Диагностические признаки и симптомы(S)

Использование количественных данных для формальной диагностики.

S,t,уровень холестерина,инфаркт миокарда,SGOT.

Устанавливается предел(уровень)интервал нормальности.

Д заболевание
	S есть симптом	TP(ист.пол)
S’нет	FN(лож.отр)

Если предел нормальности сдвинем вправо,то увеличится ложно отрицательное,уменьшиться ложно положительное.а нужно уменьш ложно отр.,поэтому лучше сдвигать влево.(в случае инфаркта)

Операционные характеристики референтного теста.Статические х-ки диагностических знаков и симптомов.

Диагностическая чувствительностьSe P(S\D)=P(D*S)\P(D)=TP\TP+FN

Диагностическая специфичность Sp P(S’\D’)=P(D‘*S’)\P(D)=TN\TN+FP

В идеальном случае FP=0 и FN=0, Se<100% и Sp<100%

Чувствительность max,когда мало знач ложн. отр. специфичность max,когда мало знач ложн.полож.( max=1) и наоборот. Прогностичность положительного результата в задачах дифференциальной диагностики.

В медицинской практике если у теста высокая чувствительность, то по его отрицательному результату можно надежно исключить подозреваемую болезнь. При использовании такого теста мала вероятность пропустить больных. Ошибочно считать, что чувствительный тест хорош для включения болезни в дальнейшую диагностическую проработку, для выявления больных.

Если у теста высокая специфичность, то его положительный результат (его почти никогда не бывает у здоровых!) дает основания включить подозреваемую болезнь в дальнейшую дифференциальную диагностику.

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 автоматизации управления инфузионной те­рапией или искусственной вентиляции легких. Особую группу составляют робототехнические системы (от автономных датчи­ков для исследования полых органов до управления манипуля­торами).

Системы передачи и обработки изображений используются дос­таточно давно. Рентгенограммы, ЭКГ, макро- и микропрепараты передаются на любые расстояния по каналам связи. В настоящее время обмен изображениями для осуществления дистанционной диагностики реализуется в основном с помощью телемедицин­ских технологий.

Справочные ИС позволяют врачу всегда иметь под рукой необ­ходимую для него информацию. В отличие от консультативных медицинских систем справочные носят чисто информационный характер. Справочные системы могут хранить в себе и немедицин­скую информацию (в узком смысле этого слова). Понятно, что основываются справочные системы на БД.

Базы данных пациентов позволяют врачу хранить информацию о своих больных в течение неограниченного времени, оперативно получая из нее нужные сведения.

К сервисным системам относятся программы, не имеющие не­посредственного отношения к медицине и лечебному процессу, но активно использующиеся, такие как электронная почта, Ин­тернет, системы напоминания, учебные программы и т.д.

Автоматизированные системы управления ЛПУ связаны с уп­равлением деятельностью лечебного учреждения в целом. Такие системы включают в себя ряд подсистем: управления потоками больных, работой врачей, ведением медицинской документации, кадрами, материально-техническими ресурсами, финансами, до­кументооборотом, учетом и отчетностью.

Значение стандартов в создании и обеспечении взаимодействия информационных медицинских систем.Стандарт HL7. Международная систематизированная номенклатура SNOMED. Для чего используется стандарт DICOM?

При использовании информационных технологий ключевыми и наиболее сложными для стандартизации являются терминоло­гические проблемы представления и кодирования медицинской информации, а также форматы обмена данными. Мировое сооб­щество в течение многих лет занимается этой проблемой. Предло­жен ряд стандартов, нашедших относительно широкое примене­ние.

Один из самых известных — североамериканский стандарт Health Level Seven (HL1), разрабатывается учеными и экспертами из раз­ных стран мира с целью создания единых правил обмена, обра­ботки и интеграции медицинской информации. Данный стандарт основан на базовой информационной модели (Reference Information Model), которая определяет технологию обмена данными между различными ИС, структуру медицинской документации, реали­зацию назначений, формирование заказов и получение результа­тов исследований, лабораторных тестов и т.д. Стандарт использу­ется для электронного обмена информацией как внутри, так и между учреждениями здравоохранения в США, Австралии, Авст­рии, Великобритании, Германии, Канаде, Нидерландах, Новой Зеландии, Японии и др.

В стандарте HL1 много внимания уделяется не только обеспе­чению передачи самого документа, но и его смысла, который должен однозначно восприниматься и человеком, и другой ИС. Достигается это путем создания документов на основе архитекту­ры CDA (Clinical Document Architecture) с использованием обще­принятых номенклатур, классификаторов и кодификаторов.

