Войти
A Система поддержки принятия клинических решений (CDSS ) - это информационная технология здравоохранения, которая предназначена для предоставления врачам и другим специалистам здравоохранения поддержки принятия клинических решений (CDS ), то есть помощи в принятии клинических решений- выполнение задач. Рабочее определение было предложено Робертом Хейвордом из Центра фактических данных о здоровье: «Системы поддержки клинических решений связывают наблюдения за состоянием здоровья со знаниями о здоровье, чтобы повлиять на выбор клиницистами в отношении улучшения здоровья». CDSS составляют важную тему искусственного интеллекта в медицине.
Система поддержки принятия клинических решений была определена как «активные системы знаний, которые используют два или более элемента данных пациента для выработки рекомендаций по конкретному случаю». Это означает, что CDSS - это просто система поддержки принятия решений, ориентированная на использование управления знаниями таким образом, чтобы получать клинические рекомендации по уходу за пациентами на основе нескольких элементов данных о пациентах..
Основная цель современных CDSS - помочь клиницистам на месте оказания помощи. Это означает, что врачи взаимодействуют с CDSS, чтобы помочь проанализировать и поставить диагноз на основе данных пациента.
Раньше считалось, что CDSS используются для того, чтобы буквально принимать решения за клинициста. Врач вводит информацию и ждет, пока CDSS выдаст «правильный» выбор, а врач просто будет действовать в соответствии с этим результатом. Однако современная методология использования CDSS для оказания помощи означает, что клиницист взаимодействует с CDSS, используя как свои собственные знания, так и CDSS, чтобы сделать лучший анализ данных пациента, чем человек или CDSS могли бы сделать самостоятельно. Как правило, CDSS предлагает клиницисту ознакомиться с ними, и ожидается, что врач выберет полезную информацию из представленных результатов и исключит ошибочные предложения CDSS.
Два основных типа CDSS основаны на знаниях и не основанный на знаниях:
Примером того, как система поддержки принятия клинических решений может использоваться клиницистом, является система поддержки принятия решений в отношении диагноза. DDSS запрашивает некоторые данные пациентов и в ответ предлагает набор соответствующих диагнозов. Затем врач берет выходные данные DDSS и определяет, какие диагнозы могут быть релевантными, а какие нет, и, при необходимости, назначает дополнительные тесты, чтобы сузить диагноз.
Другим примером CDSS может быть система логического обоснования (CBR). Система CBR может использовать предыдущие данные случая, чтобы помочь определить подходящее количество лучей и оптимальные углы луча для использования в лучевой терапии для пациентов с раком мозга; медицинские физики и онкологи затем рассмотрят рекомендованный план лечения, чтобы определить его жизнеспособность.
Другая важная классификация CDSS основана на сроках его использования. Врачи используют эти системы на месте оказания медицинской помощи, чтобы помочь им в работе с пациентом, причем время использования определяется до постановки диагноза, во время постановки диагноза или после постановки диагноза. Системы CDSS для предварительной диагностики используются, чтобы помочь врачу подготовить диагноз. CDSS, используемый во время диагностики, помогает просмотреть и отфильтровать предварительные диагностические решения врача, чтобы улучшить их окончательные результаты. Системы CDSS после постановки диагноза используются для сбора данных с целью установления связей между пациентами и их прошлой медицинской историей и клинических исследований для прогнозирования будущих событий. По состоянию на 2012 год утверждалось, что поддержка принятия решений в будущем начнет заменять врачей, выполняющих общие задачи.
Другой подход, используемый Национальной службой здравоохранения в Англии, заключается в использовании DDSS (либо в прошлом, управляемый пациентом, либо, сегодня, оператором по телефону, который не имеет медицинского образования) для сортировки медицинских состояний в нерабочее время, предлагая пациенту подходящий следующий шаг (например, вызовите скорую помощь или обратитесь к терапевту на следующий рабочий день). Предложение, которое может быть проигнорировано пациентом или оператором телефона, если здравый смысл или осторожность подсказывают иное, основано на известной информации и неявном заключении о том, какой диагноз может быть наихудшим; он не всегда раскрывается пациенту, потому что он вполне может быть неверным и не основан на мнении обученного с медицинской точки зрения человека - он используется только для целей первичной сортировки.
