Онтология представления знаний о назначении персонифицированного лечения
- Авторы: Ковалев Р.И.1,2, Грибова В.В.1,2, Окунь Д.Б.1
-
Учреждения:
- Институт автоматики и процессов управления ДВО РАН
- Дальневосточный федеральный университет
- Выпуск: Том 13, № 2 (2023)
- Страницы: 192-203
- Раздел: ПРИКЛАДНЫЕ ОНТОЛОГИИ ПРОЕКТИРОВАНИЯ
- URL: https://journals.ssau.ru/ontology/article/view/26993
- DOI: https://doi.org/10.18287/2223-9537-2023-13-2-192-203
- ID: 26993
Цитировать
Полный текст
Аннотация
В работе описывается обобщённая онтология, позволяющая формировать знания о различных видах лечения (медикаментозном, восстановительном, хирургическом) вне зависимости от раздела медицины. Онтология - необходимый компонент создания информационной системы, ориентированной на решение класса задач планирования лечения. Планирование позволяет объединить виды лечения для различных заболеваний и разделов медицины. Описывается метод адаптации обобщённой онтологии к различным видам лечения и терминологии, привычной разработчику базы знаний – эксперту предметной области. Из обобщённой онтологии наследуются все специализированные онтологии по конкретным видам лечения, сохраняя её структуру и семантические зависимости. Такой подход обеспечивает создание баз знаний в системах поддержки принятия решений по комплексному назначению лечения пациента, открывая возможность создания единого решателя, обеспечивающего снижение затрат на разработку информационной системы. Обобщённая онтология разработана на облачной платформе IACPaaS и в настоящее время используется для создания баз знаний в различных областях медицины.
Ключевые слова
Полный текст
Введение
В настоящее время актуальной задачей является создание систем поддержки принятия решений (СППР) в области медицины. Одним из важных классов задач в этой предметной области (ПрО) являются СППР по назначению лечения. На этом этапе совершается много ошибок, поскольку врачу необходимо учитывать большое количество различной информации (жалобы больного, результаты его лабораторного и инструментального исследований, сопутствующие заболевания, аллергии, совместимость лекарственных препаратов, противопоказания и др.) [1]. Также необходимо принимать во внимание специфику различных видов терапий, таких как медикаментозное, восстановительное лечение, или же хирургическое вмешательство. Принимать решения при таких условиях становится всё сложнее. Для уменьшения ошибок используют различные СППР, которые обеспечивают обработку значительного количества клинических признаков и предлагают свои рекомендации.
Разработано большое количество СППР, помогающих врачу назначить медикаментозное лечение, помочь спланировать тактику хирургической операции или план реабилитации (как правило, объединяющий медикаментозное и восстановительное лечение). Обзор, представленный в работах [2-5] показывает, что такие системы предназначены для лечения только одного заболевания или для их небольшой группы. При этом каждый вид лечения осуществляется отдельной системой, а структура знаний, лежащая в её основе, является существенно упрощённой по сравнению c имеющимися знаниями в этой области [6].
Использование врачом различных систем на практике не представляется возможным. Их создание и сопровождение для разработчиков - дорогой и трудоёмкий процесс. Решением является создание универсальной информационной системы [7], ориентированной на решение класса задач планирования лечения, которое объединяет его различные виды (медикаментозное, восстановительное и хирургическое) и не зависит от заболевания или раздела медицины в целом. Для применения на практике от СППР требуются понятность процесса рассуждения с объяснением полученных результатов, а также возможность своевременно модифицировать использующиеся в системе знания. Выполнение таких требований обеспечивает онтологический подход [8, 9], на основе которого могут быть созданы понятные специалистам базы знаний (БЗ) в привычных для них терминах и структуре ПрО.
Авторами создана онтологическая оболочка для СППР по назначению медикаментозного лечения [10]. Её использование различными исследовательскими группами показало удобство применения, простоту модификации БЗ экспертами без участия программистов. Существенным её недостатком является применимость только для медикаментозного лечения.
Целью работы является разработка обобщённой онтологии по комплексному назначению лечения пациента. Это позволит вне зависимости от заболевания и вида лечения формировать БЗ по назначению лечения, обеспечить быстрые (без перепрограммирования) их модификации и адаптацию к конкретным лечебным учреждениям.
Постановка задачи
Успешный опыт использования онтологий медикаментозного и восстановительного лечения [11] показал, что онтологические БЗ по соответствующим видам лечения могут формировать эксперты ПрО без посредников. Каждая такая онтология обеспечивает возможность формализации БЗ по соответствующему виду лечения в привычной, понятной экспертам-врачам терминологии и структуре, при этом соблюдаются правила порождения соответствующих элементов БЗ и онтологические ограничения.
