Системы поддержки принятия решений в медицине

Системы поддержки принятия решений в медицине

Автор: Малых Владимир Леонидович

Журнал: Программные системы: теория и приложения @programmnye-sistemy

Рубрика: Информационные системы в медицине

Статья в выпуске: 2 (41) т.10, 2019 года.

Бесплатный доступ

Современная медицина осваивает системы поддержки принятия решений (СППР). Анализируя российские и зарубежные источники, работа выявляет основные барьеры на пути создания СППР для медицины. Приводятся возможные подходы к преодолению концептуальных барьеров, предлагается возможное комплексное решение проблемы. Рассматривается гибридная модель СППР широкого класса для медицины. Результаты могут быть использованы разработчиками ИТ для построения СППР на основе научной и эмпирической компонент медицинских знаний.

Медицинская информатика, медицинские информационные системы, принятие решений, прецеденты, обработка сложных событий, сеть обработки событий, мультиагентные системы, онтологии

Короткий адрес: https://sciup.org/143169793

IDR: 143169793   |   DOI: 10.25209/2079-3316-2019-10-2-155-184

Список литературы Системы поддержки принятия решений в медицине

  • С. Н. Бутко, В. К. Ольшанский. «Новые системы поддержки принятия решений в медицине за рубежом», Автоматика и телемеханика, 1990, №6, с. 3-19.
  • I. V. Efimenko, V. F. Khoroshevsky. “Intelligent decision support systems in medicine: state of the art and beyond in Russian” (Minsk, Belarus, 2017) URL http://old.proc.ostis.net/proc/Proceedings%20OSTIS-2017.pdf.
  • E. J. Topol. “High-performance medicine: the convergence of human and artificial intelligence”, Nature Medicine, 25 (2019), pp. 44-56. DOI: 10.1038/s41591-018-0300-7
  • B. Meskó et all. Digital Health Trends: What to expect in 2019?, 17 January 2019, The Medical Futurist URL https://medicalfuturist.com/digital-health-trends-what-to-expect-in-2019/.
  • И. Шеян. Винтики против системы, 28.09.2016, ИТ в здравоохранении. Открытые системы URL https://www.osp.ru/medit/2016/09/13050254.html.
  • E. Herrett et al. “Data resource profile: Clinical Practice Research Datalink (CPRD)”, International Journal of Epidemiology, 44:3 (2015), pp. 827-836.
  • DOI: 10.1093/ije/dyv098
  • M. L. Gentil et al. “Factors influencing the development of primary care data collection projects from electronic health records: a systematic review of the literature”, BMC Medical Informatics and Decision Making, 17 (2017), 139.
  • DOI: 10.1186/s12911-017-0538-x
  • В. Л. Малых, А. Е. Михеев, С. В. Рудецкий. «Проблемно-ориентированная модель банка клинических данных», Программные системы: теория и приложения, 9:4(39) (2018), с. 219-237.
  • DOI: 10.25209/2079-3316-2018-9-4-219-237
  • Г. Игнатенкова, О. Гончарова. «Киборгвыводы: почему искусственный интеллект в медицине не работает без техподдержки администрации президента», Vademecum, 22 октября 2018 г., №17-18.
  • А. Пятов. Как мы искали признаки врачебных ошибок, Хабр: Компания SAS Russia URL https://habr.com/company/sas/blog/426275/.
  • В. Л. Малых, Я. И. Гулиев, Д. В. Белышев. «Построение банка клинических данных на основе унифицированной модели лечебно-диагностического процесса» (Обнинск, 13-16 октября 2015), ред. Л.А. Калиниченко, С.О. Старков, ИАТЭ НИЯУ МИФИ, Обнинск, 2015, с. 421-422 (978-5-9530-0398).
  • V. L. Malykh, D. V. Belyshev. “Case-based reasoning in clinical processes using clinical data banks”, IEEE Conference Publications, pp. 211-216.
  • DOI: 10.1109/SIBIRCON.2015.7361885
  • В. Л. Малых, Я. И. Гулиев. «Управляемый стохастический прецедентный процесс с памятью как математическая модель лечебно-диагностического процесса», Информационные технологии и вычислительные системы, 2014, №2, с. 60-72.
