СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ КЛІНІЧНИХ РІШЕНЬ: ІНОЗЕМНИЙ ДОСВІД (ОГЛЯД)
DOI:
https://doi.org/10.32782/health-2023.4.4Ключові слова:
системи підтримки прийняття клінічних рішень, медичний працівник, комп’ютерні технологіїАнотація
У статті проаналізовано іноземний досвід використання різноманітних систем підтримки прийняття клінічних рішень. Системи підтримки клінічних рішень – це обчислювальні або технологічні системи, призначені для задоволення конкретних вимог у сфері охорони здоров’я. Традиційна система підтримки прийняття клінічних рішень складається з програмного забезпечення, призначеного для прямої допомоги у прийнятті клінічних рішень, у якому характеристики окремого пацієнта зіставляються з комп’ютеризованою базою клінічних знань, а оцінки та рекомендації щодо конкретного пацієнта потім надаються клініцисту для прийняття рішення. Розглянуто їх переваги, що стосуються полегшення роботи медичного працівника, можливостей зменшити робоче навантаження, оптимізувати обсяги часу на діагностику та лікування захворювань, вибрати найбільш оптимальні шляхи вирішення поставлених завдань. Системи підтримки прийняття клінічного рішення у разі правильного використання можуть істотно покращити роботу лікарень і прискорити постановку правильного діагнозу. З’ясовано важливість інформаційно-технологічного прогресу, кібернетичних можливостей для реалізації клінічних процедур. Обговорено «критичні точки» використання штучного інтелекту і машин, здатних до самонавчання, адже такі системи підтримки прийняття клінічних рішень рясніють проблемами, включаючи проблеми з розумінням логіки, яку використовує штучний інтелект для створення рекомендацій (black boxes), а також проблемами з доступністю даних. Важливим, на нашу думку, є помірне і професійне ставлення медичного персоналу до систем підтримки клінічних рішень, а отже, можливостей удосконалювати свої знання і навички «розумного» використання комп’ютерних технологій. Вважаємо, що доцільним є навчання медичних працівників новинок медичної інформатики шляхом проведення курсів, стажувань для втілення систем підтримки прийняття клінічних рішень у всі заклади охорони здоров’я України. Перспективним напрямом залишається опрацювання та аналіз уже наявних вітчизняних систем підтримки прийняття клінічних рішень для реалізації вищезазначених висновків.
Посилання
Osheroff J.A., Teich J., Levick D., Saldana L., Velasco F., Sittig D., Rogers K., Jenders R. Improving Outcomes with Clinical Decision Support: An Implementer’s Guide, 2012. HIMSS Publishing, 2012.
Sim I., Gorman P., Greenes R.A., Haynes R.B., Kaplan B., Lehmann H., Tang P.C. Clinical decision support systems for the practice of evidence-based medicine. Journal of the American Medical Informatics. 2001. № 8 (6). Р. 527–534. https://doi.org/10.1136/jamia.2001.0080527.
Silveira D.V., Marcolino M.S., Machado E.L., et al. Development and Evaluation of a Mobile Decision Support System for Hypertension Management in the Primary Care Setting in Brazil: Mixed-Methods Field Study on Usability, Feasibility, and Utility. JMIR Mhealth Uhealth. 2019. Vol. 25. № 7 (3). Р. e9869. DOI: 10.2196/mhealth.9869. https://mhealth.jmir.org/2019/3/e9869/.
Wang J., Bao B., Shen P., et al. Using electronic health record data to establish a chronic kidney disease surveillance system in China: protocol for the China Kidney Disease Network (CK-NET)-Yinzhou Study. BMJ Open. 2019. Vol. 28.
№ 9 (8). Р. e030102. DOI: 10.1136/bmjopen-2019-030102. https://bmjopen.bmj.com/lookup/pmidlookup?view=long&pmid=31467053.
Adnan M., Peterkin D., McLaughlin A., Hill N. HL7 Middleware Framework for Laboratory Notifications for Notifiable Diseases. Stud Health Technol Inform. 2015. № 214. Р. 1–7.