Построение онтологий на основе двухуровневого подхода, поддерживаемого платформой IACPaaS [12], в соответствии с которым онтология явно отделена от БЗ и представлена семантической (графовой) структурой, даёт дополнительные преимущества: возможность формирования множества БЗ на основе одной онтологии и унифицированного решателя, управляемого онтологией. Так обеспечивается переход к созданию программных оболочек, которые не зависят от заболевания или раздела медицины, а модификация БЗ не влечёт изменение решателя (программного кода). Создание новой системы сводится к формированию её БЗ. Недостатком созданных систем является разобщённость разных видов лечения, поскольку они имеют разные онтологии и решатели с пользовательскими интерфейсами. Полученный опыт использования онтологий показал, что для всех возможных видов лечения можно выделить общие понятия и структуру, а врачебные манипуляции имеют сходный алгоритм применения.
В обобщённой онтологии по комплексному воздействию на пациента должны наследоваться все специализированные онтологии по конкретным видам лечения, должна быть возможность задания характеристик объекта или процесса, их свойств и ограничений (периодичность, дозировка, способ применения, длительность, условия применения и др.). Отдельной задачей является разработка метода адаптации обобщённой онтологии к специализированным онтологиям с привычной для данного вида лечения структурой и терминологией.
2. Обобщённая онтология
Обобщённая онтология включает описание различных видов лечения в рамках конкретной патологии с учётом персональных данных пациента. Структурное представление онтологии лечения показано на рисунке 11.
Рисунок 1 - Модель общей онтологии лечения
Для каждого заболевания формируется модель лечения (или несколько моделей), которая может включать либо восстановительное, либо медикаментозное, либо хирургическое лечения, а также их комбинацию.
Модель лечения – совокупность медицинских мероприятий с доказанным клиническим эффектом по отношению к определённому патологическому процессу. Модель содержит описание состава, последовательности и объёма терапевтической практики, направленное на восстановление здоровья. Для каждого заболевания возможно текстовое описание рекомендаций – перечня мер или действий для врача или пациента для достижения наилучших результатов лечения и/или профилактики заболевания.
Основным структурным элементом онтологии является схема лечения, которая объединяет программы оказания врачебной помощи с множеством целей лечения, сгруппированных согласно варианту протекания заболевания. Каждая цель лечения содержит комплекс клинических мероприятий, направленный на конкретный аспект проводимого лечения (см. рисунок 2).
Рисунок 2 – Пример описания в БЗ раздела Схема терапии
Лечение может быть разделено на этапы, каждый этап лечения представляет собой набор клинических мероприятий, организованный либо по временным отрезкам, либо по достижению показателей, соответствующих цели лечения. Каждый этап лечения содержит комплекс воздействий и продолжительность этапа воздействия. Структура раздела Комплекс воздействий позволяет формировать знания о любых манипуляциях с пациентом по различным видам лечения (cм. рисунок 3).
Рисунок 3 – Раздел Комплекс воздействий
Для персонификации лечения предусмотрен многоуровневый комплекс условий, контролирующих возможность проведения медицинских мероприятий (см. рисунок 4). Каждое условие формально представлено клиническим комплексом критериев с чётко определёнными значениями. Под критерием понимается любой элемент записи в истории болезни, например: признак, параметр, наблюдение, заболевание, результат исследования, относящийся к персональным данным пациента или отражающий особенность клинической картины заболевания.
Рисунок 4 – Структура условия
Воздействие - основной раздел онтологии, характеризующий тип манипуляций с пациентом (см. рисунок 5) и позволяющий описать любой фактор, имеющий доказанное лечебное действие, например, действующее вещество, физиопроцедура, массаж, хирургические манипуляции (перевязка, наложение шва, обработка ран и др.). Для этого в онтологии имеется блок Условие на воздействие, описывающий перечень клинических показателей, при которых данное воздействие может быть рекомендовано к использованию, а также разделы, описывающие свойства, параметры и ограничения воздействия: «Характеристика» и «Блок характеристик».
Рисунок 5 – Структура раздела Воздействие
Характеристика – универсальный элемент онтологии, предназначенный для описания параметров, свойств и ограничений какого-либо объекта или процесса (см. рисунок 6). Он также содержит собственный блок условий, необходимый для выбора конкретной характеристики, соответствующей картине заболевания. Данный раздел имеет универсальную структуру и позволяет задавать любые типы значений и параметров воздействия, такие как периодичность, дозировка, сила тока, длительность воздействия, мазок на флору и др. Характеристики могут объединяться в Блок характеристик, например, блок Правило приёма включает Форма выпуска, Способ применения и др.
