Методологические подходы разработки цифровой клинической рекомендации

Резюме

В данной статье представлен обзор применения компьютер-интерпретируемых клинических рекомендаций за рубежом, обозначены преимущества использования цифровых клинических рекомендаций в деятельности системы здравоохранения, предложено решение по переводу клинических рекомендаций, которые разрабатываются и применяются в Российской Федерации, в машиночитаемый формат.

Ключевые слова:клинические рекомендации, компьютер-интерпретируемые клинические рекомендации, здравоохранение

Финансирование. Исследование не имело спонсорской поддержки.

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.

Вклад авторов. Разработка концепции, формирование идеи, формулировка ключевых целей и задач -Енгалычев Д.Н.; сбор и анализ материалов, обсуждение результатов исследования - Ходовский А.А., Левин М.Б.

Для цитирования: Енгалычев Д.Н., Ходовский А.А., Левин М.Б. Методологические подходы разработки цифровой клинической рекомендации // ОРГЗДРАВ: новости, мнения, обучение. Вестник ВШОУЗ. 2021. Т. 7, № 3. С. 70-81. DOI: https://doi.org/10.33029/2411-8621-2021-7-3-70-81

Глоссарий и список сокращений

Клинические рекомендации (КР) - это документы, содержащие основанную на научных доказательствах структурированную информацию по вопросам профилактики, диагностики, лечения и реабилитации, включая описание последовательности действий медицинского работника, с учетом течения заболевания, наличия осложнений и сопутствующих заболеваний, других факторов, влияющих на результаты лечения (закон № 323-ФЗ "Об основах охраны здоровья граждан в Российской Федерации"). КР впервые были введены 25.12.2018 и с тех пор являются значимой частью процесса организации и оказания медицинской помощи, служат клинической основой при разработки порядков оказания медицинской помощи, стандартов, средством обучения и оценки качества медицинской помощи. Устоявшейся практикой является разработка КР в частично структурированном, документарном виде, когда есть внешняя структура, но в ее границах применяется повествовательный, слабо структурированный способ передачи информации. Это связано и с организацией процесса разработки КР некоммерческими профессиональными медицинскими организациями, и с профессиональной культурой врачей. Для целей машинной интерпретации проводится "оцифровка", алгоритмизация отдельных составляющих КР, что, в свою очередь, порождает ошибки интерпретации, дефицит структурированности и необходимость разрешать возникающие коллизии, прибегая к авторам КР. Клинические рекомендации в их современном представлении не предназначаются для машинной обработки и автоматической интерпретации в информационную систему (ИС). Такой подход применяется, например, в системах поддержки принятия врачебных решений (СППВР) (например, Galenos "Техлаб", Webiomed, Алгом [1]).

Технологическое несовершенство процесса формирования и применения КР приводит к значительным потерям в системе передачи качественных знаний доказательной медицины от ведущих научных центров в реальную клиническую практику.

Для того чтобы поместить КР в любую ИС, их необходимо представить в виде стандартизованных структур данных в человекочитаемом и машиночитаемом формате, в виде цифровых клинических рекомендаций (ЦКР).

Цель работы - разработка методологических подходов к разработке и управлению ЦКР.

Преимущества перехода от традиционных способов разработки КР к ЦКР:

■ сокращение времени разработки КР и информационное обеспечение ЦКР;

■ обеспечение интероперабельности и применения справочников в ФРНСИ при создании и применении ЦКР;

■ обеспечение возможности однозначного использования сведений ЦКР при принятии клинического решения, обеспечение непротиворечивости, согласованности ЦКР между собой;

■ использование ЦКР в непрерывном образовании врачей и пациентов, а также в процессе оказания медицинской помощи;

■ обеспечение непрерывности процесса оценки и обеспечения качества медицинской помощи;

■ повышение правовой защищенности пациентов и врачей при оказании медицинской помощи.

Международная практика

Обзор международной практики позволяет определить большое количество проектов, связанных с формализацией ЦКР (CIG).

