Использование в клиническом обследовании

Проприаторное и открытое программное обеспечение (ПО). Лицензия ПО. Особенности проприаторного и открытого программного обеспечения, их достоинства и недостатки. Основные положения лицензионного соглашения проприаторного и открытого ПО. Примеры ОС и прикладных программ проприаторного и открытого ПО.

Открытое программное обеспечение — программное обеспечение с открытым исходным кодом. Исходный код таких программ доступен для просмотра, изучения и изменения, что позволяет пользователю принять участие в доработке самой открытой программы, использовать код для создания новых программ и исправления в них ошибок.

Проприета́рное программное обеспечение — программное обеспечение, являющееся частной собственностью авторов или правообладателей и не удовлетворяющее критериям свободного ПО (наличия открытого программного кода недостаточно). Правообладатель проприетарного ПО сохраняет за собой монополию на его использование, копирование и модификацию, полностью или в существенных моментах.

Лице́нзия на програ́ммное обеспе́чение — это правовой инструмент, определяющий использование и распространение программного обеспечения, защищённого авторским правом. По сути, лицензия выступает гарантией того, что издатель ПО, которому принадлежат исключительные права на программу, не подаст в суд на того, кто ею пользуется.

Преимущества и недостатки:

1. Открытость: + возможность исключить скрытые программные модули

- происходит ожесточенная конкуренция

- подгон вирусов на закрытые ПО

2. Программная поддержка: в закрытых быстрее решение ряда сложных задач (+), но они догоже (-), а в открытых медленне решение (-), но они дешевле (+).

Основные положения лицензионного соглашения открытого ПО: 1. Любой пользователь может свободно использовать, копировать, изучать любой текст программы; 2. создавать новые закрытые версии; 3. все новые версии должны иметь корневое имя. Основные положения лицензионного соглашения проприаторного ПО: 1. Нельзя свободно копировать текст; 2. Нельзя просматривать, изучать код (текст); 3. Особые, специфические положения, касающиеся льгот.

Примеры ОС открытого ПО: Linux OC(Mandriva 2007, 2010, 2011), Free BD OC.

Примеры ОС проприаторного ПО: Linux XP, Linux Hat.

Прикладные прог-мы открытого ПО: OpenOffice Pro на базе OpenOffice.org. Компоненты: Base, Impress, Math, Draw,Whiter;

Прикладные прог-мы закрытого ПО: MS Office. Компоненты: Excell, Word, Power Point, Access, Out Look.

2.Перечислить и охарактеризовать основные события в разработке методов медицинской информатики в период времени 40-50 гг. и 50-70 годы 20-го века. Перечислить и охарактеризовать основные события в разработке методов медицинской информатики в периоды времени 70-80 г.г., 1995-2005 г.г. и с 2005-по н.вр.

1940-50 гг-создание основных теоретических и технических основ мед.информатики.Фон Нейман разработал аксиоматические основы формальных Методов Поддержки Принятия Решений (Проблемы принятия решений являются одними из самых важных проблем человеческой деятельности. Действительно, выбор лучшего варианта действий, способа научного использования ограниченных ресурсов, первоочередных задач является столь же существенным как для человека, начинающего свою жизнь, так и для умудренного опытом руководителя. Средством, помогающим человеку в сложных задачах выбора являются компьютерные системы поддержки принятия решений. Основным элементом таких систем являются методы принятия решений.)

1950-70 гг разработка базов.прикладных программ для компьютеров,обеспечивающих ППР в административной,лечебной деятольности.