Номенклатура — совокупность понятий и связей между ними, упо­требляющихся в какой-либо отрасли знаний, технике и т.п.

Классификатор — это систематизированный перечень объектов, каж­дому из которых присвоен определенный код.

Кодификатор — перечень закодированных объектов, не учитывающий их соподчиненность.

Международная систематизированная номенклатура медицин­ских терминов SNOMED International состоит из 11 связанных вза­имными ссылками классификаторов, называемых модулями: то­пография (детальные термины анатомии); морфология (термины для описания структурных особенностей); функции; микроорга­низмы (включая все вызываемые ими патогенные факторы); хи­мические, лекарственные и биологические продукты; физиче­ские воздействия; профессии; социальная среда (условия и отно­шения); классы заболеваний и диагнозы; процедуры (админист­ративные, диагностические, терапевтические); модификаторы (пе­речень вспомогательных и служебных слов и словосочетаний, ис­пользуемых для связи или модификации терминов других моду­лей).

Используемая в HL1 номенклатура SNOMED СТ (SNOMED Clinical Terms) содержит свыше 300 тыс. концептов (понятий с уникальным смыслом), которые разделены на группы и выстрое­ны в сложную иерархическую структуру. Смысловые связи между концептами определяются с помощью формальных ссылок. Но­менклатура SNOMED СТ обеспечивает передачу смысла при об­мене информацией о заболеваниях, их этиологии, симптомах и клинических проявлениях, проведенном лечении, процедурах и исходе.

Номенклатура SNOMED СТ объединяет в себе SNOMED RT (содер­жит справочную медицинскую терминологию, с помощью которой можно унифицировать и интернационализировать содержание записей в элект­ронных историях болезни) и C7V3 (клиническую терминологию третьей версии кодов Рида).

Систематизированная номенклатура SNOMED International и система клинических терминов Рида тесно связаны с Междуна­родной классификацией болезней, травм и причин смерти (МКБ) путем перекрестных ссылок.

Номенклатура лабораторных и клинических исследований LOINC (Logical observation identifier names and codes) содержит на­звания и коды логических идентификаторов исследований. Этот тезаурус представляет собой систему универсальных идентифика­торов для использования в электронных документах, в первую очередь для лабораторных исследований.

Стандарт DICОМ (Digital Imaging and Communications in Medicine) распространяется на передачу растровых медицинских изображе­ний, получаемых с помощью различных методов лучевой диагно­стики (рентгенография, ультразвуковая диагностика, эндоскопия, компьютерная и магнитно-резонансная томография и др.). Стан­дарт включает паспортные данные пациента и сведения об усло­виях проведения исследования, положении пациента в момент его проведения и т. п. Он содержит описания типов данных и пра­вил кодирования, используемых при передаче информации из одной ИМС в другую. В настоящее время принят стандарт DICOM3.

20. Как регламентируется работа медицинских учреждений в условиях функционирования ИМС?Организационное и правовое обеспечение ИМС.

Организационное обеспечение представляет собой совокупность организационно-технологических решений, определяющих поря­док взаимодействия работников в условиях функционирования системы.

В процессе создания системы разработчик должен предусмот­реть обучение персонала работе с компьютерной системой, раз­работать технологические инструкции для всех категорий персо­нала, эксплуатирующих ИМС, которые должны содержать мето­дические указания по действию как в режиме нормальной работы системы, так и при аварийных ситуациях.

Правовое обеспечение должно включать приказы и распоря­жения, регламентирующие работу медицинских учреждений в ус­ловиях функционирования ИМС. Приказы и распоряжения долж­ны определять:

• сроки, формы и порядок представления регулярной входной и выходной информации и лиц, ответственных за ее представле­ние и достоверность;

• перечень лиц и подразделений, имеющих право на запросы с указанием типов и форм запросов (права доступа сотрудников);

• лицо, ответственное за сохранность архивных данных и выда­чу информации из архива;

• перечень лиц, отвечающих за меры безопасности, использу­ющиеся для обеспечения сохранности, неизменности (целостно­сти) и достоверности информации БД.

Организационное обеспечение функционирования ИМС прин­ципиально важно для эффективной работы как собственно ин­формационной системы, так и использующего его лечебного уч­реждения или органа управления здравоохранением. Особое зна­чение это приобретает в связи с планирующимся созданием еди­ного информационного медицинского пространства и переходом к широкому обмену электронными документами в системе охра­ны здоровья населения.

Дайте определение базы данных (БД). По каким признакам классифицируют базы данных (перечислите признаки, по которым классифицируют БД (1) по характеру хранимой информации, (2) по способу хранения информации, (3) по структуре хранимых данных.