Многообразие предлагаемых формализмов прежде всего связано с невозможностью применять привычные формализмы моделирования BPM-процессов. Основное концептуальное различие состоит в том, что субъект моделирования (пациент) обладает волей и является сложной биологической системой, которая реагирует на лечение, вмешательства, знания, время, является динамической системой. Субъект моделирования в ЦКР нельзя рассматривать как пассивный, в отличие, скажем, от образца крови и мочи, как в большинстве рабочих процессов, для которых разработаны такие языки, как BPMN. Основным следствием этого является то, что ЦКР не может рассматриваться как строго детерминированное описание, исключения которого обычно известны. ЦКР должны стремиться поддерживать вероятностный подход, используемый в результатах самих исходных исследований, таких как риски, шансы и их отношения. Желательным способом является представление клинических задач или обусловленных групп задач по возможности более рациональным, автономным способом моделирования с использованием предварительных условий. Использование операторов логического соединения и разделения порой нецелесообразно, так как приводит к излишне разветвленной и громоздкой модели, над которой легко потерять контроль.

История появления ЦКР и применения систем поддержки принятия врачебных решений в лечебном процессе берет свое начало в середине ХХ в. с внедрением первых ЭВМ в медицинские учреждения. В 60-х годах ХХ в. в городской больнице в Солт-Лейк-Сити, штат Юта, США (LDS Hospital in Salt Lake City), была разработана первая больничная ИС HELP (Health Evaluation through Logical Processing, оценка состояния здоровья с помощью логической обработки) [2]. Это была первая попытка применения машинноинтерпретируемых алгоритмов в процессе оказания медицинской помощи.

Изначально данная система применялась в лабораториях для сбора, обработки и передачи данных (артериальное давление, данные ЭКГ и т.д.), получаемых в результате обследования пациента. Первая версия системы имела свои ограничения, данные предоставлялись врачам только в режиме чтения, без возможности вводить или делиться ими с другими учреждениями [3]. Однако в качестве диагностического инструмента, используемого для управления и контроля лечения, система оказалась довольно эффективным решением. HELP начинает широко использоваться в других отделениях больницы, постепенно превращаясь в полноценную ИС, которая обеспечивает поддержку принятия решений на основе медицинских правил, уведомляет врачей о событиях или состояниях, таких как аномальные результаты лабораторных исследований или потенциально опасные лекарственные взаимодействия.

Начиная с 70-х годов ХХ в. были разработаны различные языки CIG (рис. 1).

Рис. 1. Развитие методов формализации медицинских знаний

Источник: Elkin P.L., Peleg M., Lacson R., Bernstam E., Tu S., Boxwala A., Greenes R., Shortliffe E.H. Toward the standardization of electronic guidelines. MD Comput. 2000; 17 (6): 39-44. PMID: 11189760.

Существующие формализмы CIG используют различные подходы, которые обеспечивают компьютер-интерпретируемые представления клинических руководств, базирующихся на использовании различных типов онтологий. Это могут быть простые онтологии справочного типа, представляющие переходные формы от терминологий к онтологии, такие, например, как классификатор МКБ-10 или более сложные иерархические систематизированные номенклатуры доменного типа, например SNOMED CT или иные онтологии, описывающие отношения в виде концептов. Это позволяет применять CIG для управления клиническими задачами и принятия решений наряду с механизмами выполнения, которые могут запускать CIG на компьютерах.

Подходы по переводу КР в машиночитаемый формат включают модели правил принятия решений (например, Arden Syntax), документальные модели (например, модель GEM) или модели потокового процесса, также известные как сетевые модели задач (TNM) (например, GLIF, Asbru, SAGE, EON, GLARE, PROforma) [4-6]. Подробное описание некоторых формализмов приведено в Приложении (см. ссылку на сайте журнала: https://orgzdrav.vshouz.ru/patrns/pdf/3_2021_ext1.pdf).

