Разделы презентаций


Информационные технологи в медицине: неиспользуемые возможности и перспективы

Содержание

Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию и приоритетным проектам (13 июля2016г.) Медицинские информационные системы внедрены в 81 регионе страныК концу 2018 года не менее 95 процентов всех государственных медицинских организаций

Слайды и текст этой презентации

Слайд 1В.В. Грибова, д.т.н.
зам. директора по научной работе
научный руководитель лаборатории

интеллектуальных систем
2016

Информационные технологи в медицине: неиспользуемые возможности и перспективы для

Приморья

Институт автоматики и процессов управления
Дальневосточного отделения РАН
Г. Владивосток

В.В. Грибова, д.т.н. зам. директора по научной работенаучный руководитель лаборатории интеллектуальных систем2016Информационные технологи в медицине: неиспользуемые возможности

Слайд 2Из выступления министра В. Скворцовой на заседании Совета по стратегическому

развитию и приоритетным проектам (13 июля2016г.)
Медицинские информационные системы внедрены

в 81 регионе страны

К концу 2018 года не менее 95 процентов всех государственных медицинских организаций подключить к единой государственной информационной системе

Граждане России получат доступ к защищённому личному кабинету «Моё здоровье»

Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию и приоритетным проектам (13 июля2016г.) Медицинские

Слайд 3Из выступления министра В. Скворцовой на заседании Совета по стратегическому

развитию и приоритетным проектам (13 июля2016г.)
Будет обеспечено введение единых

информационных систем, помогающих принять решение врачом

Будут обеспечены дистанционные программы непрерывного медицинского образования

Из выступления министра В. Скворцовой на заседании Совета по стратегическому развитию и приоритетным проектам (13 июля2016г.) Будет

Слайд 4Распоряжение Правительства РФ № 2769-р от 29 декабря 2014 г.

«… создание и развитие на региональном уровне информационных систем поддержки

принятия врачебных решений ...»

Распоряжение Правительства РФ № 2769-р от 29 декабря 2014 г. «… создание и развитие на региональном уровне

Слайд 5Медицинские системы поддержки принятия решений для практической медицины и образования
Экспертные

системы медицинской диагностики заболеваний
дифференциальная диагностика
выдача рекомендаций по дообследованию
Экспертные системы персонифицированного

назначения, мониторинга и коррекции лечения
назначение с учетом индивидуальных особенностей пациента
прогнозирование риска осложнений
исключение ошибок при назначении лекарственных средств
Медицинские системы поддержки принятия решений для практической медицины и образованияЭкспертные системы медицинской диагностики заболеванийдифференциальная диагностикавыдача рекомендаций по

Слайд 6Медицинские системы поддержки принятия решений для практической медицины и образования
Обучающие

тренажеры по обследованию пациентов
Обучающие тренажеры по диагностике заболеваний
Обучающие тренажеры по

назначению и коррекции персонифицированного лечения
Медицинские системы поддержки принятия решений для практической медицины и образованияОбучающие тренажеры по обследованию пациентовОбучающие тренажеры по диагностике

Слайд 7Системы поддержки принятия
решений
Архитектура программных систем
БАЗА ЗНАНИЙ
Программные компоненты
Экспертное формирование
(Дорого, много

ошибок, низкое качество)
Технология Big Data
(Более дешевый метод, более
точный

и надежный)

40*103 записей в МКБ 10
1010 клинических случаев
104 число характеристик
состояния человека

Компьютерные тренажеры

Программные компоненты

Системы поддержки принятия решенийАрхитектура программных системБАЗА ЗНАНИЙПрограммные компонентыЭкспертное формирование(Дорого, много ошибок, низкое качество)Технология Big Data (Более дешевый

Слайд 8Big Data (большое количество данных + их анализ)
*Доказательная медицина. Главные

принципы: каждое клиническое решение основано на строго доказанных научных фактах;

уход от критерия достоверности информации на основе личного многолетнего опыта врача( врачей).
** Персонифицированная медицина основана на выборе диагностических, лечебных и профилактических средств, которые были бы оптимальными у конкретного лица учитывая его / ее генетические, анатомические, физиологические, биохимические и другие особенности.
Big Data (большое количество данных + их анализ)*Доказательная медицина. Главные принципы: каждое клиническое решение основано на строго

Слайд 9Пример использования Big Data в США
Крупнейшая страховая компания Aetna внедрила

инновационные исследовательские программы на основе технологии Big Data для анализа,

прогноза состояния здоровья пациента, оптимального выбора лечения
Результат: Aetna соглашается на выплату медицинской страховки только после того, как диагноз и программа лечения, назначенные врачом, подтверждены заключением программы анализа
Пример использования Big Data в СШАКрупнейшая страховая компания Aetna внедрила инновационные исследовательские программы на основе технологии Big

