Современные математические модели медицинской...

Современные математические модели медицинской информатики:

от статистики до интеллектуального анализа данных

А.А. Незнанов, к.т.н., доц.

© А.А. Незнанов, 2016

Медицинская информатика (МИ) [Medical informatics] Наиболее общее определение: the discipline, dedicated to the systematic

processing of data, information and knowledge in medicine and health care

Включает также: Клиническая информатика [Clinical Informatics], Оптимизация ухода за пациентами [Nursing Informatics]

Примыкает к: Биоинформатика [Bioinformatics]

Официальная история начинается в 1967 году с создания International Medical Informatics Association (IMIA)

С конца 1990-х годов – специализации в ведущих университетах (например, Гарвардской медицинской школе) В соответствии с новыми стандартами и сертификационными программами

(например, Board Certified in Clinical Informatics)

Число публикаций за последние пять лет – более 12000 статей только по базам Springer Link и Elsevier Science Direct!

Медицинская информатика

© А.А. Незнанов, 2016 2

Программируемые электронно-вычислительные машины (компьютеры)

Телекоммуникационные технологии

Базы данных

Онтологическое моделирование и базы знаний

Робототехника (телеприсутствие, робо-хирурги, роботизированные аптеки, …)

Молекулярная биология и фармацевтика

Средства объективной диагностики пациентов с выдачей показателей в цифровом виде

Доказательная медицина

Формализация стандартов медицинской помощи

Генетика и персонализированная медицина

Основные драйверы развития МИ


Открытые данные в медицинской информатике Новые проекты

Проекты, поменявшие стратегию развития и предоставления данных

Интеграция основных медицинских онтологий До этого основные результаты относят к 1998-2000 годам

Nuance LinKBase (http://www.nuance.com/for-healthcare/resources/clinical-language-understanding/ontology/index.htm)

Всплеск интереса к системам поддержки принятия врачебных решений (CDSS)

Открытые API для мобильных решений

Обсуждение изменения законодательства

Пристальное внимание к качеству результатов научных исследований, включая клинические исследования Мечты о воспроизводимости (http://biomolecula.ru/content/1729)

Прорыв на рубеже 2012-2013 годов!


http://www.nuance.com/for-healthcare/resources/clinical-language-understanding/ontology/index.htm

http://biomolecula.ru/content/1729

Доказательная медицина или медицина, основанная на доказательствах [evidence-based medicine] – совокупность методологических подходов к медицинской практике, опирающихся на проверку эффективности любых клинических действий, причём эффективность обосновывается рандомизированными клиническими исследованиями В узком смысле это подразумевает, что решение о применении лечебных

или профилактических мер по отношению к пациенту принимается только исходя из существующих доказательств эффективности и безопасности этих мероприятий

В современном смысле термин введён в 1990 году введен группой ученых из Канады

Крупнейшая организация, специализирующаяся на доказательной медицине – The Cochrane Collaboration (http://www.cochrane.org) с лозунгом «Trusted evidence. Informed Decisions. Better health»

Доказательная медицина


http://www.cochrane.org/

Клиническое исследование/испытание [Clinical study/trial] –исследование воздействия медицинских препаратов, приборов и методов лечения на человека (пациента) с целью выявления любых положительных или отрицательных результатов и оценки эффективности и безопасности предлагаемого средства

Клиническое исследование (КИ) должно быть как минимум рандомизированным двойным слепым, но также очень желательно – с проверкой плацебо-эффекта Такое КИ называется контролируемым или рандомизированным

(по главной процедуре )

Главная аббревиатура – РКИ

РКИ – статистический эксперимент специального вида!

Клинические исследования


Основные свойства: Ослепление (Слепое исследование [Blind Study]) – одна или несколько

участвующих сторон не знают, как участвующие в КИ пациенты и/или средства разделены по группам лечения и контроля

Одинарное, двойное, тройное, полное

Рандомизация (Рандомизированное исследование [Randomized Study/Trial]) – пациенты распределяются по группам лечения на основе процедур рандомизации (для повышения равновероятности получения каждого из средств)

Стратификация [Stratification] – повышение равномерности распределения факторов риска (возраст, пол, избыточный вес, генетический маркер и др.) в группах лечения

Критерии включения/исключения [inclusion/exclusion criteria] –характеристики, которые позволяют / не позволяют пациенту принять участие в КИ