База данных — это организованная совокупность данных, предназначенная для длительного хранения во внешней памяти ЭВМ, постоянного обновления и использования. Также БД мож­но определить как объективную форму представления и организа­ции совокупности данных, систематизированных таким образом, чтобы эти данные могли быть найдены и обработаны с помощью стандартных или специальных программ.

Обычно БД можно рассматривать как информационную мо­дель реальной системы.

Классификация БД. Базы данных классифицируют на основе разных признаков. Одним из системообразующих признаков мо­жет быть характер хранимой информации. По нему БД подразделяют на фактографические и документальные. Фактогра­фические содержат в себе данные в строго фиксированных форма­тах и краткой форме, являясь электронным аналогом каталогов. Документальные БД похожи на архив документов.

Другим системообразующим признаком является способ хранения информации. По нему БД подразделяются на цен­трализованные и распределенные. В централизованной БД вся ин­формация хранится на одном компьютере. Это может быть от­дельный компьютер, но чаще — сервер, к которому подключены клиенты-пользователи. Распределенные БД функционируют в ло­кальных и глобальных сетях. В этих случаях фрагменты БД могут храниться на разных компьютерах или серверах.

Локальная сеть объединяет компьютеры одного подразделения или учреждения, расположенного в одном здании.

Региональные и глобальные сети — это интегрированные локальные сети определенной территории, обеспечивающие функционирование ИС определенной направленности (территориальное здравоохранение, он­кологическая служба и т.д.).

Еще одним системообразующим признаком классификации БД является структура хранимых данных. По нему БД под­разделяют на иерархические, сетевые и реляционные (табличные).

Иерархические БД в графическом изображении часто сравнива­ют с деревом, перевернутым кроной вниз. На верхнем уровне на­ходится один объект, на втором — несколько (объекты второго уровня), на третьем — еще больше (объекты третьего уровня) и т.д. Между объектами есть связи. Объект, находящийся выше по иерархии («предок»), может быть связан с несколькими объекта­ми более низкого уровня («потомками»), а может и не иметь их. Объект ниже по иерархии может иметь только одного «предка». Объекты, имеющие общего «предка», называются «близнецами».

Самым распространенным и всем известным примером иерархиче­ской БД является Каталог папок Windows. Верхний уровень (Рабочий стол) — «предок», второй уровень (Мои документы, Мой компьютер, Сетевое окружение, Корзина и т.д.) — «потомки».

22. Подробно опишите структуру иерархических и сетевых БД. Дайте примеры. Подробно опишите структуру реляционных БД. Дайте примеры. Дайте определение системе управления базами данных (СУБД).

Сетевые БД являются обобщением иерархических за счет до­пущения объектов, имеющих более одного «предка». В сетевых моделях на связи между объектами никаких ограничений не на­кладывается.

Наглядным примером сетевой БД является компьютерная сеть Ин­тернет, в которой с помощью гиперссылок многие миллионы докумен­тов связаны между собой в распределенную БД. Не зря Интернет очень точно часто называют Всемирной паутиной.

Иерархические БД в графическом изображении часто сравнива­ют с деревом, перевернутым кроной вниз. На верхнем уровне на­ходится один объект, на втором — несколько (объекты второго уровня), на третьем — еще больше (объекты третьего уровня) и т.д. Между объектами есть связи. Объект, находящийся выше по иерархии («предок»), может быть связан с несколькими объекта­ми более низкого уровня («потомками»), а может и не иметь их. Объект ниже по иерархии может иметь только одного «предка». Объекты, имеющие общего «предка», называются «близнецами».

Самым распространенным и всем известным примером иерархиче­ской БД является Каталог папок Windows. Верхний уровень (Рабочий стол) — «предок», второй уровень (Мои документы, Мой компьютер, Сетевое окружение, Корзина и т.д.) — «потомки».

Реляционные БД (от англ. relation — отношение) в настоящее время наиболее распространены. В них используется табличная модель данных. Такая БД может состоять из одной таблицы, а мо­жет — из множества взаимосвязанных таблиц.

Структурными составляющими таблицы являются записи и поля. Запись БД — это строка таблицы, содержащая информацию об отдельном объекте системы, например об одном пациенте. По­ле БД — это столбец таблицы, содержащий характеристику (свой­ство, атрибут) объекта, например пол пациента, его возраст и т.д. Каждая таблица должна содержать хотя бы одно поле или несколько полей, содержимое которого уникально для каждой записи в данной таблице (ключ). Иначе говоря, ключ однозначно идентифицирует запись в таблице. В большинстве реально функ­ционирующих медицински<