Статьи с темой: «сппвр»
-
2024 № 13 Перспективы создания цифровых медицинских экосистем в России: цифровые двойники и другие технологии, проблемы и подходы.
Усилия медицины постепенно смещаются от борьбы с конкретным заболеванием к обеспечению индивидуального благополучия пациентов с одновременным ростом информационной емкости медицины. Информационно-коммуникационные технологии рассматриваются как ключевой фактор любой стратегии повышения качества и экономической эффективности медицинской помощи. Развитие систем электронных медицинских карт, интеллектуального здравоохранения, мобильной медицины, искусственного интеллекта открыли новые возможности для сотрудничества и взаимодействия между поставщиками медицинских услуг и пациентами в рамках цифровой экосистемы медицинской помощи, стимулируя технологические инновации. Медицинская экосистема призвана реализовать системный подход к обработке клинических данных, как основы повышения эффективности медицинской помощи за счет цифровой трансформации сквозных медицинских технологических процессов. Она сфокусирована на интеграции работы разных поставщиков и потребителей медицинской помощи, обмене между ними данными и информацией для оказания комплексной медицинской помощи пациентам некоторого объединения МО. Медицинские экосистемы рассматриваются как системы, которые фокусируются на данных и генерировании новых знаний о здоровьесбережении, то есть как открытые и слабосвязанные системы, которые позволяют участникам использовать полученные знания по-своему, например, в отдельных экосистемах МО участников.
Цифровая трансформация здравоохранения происходит в фарватере цифровой экономики. Мы имеем дело с трансфером инновационных решений бизнес-экосистем в медицину, что предполагает необходимость учета особенностей предметной области. Ключевой технологией цифровой трансформации медицины вслед за многими отраслями экономики считается метод цифрового двойника, применение которого невозможно без использования и развития других экосистемных технологий: ЭМК, аналитики больших данных, ИИ, интернета вещей и блокчейна. Эффективная и всеобъемлющая реализация концепции цифровых двойников для такой предметной области, как медицина, возможна, если решена проблема объединения поставщиков и потребителей медицинской помощи в цифровую медицинскую экосистему, способную предоставить целостные и однородные первичные данные.
Реализация концепции совместного управления здоровьем пациента в рамках цифровых экосистем медицинской помощи сталкивается с препятствиями, в первую очередь, из-за сложных проблем, связанных с интероперабельностью, конфиденциальностью, безопасностью и эффективным управлением данными. Решение возможных проблем находится в обеспечении приоритета научных исследований для усиления объективизации выбора экосистемных технологий и определения этапности в достижении поставленных целей. Развитие экосистемы необходимо рассматривать в виде строительных блоков, которые со временем накладываются один на другой. Первые, нижние блоки призваны расширить возможности имеющихся технологий, а более поздние потребуют специальных исследований в области информационных технологий в широком смысле, а также медицинской информатики, в частности. Необходимы и упреждающие изменения в регулировании отрасли с учетом вызовов цифровой экономики и динамики изменений в социальной сфере. -
2024 № 13 Подход к внедрению систем поддержки принятия врачебных решений на принципах сервис-ориентированной архитектуры с использованием сервисов цифровой медицинской экосистемы.
Несмотря на потенциальную эффективность, продемонстрированную в отдельных медицинских организациях, системы поддержки принятия врачебных решений (СППВР) не получили широкого распространения в России. Основываясь на положениях Национальной стратегии развития искусственного интеллекта на период до 2030 года, утвержденной Указом Президента Российской Федерации, в статье сформулирована цель национального плана развития СППВР в медицине, определены ключевые факторы, необходимые для реализации этой цели, а также задачи, решение которых необходимо для обеспечения создания и широкого внедрения эффективных СППВР. Предлагается использовать принципы сервис-ориентированной архитектуры (СОА) для внедрения СППВР в цифровой медицинской экосистеме, что должно способствовать достижению заявленной цели. В статье описаны ключевые особенности и преимущества использования СОА в медицинской экосистеме. Описана модель развертывания СППВР в медицинской экосистеме на принципах СОА с обоснованием ключевых архитектурных решений. В качестве примера описана архитектура СППВР для оценки состояния здоровья пациента на амбулаторном этапе с точки зрения сервисов и управления ими. Обсуждены возможности и недостатки предложенной модели внедрения СППВР.
-
2023 № 6 Методика разработки экспертных систем с использованием графовой СУБД и онтологического подхода.
Экспертные системы являются сложными программными комплексами, аккумулирующими знания специалистов в конкретных предметных областях и тиражирующими этот эмпирический опыт для консультаций менее квалифицированных пользователей, что позволяет снизить количество врачебных ошибок, вызванных, в частности, недостатком врачей-специалистов на местах, и время, необходимое на одну консультацию.
Ц е л ь и с с л е д о в а н и я . Создание и представление современной методики разработки экспертных систем на основе инженерии знаний с использованием онтологического подхода и графовых СУБД.
М а т е р и а л ы и м е т о д ы . Применялись методы системного анализа, включая аналитический и описательный, методы инженерии знаний: структурирования, представления знаний и нечеткой логики. В качестве хранилища БЗ методика предполагает использование графовой СУБД.
Р е з у л ь т а т ы . Методика описывает процесс разработки экспертных систем на основе графовой СУБД с использованием онтологического подхода. Методика включает в свой состав описание следующих компонентов: базы знаний, интеллектуального редактора базы знаний, решателя и подсистемы объяснений. Методика предполагает участие в разработке ЭС группы экспертов, совместно с которыми осуществляется разработка двух компонентов: терминологической базы предметной области и промежуточных информационных объектов, описывающих логику решения поставленной задачи. Оба компонента
должны формироваться автоматизировано, посредством интеллектуального решателя базы знаний, как и наполнение базы знаний, что позволит облегчить последующее ее ведение и поддерживать актуальность. В соответствии с методикой решатель и подсистема объяснений работают с графовой СУБД, являющейся средством хранения базы знаний, с целью поиска оптимального пути, в котором узлы используются для решения задачи экспертной системы, например, поддержка врача-специалиста в части установки предварительного\заключительного диагноза, а путь используется подсистемой объяснения с целью
аргументации предложенного экспертной системой решения.
В ы в о д ы . Разработана и представлена методика создания ЭС с использованием графовой СУБД и онтологического подхода. Методика описывает разработку двух компонентов: базы знаний и объединенного компонента, состоящего из решателя и подсистемы объяснения.