электронных медицинских картах больных ГБУЗ «Клинический онкологический диспансер № 1» Министерства здравоохранения Краснодарского края показал высокую эффективность алгоритма в создании кластеров клинически схожих пациентов.

    Авторы: Халафян А. А. [5] Кошкаров А. А. [8] Мурашко Р. А. [3] Собченко К. В. [2] Шаров С. В. [2] Аветисян М. С. [1] Егоров К. С. [1] Кох В. Н. [1]

    Темы: векторное представление1 онкология3 системы поддержки принятия врачебных решений4 электронная медицинская карта14

    Полная версия статьи в формате PDF
    3.9 МБ

    Подробнее >