Рисунок 6 – Структура раздела Характеристика
Блок Характеристика также содержится и в разделе Комплекс воздействий. На данном уровне онтология используется для формализации второстепенных элементов процесса терапии, например противопоказания, рекомендации и т.д.
Для возможности гибко и точно применять воздействия к пациенту присутствуют Блок альтернативно используемых воздействий, позволяющий описать некоторое множество альтернативных воздействий, когда необходимо выбрать одно из них, а также Блок объединённых воздействий, предназначенный для описания некоторого множества воздействий, использующихся совместно.
Для контроля проводимого лечения онтология имеет вершину (раздел) Контрольные точки оценки эффективности лечения. Она позволяет задавать временные отрезки контроля, целевые показатели, которые требуется достичь, а также необходимые воздействия в случае расхождения с ними (см. рисунок 7).
Рисунок 7 – Структура раздела Контрольные точки оценки эффективности лечения
3. Адаптация обобщённой онтологии к специализированным онтологиям
Онтологическая модель имеет универсальную структуру представления знаний по назначению персонифицированного лечения. Чтобы её адаптировать на конкретный вид лечения, предложена таблица соответствий (см. рисунок 8). Она позволяет гибко настроить как структуру, так и терминологию обобщённой онтологии под специфику конкретной специализированной онтологии. Таблица соответствий содержит абстрактные понятия обобщённой онтологии и конкретные понятия в целевой онтологии. Помимо задания узкой, ориентированной на тип лечения терминологии, в целевых онтологиях возможно различное количество вершин на одном структурном уровне, т.е. одному абстрактному понятию могут соответствовать несколько конкретных. Так формируются специализированные онтологии, адаптированные к конкретным видам лечения и требованиям пользователей. На основе данных онтологий формируются соответствующие БЗ по лечению заболеваний из различных разделов медицины.
В таблице соответствий для медикаментозной терапии (рисунок 8) основная спецификация начинается с уровня Комплекс воздействий, где термин Воздействие заменён на Действующее вещество. Уточнение разделов, формирующих различные параметры, свойства и ограничения происходит следующим образом. Вершина Блок характеристик заменяется на Вариант назначения, а термину Характеристика сопоставляется сразу несколько разделов: Разовая дозировка, Суточная дозировка, Вариант применения, Кратность приёма, Продолжительность приёма.
Рисунок 8 – Таблица соответствий для медикаментозной терапии
Таким образом, изменяя количество вершин и терминологию, обобщённая онтология адаптируется к конкретной онтологии, формируя специализированную онтологию по назначению медикаментозного лечения (см. рисунок 9А). Используя специализированную онтологию, создаётся соответствующая ей БЗ по медикаментозному лечению (см. рисунок 9Б).
Рисунок 9 – Пример адаптации обобщённой онтологии к специализированной онтологии по назначению медикаментозного лечения и создания на её основе соответствующей БЗ: А – фрагмент онтологии назначения медикаментозного лечения, Б - БЗ о лечении туберкулеза
Для адаптации к онтологии по восстановительной терапии используется другая таблица соответствий (см. рисунок 10).
Рисунок 10 - Таблица соответствий для восстановительной терапии
Здесь термин Воздействие заменён на Методика ВЛ (восстановительного лечения), а Блок характеристик сопоставляется с Режим проведения и Описание возможной / ожидаемой реакции при проведении процедуры. Термин Характеристика заменяется на Характеристика методики, Область / локализация применения реабилитационного фактора, Количество процедур, Продолжительность сеанса, Дни проведения.
В результате формируется специализированная онтология, соответствующая восстановительному лечению (см. рисунок 11А). Аналогично можно формировать различные БЗ по восстановительному лечению заболеваний (см. рисунок 11Б).
Рисунок 11 - Пример адаптации обобщённой онтологии к специализированной онтологии по назначе-нию восстановительного лечения и создания на её основе соответствующей БЗ: А – фрагмент онтологии назначения восстановительного лечения, Б – фрагмент БЗ по комплексной реабилитации
4. Обсуждение
Интеллектуальная поддержка врача при назначении лечения является важной и актуальной задачей. Наиболее адекватный метод её решения основан на использовании онтологических БЗ [13]. Одной из специфичных проблем данного класса задач является частое изменение знаний о лечении заболеваний. Учитывая, что заболеваний много (более 10 тыс.), что имеются различные подходы к их лечению в зависимости от возраста, состояния пациента, формы заболевания, степени тяжести и др., поддержка БЗ в актуальном состоянии становится трудоёмкой.