70 гг-создание больших интегральных схем =компактное ЭВМ (нет персонала,развитие программ для рядовых пользователей)

1970-80 гг-создание единых программ технич систем для медицины,которые получили название госпитальной информационной системы

Создание Электронных карт пациентов(системные электронные истории болезни)

Создание действующих прототипов интеллектуальных Систем Принятия Решений в диагностике,лечении и лабораторных исследованиях (МСППР)

1980-94 гг Широкое распространение МППР для анализа и оптимизации решений мед проблем.Практическое установление самосоятельной ниши в развитии науки и клинич практики МИ. Установление самостоятел. Учебных программ и программ курсов МИ в США и стран ЕС. Рост практических знаний методов Байесовской диагностики и нейросетей. Широкое распространение методов машинного обучения и автоматизированных методов исследования в медицине и биологии.Разработка и распределение стандартных мед данными HL7(Health levels 7) ,стандарт протоколов обмена данными между локальными МИС. Развитиен МИС и оснащение ими больниц(преимущественно ППР)

1995-2005 гг-широкое распространение сетевых технологий обмена данными между локальными МИС. Переход МИС преимущественно задач клинической медицины(модуль административных решений в МИС-уровня прошлого века)то есть широекое распространение интеллектуальных МИС.

Широкое распространение микрокомпьютерных устройств,работающих в режиме онлайн компьютерной сетью больницы

Развитие методов биоинформатики,про «геном»

Взрывное развитие глобальных сетевых ресурсов(Интернет) в обменах между МИС библиотеками,Интернет-базами данных в медицине. Появление региональных МИС,развитие телемедиа технология

2005г-разработка принципов национальной МИС и практический ввод в действие

Развитие системы электронных карт пациентов

Развитие и широкое распространение мобильных технологий

Появление и развитие мед приложений Grid-технологий

Примеры-запись и передача ЭКГ, уровень глюкозы в крови

3. Понятие о модели и моделировании. Дайте характеристику информационной модели. Дайте характеристику математической модели и методу математического моделирования. Назовите этапы процесса математического моделирования.

Модель - упрощенное представление о реальном объекте, процессе или явлении.

Модель - это, как правило, искусственно созданный объект в виде схемы, математических формул, физической конструкции, наборов данных и алгоритмов их обработки и т.п.

Модель воспроизводит в специально оговоренном виде строение и свойства исследуемого объекта. Исследуемый объект, по отношению к которому изготавливается модель, называется оригиналом, образцом, прототипом.

Модель - это объект, используемый вместо другого объекта с какой-то целью.

Моделирование — это метод познания, состоящий в создании и исследовании моделей.

Каждый объект имеет большое количество различных свойств. В процессе построения модели выделяются главные, наиболее существенные, свойства. Так, модель самолета должна иметь геометрическое подобие оригиналу, модель атома — правильно отражать физические взаимодействия, архитектурный макет города – ландшафт и т.д. Модель — это некий новый объект, который отражает существенные особенности изучаемого объекта, явления или процесса.

Информационные модели нельзя потрогать или увидеть воочию, они не имеют материального воплощения, потому что они строятся только на информации. В основе этого метода моделирования лежит информационный подход к изучению окружающей действительности. Информационная модель – совокупность информации, характеризующая свойства и состояние объекта, процесса, явления, а также взаимосвязь с внешним миром.

Математи́ческая моде́ль — это математическое представление реальности.

Метод математического моделирования, основанный на построении и исследовании математических моделей различных объектов, процессов и явлений и получении информации о них из решения связанных с этими моделями математических задач, стал одним из основных способов исследования в так называемых точных науках.

Технологическая цепочка вычислительного эксперимента включает в себя следующие этапы:

· построение математической модели исследуемого объекта (сюда же относится и анализ модели, выяснение корректности поставленной математической задачи;

· построение вычислительного алгоритма - метода приближенного решения поставленной задачи и его обоснование;

· программирование алгоритма на ЭВМ и его тестирование;

· проведение серии расчетов с варьированием определяющих параметров исходной задачи и алгоритма;

· анализ полученных результатов;

Каждый из этих этапов допускает возврат к любому из предыдущих с целью его уточнения и корректировки.Математическое моделирование — процесс построения и изучения математических моделей.

4. Назовите виды медицинских данных и приведите примеры. Назовите особенности медицинских данных. Как эти особенности учитываются в медицинской практике?

Виды мед.данных: 1. длительные записи биопотенциалов (ЭКГ,ЭЭГ); 2. качественные данные (да или нет, «+» или «-»); 3. колличественные данные. Особенности медицинских данных (кол-ных): 1. точность (1/(Х-Хо), где Хо-истин. Знач-е) т. е. то, насколько среднее значение отличается от истинного; 2. необходимость правильной интерпретации (лежа, стоя); 3. ассоциативность.

