Семантическая обработка медицинских данных в задачах...

Семантическая обработка данных в задачах диагностики и управления лечебным процессом в медицине критических состояний Конференция «Технологии больших данных», 2016, 21.06.2016 г.

1  

ЦЖС МФТИ ИМБП РАН ФГАУ ЛРЦ

Прозоров Александр Александрович, Лаборатория спецмедтехники и технологий, МФТИ

Царенко Сергей Васильевич, ФГАУ «Лечебно-реабилитационный центр Минздрава РФ»

Позвольте представиться

#mHealthLab   2  

•  Федеральное  государственное  автономное  учреждение  «Лечебно-­‐реабилитационный  центр  Минздрава»  -­‐  одна  из  лучших  в  стране  многопрофильных  высокотехнологичных  больниц  на  400  коек  +  дневной  стационар  +  лучший  в  РФ  реабилитационный  центр.  Директор  –  акад.  Лядов  К.В.  

•  Профили  деятельности:  онкология,  абдоминальная  и  торакальная  хирургия,  нейрохирургия,  кардиология,  эндоваскулярная  хирургия  

•  5  отделений  анестезиологии  и  реанимации  на  45  коек,  объединенные  в  единую  структуру  (ЦАР)  

•  Царенко  С.В.  –  руководитель  ЦАР,  доктор  мед  наук,  профессор  ФФМ  МГУ  им.  М.В.Ломоносова,  автор  8  монографий  и  175  статей  

•  Прозоров  А.А.  –  научный  сотрудник  Лаборатории  специальной  медицинской  техники  и  технологий  МФТИ,  генеральный  директор  МИП  «Мобайл  Хелс  Лаб»  

Типичный день реанимационного отделения

#mHealthLab   3  

•  Поступает  3-­‐4  больных,  переводится  3-­‐4  больных.  Одновременно  занято  5-­‐6  коек.  Круглосуточно  1  дежурный  реаниматолог  и  2  медсестры,  днем  -­‐  зав.  отд.,  процедурная  сестра  и  старшая  сестра  

•  Каждый  больной  подключен  к  прикроватному  монитору  (минимум  5  параметров:  ЭКГ,  оксигенация,  два  давления,  температура),  аппарату  ИВЛ  (минимум  6  параметров),  3-­‐6  автоматическим  дозаторам.  В  нем  от  4  до  10  трубок,  по  которым  оттекают  биологические  жидкости.  Одновременно  вводится  от  2  до  10  лекарственных  препаратов  

•  Принятие  решений:  на  основе  экспертных  оценок,  алармов  аппаратуры,  современных  представлений  (многоцентровые  исследования,  обычаи  делового  оборота)      

Основные причины сложности принятия решений

#mHealthLab   4  

1.  На  этапе  сбора  информации:  «лес»  аппаратуры,  обилие  манипуляций,  субъективность  оценок  тревожных  событий  (что  считать  значимым  отклонением  физиологического  показателя  от  нормы?)  

2.  На  этапе  анализа  информации:  разнородность  данных,  отсутствие  интегральных  показателей    

3.  На  этапе  лечебных  решений:  скудость  данных  о  релевантности  изменений  физиологических  показателей  клиническим  исходам  и  прогнозам  

4.  На  этапе  управленческих  решений:  разнородность  больных,  субъективная  (экспертная)  оценка  тяжести  состояния  и  эффективности  лечения,  плохая  осведомленность  о  реальных  ресурсах  реанимационных  отделений  

Поговорим о главном – понятиях Откуда в реанимации IoMT? Что такое семантика биоданных? Каковы взаимосвязи между множествами сущностей? Эти и другие вопросы…  

5  #mHealthLab  

ЦЖС МФТИ ИМБП РАН ФГАУ ЛРЦ

Состав IoMT-систем

1.   Биологическая  мишень  находится  в  непосредственном  контакте  с  датчиком  и  подвергающаяся  измерению    

2.   Датчик,  предназначен  для  получения  (съема)  биометрических  данных,  включая  поиск  и  определение  паттернов  в  снимаемых  аналоговых  и  цифровых  сигналах,  интегрированный  в  сетевую  инфраструктуру  облака  

3.   Протокол  предназначен  для  предварительной  обработки  и  передачи  биометрических  данных  в  приложение.  Его  основной  задачей  является  интерпретация,  количественное  сравнение  и  анализ  биологической  и  измерительной  ценности  снимаемых  данных  

4.   Приложение,  является  получателем  биометрических  данных  и  выполняет  основные  прикладные  задачи  по  их  распознаванию,  визуализации,  анализу,  сопоставлению,  выработке  рекомендаций  и  т.д.  