Поэтому в таких классах задач перед разработчиками БЗ и СППР в качестве ключевых требований выдвигаются следующие: изменение знаний не должно приводить к изменению программного кода решателя; формирование и сопровождение БЗ должно осуществляться носителем информации (экспертом ПрО) без посредников; система должна быть ориентирована на широкий класс заболеваний и поддерживать возможность описания любого вида лечения [14].
Технология разработки интеллектуальных систем с онтологическими БЗ на платформе IACPaaS поддерживает создание специализированных оболочек за счёт двухуровневого подхода к разработке БЗ. В соответствии с ним онтологии явно отделяются от БЗ, решатель задач основан на онтологии. Проводя аналогию с программированием, онтология является формальным параметром, алгоритм решения формируется с его использованием (т.е. решатель строится, используя онтологические термины), а конкретная БЗ является фактическим параметром. Таким образом обеспечивается независимость решателя от конкретной БЗ. Данный подход использовался авторами на протяжении ряда лет. Была создана оболочка для СППР по медикаментозному лечению. На её основе разработаны прикладные интеллектуальные системы – помощники врача по назначению лечения для ряда заболеваний (туберкулез, COVID-19, ОРВИ, болезни пищеварения, ишемическая болезнь сердца). Однако расширение функциональности системы - добавление восстановительного и хирургического лечения - потребовало бы разработать соответствующие онтологии и решатели. Несмотря на то, что онтология отделена непосредственно от БЗ, допускаются корректировки, уточнения/изменения терминологии, а это повлечёт изменение решателя (программного кода).
Эти факторы явились мотивацией разработки нового подхода, схема которого приведена на рисунке 12.
Рисунок 12 – Схема предлагаемого подхода к созданию интеллектуальных систем на основе обобщённой онтологии лечения
В предложенном подходе основу составляет обобщённая онтология лечения, которая через таблицу соответствия может быть адаптирована к целевой онтологии (восстановительного, медикаментозного, хирургического лечения). Универсальный решатель основан на обобщённой онтологии, поскольку все блоки и разделы обобщённой и специализированных онтологий имеют одинаковую структуру и семантический смысл и, как следствие, идентичный алгоритм обработки (решатель). Любая модификация онтологии не влечёт изменения решателя. Эксперты ПрО формируют БЗ в терминах специализированных онтологий, которые могут быть гибко (через таблицу соответствий) адаптированы к их требованиям.
Заключение
В работе представлена обобщённая онтология для назначения лечения и метод её адаптации к онтологиям, реализующим различные виды лечения. Эта онтология использована для разработки оболочки СППР по назначению лечения. Эксперты обеспечивают формирование её БЗ.
Предложенный подход к созданию системы на основе обобщённой онтологии лечения открыл возможность разработки универсального решателя, использующего различные специализированные онтологии, и соответствующих БЗ, а также объединения различных видов лечения в одной системе.
Для адаптации онтологии к конкретным условиям необходимо сформировать таблицу соответствий. Возможна адаптация онтологии к конкретным лечебным заведениям и специалистам, которые хотят использовать собственную специализированную онтологию, используя единый универсальный решатель. Такой подход позволяет снизить затраты на разработку и сопровождение интеллектуальных систем по назначению персонифицированного лечения.
1 Все представленные на рисунках в статье скриншоты - это фрагменты онтологий или БЗ на платформе IACPaaS, https://iacpaas.dvo.ru/.
Об авторах
Роман Игоревич Ковалев
Институт автоматики и процессов управления ДВО РАН; Дальневосточный федеральный университет
Автор, ответственный за переписку.