С развитием персонализированной медицины развивается направление по слиянию и применению нескольких CIG для лечения пациентов с сочетанной патологией (коморбидных, мульти-морбидных) и для выработки ориентированных на пациента индивидуальных рекомендаций и действий [7, 8].

В последнее время благодаря развитию интернет-технологий становится популярным применений графов знаний в области здравоохранения [9-11]. Графы знаний представляют математически описываемую форму представления знаний в семантической сети, состоящую из уникальных сущностей (entity, или узлов сети), как правило, это объекты реального мира, например: сущность № 1 - "человек", сущность № 2 -"мужчина", сущность № 3 - "женщина", и связи между ними (predicate, утверждение), например "рождение".

Для успешного внедрения и использования в медицинских информационных системах ЦКР должны создаваться на основе общих платформ управления знаниями, которые включают стандарты терминологии различных уровней зрелости. Поэтому большинство формализмов в целях интеграции в ИС и автоматизации процессов обновления медицинской информации используют международные кодификаторы, классификаторы, онтологии, признанные в международном профессиональном сообществе (например SNOMED, LONIC, МКБ-10) [12].

Данные подходы продемонстрировали, что можно кодировать медицинские знания в машиночитаемый формат, автоматизируя процесс трансляции научно доказанной информации в клиническую практику, тем самым сокращая разрыв между знаниями и их практическим использованием. Внедрение таких решений, которые позиционируются как вспомогательный инструмент, а не замена медицинского работника, в медицинские учреждения может не только сокращать возникновение неблагоприятных событий (например, ошибки диагностирования, подбора медикаментозной терапии) при оказании медицинской помощи, но и оптимизировать работу самого учреждения. На рис. 1 представлен пример путей эволюции способов формализации в описании медицинских знаний.

Опыт Российской Федерации

ЦКР могут быть представлены как в виде обычного документа (КР), так и в машиночитаемом представлении на основе единого файла. Для машиночитаемого представления в ЦКР должны быть выделены все базовые элементы - метаданные, базируясь, например, на принятом в 2018 г. ГОСТ Р ИСО 13119-2016 "Источники клинических знаний", идентификаторы справочников и значений в них (например, аудиофайл хрипов), элементы клинического маршрута пациента (например, пригласить на прием), другие формализуемые элементы. В дальнейшем развитии необходима также унификация языка медицинских терминов на основе согласованной медицинской онтологии.

Система ведения ЦКР должна занять свое место в системе цифрового ведения знаний доказательной медицины. На основе формализованных базовых элементов [понятий, единой нормативно-справочной информации (НСИ), согласованных процессов] станет возможным перевод в цифровую форму не только клинических рекомендаций, но и стандартов оказания медицинской помощи и на регуляторном, и на прикладном уровнях (рис. 2).

Рис. 2. Новые элементы в системе ведения формализованных знаний (выделены синим цветом)

Здесь и в рис. 3-5: МП - медицинская помощь; расшифровка остальных аббревиатур дана в тексте.

Основные отличия ЦКР от традиционных повествовательных КР заключаются в следующем.

■ ЦКР поддерживают ссылочную систему на ФРНСИ, на локальные отраслевые и прикладные нозологические справочники и систему обеспечения НСИ. Наличие подобного рода ссылочной системы делает использование флективных выражений, например "продолжать до повышения уровня гемоглобина или эритроцитов", неприемлемым. Потребуется указать, какой уровень является приемлемым, в каких единицах это выражается и т.п.

■ На основании ЦКР при помощи формализованных в виде CIG при использовании методологии стандартов, разрабатываемых W3C, могут быть синтезированы наборы данных для использования их в системах поддержки принятия решений медицинских информационных систем (МИС) медицинских организаций. Например, это различного рода листы назначений лекарственных препаратов, процедурные листы, наборы клинических заказов, алгоритмы и правила. Что, в свою очередь, позволяет разрабатывать и внедрять в клиническую практику системы поддержки принятия решений (DSS), превращая применение ЦКР в рутинную процедуру.