5. Приведите примеры аналоговых сигналов, используемых для диагностики состояния пациента. Чем аналоговый сигнал отличается от цифрового? Дайте понятие дискретизации аналогового сигнала, времени и частоты дискретизации. Рекомендуемая для дискретизации ЭКГ частота. Какие устройства используются для преобразования аналогового сигнала в цифровой?

Основное различие между аналоговыми и цифровыми сигналами заключается в самой структуре сигнального потока. Аналоговые сигналы представляют собой непрерывный поток, характеризующийся изменениями частоты и амплитуды. Это означает, что форма аналогового сигнала обычно похожа на синусоиду (т.е. гармоническую волну), представленную на рис. 1.2. Зачастую на иллюстрациях, изображающих гармоническую волну, весь сигнал характеризуется одним и тем же соотношением частоты и амплитуды, однако при графическом представлении сложной волны видно, что такое соотношение изменяется в зависимости от частоты.

Дискретизация аналогового сигнала состоит в том, что сигнал представляется в виде последовательности значений, взятых в дискретные моменты времени. Эти значения называются отсчётами. Δt называется интервалом дискретизации. Частота дискретизации (или частота семплирования, англ. sample rate) — частота взятия отсчетов непрерывного во времени сигнала при его дискретизации (в частности, аналого-цифровым преобразователем). Измеряется в Герцах.

Приборы:

Как правило, АЦП — электронное устройство, преобразующее напряжение в двоичный цифровой код. Тем не менее, некоторые неэлектронные устройства с цифровым выходом, следует также относить к АЦП, например, некоторые типы преобразователей угол-код. Простейшим одноразрядным двоичным АЦП является компаратор. частота дискритизации /сохранения ЭКГ сигнала Гц 2000/250

6. Определите, что означает термин «порог нормальности» для количественного диагностического признака. Приведите пример, диагностического признака и его порога нормальности. Объясните значения терминов «истинно положительные» (TP), «истинно отрицательные» (TN), «ложно положительные» (FP) и «ложно отрицательные» (FN).

Порог нормальности — это уровень, на котором данный (рассматриваемый нами) признак будет в норме. Примером диагностического признака может служить температура тела (порог нормальности 37.0), уровень фермента и т. д. TP (True Positives) – верно классифицированные положительные примеры (так называемые истинно положительные случаи);

TN (True Negatives) – верно классифицированные отрицательные примеры (истинно отрицательные случаи);

FN (False Negatives) – положительные примеры, классифицированные как отрицательные (ошибка I рода). Это так называемый "ложный пропуск" – когда интересующее нас событие ошибочно не обнаруживается (ложно отрицательные примеры);

FP (False Positives) – отрицательные примеры, классифицированные как положительные (ошибка II рода); Это ложное обнаружение, т.к. при отсутствии события ошибочно выносится решение о его присутствии (ложно положительные случаи).

7. Дайте формулу для диагностической чувствительности диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение чувствительности? При каком условии она его принимает? Приведите пример, когда целесообразно выбирать максимальное значение чувствительности.

Se=TP/(TP+FN) диагностическая чувствительность показывает отношение числа здоровых людей к общему числу исследуемых. Диагностическая чувствительность — это доля позитивных результатов теста в группе (в популяции) больных пациентов. Максимальное значение чувствительности равно 1. она его принимает когда мало значение ложного отрицательного.

8. Дайте формулу для диагностической специфичности диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение специфичности? При каком условии она его принимает? Приведите пример, когда целесообразно выбирать максимальное значение специфичности.

Sp=TN/(TN+FP) диагностическая специфичность — это доля негативных результатов теста в группе здоровых пациентов. Максимальное значение специфичности равно 1. она его принимает когда мало значение ложного положительного.

