Объединенная база медицинских знаний: UMKB в России

170

Квалификация экспертов

Специфичность и разнообразие медицинских знаний требуют создания особых инструментов для их формализации, обработки и применения. Решение этой проблемы заключается в создании экспертных систем поддержки принятия врачебных решений, единой базы данных в медицине.

Сегодня, на пике развития информационных технологий, новым трендом стало создание когнитивных систем.

В основе любой экспертной системы лежит база формализованных знаний, от качества и объема которой напрямую зависит эффективность всей системы.

Проблемы при формализации медицинских знаний

Первой проблемой, с которой сталкиваются разработчики подобных систем, является выбор модели представления знаний, способной объединять слабо формализованные и часто противоречивые медицинские знания.

Например, мнение экспертов часто формируется интуитивно с нечеткой оценкой фактов, которые необходимо привести к общему знаменателю с конкретными данными, полученными по итогам клинических исследований.

Не менее проблематично объединение знаний с формированием комплементарности между фактами из разных областей медицины и биологии, представленных множеством разнообразных по структуре онтологий.

Еще сложнее формализовать патологические процессы, где все взаимосвязано, когда требования к выбору модели представления знаний резко возрастают.

Вторая проблема — это сбор и формализация колоссального объема информации, необходимого для эффективного старта и функционирования экспертной системы даже в одной узкоспециализированной области медицины.

Особенно сложности возникают на этапе передачи знаний, которыми обладают эксперты.

Важно! Большинство экспертов, успешно используя в повседневной деятельности свои обширные знания, испытывают затруднения при их формализации и систематизации

Для решения данной проблемы нужен определенный стиль мышления с сочетанием анализа и систематизации, необходимого для функционирования даже узкоспециализированной экспертной системы более близкий программистам, чем медикам.

Таким образом, для разработки экспертной системы необходимо участие в процессе специалистов, обладающих определенной совокупностью знаний и выполняющих функции «посредников» между экспертами в предметной области и программистами.

Или необходимо наличие особого технологического решения, с помощью которого можно распределять конкретные задачи экспертам, а эксперты, отвечая на конкретный вопрос, смогут «обучать» систему.

При этом острой остается проблема квалификации экспертов, качества знаний, передаваемых экспертами системе, а также гибкости и возможности исправления ошибок самой системой — самообучения.

В дальнейшем сложности возникают в обслуживании базы знаний, которые заключаются в постоянной актуализации информации вслед за стремительным развитием медицинской науки, что требует привлечения большого количества экспертов из разных областей медицины и специальных технологий анализа и сбора данных.

В итоге эти сложности выливаются в большие финансовые и временные затраты.По мнению большинства экспертов, именно такие проблемы обуславливают высокий инвестиционный риск подобных проектов.

Решение: объединенная база знаний (UMKB)

Решением данных проблем и фундаментом, на котором могут быть оперативно построены экспертные системы, является первая и единственная в России Объединенная база медицинских знаний.

Объединенная база медицинских знаний — United Medical Knowledge Base (UMKB) представляет собой семантическую сеть, структурированную на основе медицинских онтологий, и теории нечеткой логики для использования в работе экспертных систем.

База накапливает знания всех областей медицины, начиная с клинического опыта врачей и заканчивая молекулярной биологией.

Краеугольным камнем, лежащим в основе UMKB, является модель представления медицинских знаний, которая способна описывать любую область медицины.

Важно! С помощью данной модели максимально точно можно моделировать факторы риска, этиологию, патогенез заболевания (вероятность, время проявления и последовательность патологических признаков на каждом этапе развития болезни), методы лечения и профилактики

При формировании патологических и компенсаторных механизмов концепция предоставляет возможность уточнять множество условий, которые влияют на данный механизм.

Например, признаки, характеризующие индивидуальные особенности организма (пол, возраст, иммунный статус, хронические заболевания и др.), множество внешних и внутренних патогенных факторов, каждый из которых в той или иной степени оказывает влияние на развитие болезни.

Также легко можно моделировать структурно-функциональные особенности организма и их взаимоотношения. Например, компенсаторные механизмы, рефлексы, сложные анатомические структуры, все особенности вариантной анатомии и другие признаки, на основании которых формируются реактивность и резистентность организма.

