Потенциал медицинских информационных систем и возможные направления оптимизации диагностических процессов

В.Пулит, Р.Алексеев (СП.АРМ, Санкт-Петербург, 2016 год)

Очевидно, что на качество (результативность) и итоговую стоимость каждого конкретного лечебного процесса значительное влияние оказывает результат диагностики. Иными словами, чем оперативнее и точнее будет установлен диагноз, тем эффективнее (при прочих равных условиях) окажется выбранная врачом стратегия оказания медицинской помощи.

Не менее очевидно и то, что основными инструментами диагностики, кроме, конечно, уровня подготовки и опыта лечащего врача, являются данные лабораторных анализов и медицинских исследований. Тем интереснее становится задача проверки возможности оптимизации структуры и последовательности диагностических манипуляций с целью сокращения их количества при одновременном повышении достоверности определения природы заболевания.

Никому, тем более человеку, далекому от медицинской науки, никогда не придет в голову учить медиков, когда и какие анализы целесообразно назначать. Но некоторые выводы и соображения, полученные на основе анализа записей, накапливаемых современными МИС, кажутся нам любопытными. Не исключено, что они могут зародить определенный интерес и желание более предметно разобраться в вопросе и у тех, кому уже давно не требуется подтверждать уровень своей компетентности и кто прочно связал свою жизнь с задачами медицины и здравоохранения.

Для начала, немного статистики. Рассмотрим количество лабораторных анализов, связанных с диагностикой заболевания стационарных пациентов. Для наглядности ограничимся двумя диагнозами («I11.0» и «I11.9»: «Гипертензивная [гипертоническая] болезнь с преимущественным поражением сердца с застойной сердечной недостаточностью» и «Гипертензивная [гипертоническая] болезнь с преимущественным поражением сердца без застойной сердечной недостаточности» соответственно), которые мы уже не раз использовали в своих публикациях.

На рисунке 1 приведены две кривые, отражающие процентные соотношения числа эпизодов (по одному и другому диагнозу) с близким количеством анализов, назначенных и проведенных в первые два дня после госпитализации. Кривая 1 соответствует диагнозу I11.9, а 2 – I11.0.

Всего было рассмотрено 2236 эпизодов стационарного лечения по первому диагнозу и 183 – по второму. При построении зависимостей было проведено обобщение (суммирование числа) эпизодов, в рамках которых количество анализов, относящихся к диагностическому процессу, варьировалось от 0 до 9-ти; от 10 до 19-ти; от 20 до 29-ти и т.д.

Как следует из графиков, наибольшее число эпизодов (порядка 35%) связано с количеством лабораторных анализов, лежащих в диапазонах от 10-ти до 20-ти  (для I11.9) и от 20-ти до 30-ти (для I11.0). При этом встречаются лечебные процессы, в рамках которых установление диагноза потребовало проведения более 60-ти исследований. И уж совсем не редки (от 10-ти до 15-ти процентов) случаи госпитализации, при которых количество анализов превосходило значение 40 (ось Х на рисунке 1).

Рисунок 1.

Напрашивается вывод о принципиальной возможности минимизации числа анализов до значений близких к 20-ти (возможно, и ниже), с тем чтобы и на их основе диагноз мог устанавливаться с высокой степенью достоверности. Этим мы хотим подчеркнуть, что целенаправленные разработки методик, оптимизирующих процессы диагностических исследований, кроме их востребованности могут быть отнесены и к разряду реализуемых. Иными словами, всерьез занявшись таким проектом, вполне можно рассчитывать на успех.

Используемые в настоящее время методы диагностики основаны в большинстве «неочевидных» случаев на использовании маркеров, позволяющих оконтурить возможные проблемные области. Это приводит к необходимости, если можно так выразиться, проводить «обстрел по площадям». Следующий шаг связан демонстрацией отклонения от нормы одного из маркеров. Только после этого круг поиска сужается.