Свойства РКИ


Медицинская статистика – отрасль статистики, изучающая явления и процессы в области здоровья населения и здравоохранения

Задачи медицинской статистики: Разработка специальных методов исследования массовых процессов и

явлений в медицине и здравоохранении

Выявление наиболее существенных тенденций в здоровье населения во взаимосвязи с конкретными условиями и образом жизни

Особенности Акцент на анализе временных рядов, анализе выживаемости и и

специальных методах подготовки данных

Развивалась ещё до формулировки термина «доказательная медицина» и дала много результатов, обогативших другие отрасли

Медицинская статистика


Цензурированные наблюдения – наблюдения, которые содержат неполную информацию Пример: «пациент A был жив, по крайней мере, 4 месяца с момента начала

наблюдений до момента перевода в другую клинику, когда контакт с ним был потерян»

Наблюдения формализуются в виде «событий» разных типов на временной оси

Дополнительный механизм – Отсечение данных [truncation]

Влияет ли вариант учёта цензурирования на результаты КИ? Да!

Prasad V., Bilal U. The role of censoring on progression free survival: Oncologist discretion advised // European Journal of Cancer, vol. 51, 2015. – pp. 2269-2271.

Цензурирование и отсечение наблюдений


Правостороннее цензурирование [right censoring] – ситуация, когда участник выбывает из рассмотрения (конец периода КИ или потеря связи) до момента наступления события То есть мы не знаем, произошло событие или нет (а если произошло,

то – когда) после некоторой заданной отметки времени!

Относительно частая ситуация

Два типа правостороннего цензурирования (механизмы учёта):

[Type 1] Абсолютно случайное выпадение из рассмотрения и/или заданная дата окончания КИ

[Type 2] Достижение заданного числа событий

Левостороннее цензурирование [left censoring] – ситуация, когда событие уже произошло до момента включения участника в КИ То есть мы знаем, что событие произошло, но не знаем, в какой момент

времени в прошлом до некоторой заданной отметки времени!

Редкая ситуация

Виды цензурирования


Отсечение обязательно фиксируется в дизайне КИ!

Отсечение справа [right truncation] – все участники уже участвовали в терминальном событии Классический пример: КИ на базе данных клинического онкорегистра

Отсечение слева [left truncation] – все участники заведомо будут участвовать в терминальном событии Классический пример: исследование дожития при определённых свойствах

пациентов 60-летнего возраста

В большинстве КИ приходится иметь дело с правосторонним цензурированием и отсечением слева

Отсечение


Графики жизни при различных вариантах цензурирования

Пример цензурирования наблюдений


?

?

Objects

Time to event

Начало наблюдений

Окончание наблюдений

Нет цензурования

Левостороннее

Правостороннее

Правостороннее

Интервальное

t1t0

Анализ выживаемости [Survival analysis] – область медицинской статистики, занимающаяся оценкой вероятности наступления события некоторого типа на основе истории аналогичных событий

В методах анализа выживаемости вместо функции распределения удобнее использовать функцию выживания –вероятность того, что объект проживет время большее t

Описательные методы исследования цензурированных данных: Построение таблиц времен жизни

Подгонка распределения выживаемости

Оценивание функции выживания с помощью процедуры Каплана-Мейера

Другие непараметрические статистические оценки применяются в исключительных случаях

Введение в рассмотрение факторов риска и оценивание кумулятивных конкурирующих рисков

Разнообразие моделей (Самая известная – Cox)

Анализ выживаемости


Пример дискретной функции выживаемости


На практике необходимо понимать, как минимум, когда пациенты выбывали из рассмотрения Пример из CancerGuide (http://cancerguide.org/scurve_km.html):

Учёт цензурирования при визуализации функций выживаемости


http://cancerguide.org/scurve_km.html

Superiority Обоснование

превосходства

Equivalence Обоснование

эквивалентности

Non-inferiority Обоснование

не меньшей эффективности

Постановки проблем при сравнении


Проведение и использование результатов РКИ – огромная высокотехнологичная отрасль!

