В Москве с 8 по 9 февраля в гибридном формате прошла VI Всероссийская научно-практическая конференция по искусственному интеллекту в здравоохранении и системам поддержки принятия врачебных решений ITM-AI. Эксперты обсудили практическое внедрение и использование медицинских компьютерных программ, использующих методы ИИ и аналитики больших данных.
Темы докладов касались применения сервисов на основе технологий искусственного интеллекта в медицинской практике, СППВР для задач профилактики, наблюдения, взаимодействия с пациентом, обработки результатов диагностических исследований, интеграции ИИ с медицинскими информационными системами и другими источниками данных для поддержки принятия врачебных решений, дистанционного мониторинга, аналитики и прогнозирования.
Дмитрий Спасенов, медицинский советник СП. АРМ, представил разработанные компанией сервисы по управлению коечным фондом стационара с помощью технологии ИИ, и использованию искусственного интеллекта в кодировании клинического диагноза кодами МКБ.
Система, разработанная на основе лингвистических алгоритмов, позволяет определить код МКБ опираясь на описанный врачом диагноз. Его можно либо подтвердить, либо поставить свой вариант. Такое решение будет удобно в использовании для всех медорганизаций и медиков.
Дмитрий Спасенов, медицинский советник СП. АРМ, представил разработанные компанией сервисы по управлению коечным фондом стационара с помощью технологии ИИ, и использованию искусственного интеллекта в кодировании клинического диагноза кодами МКБ.
Система, разработанная на основе лингвистических алгоритмов, позволяет определить код МКБ опираясь на описанный врачом диагноз. Его можно либо подтвердить, либо поставить свой вариант. Такое решение будет удобно в использовании для всех медорганизаций и медиков.
- Дмитрий СпасеновМедицинский советник СП.АРМНаша модель позволяет учитывать сложившуюся клиническую практику в конкретной медицинской организации. То есть, по сути, она помогает не только врачу, но и специалистам, которые занимаются последующей обработкой карты стационарного больного, правильно поставить диагноз в зависимости от особенностей кодирования, медучреждения. Модель предлагает врачу несколько клинических диагнозов на выбор, а эксперты могут поставить тот диагноз, который больше всего подходит под текущее описание всех клинических диагнозов пациента.
Модель обучена на датасете из более чем 1 300 000 записей, она уверенно распознает все принятые в медицинской организации сокращения, может поставить 1193 уникальных диагноза с точностью определения в 87%.
Кодирование диагноза кодами МКБ позволяет получать информацию о здоровье популяции, планировать расходы на здравоохранение, составлять пригодные датасеты для развития доказательной медицины и др.
Второй сервис, реализованный СП. АРМ на основе машинного обучения — интеллектуальное определение длительности предстоящей госпитализации пациента в момент его поступления. Решение помогает оптимизировать использование коечного фонда в стационарах.
Разработанный алгоритм позволяет делать прогнозы на основании входящей информации о пациенте: диагноза, пола, возраста и других данных, собираемых при поступлении в больницу. Опираясь на эти данные, МИС спрогнозирует, сколько дней пациент будет занимать койку. Модель обучена на датасете из 230 000 записей. Она встраивается в рутинную работу медицинского персонала и не требует ввода дополнительной информации.
Кодирование диагноза кодами МКБ позволяет получать информацию о здоровье популяции, планировать расходы на здравоохранение, составлять пригодные датасеты для развития доказательной медицины и др.
Второй сервис, реализованный СП. АРМ на основе машинного обучения — интеллектуальное определение длительности предстоящей госпитализации пациента в момент его поступления. Решение помогает оптимизировать использование коечного фонда в стационарах.
Разработанный алгоритм позволяет делать прогнозы на основании входящей информации о пациенте: диагноза, пола, возраста и других данных, собираемых при поступлении в больницу. Опираясь на эти данные, МИС спрогнозирует, сколько дней пациент будет занимать койку. Модель обучена на датасете из 230 000 записей. Она встраивается в рутинную работу медицинского персонала и не требует ввода дополнительной информации.
- Дмитрий СпасеновМедицинский советник СП.АРММы провели имитационное моделирование для типового кардиологического отделения на 30 коек, принимающего 90 пациентов в месяц. По умолчанию продолжительность пребывания составляет 10 дней. При тестировании функциональности выяснилось, что если опираться на эту цифру и использовать систему интеллектуального определения продолжительности предстоящего лечения, то больница сможет принимать на 18% пациентов больше обычного количества. Ожидаемая точность алгоритма на практике составляет порядка 87%
Алгоритмы машинного обучения позволяют выявить скрытые от человеческого глаза закономерности при прогнозе срока госпитализации. Он предсказывается с учетом индивидуальных особенностей конкретного случая и можно заранее предположить, что пациент пролежит не меньше 12 дней и на 13-й день уже резервировать койку под нового пациента, тем самым обеспечив равномерный поток в отделении. Точное планирование срока госпитализации позволяет более эффективно использовать ресурсы стационара и повысить доступность не в ущерб качеству, снизить затраты и повысить доходную часть.
Инструмент прогнозирования длительности госпитализации уже доступен в qMS и может быть развернут на базе любой медицинской организации.
Новые сервисы МИС qMS упрощают работу прежде всего врачей и служат на благо пациентов. Определение кодов МКБ минимизирует возможность ошибок при заполнении документации, а прогнозирование сроков госпитализации улучшает использование имеющихся материальных и человеческих ресурсов.
Инструмент прогнозирования длительности госпитализации уже доступен в qMS и может быть развернут на базе любой медицинской организации.
Новые сервисы МИС qMS упрощают работу прежде всего врачей и служат на благо пациентов. Определение кодов МКБ минимизирует возможность ошибок при заполнении документации, а прогнозирование сроков госпитализации улучшает использование имеющихся материальных и человеческих ресурсов.
13 февраля / 2024
Автор: Екатерина Унгурян