■ Средства выявления коллизий как в экземпляре ЦКР, так и в совокупности компьютерно-интерпретируемых руководств позволит выявлять коллизии на этапе разработки, а не применения ЦКР, что даст возможность организовать работу над коллизиями в согласительном режиме научного профессионального сообщества, не перенося эти непростые решения на уровень прикладного здравоохранения. Так как КР разрабатываются узкопрофильными специалистами, а выполняются в большей степени на уровне первичной амбулаторно-поликлинической помощи, это часто приводит к кризису в принятии КР.

■ Невозможность применения одной КР при лечении пациентов при коморбидности (существование у одного пациента ≥2 заболеваний, синдромов или психических расстройств, связанных между собой единым патогенетическим механизмом либо совпадающих по времени). Необходим механизм слияния/объединения нескольких КР, что возможно при использовании ЦКР.

ЦКР могут быть сформированы в 4 уровнях формализации.

1. Формализованы только метаданные, наследуемые из КР, сам документ которой представлен только в человекочитаемом формате (например, формализованы только отдельные терминологии и реферируемые источники рекомендаций).

2. Формализованы не только метаданные и спецификация ЦКР (включая структуру разделов), но и частично тезисы-рекомендации (ТР), что позволяет идентифицировать ТР в единой системе ведения рекомендаций (ТР, будучи уникальной, может быть использована более чем в одной ЦКР).

3. Максимально формализованы элементы в составе ТР (например, коды процедур, коды исследований, назначения).

4. Выполнена привязка к модели пациента и модели заболевания, модели коморбидности, в тексте используются термины из нескольких медицинских онтологий (например, ЦКР согласованы между собой по составу ТР, с учетом коморбидных состояний и различных моделей пациентов).

Условно уровни формализации представлены на рис. 3.

Рис. 3. Уровни формализации цифровых клинических рекомендаций

Процесс формализации КР (перевода в ЦКР) не может быть одномоментным. Этапы перевода КР в машиночитаемый формат следующие.

Первый этап - формирование базового набора метаданных, позволяющих идентифицировать документ "Клиническая рекомендация".

Второй этап - выделение структуры документа, выделение ТР и их атрибутирование.

Третий этап - выделение в ТР элементов из реестра ФРНСИ (услуг, процедур врачебной практики, исследований, операций и др.), соответственно, должно дорабатываться с учетом требований ЦКР.

Четвертый этап - привязка ТР к моделям пациента и заболевания, привязка к единой медицинской онтологии (извлечение из фрагментов текста определенных терминов, наименования медицинских услуг, лекарственных препаратов, диагнозов). Связь данных между собой, разработка механизма слияния нескольких КР на основе онтологий.

Для вновь разрабатываемых ЦКР должен быть установлен минимальный "цифровой" порог входа, который соответствует уровню 3. Для тех КР, которые были введены в оборот ранее и используются, потребуется повышение уровня формализации при очередном пересмотре.

ЦКР должны опираться на соответствующую области применения и модель пациента.

Современные требования к ЦКР таковы.

■ ЦКР должны по степени надежности и достоверности быть идентичными традиционным КР, при этом при максимальной формализации обладать достаточной клинической гибкостью для целей их практического применения в реальной клинической практике.

■ ЦКР должны иметь человекочитаемое представление, формируемое преобразованием данных ЦКР в человекочитаемое целостное представление.

■ ЦКР должны быть максимально компьютер-интерпретируемыми, предназначенными для использования в ИС.

■ ЦКР должны учитывать возможность использования ресурсов здравоохранения при организации и оказании медицинской помощи, описываемых в ЦКР.

■ ЦКР должны быть интегрированы во все уровни процессов организации и непосредственного оказания медицинской помощи посредством систем поддержки врачебных решений.

■ ЦКР должны предоставлять рекомендации не только для врача, но и персонифицированно для модели пациента.

