Научная медицинская информационная система

Анализируя запросы наших клиентов, мы пришли к выводу, что у крупных лечебных учреждений есть дополнительные потребности, связанные с автоматизацией экспертных функций, а так же интерес к анализу медицинских данных для научных исследований.

Медицинская информационная система MGERM - идеальное решение для научно-исследовательских институтов.

Медицинские центры за годы работы накапливают огромное количество специализированных данных. Эта ценнейшая информация для научных исследований часто не используется или используется не полностью. Обрабатывать ее вручную – это долгий кропотливый труд, который затрудняет анализ и не может обеспечить точного результата.Современные технологии предлагают новые возможности для развития науки. Все записи, которые вводятся в систему врачами, лаборантами и другими сотрудниками ЛПУ, хранятся в формализованном виде в специальных таблицах. В таком виде информация наиболее доступна для научных исследований.

 Гибкость структуры электронной истории болезни достигается за счет наличия конструктора форм.  Этот инструмент позволяет добавлять в историю пациента объективные параметры оценки эффективности лечения, например, медицинские шкалы, размеры патологических образований в шаблонах исследований, лабораторные показатели. Для научных данных в истории можно создавать дополнительные разделы. Конструктор форм позволяет легко создавать поля с обязательным выбором вариантов ответа из настраиваемых словарей, при этом данные в таблицах сохраняются в виде соответствующей значению цифр.

По указанию руководства клиники, записи с дополнительными параметрами можно сделать обязательными для заполнения. Правильно настроенная электронная история болезни позволяет собирать данные для научных исследований параллельно ведению основной медицинской документации и накапливать огромные массивы данных для анализа или предварительного отбора интересующей группы пациентов для последующего углубленного исследования.

Для поиска интересующих групп пациентов удобен параметрический поиск. Для этих целей используются вторичные таблицы, данные в которых обновляются ночью, поэтому поиск пациентов с нужными параметрами происходит моментально. Для сбора и анализа научных данных можно так же использовать сервер резервного хранения данных. Стоит отметить, что информация о процессе лечения пациента так же формализована: лист назначений, суммарное количество лекарственных препаратов, динамика изменения дозировок, количество проведенных процедур, интенсивность облучения - все данные доступны в табличном виде.

Благодаря высокому уровню формализации данных можно получить выборку интересующих данных в табличной форме.  Результат  выгружается в табличной форме для дальнейшей обработки статистических программ. Еще недавно это казалось фантастикой. Исследователям приходилось иметь дело с огромным количеством бумажных носителей и  вводить данные в таблицы вручную.

Традиционные статистические методы (факторный анализ, дисперсионный и дескриптивный анализ, корреляционный и регрессионный анализ,  компонентный анализ, анализ временных рядов, анализ выживаемости) уже успешно применяются для анализа данных, хранящихся в базах MGERM.

Использование методов Data Science и Data mining для анализа медицинских баз данных имеет большой научный потенциал. В отличии от традиционной парадигмы, предполагающей проверку гипотезы статистическими данными, использование Data Mining (различные методы классификации, моделирования и прогнозирования, основанные на применении деревьев решений, генетических алгоритмов, искусственных нейронных сетей,ассоциативной памяти, кластеризация) предполагает поиск скрытых закономерностей в массивах данных. К сожалению, использование вышеописанных методов ограничено из-за недостатка современных баз данных, пригодных для анализа. Мы надеемся, что использование MGERM поможет изменить ситуацию и готовы консультировать наших клиентов по поводу возможностей нашей МИС для структурирования данных, а так же настраивать системы параметрического поиска  в рамках программы технической поддержки.

