Các hệ hỗ trợ ra quyết định lâm sàng clinical decision support systems

300 Các hệ hỗ trợ ra quyết định lâm sàng Clinical Decision Support Systems Mohammed Saleem Hồ Bảo Quốc biên dịch...  Theo nghĩa, bất kỳ hệ thống máy tính nào làm việc với các dữ liệu

300

Các hệ hỗ trợ ra quyết định lâm sàng Clinical Decision Support Systems

Mohammed Saleem

Hồ Bảo Quốc (biên dịch)

 Chu kỳ thiết kế và phát triển CDSS

 Theo nghĩa, bất kỳ hệ thống máy tính nào

làm việc với các dữ liệu lâm sàng hay tri thức y tế nhằm cung cấp sự hỗ trợ ra quyết định.

 Có ba loại chức năng hỗ trợ ra quyết định từ

tổng quát đến bệnh nhân cụ thể.

300

Inference Engine

Clinical Data Repository (CDR)

User

Knowledge Base Event Monitor

300

Các công cụ hỗ trợ cho quản trị thông tin

 Các hệ thống thông tin bệnh viện

 Các hệ thống tìm kiếm thông tin Y khoa (PubMed)

 Các máy trạm quản trị tri thức chuyên sâu (e.g

electronic textbooks, …)

 Các công cụ này cung cấp dữ liệu và tri thức

cần thiết, nhưng nó không giúp áp dụng tri thức này để ra một quyết định trong một công việc

cụ thể (cho một bệnh nhân cụ thể)

300

Các công cụ cảnh báo Tools for Focusing Attention

 Các hệ thống xét nghiệm với các cảnh báo các chỉ

số bất thường hoặc cung cấp danh sách diễn giải cho các bất thường này

 Hệ thống quản lý dược có cảnh báo việc tương tác thuốc và sai sót liều sử dụng

 Được thiết kế để nhắc nhở các Bác sĩ về chẩn

đoán hoặc các vấn đề có thể bị bỏ quên.

300

Các công cụ tư vấn bệnh nhân Tools for Patient-Specific Consultation

trên các dữ kiện của bệnh nhân:

 Đề nghị các chẩn đoán khác nhau

 Khuyên làm thêm các xét nghiệm, kiểm tra

 Khuyên về giải pháp điều trị (therapy, surgery, …)

 Dư kiện bệnh nhân

 Khuyến cáo (Case-specific advice)

 Xác định cái gì phải làm (kiểm tra gì ?, điều trị

hay không ?, Phát đồ điều trị ra sao ? …)

 Thụ động (bác sĩ sử dụng hệ thống khi cần khuyến cáoPassive role)

 Tích cực (Hệ thống sinh ra các cảnh báo tự động

trong một số điều kiện cụ thể)

300

Các hệ thống thụ động

 Yêu cầu lời khuyên

 Phân tích lời khuyên

 Chấp nhận/từ chối lời khuyên

300

Các hệ thống chủ động

 Hệ thống đưa ra lời khuyên

 Người dùng đánh giá lời khuyên

 Người dùng chấp nhận/từ chối lời khuyên

 Hạn chế

 Tương tác thuốc

 Kiểm soát sự tương thích giữa các ghi chép

 Cảnh báo các kết quả xét nghiệm

 Điều khiển các thiết bị y tế

Không đủ thời gian cho các chẩn đoán và điều trị.

 Cần các hệ thống có thể cải thiện qui trình

chăm sóc sức khoẻ như kich bản đã nêu

 Giảm sai sót trong quá trình khám, chữa bệnh

300

Các lĩnh vực ứng dụng

300

Các khuyết điểm có thể có của CDSS

 Thay đổi quan hệ giữ bác sĩ và bệnh nhân

của cán bộ y tế

 Các liên quan đến pháp luật – ai chịu trách

nhiệm ?

300

Các vấn đề cho thành công hay thất bại

 Đánh giá sự cần thiết của người dùng

 Sự hỗ trợ của cán bộ cấp cao

expert)

 Sự tích hợp của tri thức liên quan

 Xem xét vấn đề xã hội và tổ chức trong ngữ

cảnh của CDSS

300

Đánh giá CDSS

300

Các tiêu chí cho một CDSS tốt

ngặt

300

Criteria for a clinically useful DSS (cont.)