Большинство CDSS состоят из трех частей: базы знаний, механизма вывода и механизма связи. База знаний содержит правила и ассоциации скомпилированных данных, которые чаще всего принимают форму правил IF-THEN. Если бы это была система для определения взаимодействий между лекарственными средствами, то правилом могло бы быть, что ЕСЛИ принимается препарат X И препарат Y принимается, ТО предупредите пользователя. Используя другой интерфейс, опытный пользователь может редактировать базу знаний, чтобы поддерживать ее в курсе новых лекарств. Механизм вывода объединяет правила из базы знаний с данными пациента. Механизм коммуникации позволяет системе показывать результаты пользователю, а также вводить данные в систему.
Язык выражений, такой как GELLO или CQL (язык клинического качества), необходим для выражения артефактов знаний в вычислимом манера. Например: если у пациента сахарный диабет, и если последний результат теста на гемоглобин A1c был менее 7%, рекомендуется повторное тестирование, если оно было более 6 месяцев, но если последний результат теста был больше или равен 7%, затем порекомендуйте повторное тестирование, если оно длилось более 3 месяцев.
В настоящее время рабочая группа HL7 CDS фокусируется на развитии языка клинического качества (CQL). CMS объявила, что планирует использовать CQL для спецификации eCQM (https://ecqi.healthit.gov/cql ).
CDSS, не использующие базу знаний, используют форму искусственного интеллекта, называемую машинное обучение, что позволяет компьютеры, чтобы извлечь уроки из прошлого опыта и / или найти закономерности в клинических данных. Это устраняет необходимость в написании правил и мнении экспертов. Однако, поскольку системы, основанные на машинном обучении, не могут объяснить причины своих выводов, большинство клиницистов не используют их напрямую для диагностики из соображений надежности и ответственности. Тем не менее, они могут быть полезны в качестве постдиагностических систем, чтобы предлагать врачам шаблоны для более глубокого изучения.
По состоянию на 2012 год тремя типами систем, не основанных на знаниях, являются машины опорных векторов, искусственные нейронные сети и генетические алгоритмы.
С принятием Закона о восстановлении и реинвестировании Америки Закон от 2009 (ARRA), есть толчок к повсеместному внедрению информационных технологий здравоохранения через Закон о медицинских информационных технологиях для экономического и клинического здоровья (HITECH). Благодаря этим инициативам все больше больниц и клиник интегрируют электронные медицинские карты (EMR) и компьютеризированный ввод данных врача (CPOE) в свою обработку и хранение медицинской информации. Следовательно, Институт медицины (IOM) продвигал использование медицинских информационных технологий, включая системы поддержки принятия клинических решений, для повышения качества обслуживания пациентов. В 1999 г. IOM опубликовала отчет To Err is Human, в котором основное внимание уделялось кризису безопасности пациентов в Соединенных Штатах, указывающему на невероятно большое количество смертей. Эта статистика привлекла большое внимание к качеству ухода за пациентами.
С принятием Закона о HITECH, включенного в ARRA, поощряющего внедрение ИТ в области здравоохранения, более подробные прецедентные законы для CDSS и EMR все еще определяются Управление национального координатора медицинских информационных технологий (ONC) и одобрено Министерством здравоохранения и социальных служб (HHS). Определение «рационального использования» еще не опубликовано.
Несмотря на отсутствие законов, поставщики CDSS почти наверняка будут считаться несущими юридическую обязанность заботиться обоим пациентам, которые могут пострадать из-за использованию CDSS и врачам, которые могут использовать эту технологию для ухода за пациентами. Однако правовые нормы по уходу еще четко не определены.
С недавним вступлением в силу законодательства, касающегося стимулов к оплате за смену результатов, CDSS становятся более привлекательными.
