Программа RFMEFI60819X0278 — 2019

Соглашение о предоставлении гранта

В соответствии с Соглашением о предоставлении из федерального бюджета грантов в форме субсидий в соответствии с пунктом 4 статьи 78.1 Бюджетного кодекса Российской Федерации № 075-15-2019-1713 от 27.11.2019 г. между Министерством науки и высшего образования Российской Федерации и Федеральным государственным автономным образовательным учреждением высшего образования Первый Московский государственный медицинский университет имени И.М.Сеченова Министерства здравоохранения Российской Федерации (Сеченовский Университет), Институт цифровой медицины Сеченовского Университета выполняет прикладную научно-исследовательскую экспериментальную работу (ПНИЭР) «Разработка системы принятия информированных врачебных решений для выбора рациональной фармакотерапии на основании интеллектуального анализа данных» по лоту шифр № 201905-579-0001 в рамках реализации федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 — 2020 годы», утвержденной постановлением Правительства Российской Федерации от 21 мая 2013 г. № 426 «О федеральной целевой программе «Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2014 — 2020 годы». Уникальный идентификатор проекта RFMEFI60819X0278, номер Госрегистрации АААА-А20-120032490131-4 от 24.03.2020 г.

Цель работы

Целью данной работы является создание системы поддержки принятия врачебных решений с интеллектуальным анализом научных данных (текстов стандартов медицинской помощи, клинических рекомендаций, инструкций по применению лекарственных средств, научных публикаций доказательной медицины) для обеспечения возможности принятия врачебных решений в фармакотерапии, учитывающих персонализированные медицинские данные за счет оптимального назначения лекарственных средств и применения медицинских технологий, снижение частоты возникновения нежелательных реакций при одновременном применении 2 и более лекарственных средств по разным показаниям. Технической целью выполнения ПНИЭР является создание интеллектуальной автоматизированной информационной системы поддержки принятия врачебных решений и внедрение ее в клиническую практику.

Ожидаемые результаты

Перечень ожидаемых научных и научно-технических результатов, подлежащих получению при выполнении ПНИЭР

1. Научно-технические основы для создания нового типа систем поддержки принятия врачебных решений в фармакотерапии, основанные на интеллектуальной обработке данных — стандартов медицинской помощи, клинических рекомендаций, инструкций по применению лекарственных средств, научных публикаций доказательной медицины. (средства гранта)

2. Методы, алгоритмы интеллектуальной обработки данных для системы поддержки принятия врачебных решений в фармакотерапии, основанные на машинном обучении для поиска и представления знаний. (средства гранта)

3. Экспериментальный образец автоматизированной информационной системы (АИС) поддержки принятия врачебных решений в фармакотерапии с WEB-интерфейсом (за счет средств гранта) и мобильными приложениями для устройств c операционными системами класса Android и iOS (внебюджетное финансирование).

4. Контент для наполнения баз данных и знаний (внебюджетное финансирование), и непосредственно базы данных и знаний в составе создаваемой АИС (средства гранта):

· с формализованными нормативными данными, определяющими порядок применения фармакотерапевтических методов, стандарты медицинской помощи, клинические рекомендации доказательной медицины;

· с инструкциями по применению лекарственных средств, включая соответствие лекарственных средств диагнозам, полу и возрасту пациентов, противопоказания к

применению, сведения о несовместимости лекарственных средств, сведения о комплексности применения нескольких препаратов;

· с формализованными данными научных публикаций доказательной медицины, сведениями об оценке лекарственных средств и результатами расчета показателей их эффективности.

5. Техническая (средства гранта) и эксплуатационная (внебюджетные средства) документация по требованиям ГОСТ 34.201-89.