 Việc áp dụng các tài nguyên cho bệnh nhân và

các khía cạnh khac của môi trường chăm sóc sức khoẻ

300

Các kỹ thuật tính toán sử dụng để tạo ra DSS

nghi (Adaptive Computing)

 Inductive Tree Methods

 Case Based Reasoning

 Artificial Neural Networks

 Các hệ thống chuyên gia (Expert Systems) –

các phương pháp dựa trên tri thức

 Rule based Systems

300

Early AI/Decision Support Systems

pain (1972)

 developed at Leeds University

 decision making was based on the naive Bayesian approach

 automated reasoning under uncertainty

 designed to support the diagnosis of acute abdominal pain

300

Example: Decision Tree 1

300

Example: Decision Tree 2

 Clinical knowledge in MYCIN is represented as

a set of IF-THEN rules with certainty factors attached to diagnoses

300

Example: Decision Rule 1

300

System MYCIN – a Decision Rule

300

System MYCIN – Explanation Example

300

System HELP – MLM Example

300

System ONCOCIN – Cancer-Treatment Protocol Example

300

Successful CDS Systems (cont.)

 Based on Internist-1

 A diagnostic decision-support system with a knowledge base of diseases, diagnoses, findings, disease associations and lab information

 medical literature on almost 700 diseases and more than 5,000 symptoms, signs, and labs

 frequency weight (FW)

 evoking strength (ES)

300

300

Open Source Medical Decision

Support System

300 EMR/CIS/HIS (description of patient) + New Symptoms

Decision Support

300

Existing Medical DSS Systems

Clinical Information Systems (CIS).

far the systems have failed to gain wide acceptance by physicians.”

failed

company.

300

Proposed Solution

 Instant recommendations from an “expert”

 Improved care and accuracy of diagnoses

 Reduce liability insurance premiums

 Reduce the number of office visits to resolve conditions

 Reduce the number of treatments attempted

to resolve conditions

300

 Allows verification of data not easily available for proprietary solutions

 Allows updates in a timely and peer reviewable (e.g Guideline International Network or NGC) manner

 Integration is possible with EMR/CIS/HIS for record keeping and more detailed diagnoses based

on regional statistics and past history

 Reduction in the overall cost per man-hour

Proposed Solution

300

Features of DSS

 Describe Condition of Patient using Standards

 Standards approach eases interface with other systems, including proprietary systems

 GLIF3 has a lot of support.

 Standards approach eases interface with other systems, including proprietary systems

300

Features of DSS

 Do for medical decision support systems what web browsers did for the internet, what GUI did for PC’s and PDA’s

 Usable by anyone, including physicians, nurses and patients.

– Base on open-source info

(e.g visible human project.)

300

Issues

 Privacy concerns/laws.

 No code shared with EMR/CIS/HIS

 Patient identity not shared with DSS system

 Tremendous amount of data and rules

must be incorporated into system.

 National Health Information Technology Coordinator created in 2004 to encourage/fund electronic health initiatives

 Resistance/job fears of clinicians

 Goal is to assist clinicians, not replace them

300

Issues (cont.)

 Clinical Trial Hurdles.

 Make recommendations, not diagnoses

 Disclaimers regarding use

 All past efforts have failed to achieve

common usage.

 Include end users (physicians, nurses, schedulers, IT departments) in the design decisions and testing

 Iterative design approach (i.e modify based on feedback.)

300

Existing Open Source Example

EGADSS system:

• Interfaces with EMR/CIS only.

- No direct symptom inputs.

• Institutional support and funding.

Recommended Modifications:

• Add GUI for patient/physician direct access.

300

Where do we go from here?

Guideline (CIG) knowledge base development at the federal level with continuing maintenance from AHRQ.

 All 70+ proprietary efforts to develop knowledge bases have failed.

 AHRQ already maintains written clinical guidelines

 AHRQ represents the U.S for international vetting of clinical guidelines.

 Funding opportunity in upcoming HIT legislation

 Review past analyses of clinical interfaces.

 Work with doctors, nurses, hospitals, HMO’s, etc to obtain input and feedback.

 Perform human factors studies, if warranted.

300

Sources

support Journal of Healthcare Information Management 1999;13(2):5-21.

Computer-aided diagnosis of acute abdominal pain Br Med J 1972 Apr 1;2(5804):9-13