  • В. Л. Малых, С. В. Рудецкий, М. И. Хаткевич. «Активная МИС», Врач и информационные технологии, 2016, №6, с. 16-24.
  • M. Prosperi et al. “Big data hurdles in precision medicine and precision public health”, BMC Medical Informatics and Decision Making, 18 (2018), 139.
  • DOI: 10.1186/s12911-018-0719-2
  • V. L. Malykh, I. N. Kononenko, S. V. Rudetskiy. “Estimation of accuracy of recommended diagnostic and treatment actions based on precedent approach” (Madeira, Portugal, July 1-4, 2016), pp. 52-58.
  • V. L. Malykh, S. V. Rudetskiy. “Approaches to medical decision-making based on big clinical data”, Journal of Healthcare Engineering, 2018 (2018), 3917659, 10 pp.
  • DOI: 10.1155/2018/3917659
  • Evidence-based clinical decision support at the point of care URL http://www.uptodate.com/home (data accessed: 11.01.2017).
  • F. Caron, J. Vanthienen, B. Baesens. “Healthcare analytics: examine the diagnosis-treatment cycle”, Procedia Technology, 9 (2013), pp. 996-1004.
  • G. I. Nazarenko et al. “Multifunctional clinical decision support system based on clinical practice guidelines”, IEEE Conference Publications (28-30 October 2015, Russia, Technopark of Novosibirsk Akademgorodok), pp. 72-75.
  • DOI: 10.1109/SIBIRCON.2015.7361854
  • D. Palchunov et al. “Software system for the diagnosis of the spine diseases using case-based reasoning”, IEEE Conference Publications (28-30 October 2015, Russia, Technopark of Novosibirsk Akademgorodok), pp. 205-210.
  • DOI: 10.1109/SIBIRCON.2015.7361884
  • G. Kopanitsa, I. Semenov. “Patient facing decision support system for interpretation of laboratory test results”, BMC Medical Informatics and Decision Making, 18 (2018), 68.
  • DOI: 10.1186/s12911-018-0648-0
  • G. R. Arutyunyan, A. S. Dmitriev. “IBM Watson oncology solution: application experience”, XVII International Conference DAMDID/RCDL'2015 (October 13-16, 2015, Obninsk, Russia), eds. L. Kalinichenko, S. Starkov, INPE NRNU MEPhI, Obninsk, 2015, pp. 140-142 (978-5-9530-0398).
  • A. Gavrilov, A. S. Semenikhin. “New era of cognitive computing: IBM Watson”, XVII International Conference DAMDID/RCDL'2015 (October 13-16, 2015, Obninsk, Russia), eds. L. Kalinichenko, S. Starkov, INPE NRNU MEPhI, Obninsk, 2015, pp. 135-139 (978-5-9530-0398).
  • D. Hernandez, T. Greenwald. “IBM has a Watson dilemma”, The Wall Street Journal, 2018.
  • E. Meinert et al. “Weighing benefits and risks in aspects of security, privacy and adoption of technology in a value-based healthcare system”, BMC Medical Informatics and Decision Making, 18 (2018), 100.
  • DOI: 10.1186/s12911-018-0700-0
  • V. Malykh, Y. Guliev. “Precedent approach to decision making in clinical processes”, Studies in Health Technology and Informatics, vol. 216, eds. I. N. Sarkar et al, IMIA and IOS Press, 2015, pp. 957.
  • DOI: 10.3233/978-1-61499-564-7-957
  • T. Handler and B. Hieb. «The Updated Gartner CPR Generation Criteria», т. 13, 2007 URL http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.393.242rep=rep1type=pdf.
  • Л. В. Красичков. «“Ай-ФОРС” представил МИС-Т на заседании рабочей группы в ВШЭ», "Искусственный интеллект и поддержка принятия решений в медицине III" (82-е заседание рабочей группы IT-специалистов медицинских организаций "Виртуальная и мобильная медицина"), Интернет-журнал «FORS», 2018, №12,.
  • В. М. Тавровский. Автоматизация лечебно-диагностического процесса, ООО "Вектор Бук", Тюмень, 2009, 464 с. (978-5-91409-090-3).
  • А. А. Акаев. Сценарий и перспективы развития России, ред. В.А. Садовничий, А.А. Акаев, А.В. Коротаев, Г.Г. Малинецкий, Ленанд, М., 2011, 317 с. (978-5-9710-0339-7).
Еще
Статья научная
SciUp 2024 © 2024 ©