Модель Базы

Все это очень важно для работы экспертных систем в режиме персонифицированной медицины и постоянно меняющихся задач. Таким образом, модель UMKB представляет гибкие условия для построения экспертных систем в области медицины (рис. 1).

UMKB-технология для создания «интеллектуальных» систем  в области медицины

Модель представление медицинских знаний (принципы многофакторного влияния на отношения между концептами)

Для быстрого и эффективного наполнения UMKB резидент кластера информационных технологий Фонда «Сколково» — компания «Соцмедика» разработала новую технологию моделирования медицинских знаний.

Это гибридная технология, которая использует принципы краудсорсинга для сбора медицинских знаний и машинный анализ медицинских текстов.

Система распределяет задачи среди экспертов — врачей, провизоров и биологов, а из поступающих фрагментов информации формирует семантическую сеть. Информация вводится в систему не только в текстовом виде на разных языках, но и в виде логических связей с той или иной вероятностью.

Возможность построения нейронных сетей в концепции нечеткой логики позволяет системе объединять мнения неограниченного количества врачей, создавая коллективный разум (рис. 2).

UMKB-технология для создания «интеллектуальных» систем  в области медицины

Интерфейс краудсорсинговой платформы моделирования знаний (моделирование патогенеза инфаркта миокарда)

По итогам работы с системой формируется рейтинг экспертов-модераторов, мнению каждого из которых впоследствии придается определенное весовое значение.

Кроме ручного способа наполнения UMKB, также используется технология машинного анализа медицинских текстов с извлечением фактов.

Процесс машинного анализа медицинских текстов в целом состоит из двух этапов:

  1. морфологический анализ текстов, осуществляемый с помощью системы Morphological and Lexical Analyzer, который предоставила компания ABBYY;
  2. извлечение смысла (фактов) из медицинского текста с использованием медицинских онтологий и классификаторов медицинских концептов (терминов), разработанных компанией «Соцмедика».

Каркас UMKB представляет собой систему классификаторов медицинских терминов (признаков) и множества инструментов для формирования связей между признаками по всем существующим медицинским онтологиям.

Система классификаторов состоит из следующих групп классифицированных медицинских признаков:

  • структурно-функциональные признаки (анатомия, гистология, биохимия, геном, функции и др.);
  • физиологические показатели;
  • параметрические признаки;
  • патологические признаки (патологические процессы, реакции и состояния);
  • патогенные факторы (внешние и внутренние);
  • заболевания;
  • основные методы лечения (хирургические, консервативные);
  • методы исследования;
  • физиологические и компенсаторные механизмы;
  • другие классификаторы.

Сегодня общее количество медицинских признаков (терминов без учета синонимов) составляет более 2,5 млн и более 4 млн родовидовых отношений, формирующих структуру классификаторов.

Читайте бесплатно в системе «Главный врач»:

UMKB-технология для создания «интеллектуальных» систем  в области медицины

Пример структуры классификатора UMKB

Преимуществом классификаторов UMKB является возможность формирования концептов по правилам медицинских онтологий. Это позволяет создавать необходимые медицинские понятия в процессе использования классификатора в клинической работе (рис. 3).

При построении медицинских классификаторов эксперты используют источники современной мировой литературы и достижения отечественных медицинских школ.

Наполнение UMKB осуществляется различными специалистами — экспертами в области медицины. По ходу наполнения базы знаний идея создания UMKB распространилась в научных кругах, и к разработке UMKB подключились научные центры и институты из различных областей медицины и биологии, каждый из которых занят созданием своей части UMKB (рис. 4).

UMKB-технология для создания «интеллектуальных» систем  в области медицины

Схематичное представление путей наполнения UMKB

Одними из первых участников проекта UMKB стали ФГБУ «МНИОИ им. П. А. Герцена», ФГБУ «Эндокринологический научный центр», специалисты из ФГБУ «НЦССХ им. А. Н. Бакулева» и НУЗ «НКЦ ОАО «РЖД». Для участников проекта это возможность пользоваться всей UMKB без ограничений и разработать экспертную систему поддержки принятия решений в своей области.

На сегодняшний день идеология создания UMKB становится отдельным движением в научных кругах РФ. По сути, UMKB представляет собой «живой организм», т. к. знания будут постоянно пополняться и обновляться, в зависимости от уровня прогресса медицины и эволюции болезней.