6. Результаты клинической апробации разработанной системы поддержки принятия врачебных решений. (внебюджетное финансирование)

Требования к работам

Требования к выполняемым работам

В обеспечение выполнения стоящих перед проектом задач поэтапно должны быть проведены следующие работы:

1. Должны быть выполнены обоснование и выбор направления научных исследований с целью определения оптимального варианта построения системы поддержки принятия врачебных решений на основе анализа состояния исследуемой проблемы, включающие:

· выполнение аналитического обзора современной научно-технической, нормативной, методической литературы, затрагивающие научно-техническую проблематику создания систем поддержки принятия врачебных решений, исследуемую в рамках проекта;

· проведение патентных исследований в соответствии ГОСТ Р 15.011-96 «Система разработки и постановки продукции на производство. Патентные исследования. Содержание и порядок проведения».

(за счет средств гранта)

2. Должно быть проведено теоретические исследования и разработка математического аппарата, методов и алгоритмов интеллектуальной обработки данных для систем поддержки принятия врачебных решений в фармакотерапии, основанные на машинном обучении для поиска, извлечения и представления знаний. (за счет средств гранта)

3. По результатам исследований должно быть выполнено техническое проектирование системы, оформлена техническая документация отражающая реализованные конструкторские, программные и технологические решения. Для реализации этапа по созданию АИС в соответствии с требованиями ГОСТ 34.602-89 должно быть разработано Техническое задание (ТЗ) на создание “Системы поддержки принятия врачебных решений для выбора рациональной фармакотерапии на основании интеллектуального анализа данных”. (за счет средств гранта)

4. Должен быть разработан экспериментальный образец АИС, соответствующий требованиям ТЗ, web-интерфейсы — для работы с системой (за счет средств гранта) и мобильные приложения (внебюджетное финансирование).

Для обеспечения работы АИС должен быть разработан и подготовлен контент для наполнения баз данных и знаний (внебюджетные источники) и в составе АИС созданы специализированные базы данных и знаний (за счет средств гранта):

• с формализованными нормативными данными, определяющими порядок применения фармакотерапевтических методов, стандарты медицинской помощи, клинические рекомендации доказательной медицины по направлениям — кардиология, гастроэнтерология, педиатрия, эндокринология, нейрохирургия, гематология, акушерство и гинекология, дерматология, урология, онкология, отоларингология, неврология, пульмонология, инфекционные болезни, общая хирургия, анестезиология, нефрология, ортопедия. Состав и содержание баз данных может уточняться на этапе теоретических исследований и проектирования системы;

• с инструкциями по применению лекарственных средств, включая соответствие лекарственных средств диагнозам, полу и возрасту пациентов, противопоказания к применению, сведения о несовместимости лекарственных средств, сведения о комплексности применения нескольких препаратов;

• с формализованными данными научных публикаций доказательной медицины, сведениями об оценке лекарственных средств и результатами расчета показателей их эффективности.

5. Должны быть проведены испытания разработанной АИС и опытная эксплуатация. Требования к ним должны быть определены в ТЗ на создание АИС. (за счет средств гранта)

6. Должна быть проведена клиническая апробация созданной АИС в клинических больницах Первого Московского Государственного Медицинского Университета им. Сеченова (далее Сеченовский университет) (внебюджетное финансирование)

7. По результатам опытной эксплуатации и клинической апробации системы должны быть проведены обобщение результатов реализации проекта, оценка соответствия требованиям ТЗ и оценка полноты решения задач и достижения целей ПНИЭР эффективности результатов. (за счет средств гранта) Должна быть разработана эксплуатационная документация на АИС и мобильные приложения к ней. (внебюджетное финансирование)

8. Должны быть разработаны и подготовлены предложения по реализации результатов проекта, их возможной коммерциализации и вовлечению в хозяйственный оборот. (внебюджетное финансирование)

9. Должна быть проведена оценка результатов реализации проекта на соответствие требованиям ТЗ и оценка эффективности клинического применения АИС (внебюджетное финансирование)

Требования по назначению научно-технических результатов ПНИЭР

1. Аналитические исследования текущего состояния предметной области, трендов, технологических решений применяемых в современных системах поддержки принятия решений предназначены для выработки научно-технических основ создания нового типа систем поддержки принятия врачебных решений в фармакотерапии, основанных на многосторонней и комплексной интеллектуальной обработке больших данных неструктурированной биомедицинской текстовой информации — стандартов медицинской помощи, клинических рекомендаций, инструкций по применению лекарственных средств, научных публикаций доказательной медицины.