5.   Хранилище  биометрических  данных,  предназначено  для  накопления  и  долгосрочного  хранения  данных,  обеспечивает  должный  уровень  безопасности,  доступности  и  поддержки  различных  протоколов  доступа    

6  

Data Hub

PHR

3D

БКГ

ЭКГ

Темп

SpO2

MicПациент

Мониторинг пациентов

Врач

Уровень 4

Уровень 1 Уровень 2

Уровень 3

Уровень 5

Семантика биоданных в реанимации (основное)

#mHealthLab   7  

ПоказателиНормы показателей

Алармы

Биосигналы

Подсказки

ИндикаторыТренды

Статус пациента

Паттерны патологий

Тревожные события

Начальник ОРИТ

Дежурный врач

Дежурный медперсонал

Пациент

Пространство лечебных данных ОРИТ Что такое лечебные данные? Сроки годности лечебных данных? Почему пространство лечебных данных должно быть едино? Эти и другие вопросы…  

8  #mHealthLab  

ЦЖС МФТИ ИМБП РАН ФГАУ ЛРЦ

Единое пространство лечебных данных (схема)

#mHealthLab   9  

УчёныеМедработники АдминистраторыПациенты

Внешние ИТ- системы

Мед. архив

GUIМедицинское оборудование

CLIUI-сервер

Единое хранилище лечебных данных

HL7 шлюз ЭМК МИС

Мониторинг пациентов

Концентратор данных в палате Облачная система хранения ИТ-оборудование клиники

Расследование инцидентов

Регистрация хода лечения

Захват данных

Потоковый анализ данныхПакетный анализ данных

Локально В облаке

Upstream Downstream

Внешние ИТ-системы

Время жизни данных

Секунды Дни Годы

Интеграция ИТ в

медицину

0%10

0%

Единое пространство лечебных данных (upstream)

#mHealthLab   10  

Пациенты

Витальный монитор

Захват данных

Единое хранилище лечебных данных

Поиск паттернов

Концентратор данных в палате

Разметка биосигналов

1.

2.

3.

4.

5.

6.

7.

Номер логичес-кого уровня

Расчет индикаторов

Регистрация отклонений показателей от норм

Расчет статуса пациента

8.

9.

Локально

Биомишень

Медицинское оборудование

Захват данных и преобразование к внутреннему формату

Разметка волновых данных

Регистрация аномалий в данных

Расчет интегральных индикаторов

Расчет статуса пациента, генерация событий изменения статуса

Долгосрочное хранение лечебных данных

ИТ-оборудование

Описание логического уровня

Потоковый

анализ

данных

Единое пространство лечебных данных (downstream)

#mHealthLab   11  

УчёныеМедперсонал Администраторы

GUI CLI

UI-сервер

Единое хранилище лечебных данных

Концентратор данных в палате Облачная система хранения1.

2.

3.

4.

5.

6.

7.

Номер логичес-кого уровня

Расследование инцидентов

Регистрация хода лечения

Стандартная отчетность

Пакетная обработка данных

Визуализация биосигналов

Визуализация трендов и индикаторов

Потоковая обработка данных

Врачи и руководство

Пользователи системы

Тип интерфейса пользователя

Формирование интерфейса пользователя

Логика лечебно-организационных процессов

Логика по визуализации расчётных и "живых" графиков

Расчет индикаторов и подготовка данных для визуализации

Долгосрочное хранение лечебных данных

ИТ-оборудование

Описание логического уровня

Локально В облаке

8.