9. Дайте формулу для прогностичности положительного результата (ППР) диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение этой характеристики? При каком условии она его принимает?Прогностичность положительного результата ППР(PPV) P(D/S)=P(D*S)\P(S)=TP\TP+FP

(отношение количесва исследуемых имеющих и симптои, и заболевание к общему количеству больных,имеющих симптом и исследуемых, имеющих симптом ,но не имеющих заболевание)

10. Дайте формулу для прогностичности отрицательного (ПОР) результата диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение этой характеристики? При каком условии она его принимает?

Прогностичность отрицательного результата ПОР(NPV) P(D’ S’/)=P(D‘*S’)\P(S)=TN\TN+FN (отношение количества исследуемых-здоровых,к общему количеству здоровых и имеющих заболевание без симптомов)

11. Как изменяется диагностическая чувствительность (Se) диагностического признака, если диагностическая специфичность (Sp) возрастает? Что предпочтительнее при диагностике инфаркта миокарда с помощью количественного диагностического признака (например, SGOT) установка «порога нормальности», при котором максимальна диагностическая чувствительность (Se) или диагностическая специфичность (Sp)? Почему? Приведите пример (примеры) когда желательно обратное соотношение (Se) или (Sp) и объясните его (их).

Чувствительность (sensitivity):

доля позитивных результатов теста в группе больных пациентов

Чувствительность (Se) = TP/ TP+ FN

Дайте понятие о медицинских Системах Поддержки Принятия Решений (СППР). Типы СППР (пассивный (косвенный), полуактивный, активный (прямой, или когнитивный). Назначение. Примеры.

Системы поддержки принятия медицинского решения (СППР)

Классификация по функциональным возможностям

-пассивные СППР

-полуактивные СППР

-активные (интеллектуальные) СППР

· Пассивные СППР основаны на информационных ресурсах. Эфективный доступ к информации mint,max новизна и качество

1)консультация ,БД Pub Med,NLM.

2)доказательная медицина. Существует Копрановское соглашение (оно объединяет мед.учреждения .задача –охарактеризовать новое лекарство.

· полуактивные СППР. Эти системы имеют датчики ,подключенные к мед.информационной системе (МИС).Датчики о частоте сердечных сокращений ;сахар;арт.давление min и max значения.Датчики,касающиеся состояния помещения (напр. В операционных темпер.воздуха)

· активные (интелектуальные)СППР. Вырабатывают проект решения

13. Основные модули активной СППР (перечислить). Статистический модуль. Численный пример. Вероятностный модуль. Численный пример.

Модули СППР

-модуль математического моделирования

-статистический модуль

-вероятный модуль

Нейросетевой модуль

Экспертные системы(искусственный интелект)

Компоненты:СППР(активных): 1)моделирование 2)вероятностный3)нейросетевой4)экспертные системы

Модуль статистический: основан на решении дискретных уравнений

F(D) =a1x1+a2x2 …+anxn

Прогноз ставится на основе с бинарн. Значением величин .x,которые соответствуют наличию или отсутствию симптома. При отсутствии симптома x=0,x=1.например:append-аппендицит,salpen-сальпений

f(append)=(4)AR+ (10)PRLQ +(-10) PLLQ

f(salpen)=(3)AR+ (5)PRLQ +(5) PLLQ

учитывают: AR жесткость мышц живота, PRLQ-боль в верхней части, PRLQ -нижней части,а еще симптомы и их весовые коеф.используют.

пусть AR=0,присутствуют PRLQ и PRLQ тогда, f(append)=(0)AR+ (10)1 +(-10) 1=0

формула Бейса:вероятностный метод

Основные модули активной СППР (перечислить). Нейросетевой модуль. Определение нейросетей. Основные направления применения в медицине. Понятие нейрона, его основные компоненты. Слои нейронов. Процедура обучения.

Модули СППР

-модуль математического моделирования

-статистический модуль

-вероятный модуль

Нейросетевой модуль

Экспертные системы(искусственный интелект)

СППР(интелектуальные)

Нейросети(NN)компьютерная программа, основанная на использовании виртуальныхнейронов,связи м\у которыми устанавливаются в ходе процедуры обучения.Нейроны формируются в слоях:входом,промежуточных,выходом.