2. Разрабатываемые методы и алгоритмы интеллектуальной обработки данных для системы поддержки принятия врачебных решений в фармакотерапии предназначены для практической реализации и создания прикладного программного обеспечения с элементами искусственного интеллекта, обеспечивающего эффективный поиск и извлечение из неструктурированного медицинского контента фактов, знаний, выделения именованных сущностей (органы, симптомы и нозологии, лекарственные препараты и химические соединения), построения семантических сетей медицинских знаний.

3. Разрабатываемая автоматизированная информационная система и мобильные приложениями к ней предназначены для применения в клинической практике врачами-специалистами (по направлениям: кардиология, гастроэнтерология, педиатрия, эндокринология, нейрохирургия, гематология, акушерство и гинекология, дерматология, урология, онкология, отоларингология, неврология, пульмонология, инфекционные болезни, общая хирургия, анестезиология, нефрология, ортопедия), как система обеспечивающая поддержку принятия врачебных решений в фармакотерапии и базирующаяся на знаниях доказательной медицины.

4. Разрабатываемые базы данных и знаний предназначены для информационного обеспечения создаваемой АИС:

· с инструкциями по применению лекарственных средств;

· с формализованными данными научных публикаций доказательной медицины, сведениями об оценке лекарственных средств и результатами расчета показателей их эффективности

5. Размещение создаваемой АИС в сети Интернет, web-интерфейсы к ней, регистрация мобильных приложений для работы с системой в хранилищах AppStore, GooglePay предназначены для практической клинической отработки врачами специалистами клинических центров Сеченовского Университета.

6. Разработка технической и эксплуатационной документация на АИС по требованиям ГОСТ 34.201-89 предназначена для использования в клинической апробации системами персоналом клинических центров Сеченовского университета.

7. Клиническая апробация разработанной системы поддержки принятия врачебных решений

предназначена для оценки эффективности ее реализации и обобщения результатов проекта.

Требования к разрабатываемым методам

Требования к разрабатываемым методам и алгоритмам интеллектуальной обработки биомедицинских текстов.

1. Разрабатываемые методы и алгоритмы должны удовлетворять требованиям полноты, адекватности, обеспечивать возможность использования как отечественных, так и зарубежных баз данных и знаний:

· клинические рекомендации доказательной медицины Сеченовского университета ;

· цифровой архив биомедицинской литературы PubMed (обрабатывать не менее > 30 млн. документов);

· цифровой архив полнотекстовой биомедицинской и журнальной литературы, включая клиническую медицину PMC (обрабатывать не менее >7 млн. документов);

· реестр лекарственных средств и препаратов, зарегистрированных на территории РФ (ГРЛС);

· фармакологическая, реферируемая база знаний DrugBank.ca;

· фармакогеномной базы знаний о влиянии генетических вариаций на лекарственные реакции PharmGKB;

· база стандартизированных названий клинических лекарств RxNORM.

2. Разрабатываемые методы и алгоритмы должны обеспечивать возможность работы с классификаторами и словарями MeSH, SNOMED-CT.

3. Разрабатываемые методы должны обеспечивать:

· расшифровку медицинских аббревиатур и сокращений;

· выделение концептов, обозначающих заболевания, патологии, вмешательства, медицинские препараты, обследования;

· выявление семантических связей между этими концептами, а также определение атрибутов этих концептов.

4. Методы и алгоритмы должны допускать варьирование не менее 90% от общего числа переменных.

5. Алгоритмы машинного обучения и интеллектуальной обработки данных должны удовлетворять требованиям и условиям, ограничивающим время решения задачи не более 1 часа. При исследовании в реальном масштабе времени допустимое время решения определяется требованиями регламента обслуживания пациента и не может превышать 10 минут.

6. Разрабатываемые методы должны быть алгоритмизированы для последующей реализации с помощью существующих компьютерных средств и современных информационных технологий, должны быть физически осуществимы на исследовательском оборудовании Университета

7. Алгоритмы интеллектуального поиска клинических доказательств должны обеспечивать получение полезной информации об объекте в плане поставленной задачи исследования. Информация, полученная с помощью реализованных методов, должна обеспечивать диагностику, расчет значений параметров заболеваний и показателей эффективного применения фармакологических средств, позволять определять пути их наиболее эффективного применения.