Потоки и основные пользователи данных

#mHealthLab   12  

Пациент

СенсорКонцентратор

данных

Единое хранилище лечебных данных

Оперативная БД палаты ОРИТ

(CACHEDB)

Показатели и биосигналы

("сырые" данные)

N 1

N

1

1

N

1

1

1

1Сырые + расчетные данные

Репликация

WEB

N

UI-SERVER

1

SIUD-запросы + данные

SELECT-запросы + данные

CLISELECT-запросы + данные

Медсестра

Учёный

WEBUI-SERVER

Потоковый анализ данных

Пакетный анализ и краткосрочное хранение данных

Пакетный анализ и долгосрочное хранение данных

Захват и преобразование

данных

1

N

Поток биосигналов

Визуализация данных и

формирование UI

"Прямой" доступ к данным

1

1

1

N

1

1

Врач

N

Руководство

N

1

Анализ данных в разных режимах Что такое режим анализа данных? В чем отличие режима потока от режима пакета? Какие данные получаются в разных режимах? Эти и другие вопросы…  

13  #mHealthLab  

ЦЖС МФТИ ИМБП РАН ФГАУ ЛРЦ

Анализ данных в режиме потока (схематично)

#mHealthLab   14  

Проверка коридоров норм

Прием и валидация MSG_DATA

Генерация алармов

Поиск паттернов патологий

Генерация подсказок

Расчет индикаторов

Определение статуса пациента

Генерация тревожных событий

Обработка обновлений

INSERT/ UPDATE

JSONы для визуализации

Показатели

Биосигналы

Показатели и биосигналы

("сырые" данные)

UI-SERVERCACHEDB

Показатели и биосигналы для хранения и визуализации

Найденные отклонения

Найденные отклонения

Разметка биосигналов

Сигналы с разметкой

Подсказки

Тревожные события

Статус пациента

Значения индикаторовАлармы

Данные для расчета

Найденные отклонения

Изменения статуса

Анализ данных в режиме пакета (схематично)

#mHealthLab   15  

Расчет трендов

Подготовка стандартных отчетов

Расчет индикатора прогноза

Генерация тревожных событий

Обработка обновлений

INSERT/ UPDATE

JSONы для визуализации

UI-SERVERCACHEDB

Тренды

Обновление прогноза состояния пациента

Отчеты

Изменение статуса пациента

Запуск по запросу или таймеру

Обеспечение надежности и безопасности

Что такое ошибка восприятия? Что такое ошибки первого и второго рода? Как препятствовать возникновению ошибок? Эти и другие вопросы…  

16  #mHealthLab  

ЦЖС МФТИ ИМБП РАН ФГАУ ЛРЦ

Лечебный процесс и обработка ошибок

#mHealthLab   17  

Как проявляется эта проблема? Врач не верно принимает решение, хотя располагает большим объемом информации о больном

Почему произошла ошибка? Причин может быть много: переизбыток информации, нет опыта, утомление, отсутствие времени, нервозное состояние, другие причины Пример: врач не «увидел» симптомы, потому что пациент сложный, очень много факторов необходимо держать во внимании

Проблема #1: Ошибка восприятия («когнитивная слепота»)  

Лечебный процесс и обработка ошибок

#mHealthLab   18  

Как проявляется эта проблема? Система выполнила ложноположительное срабатывание, например, сгенерировала аларм там, где его нет

Почему произошла ошибка? Причин может быть много: коридоры норм не адаптированы к пациенту, наводки или иные сбои снятия биосигнала, в т.ч. избыточная чувствительность сенсоров, не достаточно точные нормы, другие причины.