На основе UMKB группой разработчиков создан первый продукт, уже востребованный на рынке экспертных систем в области фармакологии — Pharm Expert.

PharmExpert представляет собой систему поддержки принятия решений по назначению лекарственных средств, которая интегрируется в медицинскую информационную систему лечебного учреждения и в фоновом режиме, анализируя историю болезни, корректирует фармакотерапию согласно профилю пациента и данным о совместимости препаратов между собой.

Важно! В ближайшей перспективе PharmExpert, запоминая все случаи клинической практики и реакцию врача-пользователя (принятие или игнорирование рекомендации системы), сможет перестраивать весовые связи и ремоделировать знания в зависимости от реальной рутинной клинической практики, тем самым запуская процесс самообучения

При этом PharmExpert сможет автоматически формировать регистры данных об эффективности методов лечения для конкретных клинических случаев с учетом принципов фармакоэкономики.

Работа в фоновом режиме — одно их важнейших преимуществ системы. Врачу не требуется вводить дополнительные данные, помимо тех, которые специалист вводит в историю болезни ежедневно.

Поскольку фармакология — область знаний, объединяющая все направления медицины, реализация экспертной системы по фармакологии без UMKB оказалась бы сложно реализуемой задачей.

С Объединенной базой медицинских знаний для разработки продукта потребовалось меньше шести месяцев, которые ушли на создание концептуальных рабочих алгоритмов «мышления» системы и их патентную защиту, а также на формализацию огромного количества знаний о фармакологии — это справочники по фармакологии и инструкции по медицинскому применению лекарственных препаратов, а также ряд обзоров, научных публикаций и клинических рекомендаций по тематике лекарственных взаимодействий и противопоказаний к применению лекарственных средств у различных категорий пациентов.

В настоящее время производится инсталляция PharmExpert в медицинские информационные системы и специализированные клинические центры РФ.

Одним из представителей конкурентных решений в области облачных экспертных систем является суперкомпьютер IBM Watson. Разработчики заявляют, что IBM Watson функционирует на основании «прочитанных» 25 тыс. историй болезни 2 млн страниц медицинского текста и показывает во многих случаях более точные диагностические результаты и назначает более успешную схему терапии, чем врачи.

Экспертные системы, разрабатываемые на основе UMKB, имеют целый ряд преимуществ:

Но самое основное преимущество заключается в том, что технология UMKB максимально масштабируема, поскольку позволяет работающим в различных направлениях участникам проекта (разработчикам экспертных систем в области медицины), используя одну общую базу знаний, за короткие сроки разрабатывать качественные экспертные системы в своей области, исходя из потребностей локального рынка.

Это придаст ускорение процессу создания и интеграции систем поддержки принятия решений в клиники РФ.

В ближайшем будущем подобные системы будут функционировать в структуре здравоохранения и помогать врачам в принятии решений. От качества системы и заложенных в ней знаний будет зависеть решения многих врачей, что опосредованно повлияет на здоровье нации.

Поэтому создание собственной системы поддержки принятия решений врача является стратегически важным для нашего государства.

  1. В UMKB при построении семантики используются медицинские онтологии, следовательно, поиск ответа может осуществляться по аналогии с мышлением врача. То есть, помимо статистического анализа больших клинических данных и корреляционных вычислений, которые использует IBM Watson, системы, разработанные на основе UMKB, могут поднимать более глубокие знания в области патофизиологии и физиологии человека. Это позволит нашим системам при недостаточном количестве клинических данных решать многие задачи методом дедукции. Такой способ очень важен в условиях дефицита поступающих данных о состоянии пациента, который наблюдается во многих регионах Российской Федерации и некоторых странах СНГ по сравнению с условиями в США.
  2. С целью наполнения UMKB параллельно с лингвистическим анализом медицинских текстов используется краудсорсинговая модель наполнения базы с участием ведущих научных центров РФ. Такой комбинированный способ ввода информации позволяет исключить ошибки, которые неизбежны при машинном анализе текста. Это позволяет повысить достоверность данных.
  3. Что касается применения американских стандартов в российских реалиях, далеко не все они будут работать. Например, если говорить об онкологии, то категории пациентов, размер страховых покрытий и используемые препараты будут значительно различаться.
  4. «Родной язык» Объединенной базы медицинских знаний — русский. Она разработана в первую очередь для использования в российской клинической практике. При этом платформа для наполнения знаний является мультиязычной и поддерживает любые другие языки. Это значит, что практика мировых школ может быть также интегрирована и используема в экспертных системах UMKB.


