Information system for calculating medical risk factors

Abstract

The results of development of information system for calculate estimates of health risk. The application for early diagnostics of type 2 diabetes.

Full Text

Введение Современные медицинские учреждения, предоставляющие пациентам широкий набор высокотехнологичных услуг, требуют использования современных информационных систем [1 - 3], эффективность использования которых повышается при увеличении охвата контингента пациентов и объединения всех информационных потоков. Одной из проблем современной медицины является высокая стоимость инструментальных и лабораторных исследований, что затрудняет доступ к ним пациентов и повышает ответственность врача-диагноста за соответствующие направления. Использование медицинских экспертных систем позволяет повысить качество диагностики и снизить долю необоснованно назначенных исследований, провести адаптацию собранных результатов исследования и сформировать врачебное заключение. Используемая модель диагностики Существующие медицинские экспертные системы для описания системы взаимоотношений различных факторов, способствующих развитию заболевания, традиционно используют деревья графов [4 - 6]. В данной работе основной акцент сделан на анализе генетической предрасположенности к заболеваниям. Для описания таких заболеваний используют генетические сети, состоящие из двух или более генов, связанных взаимной регуляцией. Основные типы регуляции представлены на рисунке 1: Рисунок 1. Основные типы регуляции генов Некоторые заболевания иметь очень много взаимосвязей, пример представлен на рисунке 2. Рисунок 2. Пример взаимосвязей генов Нами разработана модель расчёта вероятности возникновения конкретного заболевания у пациента. Для формирования списка возможных заболеваний используется опрос пациента или оценка врача. Входными параметрами модели являются показания пациента о наличии , отсутствии или в случае неопределенности фактора риска . Для сахарного диабета 2 типа (инсулиннезависимого) можно выделить следующие основные факторы [4]: пероральный тест толерантности к глюкозе (ПТТГ); индекс массы тела (ИМТ) ≥25 кг/м2 и дополнительные: низкая физическая активность; диабет в анамнезе у родственников первой линии; женщины, родившие ребенка весом >4 кг или имеющие диагностированный гестационный диабет; артериальная гипертензия (АГ) (≥140/90 мм рт.ст. или прием гипотензивных препаратов); липопротеиды высокой плотности (ЛПВП) 0,250 мг/дл (2,82 ммоль/л); женщины с синдромом поликистозных яичников; показатель гликированного гемоглобина (HbA1c)≥5,7%, нарушенная любое клиническое состояние, связанное с инсулинорезистентностью, толерантность к углеводам или нарушение гликемии натощак (тяжелое ожирение, наличие acantosis nigricans); наличие в анамнезе сердечнососудистых заболеваний; пожилой возраст. Каждому фактору даётся вес (экспертная оценка, статистическая вероятность) , в некоторых случаях назначаются уточняющие элементы , (возраст, пол и т.д.) . Рисунок 3. Алгорим работы модели диагностики Описание работы программы Для использования разработанной модели создан программный продукт, архитектура которого представлена на рисунке 4. Программа в основном ориентирована на выявление заболеваний, обусловленных на генетической предрасположенностью. Рисунок 4. Структура разработанного программного комплекса Алгоритм работы врача -диагноста следующий: 1. При поступлении пациента к врачу в первый раз, пациент проходит опрос в результате которого заполняется картина анамнеза: - cведения о развитии болезни (жалобы на симптоматику болезни); - условия жизни (экологическая и психологическое воздействие на пациента окружающей его среды); - перенесенные заболевания (списки заболеваний которыми переболел пациент); - операции (хирургические вмешательства возможно повлекшие за собой серьезные изменения в организме); - травмы (травмы не требующие хирургического вмешательства); - беременность (осложнения в период беременности у женщин, если было); - хронические патологии; - аллергические реакции; - наследственность (наследственные заболевания, в том числе и в анамнезе родителей). Рисунок 5. Скриншот модуля визуализации генных сетей 2. Формирование списка заболеваний происходит автоматически при заполнении анамнеза. 3. Фильтрация и предоставление врачу списка из наиболее вероятных заболеваний (с учётом региона и текущей санитарно-эпидемиологической обстановки). Врач может проанализировать предварительное заключение при помощи визуального модуля (см. рисунки 5, 6): 4. Повторный опрос пациента для отсеивания наименее вероятных заболеваний, при этом сокращается количество заболеваний с ~100 до ~10. 5. Формирование запроса на дополнительные анализы широкого профиля для получения достоверной картины анамнеза и генотипа субъекта. 6. Постановка диагноза с учетом предрасположенности. Рисунок 6. Скриншот модуля поиска генов Выводы Разработана модель расчёта оценки вероятности возникновения широко распространенных заболеваний. Планируется использование данной модели для работы в области генетических исследований. Подобная методика реализуется на базе системы программного обеспечения «Электронный терапевт» [7]. Благодарность Выражаем отдельную благодарность к.м.н. Г.А. Бледжянц за предоставленную возможность принять участие разработке проекта.