Стандарты и указания International Conference on Harmonization of Technical Requirements for

Registration of Pharmaceuticals for Human Use (ICH) (http://www.ich.org)

CONSORT – Consolidated Standards of Reporting Trials (http://www.consort-statement.org)

Сервис уведомлений об изменении нормативных актов PharmaSchool Regulatory Updates (http://www.pharmaschool.co/regupdates.asp)

Guidance for Industry - E9 Statistical Principles for Clinical Trials, 1998 (и далее…)(http://www.fda.gov/downloads/drugs/guidancecomplianceregulatoryinformation/guidances/ucm073137.pdf)

Регистры РКИ Пример одного из наиболее важных регистров РКИ – ClinicalTrials.gov

(http://clinicaltrial.gov)

NCI’s Clinical Trials Programs (http://www.cancer.gov/clinicaltrials)

EU Clinical Trials Register (https://www.clinicaltrialsregister.eu)

Australian Clinical Trials (https://www.australianclinicaltrials.gov.au/clinical-trial-registries)

Технологии РКИ (1)


http://www.ich.org/

http://www.consort-statement.org/

http://www.pharmaschool.co/regupdates.asp

http://www.fda.gov/downloads/drugs/guidancecomplianceregulatoryinformation/guidances/ucm073137.pdf

http://clinicaltrial.gov/

http://www.cancer.gov/clinicaltrials

https://www.clinicaltrialsregister.eu/

https://www.australianclinicaltrials.gov.au/clinical-trial-registries

Клинические регистры и службы сопровождения [Clinical Trial Management Software] Пример веб-службы – Sealed envelop: Randomisation and online databases for

clinical trials (https://www.sealedenvelope.com)

Пример интегрированной среды – Bio-Optronics Clinical Conductor (http://bio-

optronics.com/clinical-conductor)

Средства планирования и анализа результатов Универсальные R, SAS, SPSS, XLSTAT и др.

Создаются многочисленные расширения для нужд медицинской статистики

Хороший пример: Survival data analysis (http://www1.karlin.mff.cuni.cz/~pesta/NMFM404/survival.html)

Специальные средства, например Aptiv Solutions ADDPLAN (http://www.aptivsolutions.com/addplan-software)

Интеграционные средства Пример – средства, поддерживающие стандарт HL7 (http://www.hl7.org)

Технологии РКИ (2)


https://www.sealedenvelope.com/

http://bio-optronics.com/clinical-conductor

http://www1.karlin.mff.cuni.cz/~pesta/NMFM404/survival.html

http://www.aptivsolutions.com/addplan-software

http://www.hl7.org/

ClinicalTrials.gov UI sample


Sealed envelop UI samples


ClinicalTrials catalog (http://cran.r-project.org/web/views/ClinicalTrials.html) Например, Package Survival (http://cran.r-

project.org/web/packages/survival/survival.pdf)

Пример вызова (на основе тестовых данных, входящих в Surv):1. library(survival);

2. library(KMsurv);

3. library(OIsurv);

4. data(psych);

5. attach(psych);

6. my.surv <- Surv(age, age+time, death);

7. my.surv;

8. detach(psych);

9. survfit(my.surv ~ 1);

10. my.fit <- survfit(my.surv ~ 1);

11. plot(my.fit, main="Kaplan-Meier estimate with 95% confidence bounds", xlab="time", ylab="survival function")

R Packages


http://cran.r-project.org/web/views/ClinicalTrials.html

http://cran.r-project.org/web/packages/survival/survival.pdf

Весьма ограниченное понимание статистики другими специалистам

Сложность разработки «дизайна РКИ» Top Five Mistakes in Clinical Protocol Design (http://www.ask-

cato.com/2014/10/top-five-mistakes-clinical-protocol-design)

Вопросы интерпретации результатов Ten Most Common Mistakes in Clinical Trial Interpretation

(http://www.slideshare.net/clinicaltrialist/intellectual-optical-illusions-in-clinical-trials-

slidecast-version)

Подлоги The vaccine-autism connection: a public health crisis caused by unethical medical

practices and fraudulent science, Dennis K Flaherty, Annals of Pharmacotherapy, 45(10):1302-4, 2011 (http://www.ncbi.nlm.nih.gov/pubmed/21917556)

Проблемы РКИ


http://www.ask-cato.com/2014/10/top-five-mistakes-clinical-protocol-design

http://www.slideshare.net/clinicaltrialist/intellectual-optical-illusions-in-clinical-trials-slidecast-version

http://www.ncbi.nlm.nih.gov/pubmed/21917556

Доказательная медицина – магистральный путь развития здравоохранения

Без РКИ не было бы не только вполне понятного повышения эффективности ранее известных методов, но и столь бурного развития высокотехнологичной медицинской помощи (ВМП) Более того – не было бы даже намёка на персонализированную медицину