Задачи решаемые с помощью NN

-распознавание образов (изображения на дисплее КТ,МРТ,УЗИ.)

-предсказание будущих исходов события (результатоперации,тяжелой терапевтической процедуры)

Компоненты нейрона

· блок объединения входных сигналов компонента нейрона,который собирает множество входных сигналов,суммирует и передает далее один.

· Болк функционального преобразования сигнала выполняет математическую операцию,преобраз.данный сигнал

· Величина порогового сигнала определяет минимальную величину сигнала

Работает на основании положения теории работы головного мозга.

Нейронная сеть, которая является основой работы самообучающихся нейропрограмм, представляет собой совокупность «нейронов» — простых элементов, связанных между собой определенным образом. «Нейроны» и межнейронные связи задаются при помощи программирования на обычном компьютере. Структура взаимосвязей между «нейронами» в нейрокомпьютере или нейропрограмме аналогична таковой в биологических объектах. Искусственный «нейрон» имеет коммуникации с другими «нейронами» через «синапсы», передающие сигналы от других «нейронов» к данному («дендриты») или от данного «нейрона» к другим («аксон»). Несколько «нейронов», связанных между собой определенным образом, и образуют нейронную сеть.

Одни каналы обеспечивают поступление информации из внешнего мира на нейросеть, другие выводят информацию из нейросети во внешней мир. Поэтому одни «нейроны» сети рассматриваются как входные, другие — как выходные. Часть «нейронов» может не сообщаться с внешним миром, а взаимодействовать с входными, выходными и такими же «нейронами».

Рис. 1. Формальный «нейрон»

«Нейрон» состоит из двух функциональных блоков: входного сумматора и собственно «нейрона», или преобразователя. Функционирование «нейрона» происходит следующим образом. В текущий момент времени через входные «синапсы» (на рисунке их 3) на «нейрон» направляются сигналы от других «нейронов» и/или из внешнего мира.

Сумматор производит суммирование всех пришедших сигналов и подает на преобразователь одно число — полученную сумму. Величина этого числа будет зависеть как от величин исходных сигналов, так и от весов «синапсов». «Нейрон», получивший это число, преобразует его согласно своей функции, в результате которой получается другое число, и отправляет его по «аксону» всем остальным «нейронам» через соответствующие «синапсы». Последующие «нейроны» производят с полученными сигналами такие же операции, лишь с тем различием, что, во-первых, веса их «синапсов» могут быть уже другими, во-вторых, другие «нейроны» могут иметь другой вид функции преобразования. Эта функция, называемая характеристической, имеет вид:

f(X)=X/(C+TXT),

где Х — сигнал, поступаемый с сумматора, С — константа, называемая характеристикой «нейрона». Экспериментальным путем получено, что оптимальный диапазон характеристики для решения подаляющего большинства задач составляет от 0,1 до 0,8 (рис. 2).

Обучение нейронной сети происходит на обучающей выборке, состоящей из примеров, каждый из которых представляет собой типовую задачу с индивидуальным набором условий и конкретным ответом. Например, в качестве входных сигналов (анамнез, жалобы, данные объективного обследования, дополнительных методов исследования), тогда заранее известным ответом в этом примере может быть либо диагноз, либо прогноз наступления какого-либо исхода, осложнения (естественно, для этого нужен катамнез). Несколько примеров с разными ответами образуют задачник, который располагается в базе данных. Каждая запись в базе данных является примером.обучающий алгоритм для нейросети: сначала из обучающей выборки берется пример, его входные параметры подаются на входные «синапсы» обучаемой нейросети. Затем нейросеть производит заданное количество тактов функционирования, при этом вектор входных сигналов распространяется по связям между «нейронами» (прямое функционирование). Измеряются сигналы, выданные теми «нейронами», которые считаются выходными. После этого производится интерпретация выданных сигналов и вычисляется оценка, характеризующая различие между выданным сетью ответом и требуемым ответом, имеющимся в примере. Если оценка примера равна нулю, ничего не предпринимается. В противном случае на основании оценки вычисляются поправочные коэффициенты для каждого синаптического веса матрицы связей, после чего производится подстройка синаптических весов (обратное функционирование). В коррекции весов синапсов и заключается обучение. В завершение осуществляется переход к следующему примеру задачника, и вышеперечисленные операции повторяются.