■ ЦКР должны поддерживать значимую часть жизненного цикла пациента, начиная с ранней диагностики и профилактики и заканчивая клинической реабилитацией.

Модель предметной области ведения КР должна отвечать следующим требованиям: термины баз знаний должны быть понятны специалистам предметной области; знания должны быть полезны в течение всего времени эксплуатации системы; должны существовать возможности пополнять базы знаний, а также автоматического накопления результатов верификации принятых решений.

В структуре ЦКР базовым элементом должна являться ТР. Описание данного объекта должно включать в себя следующие атрибуты:

■ уникальный идентификатор;

■ идентификатор спецификации ЦКР;

■ наименование;

■ версия;

■ дата утверждения;

■ текст тезиса-рекомендации;

■ вид диагностического исследования;

■ вид медицинского вмешательства;

■ вид медикаментозного лечения (схема лечения);

■ модель пациента (ссылка);

■ модель заболевания (ссылка);

■ УДД методов диагностики;

■ УДД методов профилактики, лечения и др.;

■ УУР;

■ библиографические ссылки.

В ТР можно выделить ключевые элементы -состояние пациента, при котором применима КР, медицинская манипуляция и формализованный желаемый результат.

Концептуальная модель структуры данных ЦКР представлена на рис. 4.

Рис. 4. Концептуальная структура данных объекта ≪Цифровая клиническая рекомендация (ЦКР)

Для обеспечения возможности автоматизированного создания КР необходимо разработать инструмент (Редактор ЦКР), обладающий следующими функциями:

■ совместный доступ к контенту, с системой хранения и фиксацией авторства внесения изменений;

■ полнотекстовый поиск по всему репозиторию ЦКР, включая поиск в семантической сети в целом;

■ возможность включать в текст ТР ссылки на справочник НСИ;

■ возможность формирования цифровых спецификаций ЦКР, а также ее разделов;

■ управления репозиторием ЦКР, включая возможность функций систем документооборота (авторство, редактируемость, сохранность изменений и пр.).

В процессе разработки ЦКР должны быть выполнены следующие нормы:

■ однозначность в интерпретации клинической цели;

■ междисциплинарная согласованность;

■ регулярное сопровождение ЦКР и аудит;

■ документирование процесса разработки и обеспечения юридической значимости;

■ поддержка регулярного процесса апелляции с использованием ИС.

В Рубрикаторе клинических рекомендаций Минздрава России сейчас зарегистрировано более 260 клинических рекомендаций, в том числе 40 еще не прошедших одобрение Научно-практическим советом Минздрава России. Для их перевода в цифровой формат, помимо создания инструмента перевода и введения в ЦКР, необходимо также провести организационные мероприятия - подготовить изменения в методические и нормативные материалы, выделить в структуре Минздрава России подразделение, обеспечивающее функционирование системы ведения КР (или поручить ведение некоммерческой врачебной ассоциации). Примерный план работ приведен на рис. 5.

Рис. 5. Примерный план работ (дорожная карта) по созданию и внедрению системы ведения цифровых клинических рекомендаций (ЦКР)

ЛИТЕРАТУРА

1. Обзор российских систем поддержки принятия врачебных решений. URL: URL: https://webiomed.ai/blog/obzor-rossiiskikh-sistem-podderzhki-priniatiia-vrachebnykh-reshenii/ (дата обращения: 08.2021)

2. Kuperman G.J., Gardner R.M., Pryor T.A. HELP: a Dynamic Hospital Information System, 1991.

3. Health Evaluation through Logical Processing (HELP). URL: https://clinfowiki.org/wiki/index.php/Health_Evalua-tion_through_Logical_Programming_(HELP) (date of access August, 2021)

4. Isern D., Moreno A. Computer-based execution of clinical guidelines: a review // Int. J. Med. Inform. 2008. Vol. 77, N 12. P. 787-808. DOI: https://doi.org/10.1016/j.ijmedinf.2008.05.010