Интересным направлением являются методы Text mining и семантический анализ, предполагающие анализ текстов, особенно в областях медицины, где превалируют текстовые описания, например в психиатрии. С точки зрения многих исследователей эти данные не представляют интереса, так как там нет цифр для статистического анализа. Однако они ошибаются, текст можно преобразовать в массив цифр. В MGERM большинство разделов обычной истории болезни так же формализованы, например, анамнез жизни разбит на смысловые параграфы: Мать Отец, Раннее развитие, Семейная обстановка, Особенности воспитания, Дошкольный период, особенности характера, Возраст поступления в школу, Отношение к школе, Успеваемость, Предпочтения в учебе, Школьные интересы и увлечения, Подростковый период, Служба в армии, Образование, Трудовой анамнез, Отношения с окружающими (на работе, учебе), Семейный анамнез, Отношение со значимыми близкими, Информация о детях, Особенности характера, Вредные привычки.Таким образом получается, что если нас интересует именно семейная обстановка в детстве пациента, мы можем анализировать текст, имеющий отношение именно к этой части анамнеза. Важно, что к каждому полю врач может формировать набор подсказок - стандартных фраз, которые потом можно одним кликом выбрать из списка, то есть текст в каждом параграфе с большой долей вероятности будет состоять из похожих фраз и предложений и мы имеем список таких фрагментов текста и можем проверить смысловой параграф на их наличие и степень сходства. В ряде случаев, например, анализируя жалобы, мы можем предположить, что пациент будет в первую очередь жаловаться на то, что больше всего его беспокоит - обладает наибольшей субъективной значимостью и ранжировать каждую жалобу от 1 до 0 в зависимости от этого. Посмотреть результат такого анализа  можно в файле excel.

Приведенный анализ приведен для демонстрации, в реальном исследовании в таблицу можно добавить еще множество параметров, например данные психометрических шкал. В таблицу отобраны только те случаи, где параметр значимости жалобы на головокружение больше 0.8 (беспокоит больше всего). Обратите внимание, что в выборку в основном попали пациенты с диагнозом F06.6 Органическое эмоционально лабильное [астеническое] расстройство, а так же с паническим расстройством, при этом у первой группы пациентов часто встречается жалобы на головные боли. Мы можем использовать алгоритм нейронных сетей и обучить компьютер постановке предварительного диагноза, анализируя текст истории болезни. Безусловно подобное заключение на заменит мнение врача, однако их расхождение может говорить, что диагноз врача недостаточно обоснован или сигнализировать о необходимости дифференциальной диагностики. Анализ динамики изменения жалоб в дневниках может служить индикатором эффективности лечения вместе с показателями психометрических шкал. Кластерный анализ (для определения группирующихся симптомов) результатов семантического анализа жалоб и психического статуса и последующая классификация конкретных случаев, поможет определить к какой группе относится пациент. Возможно, анализ динамики заболевания покажет, что принадлежность к определенным кластерам является важным предиктором улучшения или ухудшения состояния пациента. Машина анализирует десятки тысяч случаев, поэтому ее оценка может быть точнее интуиции врача.

Одним словом, все возможности, которые дают новые методы исследования и анализа, еще только предстоит осмыслить. Нам было бы интересно услышать Ваше мнение, комментарии, свежие идеи по поводу данной статьи.

 

Познакомьтесь с множеством возможностей MGERM

Создайте инновационную информационную систему в вашей клинике

Как сэкономить больше 260 000 на внедрении свободного ПО 

Закажите бесплатную демо-версию системы прямо сейчас! 

Оставить комментарий

Наверх

5 причин выбрать МИС MGERM

Выбирайте лучшее!

 

Гибкость

WEB технологии позволяют настраивать МИС с учетом потребностей Вашей клиники
Подробнее

 

Технологичность

Быстро адаптируем логику работы программы, использую Agile подход 

Подробнее

 

Ориентированность

Клиника - это не только бухгалтерия, используйте профессиональные инструменты

Подробнее
 

Эффективность

Помогает управлять клиникой, повышает качество обслуживания пациентов 


Подробнее
 

Стоимость

Идеальное сочетание цена-качество



Подробнее

Последние новости

Врачи о МИС MGERM

Светлана Владимировна Губерницкая: МИС MGERM – программа очень достойная, рекомендую ее всем своим коллегам!

Подробнее...

Меских Елена Валерьевна: Очевидный плюс информационной системы в том, что она избавляет не только рядового врача, но и руководителя отделения или лаборатории от массы нудной бумажной работы и утомительных подсчетов. Меньше времени на «бухгалтерию» — больше времени пациентам и сотрудникам.Я проработала в рентгенологии 19 лет. Сейчас у нас произошел гигантский прорыв на технологическом уровне. Мы как будто шагнули в другое пространство

Подробнее...

Ковынев Игорь Борисович: Наша частная клиника многопрофильная, есть два стационара, несколько баз. MGERM дает неоспоримые преимущества работы в сетевой клинике. Рекомендую коллегам – большие возможности для подстройки под подразделения ЛПУ практически любого функционала

Подробнее...