Аналогичные подходы могут использоваться и при выявлении сопутствующих заболеваний, способных повлиять на лечебный стандарт. В упрощенном виде обследование и выбор варианта лечения соответствуют приведенной ниже схеме:

Если на уровне маркеров, или уточняющих обследований картина заболевания остается «смазанной» объем назначаемых анализов может существенно возрастать. Выбор стратегии диагностического процесса в этом случае полностью зависит от уровня подготовки, опыта и, если хотите, интуиции лечащего врача. Но в любом случае, с диагностическими мероприятиями связаны значительные затраты, вполне сопоставимые с общей стоимостью лечения.

Приведенная выше методика давно отработана и достаточно надежна. Ее основным недостатком является непредсказуемость итоговых затрат, связанных с процессом восстановления здоровья пациента. Несколько усугубляет ситуацию и финансирование значительной части медицинских услуг из фонда ОМС. В этом случае основанием для компенсации затрат организации является не качество достигнутого результата (изменение состояния больного), а медико-экономические стандарты, или их аналоги. По понятным причинам это не может не влиять на решения, принимаемые врачом.

Но возможна и альтернативная логика. И выбор между тем, или иным подходом должен, видимо, основываться на сопоставлении полученных результатов, в том числе на их экономической целесообразности. Рассмотрим один из вариантов. Предположим, что мы располагаем инструментом, с высокой степенью вероятности позволяющим утверждать, что на основании первого полученного результата можно исключить из рассмотрения целую группу диагнозов. При этом логика выбора лечебного стандарта будет соответствовать следующей схеме:

В итоге мы приходим к ситуации, когда из первоначального набора диагнозов остаются 3 – 5 вариантов, что может значительно упростить процесс принятия решения.

Ниже приводится один из возможных подходов к реализации подобной задачи.

Для начала подчеркнем, что связь результатов анализов с конкретным заболеванием может основываться только на данных статистики. В периоды массовых эпидемий (тем более во времена отсутствия антибиотиков) достаточно десятка практикующих специалистов, чтобы накопленные ими наблюдения и записи могли лечь в основу эффективных рекомендаций по определению заболевания в будущем. Но в периоды стабильности и «смазанной» лекарственными препаратами симптоматики этого уже недостаточно. Да и вирусы зачастую мутируют быстрее, чем фармацевтические компании успевают подготовиться к борьбе с ними. Наконец, далеко не все медицинские учреждения имеют необходимый уровень оснащенности.

Результатом может стать то, что пациент получит медицинскую помощь, эффективную для предположительного, а не реального диагноза. Нередки и случаи назначения дополнительных анализов не из числа необходимых, а из числа доступных. Это, по понятным причинам, приводит к ничем не оправданному удорожанию и снижению эффективности лечения.

Логика работы врача требует наличия в его распоряжении справочника или, что еще лучше, программного обеспечения, позволяющего связывать решаемую задачу с оптимальной последовательностью анализов и исследований. В основе их разработки должна лежать идея максимального сокращения числа возможных выводов на каждом следующем шаге диагностирования.

Рассмотрим, например, задачу сокращения возможной выборки заболеваний. Ее целью является в рамках каждого конкретного лечебного эпизода уже после 10-ти – 20-ти анализов подойти к выбору эффективного лечебного стандарта. Приемлемой могла бы стать методика, в рамках которой собранный биоматериал не расходовался бы для одновременного проведения всех предварительно назначенных анализов. Иными словами, каждое следующее исследование должно выбираться и проводиться на основании предварительно полученного результата.

Предлагаемый подход проще всего проиллюстрировать на примере использования анализов, вероятность отклонения которых от «нормы» (выход за рамки референтных границ) в разрезе определенного диагноза лежит в пределах значений «0.995 — 1.00» (практически всегда), или «0.00 — 0.005» (практически никогда). Построить соответствующие таблицы на основе технологии «бумажного документооборота» крайне сложно, а используя данные и функциональные возможности современных МИС такая задача вполне решаема. Результат будет определяться исключительно полнотой, объемом и качеством хранимой (заносимой врачом в систему) информации.

