Cтатья об эффективности компьютерных программ, влияющих на принятие врачом решения при обследовании пациента, диагностике, назначении лечения.
Доказательная медицина и системы поддержки принятия врачебных решений — что общего?
Статья О.Ю. Ребровой «Жизненный цикл систем поддержки принятия врачебных решений как медицинских технологий», в которой рассмотрены пути получения научных доказательств эффективности и безопасности таких систем.
Актуальным определением системы поддержки принятия врачебных решений (СППВР) следует считать следующее: «СППВР – это программное обеспечение, позволяющее путем сбо-
ра и анализа информации влиять на принятие врачом решения при обследовании пациента, диагностике, назначении лечения с целью снижения ошибок и повышения качества оказываемой медицинской помощи» [1].
Классификация СППВР
1. Информационно-справочные СППВР
Авторы [1] дифференцируют функционал таких систем следующим образом:
— справочно-библиотечные системы;
— электронные медицинские карты;
— интегральный анамнез;
— автоматизация врачебных назначений;
— автоматический контроль требований нормативно-правовых актов;
— автоматический контроль «клинического минимума»;
— автоматическая поддержка клинических руководств;
— автоматический контроль критериев качества медицинской помощи.
2. Интеллектуальные СППВР (системы, имитирующие или моделирующие рассуждения врача, иСППВР)
2.1. Системы, имитирующие рассуждения врача (вычислительные системы):
2.1.1. Модели, построенные с применением методов многомерной математической статистики, нейронных сетей (обычно слабо интерпретируемые, для пользователя-врача выглядят как «черный ящик»).
2.1.2. Модели, построенные с применением методов математической логики (обычно хорошо интерпретируемые). Пример: модели, построенные с использованием деревьев решений, ДСМ-метода, логико-статистического подхода.
2.2. Системы, моделирующие рассуждения врача (экспертные системы; системы, построенные на знаниях). Разрабатываются модели знаний, извлеченных из различных источников (главным образом, текстов и экспертов).
3. Гибридные системы – сочетающие информационно-справочные и интеллектуальные компоненты.
До настоящего времени не получены убедительные доказательства эффективности и безопасности информационно-справочных СППВР, преимущественно разработанных для повышения соответствия врачебной практики клиническим рекомендациям, в улучшении клинических исходов пациентов. Проведены десятки, и возможно даже сотни, рандомизированных контролируемых испытаний (РКИ), однако большинство систематических обзоров (СО) не позволяют сделать вывод об эффективности таких систем [2–6]. Показано некоторое улучшение первичной и вторичной профилактики в результате применения СППВР: по результатам 28 РКИ выявлен сниженный относительный риск новых случаев острых заболеваний (инфаркт миокарда, острое нарушение мозгового кровообращения, пневмония и др.) 0,82, 95% ДИ (0,68; 0,99) [7]. Полезность СППВР на основе встраивания КР для профилактики нескольких состояний показана и в систематическом обзоре [8], однако в него включены неконтролируемые (оценка «до-после») и нерандомизированные исследования, следовательно, полученные доказательства имеют низкий уровень достоверности.
Что касается иСППВР, то таких исследований пока меньше, однако уже выполнены несколько СО. В СО [9] изучены 39 исследований СППВР по ведению острой и хронической боли, основанных на искусственных нейронных сетях (ИНС), статистических методах машинного обучения, деревьях решений, логических методах и др. Хотя получены отдельные отличные результаты (в основном
с использованием ИНС), в целом качество таких систем пока нельзя считать хорошим. СО [10] включает 10 исследований разных дизайнов, оценивавших способы выявления пациентов с риском увеличения интервала QT с применением методов предиктивной аналитики, и какой-либо определенный вывод сделан не был. Тридцать исследований разных дизайнов, включенные в СО [11], обобщены с целью оценки качества диагностики рассеянного склероза с использованием систем на основе нечеткой логики, ИНС, формализации правил и других методов. Наилучшие результаты получены с использованием ИНС – ч увствительность составила 97%, точность – 99%. Что касается ИИ в области анализа медицинских изображений, то преимущество алгоритмов, построенных на глубоком машинном обучении, над врачебными оценками отсутствует. Этот вывод сделан по результатам мета-анализа, включившем 82 исследования [12]. Таким образом, сплошных успехов иСППВР тоже пока не наблюдается, а качество имеющихся доказательств низкое.
СППВР для врача фактически играют роль «второго мнения», которое он может учесть или не учесть при выработке своего решения, недаром такие системы также называют рекомендательными. Поскольку в настоящее время многие врачи стараются практиковать в соответствии с концепцией доказательной медицины, СППВР рассматривается ими как любая другая медицинская технология (МТ), потенциально влияющая на состояние больного, и которая, соответственно, должна иметь научное обоснование своей эффективности и безопасности.
Конечно, степень влияния СППВР на решение врача требует специального изучения, но в дальнейшем мы будем исходить из предположения ее максимального влияния на решение врача. Это позволит рассматривать СППВР в контексте необходимости максимизации ее эффективности и безопасности.
Рассмотрим жизненный цикл МТ в применении к СППВР, прежде всего интеллектуальным…
Полный текст статьи — по ссылке
http://osdm.org/blog/2020/07/25/dokazatelnaya-medicina-i-sistemy-podderzhki-prinyatiya-vrachebnyx-reshenij-chto-obshhego/
