2025
Сибирский журнал клинической и экспериментальной медицины, ВАК
Статьи в журналах
Т.40, №3. С. 36-49.
Грибова В.В., Шалфеева Е.А., Петряева М.В., Окунь Д.Б. Интеграция клинических рекомендаций в инструменты цифрового здравоохранения: онтологическое моделирование // Сибирский журнал клинической и экспериментальной медицины. 2025. Т.40, №3. С. 36-49. DOI: 10.29001/2073-8552-2025-40-3-36-49.
Современные клинические рекомендации (КР), являясь основой доказательной медицины, существуют преимущественно в формате текстовых документов (PDF, DOC). Это делает их трудными для автоматической обработки и интеграции в медицинские информационные системы (МИС) и системы поддержки принятия врачебных решений (СППВР). Врачу приходится вручную искать, анализировать и применять эти рекомендации, что отнимает время и повышает риск пропустить важные детали. Для решения этой проблемы авторами представлена практическая методология преобразования текстовых КР в машинопонимаемые клинические рекомендации через применение онтологического моделирования. Ключевая идея состоит в двухуровневой модели их представления. Внешний уровень (для врачей) – это иерархически структурированный текст, привычный и удобный для чтения и анализа. Ключевыми элементами этой структуры являются «контейнеры данных», которые четко описывают наблюдения, вмешательства, условия их применения. Внутренний уровень (для компьютерных систем) – это формализованный граф знаний, куда преобразуется содержимое «контейнеров». Этот граф, построенный на основе медицинских онтологий и классификаторов, может автоматически обрабатываться СППВР для генерации персонифицированных подсказок непосредственно во время работы врача с электронной медицинской картой. Предлагаемый на основе онтологического моделирования подход позволяет, во-первых, интегрировать КР в рабочий процесс врача (СППВР сможет автоматически анализировать данные пациента из и предлагать релевантные рекомендации), во-вторых, повысить персонализацию лечения, за счет автоматического анализа множества индивидуальных параметров пациента при принятии решения, в-третьих, облегчить навигацию по КР, так как структурированный формат упрощает поиск нужной информации и понимание взаимосвязей между различными рекомендациями, наконец, в-четвертых, обеспечить актуальность знаний (процесс обновления МКР при появлении новых версий рекомендаций может быть в значительной степени автоматизирован). Предложенная методология была успешно протестирована на примере актуальных КР по кардиологии, на облачной платформе IACPaaS был реализован прототип СППВР. Перевод КР в машинопонимаемый формат – это стратегический шаг от цифрового архива документов к интеллектуальным помощникам, которые экономят время врача, снижают количество ошибок и способствуют строгому следованию принципам доказательной медицины у постели каждого пациента.
10.29001/2073-8552-2025-40-3-36-49