Приведенный ниже пример основан на оценке вероятности выхода за границы референтных интервалов значений всех видов лабораторных исследований, проводившихся рядом клиник в течение нескольких лет, с учетом диагноза пациентов. Для повышения достоверности результата рассматривались только стационарные эпизоды и связанные с ними диагнозы выписки. Учитывались только те анализы, забор проб для которых проводился в течение первых трех дней после госпитализации.

Следующим шагом стала разработка алгоритма выбора анализа, обеспечивающего максимальную скорость сокращения перечня возможных диагнозов. После проведения каждого анализа его результат («норма»/«отклонение») вносится в систему. Система исключает из рассмотрения все диагнозы, которые этому варианту не соответствуют. Анализируя «остаток», программа выбирает следующий анализ, который способен еще более сократить перечень. Принцип использования алгоритма достаточно прост. После получения рекомендуемого анализа и его проведения на экране монитора выбирается один из предлагаемых вариантов ответа (рисунок 2). Система сама предложит вам наиболее рациональный вариант следующего исследования.

Таблицы «вероятности отклонений» были получены нами путем учета результатов анализов по 2468-и диагнозам. Все они присутствуют в записях, использованных нами МИС. На момент начала работы с данными в нашем распоряжении оказались записи 1074682-х деперсонифицированных лечебных эпизодов, относящихся к 68599-и пациентам. Количество диагнозов, допускающих эффективную обработку по рассматриваемой методике равно, приблизительно, 25%-ам от общего количества диагнозов по «МКБ-10».

Примеры «сокращения выборки», связанные c относительно благоприятными исходами предлагаемых системой анализов, демонстрирует возможную динамику изменения состава первоначальных диагнозов. Ниже приведены две группы «возможных заболеваний», связанные с разделами «I» и «K» классификатора болезней, и пошаговые результаты их сокращения.

Вариантов комбинаций (норма/отклонение), как нетрудно подсчитать, достаточно много, точнее 2^N. Здесь «N» общее число предложенных системой и выполненных анализов. Для случая 9-ти исследований, число комбинаций равно 512, а для 13-ти – 8192. Каждое сочетание последовательности результатов может приводить к своему итоговому диагнозу.

ПРИМЕР 1

Набор(0)=!I05.1!I09.8!I10.0!I11.0!I11.9!I12.0!I12.9!I13.9!I15.0!I15.1!I15.8!I15.9!I20.0!I20.1!I20.8!I20.9!I21.0!

I21.1!I21.2!I21.4!I22.0!I25.0!I25.1!I25.2!I25.5!I25.8!I25.9!

Набор (1)=!I05.1!I09.8!I10.0!I11.0!I11.9!I12.9!I13.9!I15.0!I15.1!I15.8!I15.9!I20.0!I20.1!I20.8!I20.9!I21.0!I21.1!

I21.2!I21.4!I22.0!I25.0!I25.1!I25.2!I25.5!I25.8!I25.9!

Набор (2)=!I05.1!I09.8!I10.0!I11.0!I12.9!I13.9!I15.0!I15.1!I15.8!I15.9!I20.1!I20.9!I21.1!I21.4!I25.0!I25.2!I25.8!

I25.9!

Набор (3)=!I05.1!I09.8!I11.0!I12.9!I15.0!I15.8!I15.9!I20.9!I21.4!I25.0!I25.8!

Набор (4)=!I05.1!I09.8!I12.9!I15.0!I15.9!I20.9!I25.0!I25.8!

Набор (5)=!I05.1!I09.8!I15.0!I15.9!I25.0!I25.8!

Набор (6)=!I09.8!I15.9!I25.0!I25.8!

Набор (7)=!I09.8!I15.9!I25.8!