В России – всё очень печально, но есть надежда Ассоциация организаций по клиническим исследованиям (http://acto-

russia.org) Перевод международной нормативной базы

Продвижение стандартов и «лучших практик»

Акцентирование проблем и совместный поиск решений

Промежуточные выводы


http://acto-russia.org/

Новые требования к предоставлению результатов

Развитие CONSORT (Consolidated Standards of Reporting Trials) Statement(http://www.consort-statement.org)

Reporting of Noninferiority and Equivalence Randomized Trials - Extension of the CONSORT 2010 Statement (http://jama.jamanetwork.com/article.aspx?articleid=1487502)

Standards for reporting randomized controlled trials in medical informatics: a systematic review of CONSORT adherence in RCTs on clinical decision support (http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3240766)

Новые методы обработки результатов

A tutorial on sensitivity analyses in clinical trials: the what, why, when and how(http://www.biomedcentral.com/1471-2288/13/92)

The Extent and Consequences of P-Hacking in Science(http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002106)

Учёт и контроль ошибок на всех этапах

Office of Research Integrity (https://ori.hhs.gov/case_summary)

Кстати – о «глюках» в публикациях: http://retractionwatch.com

От «результатов» РКИ к «знаниям»


http://www.consort-statement.org/

http://jama.jamanetwork.com/article.aspx?articleid=1487502

http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3240766/

http://www.biomedcentral.com/1471-2288/13/92

http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002106

https://ori.hhs.gov/case_summary

http://retractionwatch.com/

Основная цель МИ – повышение качества здравоохранения за счет применения современных алгоритмов анализа и обработки данных на всех этапах оказания медицинской помощи

Задачи Повышение качества медицинских данных (без дополнительной нагрузки на

пациента)

Менеджмент и управление операциями в клинике

Принятие решений

Факторный анализ результатов клинического исследования

Компьютерная диагностика

Математическое моделирование

Интеграция и стандартизация

Конфиденциальность и обмен данными

...

Цель и примеры задач современной МИ


Многоуровневое регулирование сферы здравоохранения => непроизводительные затраты и время

Жесткие требования надёжности и информационной безопасности => повышение стоимости и понижение удобства

Трудность пилотного развёртывания решений

Огромная косность мышления и кадровые проблемы

Отсутствие ясно выраженных плюсов к дальнейшему развитию большинства методов для большинства врачей и медперсонала после решения локальных критических проблем

Интеграция большого числа разнородных компонентов МИС

НО! Наличие явных плюсов и синергетический эффект от комплексного внедрения решений!

Основные проблемы


Базовые медицинские системы (МИС) – управление историями болезни и карточками пациентов (Electronic Healthcare Records)

Лабораторные информационные системы – автоматизация лабораторных исследований

Системы диагностики реального времени – поддержка реанимационных мероприятий и др.

Системы поддержки принятия врачебных решений – экспертные системы в клинической практике

Системы трансфузиологии – управление донациями и компонентами крови

PACS-системы – накопление и анализ мультимедийных диагностических данных

Клинические регистры – сопровождение рандомизированных клинических исследований

Телемедицинские системы – организация удалённой коллективной работы, телеконференций, телеприсутствия

И многие другие …

Медицинские информационные системы


До 1990 г. – исследования + EHR

С 1990 гг. – резкое удешевление персоналок – локальные и клиент-серверные системы, повсеместное внедрение в США Европе

С 2000 гг. – новое поколение МИС, интероперабельность, веб-интерфейсы, интеграция с диагностическими системами

С 2010 гг. – резкое удешевление обработки больших данных, реальное внедрение крупномасштабной аналитики, начало поддержки персонализированной медицины

С 2012 г. – появление полноценных интерфейсов для пациентов и методология постоянного сопровождения, носимое медицинское оборудование

История развития МИС


В первую очередь – новые возможности систем поддержки принятия врачебных решений (CDSS) Майнинг данных

Выявление знаний в неструктурированных данных (тексты, изображения)

Визуализация

Согласование знаний: как в рамках предметных областей, так и междисциплинарных Онтологическое моделирование: формализация и уточнение понятий и

связей между ними, интеграция онтологий

Стандарты на обмен знаниями

Новые методы обработки и интерпретации результатов РКИ Новый уровень метаанализа (анализа результатов нескольких РКИ в одной

области за многие годы)

Что даёт интеллектуальный анализ данных?