Свидетельства эффективности CDSS неоднозначны. Есть определенные болезненные объекты, которым CDSS больше помогает, чем другим болезненным объектам. Систематический обзор 2018 года выявил шесть медицинских состояний, при которых CDSS улучшил исходы для пациентов в больничных условиях, в том числе: контроль уровня глюкозы в крови, управление переливанием крови, профилактика физиологического ухудшения, профилактика пролежней, профилактика острого повреждения почек и профилактика венозной тромбоэмболии. Систематический обзор 2014 г. не выявил преимуществ с точки зрения риска смерти при сочетании CDSS с электронной медицинской картой. Однако могут быть некоторые преимущества с точки зрения других результатов. В 2005 систематическом обзоре был сделан вывод, что CDSS улучшили работу практикующего врача в 64% исследований и исходы для пациентов в 13% исследований. Функции CDSS, связанные с улучшением работы практикующего врача, включали автоматические электронные подсказки, а не требование активации системы пользователем.
Систематический обзор 2005 года показал... «Системы поддержки принятия решений значительно улучшили клиническую практику в 68% исследований». Функции CDSS, связанные с успехом, включали интеграцию в клинический рабочий процесс, а не в виде отдельного входа в систему или экрана, электронные, а не бумажные шаблоны, обеспечивающие поддержку принятия решений во время и в месте оказания помощи, а не ранее, и предоставление рекомендаций по уходу.
Однако более поздние систематические обзоры были менее оптимистичны в отношении эффектов CDS: в одном из 2011 г. говорилось: «Существует большой разрыв между постулируемыми и эмпирически продемонстрированными преимуществами [CDSS и других] технологий электронного здравоохранения... их экономическая эффективность еще не продемонстрирована ».
В 2014 году была опубликована пятилетняя оценка эффективности CDSS в реализации рационального лечения бактериальных инфекций; по словам авторов, это было первое долгосрочное исследование CDSS.
Многие медицинские учреждения приложили много усилий и компании-разработчики программного обеспечения для создания жизнеспособных CDSS для поддержки всех аспектов клинических задач. Однако из-за сложности клинических рабочих процессов и больших затрат времени персонала учреждение, развертывающее систему поддержки, должно проявлять осторожность, чтобы система стала гибкой и неотъемлемой частью клинического рабочего процесса. Некоторые CDSS имели разный успех, в то время как другие страдали от общих проблем, мешающих или ограничивающих успешное принятие и принятие.
Два сектора здравоохранения, в которых CDSS оказали большое влияние, - это фармацевтика и биллинг. Существуют часто используемые системы заказа аптек и рецептов, которые теперь выполняют пакетную проверку заказов на наличие негативных взаимодействий с лекарствами и сообщают предупреждения специалисту по заказу. Еще одна область успеха CDSS - это выставление счетов и подача исков. Поскольку многие больницы полагаются на возмещение расходов по программе Medicare для продолжения работы, были созданы системы, помогающие изучить как предлагаемый план лечения, так и действующие правила Medicare, чтобы предложить план, который пытается охватить как уход за больными, так и пациенту и финансовым потребностям учреждения.
Другие CDSS, нацеленные на диагностические задачи, достигли успеха, но часто очень ограничены в развертывании и объеме. Система лечения боли в животе Leeds была введена в действие в 1971 году в больнице Университета Лидса и, как сообщалось, позволила поставить правильный диагноз в 91,8% случаев, по сравнению с показателем успеха клиницистов в 79,6%.
Несмотря на то, что Широкий спектр усилий учреждений по созданию и использованию этих систем, широкое распространение и признание еще не достигнуто для большинства предложений. Исторически сложилось так, что одним большим препятствием на пути к принятию была интеграция рабочего процесса. Существовала тенденция сосредотачиваться только на функциональном ядре принятия решений CDSS, что приводило к дефициту в планировании того, как врач будет фактически использовать продукт на месте. Часто CDSS были автономными приложениями, требующими от клинициста прекратить работу с их текущей системой, переключиться на CDSS, ввести необходимые данные (даже если они уже были введены в другую систему) и изучить полученные результаты. Дополнительные шаги прерывают поток с точки зрения клинициста и требуют драгоценного времени.