Слайд 10Текущее состояние

Текущее состояние

Слайд 11Технологические предпосылки - задел в ИАПУ ДВО РАН Информационные ресурсы
Онтология

по диагностике острых и хронических заболеваний
Онтология назначения персонифицированного медикаментозного лечения
Формализованная

терминологическая база
Формализованный фармакологический справочник

Технологические предпосылки - задел в ИАПУ ДВО РАН Информационные ресурсы Онтология по диагностике острых и хронических заболеванийОнтология

Слайд 12Модельная выборка данных (контрольная)
Описание класса моделей генераторов выборок
Модельная база знаний
Модельная база

знаний
Модельная база знаний
Модельная база знаний
Индуктивно формируемая база знаний


Модельная выборка данных (обучающая)

Внешняя оценка

Генерация

Генерация

Индуктивное формирование знаний (решение задачи с применением метода ИФЗ

Внешняя оценка

Внутренняя оценка (сравнение)

Технологические предпосылки - задел в ИАПУ ДВО РАН Метод формирования баз знаний на основе Big Data

Модельная выборка данных (контрольная)Описание класса моделей генераторов выборокМодельная база знанийМодельная база знанийМодельная база знанийМодельная база знанийИндуктивно формируемая

Слайд 13Технологические предпосылки - задел в ИАПУ ДВО РАН Алгоритмы диагностики

заболеваний и назначения лечения



очередь заданий
результаты

Технологические предпосылки - задел в ИАПУ ДВО РАН Алгоритмы диагностики заболеваний и назначения лечения	очередь заданийрезультаты

Слайд 14Технологические предпосылки - задел в ИАПУ ДВО РАН. Компьютерные тренажеры

Технологические предпосылки - задел в ИАПУ ДВО РАН. Компьютерные тренажеры

Слайд 15Медицинской диагностики
Прогноза лечения
назначения лечения
Коррекции лечения
Тренажёр лечения
Тренажёр диагностики
Тренажёр обследования
Тренажёр корректировки лечения
Объяснение

результатов диагностики
История болезни
База знаний медицинской диагностики
База моделей лечения
Прогноз лечения
Объяснение плана

лечения

Объяснение коррекции лечения

База знаний о лечении заболеваний

База знаний о лекарственных средствах

Объяснение действий студентов

Задание для тренажёров обследования

База сценариев проведения наблюдений

База наблюдений

Системы поддержки принятия решений

Тренажёры

Информационные ресурсы

Технология создания совместимых оболочек интеллектуальных систем

Медицинской диагностикиПрогноза леченияназначения леченияКоррекции леченияТренажёр леченияТренажёр диагностикиТренажёр обследованияТренажёр корректировки леченияОбъяснение результатов диагностикиИстория болезниБаза знаний медицинской диагностикиБаза моделей

Слайд 16Технологические предпосылки - задел в ИАПУ ДВО РАН Облачная платформа
Виртуальная

машина
Фонд

Процессор решателей
задач
Информационно-административная система
Интерфейс интеллектуального приложения
Эксперт
Пользователь
Информационные ресурсы
Интернет-приложение
Средства разработки
Средства управления
Агенты
Шаблонные компоненты интерфейса
Процессор

информационных ресурсов

Процессор пользовательского интерфейса

Веб-браузер

Технологические предпосылки - задел в ИАПУ ДВО РАН  Облачная платформаВиртуальная машинаФондПроцессор решателейзадачИнформационно-административная системаИнтерфейс интеллектуального приложенияЭкспертПользовательИнформационные ресурсыИнтернет-приложениеСредства

Слайд 17Как этого достичь?
1 – Медицинские Информационные Системы
2 - Системы Поддержки

Принятия Решений

Как этого достичь?1 – Медицинские Информационные Системы2 - Системы Поддержки Принятия Решений

Слайд 18Ожидаемый результат

Ожидаемый результат

Слайд 19Спасибо за внимание!
gribova@dvo.ru

Спасибо за внимание!gribova@dvo.ru

Обратная связь

Если не удалось найти и скачать доклад-презентацию, Вы можете заказать его на нашем сайте. Мы постараемся найти нужный Вам материал и отправим по электронной почте. Не стесняйтесь обращаться к нам, если у вас возникли вопросы или пожелания:

Email: Нажмите что бы посмотреть 

Что такое TheSlide.ru?

Это сайт презентации, докладов, проектов в PowerPoint. Здесь удобно  хранить и делиться своими презентациями с другими пользователями.


Для правообладателей

Яндекс.Метрика