Пример: индивидуальная реакция на препараты, понижающие артериальное давление

Проблема #2: Ошибка первого рода  

Лечебный процесс и обработка ошибок

#mHealthLab   19  

Как проявляется эта проблема? Система выполнила ложнотрицательное срабатывание, например, не стала генерировать аларм там, где он есть

Почему произошла ошибка? Причин может быть много: коридоры норм «велики» для пациента, сбои снятия биосигнала, в т.ч. недостаточная чувствительность сенсоров, отсутствуют необходимые правила расчета алармов, значение показателя проверяется раньше, чем необходимо

Пример: оценка эффективности процесса оксигенации организма на аппарате ИВЛ за счет регистрации SpO2 артериальной крови

Проблема #3: Ошибка второго рода  

Борьба с ошибками: основные принципы

#mHealthLab   20  

1.  Забудь, что ты самый умный («подход «долины» не работает)

2.  Узнай лечебный процесс изнутри

3.  Экономь внимание медика

4.  Экспериментируй! (если ошибок нет – это еще не повод для радости)

5.  Не забывай о репрезентативной выборке (пациенты и пользователи)

6.  Не выполняй лишних операций (упрощай решение задач, обобщай и переформулируй)

7.  Используй открытые технологии и заведомо адаптируемые решения

8.  Встраивай проверки и защиту от дурака везде, где только возможно

Информационная безопасность IoMT – проблемы

#mHealthLab   21  

Многие  IoT-­‐устройства  генерируют  данные,  охраняемые  152-­‐ФЗ.  С  IoMT-­‐устройствами  все  обстоит  значительно  сложнее:  •  IoMT-­‐устройства  генерируют  медицинские  данные,  наиболее  

чувствительные  к  компрометации  

•  Взлом  и  несанкционированное  использование  IoMT-­‐устройств  может  привести  к  смерти  или  проблемам  со  здоровьем  человека  

•  Интерес  злоумышленников  к  шантажу  и  вымогательству  посредством  компрометации  IoМT-­‐устройств  в  перспективе  нескольких  лет  приведет  к  развитому  «черному»  рынку  соответствующих  преступных  услуг  (по  аналогии  с  «черным»  рынком  выч.  мощностей)  

•  ФСБ  необходимо  скоординировано  с  международными  институтами  стандартизации  как  можно  скорее  активизировать  работу  по  стандартизации  и  сертификации  надежных  механизмов  защиты  IoMT-­‐устройств,  применимых  на  территории  РФ  

Nanoribbon  Heart  Implant  

Информационная безопасность IoMT – подходы

#mHealthLab   22  

1.  Разделять сети по функциональности – мед. оборудование, потоковая обработка данных, оперативное хранение и пакетная обработка, визуализация (интерфейс пользователя), репликация в облако

2.  Жестко минимизировать физический доступ в сетям, особенно объединяющим мед. оборудование

3.  Жестко контролировать физический доступ в беспроводные сети (планшеты врачей)

4.  Применять СКЗИ там, где это возможно

5.  Производить своевременные обновления ПО

6.  При росте количества пользователей, внедрять единую систему идентификации и авторизации IdM

Специфика разработки мед. изделий

#mHealthLab   23  

1.  АПК и ПО, задействованные в лечебном процессе, – медицинские изделия

2.  Источник – номенклатурная классификация медицинских изделий по видам (НКМИВ) и классам потенциального риска их применения (НКМИР)

3.  Это требует от разработчика и производителя 1.  Обязательной оценки соответствия медизделий в целях их

государственной регистрации (Приказ Минздрава от 09.01.2014, №2н)

2.  Проведения экспертизы качества и безопасности медизделий (Приказ Минздрава от 21.12.2012, №1353н)

3.  Проведения клинических испытаний в целях утверждения типа средств измерений (Приказ Минздрава от 15.08.2012, №89н)

4.  Получения лицензии на производство и техническое обслуживание мед. техники (Постановление Правительства РФ от 03.06.2013, №469)

5.  В разработке изделий следовать положениям соотв. ГОСТов

24  

Прозоров Александр Александрович Научный сотрудник Лаборатории специальной медицинской техники и технологий МФТИ

Генеральный директор МИП «Мобайл Хелс Лаб»

Email: prozoroff@mail.ru

Mobi: +7 916 9989619

Есть вопросы? Задавайте!

#mHealthLab  

Руководитель  Центра  анестезиологии  и  реанимации  ФГАУ  «ЛРЦ  МЗ  РФ»,  профессор,  д.м.н.  Email:  s9637501492@yandex.ru  

Mobi:  +7  963  7501492    

Царенко Сергей Васильевич