8. Алгоритмы машинного обучения должны обеспечивать качество поисковой выдачи по показателям релевантности и метрикам nDCG и RBP

9. Методы и алгоритмы машинного обучения должны обладать свойством робастности и устойчивости по отношению к погрешностям и ошибкам в исходных данных до 5%.

Требования к объектам экспериментальных ПНИЭР

1. Экспериментальный образец АИС должен представлять собой единый комплекс программных продуктов с интерфейсом на русском языке, предназначенных для выполнения задачи автоматизации процессов поддержки принятия врачебных решений.

2. Экспериментальный образец АИС должен состоять:

· подсистемы хранения баз данных и знаний;

· подсистемы обработки поисковых запросов и выдачи клинических рекомендаций по рациональному применению фармакотерапевтических средств;

· подсистемы машинного обучения для формирования баз знаний доказательной медицины;

· подсистемы предоставления доступа со стороны мобильных устройств;

· комплекса программно-технических средств.

3. Экспериментальный образец АИС должен обеспечивать возможность развертывания на технических платформах удаленных дата-центров.

4. Экспериментальный образец АИС должен иметь централизованную базу данных с предоставлением защищенного доступа для пользователей. Централизованная база данных должна обеспечивать:

· автоматический экспорта-импорта данных (работа с единой базой данных);

· возможность постоянного (online) доступа к системе и всей текущей информации (без привязки к стационарному рабочему месту пользователя);

· вести единые справочники, классификаторы и иные формализованные документы, обеспечить централизованный контроль наполнения документов системы.

5. Экспериментальный образец АИС должен предоставлять возможность работы в режиме тонкого клиента (работа пользователя осуществляется через web-браузер), функционирующего в различных операционных средах — Microsoft Windows, Unix (Linux). Список поддерживаемых web-браузеров должен включать Microsoft Internet Explorer, Mozilla Firefox, Google Chrome, Apple Safari.

6. Экспериментальный образец АИС должен быть организован по принципу трехзвенной архитектуры: клиентское приложение, в качестве которого должен выступать Web- браузер, сервер приложений (Web-сервер) и сервер базы данных.

7. Штатные средства экспериментального образца АИС должны позволять проводить удаленное администрирование базы данных и настройку прикладного программного обеспечения АИС.

8. В качестве технической платформы для функционирования модели машинного обучения экспериментального образца Системы должны использоваться мощности Института цифровой медицины Сеченовского университета. В ходе технического проектирования должны быть разработаны:

· функциональные схемы взаимодействия моделей машинного обучения с компонентами технической архитектуры системы между собой и с внешними системами;

· требования к необходимой вычислительной мощности виртуальных серверов распределенной обработки данных для машинного обучения штатного образца системы;

· требований к необходимым вычислительным мощностям и объемам дисковых пространств для хранения данных.

Требования к патентным исследованиям и регистрации результатов интеллектуальной деятельности

1. На первом этапе выполнения проекта должны быть проведены патентные исследования в соответствии ГОСТ Р 15.011-96.

2. На остальных этапах проекта при получении результатов интеллектуальной деятельности (далее — РИД), способных к правовой охране (в соответствии со ст. 1225 ГК РФ), должны быть проведены дополнительные патентные исследования в соответствии с ГОСТ Р 15.011-96.

3. Должны быть представлены сведения об охранных и иных документах, которые будут препятствовать применению результатов работ в Российской Федерации и в других странах, и условия их использования с представлением соответствующих обоснованных предложений и расчетов.

4. При получении результатов интеллектуальной деятельности, способных к правовой охране, они должны быть зарегистрированы в соответствии с законодательством РФ.