Набор (8)=!I09.8!I25.8!

Набор (9)=!I25.8!

Последовательность анализов: !A26.06.040!B03.016.75.001!A09.05.023.012!B03.016.06.002!A09.19.002!B03.016.02!B03.016.93!B03.016.06!A09.05.042!

ПРИМЕР 2

Набор(0)=!K00.0!K00.6!K01.0!K04.8!K08.1!K09.2!K10.2!K11.2!K11.5!K20.0!K21.0!K21.9!K22.0!K22.1!K22.6!

K22.8!K25.0!K25.3!K25.4!K25.7!K25.9!K26.0!K26.1!K26.2!K26.4!K26.5!K26.7!K26.9!K28.0!K28.2!K28.4!K28.7!

K29.0!K29.1!K29.3!K29.4!K29.5!K29.6!K29.7!K29.9!K30.0!K31.8!K31.9!K35.0!K35.1!K35.3!K35.9!K36.0!K40.0!

K40.2!K40.9!K42.0!K42.9!K43.0!K43.9!K50.0!K50.1!K50.8!K50.9!K51.0!K51.8!K51.9!K52.8!K56.5!K56.6!K57.0!

K57.2!K57.3!K58.0!K58.9!K59.0!K59.8!K59.9!K60.1!K60.3!K61.0!K61.3!K62.1!K62.8!K63.0!K63.8!K63.9!K66.0!

K70.0!K70.3!K71.7!K73.0!K73.8!K74.0!K74.3!K74.6!K76.0!K76.8!K80.0!K80.1!K80.2!K80.3!K80.4!K80.5!K80.8!

K81.0!K81.1!K81.8!K81.9!K82.4!K83.0!K83.8!K85.0!K85.9!K86.0!K86.1!K86.2!K86.3!K86.8!K86.9!K90.0!K91.1!

K91.3!K92.2!

Набор(1)=!K00.0!K00.6!K04.8!K09.2!K11.2!K20.0!K21.0!K22.0!K22.6!K25.0!K25.3!K25.4!K25.7!K26.0!K26.2!

K26.4!K26.7!K26.9!K28.0!K28.4!K29.0!K29.1!K29.3!K29.4!K29.5!K29.6!K29.7!K29.9!K31.8!K31.9!K35.1!K35.9!

K36.0!K40.2!K40.9!K42.0!K42.9!K43.9!K50.1!K50.8!K50.9!K51.8!K51.9!K52.8!K56.6!K57.2!K57.3!K58.0!K58.9!

K59.0!K59.9!K60.3!K61.0!K62.1!K62.8!K63.0!K63.8!K63.9!K70.0!K71.7!K73.8!K74.0!K74.3!K74.6!K76.0!K76.8!

K80.0!K80.1!K80.2!K80.3!K80.4!K80.5!K80.8!K81.0!K81.1!K81.9!K83.0!K83.8!K85.0!K85.9!K86.1!K86.2!K86.8!

K86.9!K90.0!K91.1!K92.2!

Набор(2)=!K00.6!K04.8!K11.2!K21.0!K22.6!K25.0!K25.4!K25.7!K26.0!K26.4!K26.7!K26.9!K28.4!K29.0!K29.1!

K29.3!K29.4!K29.5!K29.6!K29.7!K29.9!K31.8!K35.1!K36.0!K40.2!K40.9!K42.9!K50.1!K50.9!K51.9!K56.6!K57.3!

K58.0!K58.9!K59.9!K61.0!K62.8!K63.8!K63.9!K71.7!K73.8!K74.3!K76.0!K76.8!K80.0!K80.1!K80.3!K80.5!K81.0!

K81.1!K81.9!K83.8!K85.0!K86.1!K86.8!K86.9!K91.1!

Набор(3)=!K00.6!K11.2!K22.6!K25.4!K26.0!K26.7!K28.4!K29.1!K29.4!K29.5!K29.6!K29.7!K29.9!K35.1!K40.2!