5. Peleg M. Computer-interpretable clinical guidelines: a methodological review // J. Biomed. Inform. 2013. Vol. 46, N 4. P. 744-763. DOI: https://doi.org/10.1016/j.jbi.2013.06.009

6. Bilici E., Despotou G., Arvanitis T. The use of computer-interpretable clinical guidelines to manage care complexities of patients with multimorbid conditions: a review // Digit. Health. 2018. Vol. 4. P. 1-21. DOI: https://doi.org/10.1177/2055207618804927

7. Bilici Ozyigit E. MuCIGREF: Multiple Computer-Interpretable Guideline Representation and Execution Framework for Managing Multimorbidity Care, 2020.

8. Cyras K. et al. Assumption-based Argumentation with Preferences and Goals for Patient-Centric Reasoning with Interacting Clinical Guidelines. 1 Jan. 2021. P. 149-189. DOI: https://doi.org/10.3233/AAC-200523

9. Zhang H., Ni W., Li J., Zhang J. Artificial Intelligence-Based Traditional Chinese Medicine Assistive Diagnostic System: Validation Study // JMIR Med. Inform. 2020. Vol. 8, N 6. Article ID e17608. DOI: https://doi.org/10.2196/17608

10. Binjie Cheng, Jin Zhang, Hong Liu, Meiling Cai, Ying Wang. Research on Medical Knowledge Graph for Stroke // J. Healthc. Eng. 2021. Vol. 2021. Article ID 5531327. 10 p. DOI: https://doi.org/10.1155/2021/5531327

11. Wanheng Liu, Ling Yin, Cong Wang, Fulin Liu, Zhiyu Ni. Medical Knowledge Graph in Chinese Using Deep Semantic Mobile Computation Based on IoT and WoT // Wirel. Commun. Mob. Comput. 2021. Vol. 2021. Article ID 5590754. 13 p. DOI: https://doi.org/10.1155/2021/5590754

12. Leong T.Y., Kaiser K., Miksch S. Free and open source enabling technologies for patient-centric, guideline-based clinical decision support: a survey // Yearbook of Medical Informatics. 2007. P. 74-86. PMID: 17700908; PMCID: PMC2858818.

ГЛАВНЫЙ РЕДАКТОР
ГЛАВНЫЙ РЕДАКТОР
Улумбекова Гузель Эрнстовна
Доктор медицинских наук, диплом MBA Гарвардского университета (Бостон, США), руководитель Высшей школы организации и управления здравоохранением (ВШОУЗ), доцент кафедры общественного здоровья и здравоохранения, экономики здравоохранения педиатрического факультета ФГАОУ ВО РНИМУ им. Н.И. Пирогова Минздрава России
Оргздрав-2022. Эффективное управление в здравоохранении
РОСМЕДОБР 2021
Вскрытие
Медицина сегодня
Евро-Азиатская конференция по офтальмохирургии.

28-29 апреля 2022 г. в Екатеринбурге состоится IX Евро-Азиатская конференция по офтальмохирургии (ЕАКО). Свое название конференция получила неслучайно, ведь именно в городе, расположенном на границе Европы и Азии, раз в два года встречаются офтальмологи из разных регионов...

Актуальные вопросы нейроофтальмологии,

Уважаемые коллеги! 28 января 2022 года состоится XXI научно-практическая нейроофтальмологическая конференция " Актуальные вопросы нейроофтальмологии. Поражение зрительного нерва: взгляд офтальмолога, невролога, вирусолога-ифекциониста, нейрохирурга " Конференция посвящается...

Конгресс, посвященный Всемирному дню борьбы с ожирением.

В Москве пройдет Конгресс, посвященный Всемирному дню борьбы с ожирением, с международным участием С 28 февраля по 2 марта 2022 года пройдет научно-образовательное мероприятие для врачей - Конгресс, посвященный Всемирному дню борьбы с ожирением. Ожирение представляет одну из...


Журналы «ГЭОТАР-Медиа»