Ваша персональная подборка

    Подписка на статьи

    Чтобы не пропустить ни одной важной или интересной статьи, подпишитесь на рассылку. Это бесплатно.

    Рекомендации по теме

    Мероприятия

    Мероприятия

    Повышаем квалификацию

    Посмотреть

    Самое выгодное предложение

    Самое выгодное предложение

    Воспользуйтесь самым выгодным предложением на подписку и станьте читателем уже сейчас

    Живое общение с редакцией

    А еще...






    Наши продукты






















    © МЦФЭР, 2006 – 2017. Все права защищены.

    Портал zdrav.ru - медицинский портал для медицинских работников. Новости и статьи для главных врачей, медицинских сестер, заместителей главного врача, специалистов по качеству медицинской помощи, заведующих КДЛ, медицинских юристов, экономистов ЛПУ, провизоров и руководителей аптек.

    Информация на данном сайте предназначена только для медицинских работников. Ознакомьтесь с соглашением об использовании.
    Свидетельство о регистрации средства массовой информации ПИ № ФС77-64203 от 31.12.2015.

    Политика обработки персональных данных

    
    • Мы в соцсетях
    Сайт предназначен для медицинских работников!

    Чтобы продолжить чтение статей на портале ZDRAV.RU, пожалуйста, зарегистрируйтесь.
    Это займет всего 57 секунд. Для вас будут доступны:

    — 9400 статей
    — 4000 ответов на вопросы
    — 80 видеосеминаров
    — множество форм и образцов документов
    — бесплатная правовая база
    — полезные калькуляторы

    Вы также получите подарок — журнал в формате pdf

    У меня есть пароль
    напомнить
    Пароль отправлен на почту
    Ввести
    Я тут впервые
    И получить доступ на сайт Займет минуту!
    Введите эл. почту или логин
    Неверный логин или пароль
    Неверный пароль
    Введите пароль
    Сайт предназначен для медицинских работников!

    Чтобы продолжить чтение статей на портале ZDRAV.RU, пожалуйста, зарегистрируйтесь.
    Это займет всего 57 секунд. Для вас будут доступны:

    — 9400 статей
    — 4000 ответов на вопросы
    — 80 видеосеминаров
    — множество форм и образцов документов
    — бесплатная правовая база
    — полезные калькуляторы

    Вы также получите подарок — pdf- журнал «Здравоохранение»

    У меня есть пароль
    напомнить
    Пароль отправлен на почту
    Ввести
    Я тут впервые
    И получить доступ на сайт Займет минуту!
    Введите эл. почту или логин
    Неверный логин или пароль
    Неверный пароль
    Введите пароль
    ×
    Сайт предназначен для медицинских работников!

    Чтобы скачать файл на портале ZDRAV.RU, пожалуйста, зарегистрируйтесь.
    Это займет всего 57 секунд. Для вас будут доступны:

    — 9400 статей
    — 4000 ответов на вопросы
    — 80 видеосеминаров
    — множество форм и образцов документов
    — бесплатная правовая база
    — полезные калькуляторы

    Вы также получите подарок — pdf- журнал «Здравоохранение»

    У меня есть пароль
    напомнить
    Пароль отправлен на почту
    Ввести
    Я тут впервые
    И получить доступ на сайт Займет минуту!
    Введите эл. почту или логин
    Неверный логин или пароль
    Неверный пароль
    Введите пароль
    ×
    Сайт предназначен для медицинских работников!

    Чтобы скачать файл на портале ZDRAV.RU, пожалуйста, зарегистрируйтесь.
    Это займет всего 57 секунд. Для вас будут доступны:

    — 9400 статей
    — 4000 ответов на вопросы
    — 80 видеосеминаров
    — множество форм и образцов документов
    — бесплатная правовая база
    — полезные калькуляторы

    Вы также получите подарок — pdf- журнал «Здравоохранение»

    У меня есть пароль
    напомнить
    Пароль отправлен на почту
    Ввести
    Я тут впервые
    И получить доступ на сайт Займет минуту!
    Введите эл. почту или логин
    Неверный логин или пароль
    Неверный пароль
    Введите пароль
    ×