Важнейшее направление – базис нового поколения баз знаний и систем анализа медицинских данных

Развивается во всех предметных областях – от общей терминологии и связи базовых понятий медицины (метаонтологии) до заболеваний, симптомов, возбудителей, лекарственных препаратов и их компонентов, методов лечения, геномных маркеров и т.д.

Многие онтологии свободны и доступны для непосредственного использования через web-сервисы или пользовательские web-интерфейсы

Приведём лишь несколько примеров

Онтологическое моделирование в медицине


Основные метаонтологии Глобальный медицинский тезаурус Unified Medical Language System (UMLS)

Metathesaurus (http://www.nlm.nih.gov/research/umls/quickstart.html)

Интегратор источников данных и метаонтологий SNOMED Clinical Terms(SNOMED CT) (http://www.ihtsdo.org/snomed-ct)

Technical Implementation Guide (http://ihtsdo.org/fileadmin/user_upload/doc/en_us/tig.html)

SNOMED® In Action (http://snomedinaction.org/sct-table.html)

Medical Subject Headings (MeSH) (http://www.nlm.nih.gov/mesh/meshhome.html)

Medical Dictionary for Regulatory Activities (MedDRA) (http://www.meddra.org)

HL7 Reference Information Model(http://www.hl7.org/implement/standards/rim.cfm)

Онтологическая поддержка (1)


http://www.nlm.nih.gov/research/umls/quickstart.html

http://www.ihtsdo.org/snomed-ct

http://ihtsdo.org/fileadmin/user_upload/doc/en_us/tig.html

http://snomedinaction.org/sct-table.html

http://www.nlm.nih.gov/mesh/meshhome.html

http://www.meddra.org/

http://www.hl7.org/implement/standards/rim.cfm

Открытые предметные онтологии Международная классификация болезней и проблем, связанных со здоровьем

International Classification of Diseases (ICD) (http://www.who.int/classifications/icd/en) ICD10Data.com (http://www.icd10data.com)

Нормализованные названия лекарственных препаратов RxNorm(http://www.nlm.nih.gov/research/umls/rxnorm/index.html)

Набор из 35 источников данных BIO2RDF - Linked Data for the Life Sciences (http://download.bio2rdf.org/release/3/release.html)

Платформа Open PHACTS (http://www.openphacts.org) The Open Biological and Biomedical Ontologies ( ) Hymenoptera Anatomy Ontology Portal

(http://api.hymao.org/projects/32/public/site/hymglossary/home/about) Инструменты группы Medical Ontology Research (http://mor.nlm.nih.gov) Пример онтологии медицинских публикаций PubMed Ontology (http://aber-

owl.net/aber-owl/pubmed) Онтологии Gene Ontology Consortium (http://www.geneontology.org) …

Онтологическая поддержка (2)


http://www.who.int/classifications/icd/en/

http://www.icd10data.com/

http://www.nlm.nih.gov/research/umls/rxnorm/index.html

http://download.bio2rdf.org/release/3/release.html

http://www.openphacts.org/

http://api.hymao.org/projects/32/public/site/hymglossary/home/about

http://mor.nlm.nih.gov/

http://aber-owl.net/aber-owl/pubmed

http://www.geneontology.org/

Семантическая интероперабельность результатов диагностических исследований на основе SNOMED CT Сурин Максим, кафедра медицинской кибернетики и информатики РНИМУ

им. Н.И. Пирогова

Одна из первых ласточек в России


Примеры новых проектов или проектов, сменивших стратегию Project Data Sphere (https://www.projectdatasphere.org)

The Cancer Genome Atlas (http://cancergenome.nih.gov)

NCI Data Catalog (http://www.cancer.gov/research/resources/data-catalog)

…

Появление «больших данных» [Big Data]

Проекты по удостоверению воспроизводимости Уточнение методологии доказательной медицины

Без полноценной открытости данных не может быть нормального развития доказательной медицины в высокотехнологичных областях!

Открытые медицинские данные


https://www.projectdatasphere.org/

http://cancergenome.nih.gov/

http://www.cancer.gov/research/resources/data-catalog

«Project Data Sphere, LLC (PDS), an independent, not-for-profit initiative of the CEO Roundtable on Cancer's Life Sciences Consortium (LSC)» «The Project Data Sphere platform (www.projectdatasphere.org) was launched in

April of 2014»

«As a community, we must do more to drive progress. Cancer research is too slow. Making a difference demands a change in the research paradigm»

Бесплатно: данные + протоколы!