5. Все результаты, а также сведения об их использовании подлежат государственному учету в Единой государственной информационной системе учета научно-исследовательских, опытноконструкторских и технологических работ гражданского назначения в соответствии с правилами, установленными Правительством Российской Федерации

Итоги выполнения работ 1-го этапа

При выполнении Этапа 1 ПНИЭР выполнены следующие работы:

Работы Получателя за счет средств гранта: «1.1 Обоснование и выбор направления научных исследований с целью определения оптимального варианта построения системы поддержки принятия врачебных решений на основе анализа состояния исследуемой проблемы, включающие:

выполнение аналитического обзора современной научно-технической, нормативной, методической литературы, затрагивающие научно-техническую проблематику создания систем поддержки принятия врачебных решений, исследуемую в рамках проекта (отражено в 1 разделе отчета);
проведение патентных исследований в соответствии ГОСТ Р 15.011 -96 «Система разработки и постановки продукции на производство. Патентные исследования. Содержание и порядок проведения» (отражено в отдельном документе).

В результате анализа по базам данных биомедицинских публикаций современные Информационные системы поддержки принятия клинических решений (CDSS) можно классифицировать по следующим видам назначения и практического применения:

Управление рабочими процессами больницы (МИС): регистрация пациентов, электронные карты, управления оповещениями по долгосрочному уходу, управление событиями (прием пациента, повторная консультация и т.п.), электронное назначение лекарств, выставление счетов, встроенные платежи для пациентов.
Скрининг и диагностика.

Системы диагностики на основе технологий визуализации. Комплексные интеллектуальные решения для обработки медицинских изображений (рентгеногрфия, томография, др.)

Решения по отдельным специальностям – инфекционные болезни, лучевая терапия, нефрология, диабет, ортопедия, онкология, урология, др.
Системы, ориентированные на поддержку клинических исследований (испытаний фарм. препаратов)
Поддержка решений на основе алгоритмов, калькуляторы, медицинский сервис.
Интерпретация лабораторных диагностических тестов.
Уход на дому за пациентами с алгоритмами ухода:

— после выписки (инсульт, операция на сердце, др.);

— хронические заболевания (диабет, сердечная недостаточность);

— библиотека описаний заболеваний для пациентов.

Системы вовлечения пациентов в управление своим здоровьем
Базы клинических руководств для использования в местах оказания помощи (UpToDate, Dynamed, Micrimedex):

— клинические руководства по лечению;

— диагностический инструмент.

Интегрируемые базы лекарственных средств. Лекарственные информационные продукты – инструкции, взаимодействия, риски, др.
Справочник по лексике для поиска медицинской информации в Интернете. База медицинской терминологии, медицинского языка.
Приложения для домашнего телемониторинга для пациентов с хроническими заболеваниями.
Порталы связи пациента с врачом
Системы для отделений неотложной/скорой помощи
Носимые устройства для пациентов + Приложения экстренного реагирования
Информационные ресурсы для медсестер: информация о лекарствах, калькуляторы дозировки лекарств, информационный материал для пациентов
Системы управления хирургическими ситуациями
Интегрированные системы, объединяющие клинические руководства с электронными медицинскими картами
Выработка персонализированных рекомендаций, основанных на доказательной базе.

В рамках такой классификации разрабатываемая система относится к классу баз данных клинических руководств для использования в местах оказания помощи:

— клинические руководства по лечению;

— клинические диагностический руководства.

Помимо создания такой базы данных клинических руководств, потребуется создание специализированного программного обеспечения для формирования систематических обзоров по произвольным медицинским направлениям и проблематике. Эту задачу предполагается решать посредством создания многоязычной вероятностной тематической модели на коллекции изучаемых документов, одновременно учитывающая n-язычный словарь (по количеству видов языков, представленных в отобранной коллекции документов) и онтологических связей между документами сравнимых коллекции. Нормализацию терминов в коллекции многоязычных документов предполагается проводить с использованием тезаурусов медицинских терминов MeSH для каждого языка представления документов. Ввиду того, что текущая версия MeSH обеспечивает синхронизацию используемых терминов более чем на 48 языках, для покрытия всей многоязычной коллекции документов, такой выбор можно считать вполне обоснованным. Дополнительные классификационные признаки для тематического рубрицирования документов по персонализированной медицине предполагается получать из открытых источников биомедицинских онтологий.