Использ.в хирургической практике, (таких как черепно-мозговая травма, например), а также возможности прогнозирования, поскольку степень воздействия на организм при хирургических вмешательствах крайне высока, и было бы не лишним иметь инструмент, помогающий предвидеть течение событий после разных способов воздействия.

Основные модули активной СППР (перечислить). Данные и знания (определение). Экспертные системы (ЭС), определение. Предметные области для экспертных систем. Обобщенная структура ЭС. Понятие о дедуктивном методе расследования. Логические модули. Инструментальные средства построения ЭС. Требования, предъявляемые к медицинским ЭС. Кто участвует в разработке ЭС? Какие базовые функции реализуются в ЭС? Примеры автоматизированных гибридных систем для поддержки принятия решений.

Модули СППР

-модуль математического моделирования

-статистический модуль

-вероятный модуль

Нейросетевой модуль

Экспертные системы(искусственный интелект)

Экспериментальная система(искуственный интелект)-это компьютерная программа,которая решает задачи путем расследования.процедура расследования определяется базой знаний ,которая создает группа экспертов.программа не содержит жесткого алгоритма расследования.Он определяется в ходе диалога с субъектом расследования,выбором одного из множества виртуальных путей от общих вопросов к определенному заключению(от общего к частному)

Принцип «от общего к частному» соответствует .аксиом)при этом используются константы(факты),которые могут сравниваться с выходными данными и служить основой для промежуточных логических заключений.расследование проводится в режиме диалога. Структура:1)база знаний,(правил)2)база фактических знаний,фактов ,констант.

Экспертная система (ЭС) – это система, обеспечивающая принятие решения по исходной информации на основе базы знаний, хранящей знания экспертов, путем применения ЭВМ, позволяющей интерпретировать эти знания. Экспертная система это одно из проявлений искусственного интеллекта – моделирования процессов мышления. ЭС относятся к классу консультативно-диагностических систем.

Точность диагностики зависит от квалификации специалиста (эксперта) – его умения правильно проанализировать имеющуюся информацию. Но бывают ситуации, когда нет высококвалифицированного специалиста по какой-либо специальности. Поэтому, по мере развития вычислительной техники, возникла идея заложить знания специалистов в компьютер и использовать его в качестве электронного эксперта.

По способу решения задачи диагностики различаютвероятностные системы и экспертные системы..

Самые важные области применения экспертных систем:

- неотложные и угрожающие состояния;

- дефицит времени;

- ограниченные возможности обследования;

- скудная клиническая симптоматика;

- быстрые темпы развития заболевания.

Необходимо отметить, что работа с экспертными системами может вестись удаленно.

Общий принцип, положенный в основу формирования ЭС диагностических заключений, – включение в базу знаний синдромов, позволяющих контролировать все основные системы организма.

Выводы, основанные на опыте работы с экспертной системой, весьма конкретны и обоснованы:

- структурное представление медицинских знаний в виде иерархически организованных описаний;

- этап формирования эталонных описаний развивает у молодых специалистов навыки систематизированного и логически обоснованного описания и представления клинической картины заболевания;

- язык, встроенный в систему для описания заложенных в оболочку ЭС алгоритмов вывода заключений, должен быть прост и доступен практикующему врачу.

Основные участники создания медицинских экспертных систем:

- врач;

- математик;

- программист.

Основная роль в разработке такой системы – роль врача – постановщика задач. Такая расстановка обязанностей не уменьшает значение разработчиков ЭС, а лишь упорядочивает взаимоотношения между участниками совместной работы.

Появился новый подход к решению задач искусственного интеллекта – представление знаний. Созданы MYCIN и DENDRAL – ставшие классическими экспертные системы для медицины и химии.