Образование сообществ исследователей

Базовые аналитические инструменты

Project Data Sphere


Интерфейс


Пример представления данных об РКИ


Департамент анализа данных и искусственного интеллекта факультета компьютерных наук НИУ ВШЭ (http://cs.hse.ru/ai)

Направление подготовки «Прикладная математика и информатика»

Магистерская программа «Науки о данных» [Data Science]

Дисциплины «Введение в медицинскую информатику», «Практикум по анализу данных в медицине»

Проекты по анализу данных в медицины Структурированных данных диагностики и назначений

Текстов на естественном языке – историй болезни, осмотров и т.п.

Мультимедийных данных

Проекты по оптимизации бизнес-процессов в медицине

Проекты по развитию медицинской статистики и поддержке рандомизированных клинических исследований

Проекты ДАДиИИ НИУ ВШЭ


http://cs.hse.ru/ai

Математика (медицинская статистика, методы оптимизации, анализ временных рядов, …)

Анализ данных и методы искусственного интеллекта (майнингданных, визуализация данных, машинное обучение, компьютерная лингвистика, рекомендательные системы, онтологичекое моделирование)

Программная инженерия (МИС)

Робототехника

Менеджмент и оптимизация бизнес-процессов

Образовательные аспекты МИ: области знания


Улучшение качества включает в себя: Минимизацию побочных эффектов для пациента

Создание алгоритмов для повышения «веса» наиболее диагностически-важных факторов в снимке

Анализ факторов восприятия качества снимка человеком

Проект 1: Улучшение качества изображений


Удаление шума для понижения дозы радиации при сканировании пациента:


© А.А. Незнанов, 2016У

дал

ени

е шум

а на скан

ере

Сравнимое качество

43

Улучшение диагностического качества изображений



Улучшение качества

44

Современная клиника – это сложная «фабрика» по оказанию медицинских услуг

МИ помогает анализировать и оптимально управлять различными процессами в клинике

Одно из направление – моделирование различных этапов обслуживания

Проект 2: Управление операциями


Service

Line1

Line2

Line3

45

Основной разработчик: О.С. Пьяных

Пример – моделирование потока пациентов. Например, можем ли мы предсказать время ожидания пациента?

Сложная, нелинейная задача:



Поток пациентов в клинике

Максимальное кол-во пациентов в единицу

времени

Среднее кол-во пациентов в

единицу времени

46

Построенная модель и предсказанное ею время ожидания пациента:



0

5

10

15

20

25

30

35

40

1 51 101 151 201 251 301 351 401 451 501

W

Предсказание времени ожиданияРеальное время

Предсказанное время (модель)

47

Оптимизация выделения ресурсов


Fixed supply

Optimal supply

See:Brunner JO, Bard JF, Kolisch R., “Flexible shift scheduling of physicians”, Health Care Manag Sci. 2009 Sep;12(3):285-305.

Задачи целочисленного линейного/нелинейного

программирования

48

Большой объем медицинских данных требует автоматических алгоритмов сегментации – разделения данных на области и анатомические органы

Задача должна решаться в реальном времени, устойчиво к шуму и артефактам

Проект 3: Сегментация изображений


Интерактивные алгоритмы сегментации помогают врачу быстро и надежно определить 3D-границы интересующей области:

Проект 3: Сегментация изображений


Сегментация почек

50

Существует много процессов, которые могут быть оптимизированы только при участии эксперта

Эксперт заинтересован в моделях анализа, которые: Просто интерпретируются

Уточняются (детализируются) на нескольких уровнях

На верхнем уровне имеют небольшой размер (обозримы)

Строятся за разумное время

Пример – модель траекторий госпитализаций пациентов Большое число параметров и скрытого знания

Проект 4. Оптимизация госпитализаций

© А.А. Незнанов, 2016 51Основные разработчики: А.В. Бузмаков, С.О. Кузнецов

Траектории госпитализаций изучаются с помощью «узорных структур» [Pattern Structures] – формализма теории анализа формальных понятий

Проект 4. Оптимизация госпитализаций


Основа доказательной медицины и значимый раздел клинической информатики

Базируются на медицинской статистике и различных регистрах

Стандартизованы и обладают развитой методологией (http://acto-russia.org)

Поддерживаются развитыми базами данных и знаний Например: http://www.controlled-trials.com, http://www.clinicaltrials.gov

Актуальные задачи Эффективное сопровождение мультицентровых исследований

Оптимизация дизайна исследования

Повышение эффективности анонимизации и ослепления

Новые методы анализа результатов

Мета-анализ

Проект 5. Математическое сопровождение рандомизированных клинических исследований


http://acto-russia.org/

http://www.controlled-trials.com/

http://www.clinicaltrials.gov/

Что такое ФНКЦ ДГОИ им. Дмитрия Рогачева?