Для комбинирования различных видов классификационных признаков предполагается применять аддитивную регуляризация создаваемой тематической модели. Предполагается провести исследование значимости различных регуляризационных признаков на качество модели (автор, место исследования, компания, информационный источник, … и проч.). Их конечное множество будет определено на последнем этапе исследования.

Предварительная обработка документов в коллекциях является одним из ключевых компонентов разрабатываемого метода и предполагает последовательное решение задач токенизации контента, фильтрации и очистки от стоп-слов, лематизации очищенной выборки и стеминга. Далее кратко опишем их.

Выбор правильной стратегии токенизации является нетривиальной задачей, особенно в биомедицинской области. Большинство исследуемых документов представлены на английском языке. Токенизация англоязычных биомедицинских текстов особенно трудна из-за того, что традиционный английский отличается от биомедицинского, как синтаксическим содержанием, так и грамматикой. Для эффективной токенизации документов предполагается использовать словари клинических терминов из систематизированной медицинской номенклатуры, генные символы, названия белков и лекарств. Устойчивые сочетания терминов также предполагается заменять на отдельные токены.

Для эффективного интеллектуального анализа текста в конвейер токенизации предполагается включить множества доступных нам ресурсов знаний. В области доказательной медицины, в отличие от общей области интеллектуального анализа текста, мы имеем хорошо отлаженные онтологии и базы знаний. Биомедицинские онтологии обеспечивают однозначную характеристику данной области знаний. Качество моделей, вероятно, возрастет, если существующие онтологии (UMLS, BioPortal, Protein, DrugNRX) будут использоваться в качестве источников терминов при токенизации, выяснения того, как концепт относится к именованной сущности из справочника, а также в качестве способа нормализации альтернативных имен и их приведению к одному идентификатору.

Фильтрацию предполагается использовать для удаления из документов слов, не несущих смыслового содержания. Помимо традиционного удаление стоп-слов (предлоги, союзы и т. д.). предполагается очистить документы от терминов, не относящихся к доказательной медицине. Для этого на основании имеющегося в Центре доказательной медицины 1МГМУ им.Сеченова корпуса документов предполагается провести частотно-статистический анализ используемых слов и применить его для последующей фильтрации. Так как слова, встречающиеся в текстах, довольно часто содержат небольшую информацию для разделения документов, а редко встречающиеся слова не имеют существенного значения, то и те и другие будут удаляться из документов.

На следующем этапе предполагается проводить лемматизацию документов, а именно осуществлять морфологический анализ слов, группируя их различные формы в одну. Лемматизация приведет различные формы слов к базовым видам (глагол – инфинитив, существительные – единственное число, именительный падеж, и т.д.). Для англоязычных текстов лемматизацию предполагается проводить, используя методы стемминга (Stemming metod), которые направлены на получение основы (корня) производных слов.

Таким образом в рамках заявленной проблематики исследований потребуется решение следующей группы задач:

— Разработка методики и формирование мультиязычного реестра источников информации для прогнозирования трендов и перспектив развития доказательной медицины;

— Разработка технологии парсинга информационных источников и формирования датасетов анализируемых документов;

— Разработка методов предобработки коллекций документов, нормализации данных с использованием биомедицинских тезаурусов и онтологий с учетом специфики персонализированной медицины;

— Разработка методов динамического мультиязычного тематического моделирования коллекций документов персонализированной медицины;

— Проведение машинного обучения (machine learning) разработанной мультиязычной тематической модели на коллекции документов персонализированной медицины и оценка качества машинного обучения на известных метриках;

— Разработка методов визуального представления результатов тематического моделирования с учетом специфики персонализированной медицины.

Помимо разработки перечисленных выше методик предполагается разработать соответствующее программное обеспечение и провести его апробацию в клиниках персонализированной медицины Сеченовского университета для последующего формирования наборов клинических рекомендаций по отдельным направлениям доказательной медицины в разрабатываемом проекте системы клинических рекомендаций доказательной медицины www.datamed.pro.