Системы поддержки принятия клинических решений сталкиваются с серьезными техническими проблемами в ряде областей. Биологические системы чрезвычайно сложны, и клиническое решение может использовать огромный диапазон потенциально релевантных данных. Например, электронная система доказательной медицины потенциально может учитывать симптомы пациента, историю болезни, семейную историю и генетику, а также исторические и географические тенденции. о возникновении заболевания, а также опубликованные клинические данные о лекарственной эффективности при рекомендации курса лечения пациенту.
С клинической точки зрения серьезным препятствием для принятия CDSS является интеграция рабочего процесса.
Еще одним источником разногласий со многими системами медицинской поддержки является то, что они создают огромное количество предупреждений. Когда системы выдают большое количество предупреждений (особенно тех, которые не требуют эскалации), помимо раздражения, врачи могут уделять предупреждениям меньше внимания, что приводит к пропуску потенциально критических предупреждений.
Одной из основных проблем, стоящих перед CDSS, является трудность включения большого количества клинических исследований, публикуемых на постоянной основе. В конкретный год публикуются десятки тысяч клинических испытаний. В настоящее время каждое из этих исследований необходимо вручную прочитать, оценить на предмет научной обоснованности и точно включить в CDSS. В 2004 году было заявлено, что процесс сбора клинических данных и медицинских знаний и их преобразования в форму, которой компьютеры могут манипулировать для поддержки принятия клинических решений, «все еще находится в зачаточном состоянии».
Тем не менее, он Для бизнеса более целесообразно сделать это централизованно, даже если не полностью, чем для каждого отдельного врача, чтобы попытаться не отставать от всех публикуемых исследований.
Помимо трудоемкости, иногда может потребоваться интеграция новых данных. быть трудным для количественной оценки или включения в существующую схему поддержки принятия решений, особенно в тех случаях, когда различные клинические статьи могут показаться противоречащими друг другу. Правильное разрешение такого рода несоответствий часто является предметом самих клинических работ (см. метаанализ ), на выполнение которого часто уходят месяцы.
Чтобы CDSS предлагал ценность, он должен явно улучшить клинический рабочий процесс или результат. Оценка CDSS - это процесс количественной оценки ее ценности для улучшения качества системы и измерения ее эффективности. Поскольку разные CDSS служат разным целям, не существует общей метрики, применимой ко всем таким системам; тем не менее, такие атрибуты, как согласованность (с самим собой и с экспертами), часто применимы к широкому спектру систем.
Контрольный тест для CDSS зависит от цели системы: например, система поддержки диагностических решений может быть оцененным на основе последовательности и точности классификации болезни (по сравнению с врачами или другими системами поддержки принятия решений). Система доказательной медицины может быть оценена на основе высокой степени улучшения состояния пациентов или более высокой финансовой компенсации поставщикам медицинских услуг.
Внедрение электронных медицинских карт было неизбежной проблемой. Причины, стоящие за этой проблемой, заключаются в том, что это относительно неизведанная область, и существует множество проблем и сложностей на этапе внедрения EHR. Об этом свидетельствуют многочисленные проведенные исследования. Однако проблемы с внедрением электронных медицинских записей (ЭУЗ) привлекли к себе некоторое внимание, но о процессе перехода от устаревших ЭУЗ к более новым системам известно меньше.
ЭУЗ - способ фиксировать и использовать данные в режиме реального времени для оказания высококачественной помощи пациентам, обеспечивая эффективность и эффективное использование времени и ресурсов. Включение EHR и CDSS вместе в медицинский процесс может изменить способ преподавания и практики медицины. Было сказано, что «наивысший уровень EHR - это CDSS».
Поскольку «системы поддержки принятия клинических решений (CDSS) - это компьютерные системы, предназначенные для оказания влияния на принятие клиническими решениями относительно отдельных пациентов в тот момент времени, когда они решения принимаются », ясно, что было бы полезно иметь полностью интегрированные CDSS и EHR.