16. Модуль математического моделирования. Перечислить основные этапы построения и применения модели. Расчётный пример для фармако-кинетической модели (однокамерная) модель с выведение лекарства). Случаи разовой инъекции и инъекции через капельницу.

Моделирование физиологических процессов и систем,основан на решении математических уравнений.

Решение диференц. Уравнений àрешениеàанализàпринятие решений

Пример:фарм –кинеетическая модель-класс модели,которая позволяет получить значение конц. Вещ-ва в организме человека.

Решает вопрос дозировки àС(x,t)модель циркуляции крови-гемодинамика(3 круга кровообращения)

1)модуль математического моделирования физиологических процессов и систем.пример фарм-кинетическая модель.задача:описание концентрации лекарственного вещества во времени С(t,x),определяется деятельностью сердечно-сосудистой системы.

17. Дайте понятие об информационной медицинской системе, ИМС (определение, назначение). Зарубежная классификация ИМС. Какие требования предъявляются к ИМС?

Информационная медицинская система — это совокупность ин­формационных, организационных, программных и технических средств, предназначенных для автоматизации медицинских про­цессов и(или) организаций. Основными задачами, решаемыми с помощью ИМС, явля­ются:

• информационная поддержка оказания медицинской помощи населению;

• информационная поддержка управления отраслью здраво­охранения.

Зарубежные классификации. В зарубежных источниках почти все авторы в последнее время поддерживают деление систем на Com­puterized Physician Order Entry и Patient Care Information Systems. Та­кое деление условно соответствует следующим понятиям: автома­тизированные рабочие места специалистов или системы поддер­жки принятия решений (Decision Support Systems) и информаци­онные медицинские системы. Среди систем Computerized Physician Order Entry различают:

• системы, используемые врачами;

• системы, используемые медицинскими сестрами;

• системы, используемые фармакологами.

В результате исследования пяти ведущих (в плане информати­зации) больниц США были выявлены основные типы систем, используемых в стационарах:

• Computerized Results — системы, предоставляющие компью­терные отчеты о доступных для использования диагностических процессах;

• Computerized Notes — системы, позволяющие вводить различ­ные сведения о лечебно-диагностическом процессе, включающие элементы электронной истории болезни;

• Computerized Ordering — системы управления лечебно-диагно­стическим процессом;

• Computerized Event Monitoring and Notification — системы ком­пьютерного мониторирования и оповещения. Эти системы обес­печивают поиск важных для лечебно-диагностического процесса симптомов и оповещают о найденных отклонениях;

• Clinical Administration Systems — экономические, администра­тивные и справочные системы;

• Decision Support — системы поддержки решений, при пользо­вании которыми может осуществляться взаимодействие с систе­мами типа Computerized Results.

Все большее развитие получают электронные истории болезни (Electronic patient record).

В зависимости от вида системы приводятся требования к ин­формационному, программному, техническому, лингвистическо­му, метрологическому, методическому, организационному и дру­гим видам обеспечения проектируемой и внедряемой автомати­зированной системы.

Состав и содержание работ по созданию системы. Подраздел должен включать перечень этапов работы по разработке автома­тизированной системы и список документов, предъявляемых по их завершению.

Порядок контроля и приемки системы. Описываются виды, объем и методы испытаний автоматизированной системы и ее состав­ных частей (при наличии подсистем). В этом подразделе приводят­ся перечень организаций, участвующих в испытаниях, сроки и место их проведения, статус приемочной комиссии (ведомствен­ная, межведомственная, государственная).

Требования к составу и содержанию работ по подготовке объек­та автоматизации к вводу системы в действие. Подраздел должен содержать перечень основных мероприятий, которые необходимо выполнить до ввода системы в действие: приведение информа­ции, поступающей в систему, к виду, пригодному для обработки с помощью компьютера; изменения, которые необходимо осуще­ствить в объекте автоматизации; создание необходимых для функ­ционирования автоматизированной системы служб и подразделе­ний; сроки обучения персонала.

Требования к документированию. Подраздел включает согласо­ванный заказчиком и разработчиком перечень подлежащих разра­ботке видов документов, соответствующих требованиям государ­ственных стандартов, перечень документов, выпускаемых на ма­шинных носителях.