Проведено полное и адекватное патентное исследование в соответствии ГОСТ Р 15.011 -96 «Система разработки и постановки продукции на производство. Патентные исследования. Содержание и порядок проведения» (отражено в отдельном документе).

Анализируя оценки выполнения работы, приведенные в 1 разделе, можно констатировать, что полученные результаты, выполненной работы «1.1 Обоснование и выбор направления научных исследований …» соответствуют требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.

Работы Получателя за счет средств гранта: «1.2 Теоретические исследования и разработка математического аппарата, методов и алгоритмов интеллектуальной обработки данных для систем поддержки принятия врачебных решений в фармакотерапии, основанные на машинном обучении для поиска, извлечения и представления знаний» (отражено во 2 разделе отчета).

Результатами выполнения данной работы являются следующие.

Проведен анализ подходов к построению интеллектуальных систем поддержки принятия врачебных решений.
Разработан математический аппарат интеллектуальной обработки данных для систем поддержки принятия врачебных решений в фармакотерапии, основанные на машинном обучении для поиска, извлечения и представления знаний, который состоит из трех основных частей, разработанных в настоящем научном исследовании:

Метод построения логических зависимостей на основании обработки больших массивов данных (подраздел 2.2);
Аппликативно-фреймовая модель представления знаний в задачах поддержки принятия врачебных решений, построенная на основе реализации компонентов машины потоков данных в нотации теории комбинаторов Карри, расширенной до многомерных комбинаторов, являющейся безтиповой производной от ƛ –исчисления Черча, где впервые осуществлен вывод представления многомерных комбинаторов в нотации базисного набора комбинаторов (раздел 2.3);
Метод вывода решений в аппликативно-фреймовой модели представления знаний на основе обработки нечетких множеств средствами дифференциальных уравнений с применением принципа минимума Понтрягина. В методе сделано описание динамики сложных процессов принятия врачебных решений системой дифференциальных уравнений вектора исходных данных о состоянии здоровья. При этом учитывается влияние случайных возмущающих факторов реальной среды (Раздел 2.4).

Таким образом, во 2 разделе отчете представлены все этапы и подходы управления знаниями в интеллектуальной системе: формирование правил вывода решений на больших объемах данных, модель представления знаний и метод вывода решений в этой модели.

Опубликована статья:

Г.С. Лебедев, Э.Н. Фартушный, И.А. Шадеркин, Г.С. Клименко, И.В. Рябков, П.Б. Кожин, К.А. Кошечкин, Г.П. Радзиевский, И.В. Фомина. Создание информационной системы поддержки принятия врачебных решений на основе методов доказательной медицины // Журнал телемедицины и электронного здравоохранения. –2019, № 1-2, URL: http://jtelemed.ru/journal/vypusk-1-2-2019

Анализируя оценки выполнения работы, приведенные во 2 разделе, можно констатировать, что полученные результаты, выполненной работы «1.2 Теоретические исследования …» соответствуют требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.

Работы Получателя за счет средств гранта: «1.3 Техническое проектирование системы, оформление технической документации, отражающая реализованные конструкторские, программные и технологические решения» (отражено в 3 разделе отчета).

Разработанный документ: «Пояснительная записка к технорабочему проекту» подтверждает научную значимость и прикладную перспективность проведенных теоретических исследований.

Анализируя оценки выполнения работы, приведенные в 3 разделе, можно констатировать, что полученные результаты, выполненной работы «1.3 Техническое проектирование …» соответствуют требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.

Работы Получателя за счет средств гранта: «1.4 Разработка Технического задания (ТЗ) на создание АИС — “Системы поддержки принятия врачебных решений для выбора рациональной фармакотерапии на основании интеллектуального анализа данных» (отражено в 4 разделе отчета).

Разработанный документ: «Техническое задание на создание автоматизированной информационной системы поддержки принятия врачебных решений для выбора рациональной фармакотерапии на основании интеллектуального анализа данных» подтверждает научную значимость и прикладную перспективность проведенных теоретических исследований.