Несмотря на то, что преимущества видны, для полного внедрения CDSS, интегрированного с EHR, исторически требовалось серьезное планирование со стороны медицинского учреждения / организации, чтобы CDSS был успешным и эффективным.. Успех и эффективность могут быть измерены увеличением объема оказываемой помощи пациентам и уменьшением нежелательных явлений. Кроме того, будет экономия времени и ресурсов, а также преимущества с точки зрения автономии и финансовых выгод для медицинского учреждения / организации.
Успешный CDSS / Интеграция EHR позволит предоставлять пациенту передовую и высококачественную помощь, что является конечной целью здравоохранения.
Ошибки случались в здравоохранении всегда, поэтому для обеспечения качественного ухода за пациентами важно стараться как можно больше их минимизировать. При внедрении CDSS и электронных медицинских карт (EHR) можно решить три области:
CDSS будут будет наиболее выгодным в будущем, когда медицинские учреждения будут «на 100% электронными» с точки зрения информации о пациентах в режиме реального времени, что упростит количество модификаций, которые необходимо выполнить, чтобы гарантировать, что все системы обновлены друг с другом.
Измеримые преимущества систем поддержки принятия клинических решений для работы врачей и результатов лечения пациентов остаются предметом постоянных исследований.
Внедрение электронных медицинских карт (EHR) в учреждениях здравоохранения сопряжено с проблемами; Нет ничего важнее, чем поддержание эффективности и безопасности во время развертывания, но для того, чтобы процесс внедрения был эффективным, понимание точки зрения пользователей EHR является ключом к успеху проектов внедрения EHR. В дополнение к этому, необходимо активно поощрять внедрение с помощью восходящего подхода, ориентированного на клинические потребности. То же самое можно сказать и о CDSS.
По состоянию на 2007 год основными проблемами при переходе на полностью интегрированную систему EHR / CDSS были:
, а также ключевые аспекты ввода данных, которые необходимо учитывать при внедрении CDSS, чтобы избежать возможных нежелательных явлений. Эти аспекты включают:
A сервисно-ориентированная архитектура была предложена в качестве технического средства для устранения некоторых из этих препятствий.
По состоянию на июль 2015 года запланированный переход на ЭУЗ в Австралии сталкивается с трудностями. Большинство медицинских учреждений по-прежнему используют полностью бумажные системы, а некоторые находятся в переходной фазе сканирования электронных медицинских записей или движутся к такому переходному этапу.
Виктория попыталась внедрить EHR по всему штату с помощью своей программы HealthSMART, но из-за неожиданно высоких затрат она отменила проект.
Южная Австралия, однако, немного более успешна, чем Виктория. при внедрении EHR. Это может быть связано с централизованным управлением всеми общественными организациями здравоохранения в ЮАР.
(Однако, с другой стороны, Национальная служба здравоохранения Великобритании также управляется централизованно, а ее Национальная программа по ИТ в 2000-х гг., Которая включала ЭУЗ в его задача была дорогостоящей катастрофой.)
SA находится в процессе внедрения «Enterprise системы управления пациентами (EPAS)». Эта система является основой для всех государственных больниц и медицинских учреждений для ЭУЗ в SA, и ожидалось, что к концу 2014 года все учреждения в SA будут подключены к ней. Это позволит успешно интегрировать CDSS в SA и увеличить преимущества EHR. К июлю 2015 года сообщалось, что только 3 из 75 медицинских учреждений внедрили EPAS.
Имея самую крупную систему здравоохранения в стране и федеративную, а не централизованную модель, Новый Южный Уэльс последовательно продвигается к общему штату. внедрение EHR. Текущая версия государственной технологии eMR2 включает в себя функции CDSS, такие как путь сепсиса для выявления пациентов из группы риска на основе ввода данных в электронную запись. По состоянию на июнь 2016 года 93 из 194 центров, охватываемых первоначальным развертыванием, внедрили eMR2
Служба поддержки принятия клинических решений Duodecim EBMEDS используется более чем 60% Финские врачи общественного здравоохранения.