Email: koval-995@mail.ru
ORCID iD: 0000-0002-1704-2675
Scopus Author ID: 57289025600
ResearcherId: AAD-7187-2022
научный сотрудник лаборатории интеллектуальных систем Института автоматики и процессов управления Дальневосточного отделения РАН
Россия, Владивосток; ВладивостокВалерия Викторовна Грибова
Институт автоматики и процессов управления ДВО РАН; Дальневосточный федеральный университет
Email: gribova@iacp.dvo.ru
ORCID iD: 0000-0001-9393-351X
Scopus Author ID: 7801667631
ResearcherId: Q-4250-2016
заместитель директора по научной работе, научный руководитель лаборатории интеллектуальных систем Института автоматики и процессов управления Дальневосточного отделения РАН, д.т.н., чл.-корр. РАН
Россия, Владивосток; ВладивостокДмитрий Борисович Окунь
Институт автоматики и процессов управления ДВО РАН
Email: okdm@iacp.dvo.ru
ORCID iD: 0000-0002-6300-846X
SPIN-код: 8390-2749
Scopus Author ID: 57204598165
ResearcherId: Q-3163-2016
к.м.н., научный сотрудник лаборатории интеллектуальных систем Института автоматики и процессов управления Дальневосточного отделения РАН
Россия, ВладивостокСписок литературы
- Федосеев Г.Б. Врачебные ошибки: характер, причины, последствия, пути предупреждения // Терапия. 2018. No5(23). С.109-115. doi: 10.22328/2079-5343-2020-11-3-111-117.
- Ефименко И.В., Хорошевский В.Ф. Интеллектуальные системы поддержки принятия решений в медицине: ретроспективный обзор состояния исследований и разработок и перспективы. – Открытые семантические технологии проектирования интеллектуальных систем (OSTIS-2017). Изд-во БГУИР. С.251-260.
- Moghadam S. et al. The effects of clinical decision support system for prescribing medication on patient outcomes and physician practice performance: a systematic review and meta-analysis //BMC medical informatics and decision making. 2021. Vol.21. No.1. P.1-26. doi: 10.1186/s12911-020-01376-8.
- Sutton R.T. et al. An overview of clinical decision support systems: benefits, risks, and strategies for success // NPJ digital medicine. 2020. Vol.3. No.1. P.17. doi: 10.1038/s41746-020-0221-y.
- Кобринский Б.А. Системы искусственного интеллекта в медицинской практике: состояние и перспективы // Вестник Росздравнадзора. 2020. №. 3. С.37-43. DOI: doi.org/10.35576/2070-7940-2020-3-37-43.
- Haendel M.A., Chute C.G., Robinson P.N. Classification, ontology, and precision medicine // New England Jour-nal of Medicine. 2018. Vol.379. No.15. P.1452-1462. doi: 10.1056/NEJMra1615014.
- Загорулько Г.Б. Методология разработки интеллектуальных СППР и её применение для задач медицинской диагностики // Информационные технологии и системы: Труды Седьмой Всероссийской научной конференции с международным участием, Ханты-Мансийск, 12–16 марта 2019 г.
- Aminu E.F. et al. A review on ontology development methodologies for developing ontological knowledge re-presentation systems for various domains // International Journal of Information Engineering and Electronic Business(IJIEEB). 2020. Vol.12, No.2, P.28-39. doi: 10.5815/ijieeb.2020.02.05.
- Tudorache T. WebProtégé: A Collaborative Ontology Editor and Knowledge Acquisition Tool for the Web // Semantic Web Journal. 2013. Vol. 4, No 1. P.89-99. doi: 10.3233/SW-2012-0057.
- Ковалев Р.И., Грибова В.В., Окунь Д.Б. Специализированная оболочка для построения интеллектуальных систем назначения медикаментозного лечения // Искусственный интеллект и принятие решений. 2020. №4. С.66-79. doi: 10.14357/20718594200407.
- Ковалев Р.И., Бородулина Е.А., Грибова В.В., Еременко Е.П., Бородулин Б.Е., Колсанов А.В., Окунь Д.Б., Ураксина М.В., Федорищев Л.А. Интеллектуальный сервис управления процессом лечения больных туберкулезом легких // Врач и информационные технологии. 2021. №2. С.36-45. doi: 10.25881/18110193_2021_2_36.
- Грибова В.В., Клещев А.С., Москаленко Ф.М., Тимченко В.А., Федорищев Л.А., Шалфеева Е.А. Облачная платформа IACPaaS для разработки оболочек интеллектуальных сервисов: состояние и перспективы развития // Программные продукты и системы. 2018. Т.31. №3. С.527-536. doi: 10.15827/0236-235X.123.527-536.
- Гаврилова Т.А., Страхович Э.В. Визуально-аналитическое мышление и интеллект-карты в онтологическом инжиниринге // Онтология проектирования. 2020. Т.10. №1. С.87-99. doi: 10.18287/2223-9537-2020-10-1-87-99.
- Mahadevaiah G. et al. Artificial intelligence‐based clinical decision support in modern medical physics: selection, acceptance, commissioning, and quality assurance // Medical physics. 2020. Vol.47. No5. P.e228-e235. doi: 10.1002/mp.13562.