Анализируя оценки выполнения работы, приведенные в 4 разделе, можно констатировать, что полученные результаты, выполненной работы «1.4 Разработка Технического задания (ТЗ) на создание АИС …» соответствуют требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.

Работы Получателя за счет средств гранта: «1.5 Разработка программного обеспечения для ведения специализированной базы данных и знаний АИС и WEB-интерфейсов для работы с системой, с формализованными нормативными данными, определяющими порядок применения фармакотерапевтических методов, стандарты медицинской помощи, клинические рекомендации доказательной медицины по направлениям — кардиология, гастроэнтерология, педиатрия, эндокринология, нейрохирургия, гематология, акушерство и гинекология, дерматология, урология, онкология, отоларингология, неврология, пульмонология, инфекционные болезни, общая хирургия, анестезиология, нефрология, ортопедия» (отражено в 5 разделе отчета).

Разработанный документ: «Описание программного обеспечения» и архив программного обеспечения public_html.tar.gz подтверждает научную значимость и прикладную перспективность проведенных теоретических исследований.

Анализируя оценки выполнения работы, приведенные в 5 разделе, можно констатировать, что полученные результаты, выполненной работы «1.5 Разработка программного обеспечения для ведения специализированной базы данных и знаний …» соответствуют требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.

Работа выполнена в составе первого этапа ПНИЭР: «Теоретические исследования задач и проектирование “Системы поддержки принятия врачебных решений для выбора рациональной фармакотерапи и на основании интеллектуальн ого анализа данных”», работы Получателя, выполняемой за счет собственных средств из внебюджетных источников: «1.6 Разработка контента (для информационного наполнения БД АИС) клиническими рекомендациями доказательной медицины по направлениям — кардиология, гастроэнтерология, педиатрия, эндокринология, нейрохирургия, гематология, акушерство и гинекология, дерматология, урология, онкология, отоларингология, неврология, пульмонология, инфекционные болезни, общая хирургия, анестезиология, нефрология, ортопедия» (отражено в 6 разделе отчета)

Разработанный документ: «Контент для информационного наполнения БД АИС клиническими рекомендациями доказательной медицины по направлениям» подтверждает научную значимость и прикладную перспективность проведенных теоретических исследований.

Анализируя оценки выполнения работы, приведенные в 6 разделе, можно констатировать, что полученные результаты, выполненной работы «1.6 Разработка контента (для информационного наполнения БД АИС) клиническими рекомендациями …» соответствуют требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.

Разработанные документы подтверждает научную значимость и прикладную перспективность проведенных теоретических исследований.

Обобщая оценки выполнения работы, приведенные в 7 разделе, можно констатировать, что полученные результаты соответствуют требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.

Работа выполнена в составе первого этапа ПНИЭР: «Теоретические исследования задач и проектирование “Системы поддержки принятия врачебных решений для выбора рациональной фармакотерапи и на основании интеллектуального анализа данных”», работы Индустриального партнера, выполняемой за счет собственных средств из внебюджетных источников: «1.8 Разработка прототипа мобильного приложения для работы со стандартами медицинской помощи, нормативными документами определяющими порядок применения фармакотерапевтических методов и клиническими рекомендациями доказательной медицины по направлениям — кардиология, гастроэнтерология, педиатрия, эндокринология, нейрохирургия, гематология, акушерство и гинекология, дерматология, урология, онкология, отоларингология, неврология, пульмонология, инфекционные болезни, общая хирургия, анестезиология, нефрология, ортопедия» (отражено в 8 разделе отчета).

Разработанный документ: «Описание программного обеспечения» подтверждают научную значимость и прикладную перспективность проведенных теоретических исследований.

Анализируя оценки выполнения частей работы, приведенные в 8 разделе, можно констатировать, что полученные результаты соответствуют требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.

Суммируя оценки выполнения работы, приведенные в предыдущих разделах и обобщая оценки выполнения всех (8) разделов отчета, ассоциированных с задачами этапа можно констатировать, что полученные результаты соответствую требованиям Технического задания (Приложение № 1 к Соглашению), содержание отчетных материалов показывают, что поставленные задачи на отчетном этапе выполнены полностью.