K40.9!K42.9!K50.1!K50.9!K56.6!K58.0!K58.9!K59.9!K62.8!K63.9!K71.7!K73.8!K74.3!K76.0!K76.8!K80.0!K80.1!

K80.3!K81.0!K81.9!K85.0!K86.1!K86.9!K91.1!

Набор(4)=!K00.6!K11.2!K25.4!K26.0!K26.7!K29.1!K29.4!K29.5!K29.6!K29.7!K35.1!K40.9!K42.9!K50.1!K50.9!

K58.0!K58.9!K59.9!K62.8!K71.7!K73.8!K74.3!K76.0!K76.8!K80.0!K80.3!K81.9!K86.1!K86.9!K91.1!

Набор(5)=!K00.6!K11.2!K25.4!K26.7!K29.4!K29.6!K35.1!K40.9!K42.9!K50.1!K50.9!K58.9!K59.9!K62.8!K71.7!

K73.8!K74.3!K76.8!K80.3!K86.1!K86.9!

Набор(6)=!K00.6!K11.2!K26.7!K29.4!K29.6!K40.9!K42.9!K50.1!K50.9!K58.9!K59.9!K62.8!K71.7!K73.8!K74.3!

K76.8!K80.3!K86.9!

Набор(7)=!K00.6!K11.2!K26.7!K29.6!K42.9!K50.1!K50.9!K59.9!K62.8!K71.7!K74.3!K76.8!K80.3!K86.9!

Набор(8)=!K00.6!K11.2!K26.7!K29.6!K42.9!K50.1!K59.9!K62.8!K71.7!K76.8!K80.3!

Набор(9)=!K00.6!K26.7!K29.6!K50.1!K62.8!K71.7!K80.3!

Набор(10)=!K00.6!K29.6!K50.1!K62.8!K71.7!K80.3!

Набор(11)=!K00.6!K29.6!K62.8!K80.3!

Набор(12)=!K29.6!K62.8!K80.3!

Набор(13)=!K62.8!K80.3!

Последовательность анализов: !A09.05.042!B03.016.02!A12.06.011.002!B03.016.02.006!A12.06.011!B03.016.75.005!A26.06.095.001!B03.016.06!A26.06.093!
A08.16.002!A09.05.023!B03.016.06.002!B03.016.81.001!

В последнем примере применяемый алгоритм дальнейшего сокращения выборки не обеспечивает. Так что на завершающей стадии диагностики без знаний и опыта реального врача не обойтись. Примеры, конечно, сугубо абстрактные, но направление работ, как нам кажется, вполне перспективно.

Аналогичная методика может эффективно использоваться и в случае необходимости проверки реалистичности изначально установленного диагноза. Используя предварительно подготовленную таблицу вероятностей выхода данных анализа за референтные границы интервала, система предлагает четыре варианта исследований. Их результаты с высокой долей вероятности позволяют подтвердить, или опровергнуть исходное предположение.

Используя инструменты статистики имеется возможность дальнейшего развития подхода.  В данном случае речь идет об использовании количества медицинских записей, связанных с отклонением от «нормы», отличающихся от «никогда» и «всегда». Если для двух диагнозов вероятности отклонений по конкретному анализу равны, например, 0.2 и 0.95, надежного выбора между ними сделать невозможно. Вероятность 0.2 говорит о том, что отклонение вполне возможно.

Но если для выбора между двумя диагнозами удается подобрать 3-4 одинаковых анализа с вероятностями отклонений: 0.1, 0.2, 0.18, 0.34 для одного и 0.95, 0.71, 0.53 и 0.81 для другого, то в случае выхода за референтный интервал каждого из указанных анализов вероятности такого событий для первого и второго диагноза окажутся равными 0.001 и 0.29 соответственно. Другими словами, если вероятностью такого сочетания результатов для диагноза номер 1 можно пренебречь, то указанная ситуация для диагноза номер 2 вполне возможна. То есть, возникает достаточно веское основание для выбор конкретного лечебного процесса.