Источники разработки. Подраздел включает документы и ин­формационные материалы (например, технико-экономическое обоснование, материалы об отечественных и зарубежных аналогах и др.), которые использовались при создании системы.

Таким образом, процесс разработки и сдачи в эксплуатацию ИМС является строго регламентированным. Это дает возможность заказчику четко формулировать свои требования и получать про­дукт, соответствующий им.

18. Что представляет собой ИМС? Охарактеризуйте отечественную классификацию ИМС. Какие требования предъявляются к ИМС?

Информационная медицинская система — это совокупность ин­формационных, организационных, программных и технических средств, предназначенных для автоматизации медицинских про­цессов и(или) организаций. Основными задачами, решаемыми с помощью ИМС, явля­ются:

• информационная поддержка оказания медицинской помощи населению;

• информационная поддержка управления отраслью здраво­охранения.

Классификация С.А.Гаспаряна. В 1978 — 2005 гг. С.А.Гаспарян опубликовал три варианта классификации ИМС. Рассмотрим клас­сификацию, включающую пять классов:

1) технологические информационные медицинские системы (ТИМС);

2) банки информации медицинских служб (БИМС);

3) статистические ИМС;

4) научно-исследовательские ИМС;

5) обучающие (образовательные) ИМС.

1. Технологические информационные медицинские системы обес­печивают информационную поддержку отношений врач —боль­ной. Основанием для деления ИМС в классе ТИМС на виды была характеристика цели обработки медико-биологической информа­ции.

2. Банки информации медицинских служб обеспечивают инфор­мационную поддержку отношений совокупность больных — вра­чи. Основанием для деления БИМС на виды была широта охвата обслуживаемого населения.

Банк данных — совокупность баз данных, а также программные, язы­ковые и другие средства, предназначенные для централизованного на­копления

данных и их использования с помощью электронных вычис­лительных машин.

База данных — объективная форма представления и организации со­вокупности данных, систематизированных таким образом, чтобы эти данные могли быть найдены и обработаны с помощью ЭВМ.

3. Статистические информационные медицинские системы обес­печивают информационную поддержку отношений популяция (в смысле населения обслуживаемого региона) — органы, управ­ляющие системой медицинского обслуживания. Деление стати­стических ИМС на виды было основано на различии объектов опи­сания, представленных в статистических отчетах ЛПУ и террито­риальных органов управления здравоохранением.

4. Научно-исследовательские информационные медицинские си­стемы позволяют рассматривать объекты и документы науки. Раз­деление на виды основано на различиях объектов описания.

5. Обучающие информационные медицинские системы обеспечи­вают информационную поддержку отношений обучаемые —пре­подаватели. Образовательные ИМС разделяются на виды в соот­ветствии с педагогическими принципами оценки уровня освое­ния знаний учащимся.

Классификация Г. А. Хая. Другую классификацию ИМС предло­жил Г. А. Хай (2001), разделивший ИМС на следующие типы:

1) медико-технологические;

2) справочные;

3) базы данных;

4) приборно-компьютерные системы или измерительно-вычис­лительные комплексы (ИВК);

5) микропроцессорные системы;

6) передачи и обработки изображений;

7) сервисные;

8) автоматизированные системы управления (АСУ).

Медико-технологические системы обеспечивают ее ин­формационную поддержку. К таким системам относятся:

• системы вычислительной диагностики;

• системы автоматизации скрининга;

• системы статистического прогнозирования и угрозометрии;

• системы выбора решающих правил для принятия оптималь­ных решений о лечебных мероприятиях.

Приборно-компьютерные системы также относятся к медико- технологическим. Их основой является математическая обработка физиологических сигналов. Самостоятельную группу систем обра­ботки медико-биологической информации составляют, в частно­сти, комплексы программ для лабораторных исследований.

Микропроцессорные системы — это автоматизированные си­стемы, основой которых является микропроцессор. Их применя­ют в самых разных областях: от искусственных органов и управ­ляемых протезов до автоматиз