Федеральный научно-клинический центр детской ГЕМАТОЛОГИИ, ОНКОЛОГИИ И ИММУНОЛОГИИ им. Д. Рогачева Крупнейший в Европе центр по

лечению и исследованию онкологических заболеваний детей и подростков

Под руководством ведущих специалистов ФНКЦ ДГОИ ведётся разработка и внедрение эффективных протоколов терапии заболеваний крови, злокачественных новообразований, патологий иммунной системы и других тяжелых заболеваний детского возраста

Для повышения эффективности лечения и организации научных исследований в ФНКЦ ДГОИ активно разрабатываются и внедряются современные информационные системы и технологии


Что такое ФНКЦ для специалиста в ИТ?


Исключительно сложные больные с опасными заболеваниями Их судьба зависит от согласованности и

эффективности работы всех врачей и сотрудников разных подразделений

Необходимость адекватного сопровождения больных и грамотной организации работы персонала (оптимизация основных и вспомогательных бизнес-процессов)

С точки зрения информатизации, оптимизации и анализа данных Сложность структуры (

> 100 подразделений, > 1200 сотрудников)

Уникальность многих элементов для России

Совершенно новые информационные системы и пилотные проекты

Участие в федеральных проектах в области здравоохранения

Активная научно-исследовательская и образовательная деятельность

Суть РКИ: для детей, больных лейкозом, случайным образом выбирается один из двух вариантов протокола лечения В среднем эффект от лечения одинаков

Можно ли выделить и описать подгруппы пациентов, в которых один из видов лечения значительно эффективнее другого?

Суть предложения – использование специальных видов кластеризации и порождения гипотез на основе различных методов машинного обучения

Обнаружение знаний в задаче сравнения эффективности стратегий лечения

© А.А. Незнанов, 2016 56Основные разработчики: Н.В. Корепанова, С.О. Кузнецов

Идея

Стандартные подходы к оценке выживаемости: Кривые выживаемости Каплан-

Майера (на рисунке) Логранговый критерий Модель Кокса и тд.

Предложенный подход: Найти пары физиологически схожих

пациентов Разбить пары на группы согласно

эффективности каждого из двух видов лечения

Попытаться описать эти группы методами машинного обучения

Проверить полученные гипотезы стандартными инструментами анализа выживаемости


Для пациентов с пальпируемым размером селезенки ≥ 3,5 см в возрасте старше 6,6 лет и pre-pre-B или pre-B иммуно-фенотипом метилпреднизолон в дозе 60 мг/м2/сут (MePRED) значимо эффективнее, чем дексаметазон в дозе 6 мг/м2/сут(DEXA)

Всего таких пациентов 47

При лечении всех пациентов MePRED, возможно, удалось бы спасти около 8 пациентов, т.е. порядка 1/6 всей группы (в отсутствие других факторов) С учётом максимальной поправки на множественные сравнения – 2 пациентов

Пример подтверждённой гипотезы


Показаны графики выживаемости в 2 группах

Медицинская информатика всё более востребована в здравоохранении как прикладная дисциплина, ориентирующая на достижение реального результата Интересные приложения математики, информатики, менеджмента, …

Новые технологии открывают новые возможности Изменения методологии, методов и инструментов

Выводы


Контакты: Алексей Незнанов, к.т.н., доц., член IEEE и IGIP

School of Data Analysis and Artificial Intelligence, Faculty of Computer Science, NRU HSE, Moscow, Russia

E-mail: [email protected]

Web-site: http://hse.ru/staff/aneznanov

Blog: http://siberianshamanssongs.blogspot.ru (RU)

Вопросы?


mailto:[email protected]

http://hse.ru/staff/aneznanov

http://siberianshamanssongs.blogspot.ru/