Было бы удивительно, если бы предложенный подход не вызывал возражений и критики. Среди возможных высказываний наверняка встретятся такие, например, как:

• Зачем что-то менять, если хорошо работает годами отлаженный механизм?
• Не приведет ли методика к неоправданному увеличению времени установления диагноза?
• Имеет ли смысл такое повышение объемов забора биоматериала, позволяющих исключить многократное повторное «травмирование» пациента? И пр.

Нам кажется, что аргументами в пользу развития предлагаемого направления могли бы стать:

• Чем шире спектр изучения возможных направлений повышения эффективности процессов, тем вероятнее нахождение оптимального подхода. Тем более, что «идеала», скорее всего, не существует. Каждая из доведенных до уровня практического использования методик наверняка найдет нишу своего применения.
• Лабораторное оборудование и методики исследования стремительно прогрессируют. Те исследования, которые совсем недавно требовали от исполнителя 10-ти – 20-ти минут напряженной работы, сейчас позволяют получать результат меньше, чем за минуту.
• Объемы необходимого для исследований биологического материала уже снизились в разы и тенденция продолжается.
• Активно развиваются экспресс-методы исследований, позволяющие получать результаты анализа «не отходя от койки пациента». Кроме того, алгоритм выбора предпочтительного анализа может учитывать и время получения результата. Первыми могут проводиться исследования, не столько максимально сокращающие выборку возможных вариантов, сколько минимизирующие время получения ответа. И т.д.

Выводы:

• Рассмотрение используемых «стандартов диагностики» свидетельствует о безусловной возможности их модернизации и улучшения, а возможно и оптимизации.
• Некоторые из назначаемых («рекомендуемых») анализов, применительно к предварительно установленным диагнозам, никогда не демонстрируют результатов, выходящих за границы референтных интервалов. Следовательно, их использование с целью уточнения сделанного предположения малоэффективно.
• Оптимизировать диагностический процесс можно, в частности, назначая очередной анализ (исследование), исходя из результатов уже проведенных.
• Экспертная поддержка врача-диагноста должна опираться на разработку и постоянное уточнение справочников, обеспечивающих связь между:
  • Диагнозом
  • Полом и возрастом пациента
  • Стадией (тяжестью) заболевания
  • Видом лабораторного анализа
  • Референтным интервалом его значений
  • Вероятностью выхода за границы интервала
  • Вероятностью выявления заболевания на рассматриваемой территории и др.

В заключение хотелось бы отметить, что авторы далеки от мысли о возможности использования полученных результатов в медицинской практике уже сегодня. Но не менее очевидным для нас является и то, что, опираясь на записи, накапливаемые информационными системами МО, вполне допустимо проведение качественных и перспективных исследований.

Многого пока не хватает. Недостаточен контроль качества, полноты и достоверности вносимых в систему записей. Нет гарантий безошибочности «диагноза выписки» пациента из стационара. Хотелось бы иметь статистику «отклонений» результатов всех анализов по каждому диагнозу и так далее. Но с чего-то надо начинать.

Предложенное нами направление — это лишь небольшой, возможно даже робкий, шаг на пути модернизации методов диагностики с использованием потенциала информатизации. Но даже предварительно полученные результаты свидетельствуют о возможности существенных подвижек в этой области. Мы очередной раз сталкиваемся с ситуацией, когда при минимальной финансовой и организационной поддержке со стороны федеральных и региональных органов управления здравоохранением можно реализовывать проекты, способные положительно влиять на повышение эффективности лечебных процессов.

Принципиальным является и то, что стоимость работ по таким направлениям в десятки раз ниже, чем объемы финансирования, направляемые на разработку и реализацию Целевых федеральных программ, решающих аналогичные задачи.