Courbis A., Murray R.B., Arnavielhe S., et al. Electronic Clinical Decision Support System for allergic rhinitis management: MASK e-CDSS. Clin Exp Allergy. 2018. Vol. 20. № 48 (12). Р. 1640–1653. DOI: 10.1111/cea.13230.
Schuh C., de Bruin J.S., Seeling W. Clinical decision support systems at the Vienna General Hospital using Arden Syntax: Design, implementation, and integration. Artif Intell Med. 2018. № 92. Р. 24–33. DOI: 10.1016/j.artmed.2015.11.002.
Ely J.W., Osheroff J.A., Chambliss M.L. et al. Answering Physicians Clinical Questions: Obstacles and Potential Solutions. Journal of the American Medical Informatics Association. 2005. Vоl. 12 (2). P. 217–224. DOI: 10.1197/jamia.m1608.
Beeler P., Bates D., Hug B. Clinical decision support systems. Swiss Medical Weekly. 2014. Vol. 144. DOI: 10.4414/smw.2014.14073.
Wright A., Sittig D.F., Ash J.S. et al. Development and evaluation of a comprehensive clinical decision support taxonomy: Comparison of front-end tools in commercial and internally developed electronic health record systems. Journal of the American Medical Informatics Association. 2011. Vоl. 18 (3). P. 232–242. DOI: 10.1136/amiajnl-2011-000113.
De Dombal F. Computers, diagnoses and patients with acute abdominal pain. Arch. Emerg. Med. 1992. № 9. Р. 267–270.
Middleton B., Sittig D.F. Wright A. Clinical decision support: a 25 year retrospective and a 25 year vision. Yearbook of Medical Informatics. 2016. № 25 (S 01). Р. 103–116.
Dias D. Wearable health devices – vital sign monitoring, systems and technologies. 2018. Р. s18082414. https://doi.org/10.3390/s18082414.
Nuckols T.K., Smith-Spangler C., Morton S.C., et al. The effectiveness of computerized order entry at reducing preventable adverse drug events and medication errors in hospital settings: a systematic review and meta-analysis. Syst Rev. 2014. № 3. Р. 56.
Wolfstadt J.I., Gurwitz J.H., Field T.S., et al. The effect of computerized physician order entry with clinical decision support on the rates of adverse drug events: a systematic review. J Gen Intern Med. 2008. № 23 (4). Р. 451–458.
Deo R.C. Machine learning in medicine. Circulation. 2015. Р. 132.
Omididan Z., Hadianfar A. The role of clinical decision support systems in healthcare (1980–2010): a systematic review study. Jentashapir Sci. -Res Q. 2. 2011. Р. 125–134.
Kabane S.M. Healthcare and the Effect of Technology: Developments, Challenges and Advancements. Medical Information Science Reference. 2010.
Eckelt F., Remmler J., Kister T., et al. Improved patient safety through a clinical decision support system in laboratory medicine. Internist (Berl). 2020. Vol. 27. № 61 (5). Р. 452–459. DOI: 10.1007/s00108-020-00775-3.
Kjeldsen K. Hypokalemia and sudden cardiac death. Exp Clin Cardiol. 2010. № 15 (4). Р. e96–9. http://europepmc.org/abstract/MED/21264075.
Isern D., Moreno A.A. Systematic Literature Review of Agents Applied in Healthcare. J Med Syst. 2016 Vol. 21. № 40 (2). Р. 43. DOI: 10.1007/s10916-015-0376-2.
Isern D., Moreno A., Sánchez D., et al. Agent-based execution of personalised home care treatments. Appl Intell. 2009. Vol. 24. № 34 (2). Р. 155–180. DOI: 10.1007/s10489-009-0187-6.
Börner K., Scrivner O., Cross L.E., et al. Mapping the co-evolution of artificial intelligence, robotics, and the internet of things over 20 years (1998–2017). PLoS One. 2020. № 15 (12). Р. e0242984. Published 2020 Dec 2. DOI: 10.1371/journal.pone.0242984.
Charles Megan, DelVecchio Alex. Сlinical decision support system (CDSS). Content Development Strategist. This was last updated in July 2018. URL: https://www.techtarget.com/searchhealthit/definition/clinical-decision-support-system-CDSS.
