Семантическая обработка медицинских данных в задачах диагностики и управления лечебным процессом в медицине критических состояний.
Semantic processing medical data in diagnosing problems and management of medical process in critical care medicine.
Practical Usage of Big Data and IoMT in Critical Care MedicineAlexandre Prozoroff
Доклад нашего клиента - проф., д.м.н., Царенко Сергея Васильевича, начальника службы анестезии и реанимации ФГАУ ЛРЦ Минздрава РФ, на форуме 2016 DataCentres Cloud & IoT, 12 апреля 2016 года.
Тема: Использование технологий Big Data и Интернета вещей в медицине критических состояний
IoMT - Technological Environment of Personalized Medicine and New Era of Heal...Alexandre Prozoroff
Internet of Medical Things - технологическая среда персональной медицины и новой эры здравоохранения, основанной на принципах сохранения здоровья и предупреждения заболеваний. Доклад на Московском суперкомпьютерном форуме, 29 октября 2015 года, Москва.
Персональная медицина: технологии BigData на охране здоровья (вводная лекция ...Alexandre Prozoroff
Вводная лекция для студентов МФТИ, стоящих перед выбором темы курсового и дипломного проекта.
Очень ценно, когда работа над курсовым проектом является «началом» работ над дипломом. По этому мы предлагаем студентам выбрать одно направление и проявить себя.
Направление "Биофизика и физиология". Мы предлагаем освоение и практическое участие в разработке новых методов диагностики различных патологий на симптоматическом и досимптоматическом этапах их развития.
Направление "Радиоэлектроника". Мы предлагаем освоение и практическое участие в разработке макетов, прототипов и опытных образцов сенсоров или устройств для бесконтактного или неинвазивного снятия биологических сигналов с тела человека. Инструментарий: STM, NXP, Raspberry и т.п.
Направление "Математическое моделирование и сложная визуализация данных". Мы предлагаем освоение и практическое участие в разработке алгоритмов и математических моделей для распознавания «сырых» данных, снятых с сенсоров, систем машинного обучения по прецедентам (Machine Learning), извлечения информации из неструктурированных данных (Information Extraction) и интеллетуального анализа данных (Data Mining). Инструментарий: Spark, R, Java, Scala, Pyton, D3.js (Data-Driven Documents Lib)
Направление "Разработка логики распределенного хранения, параллельной обработки и трансформации данных". Мы предлагаем освоение и практическое участие в разработке программ по извлечению и преобразованию данных (ETL), бизнес-логики, фоновой обработки данных в массивно-параллельной среде Hadoop. Инструментарий: Hadoop, Kafka, Postgres, MySQL, Spark, Java, Scala, Pyton, C++.
Направление "Разработка пользовательского интерфейса медицинских систем". Мы предлагаем освоение и практиче
Hadoop and R guards The Health of Critically ill PatientsAlexandre Prozoroff
Краткий доклад на Практической конференции по Hadoop 25.11.2015 об организации R&D среды проекта по созданию системы мониторинга пациентов реанимации на основе подхода "data lake" и Hadoop. Доклад иллюстрирует способ использования связки Hadoop и R для научных работ по математическому моделированию в области реанимации и интенсивной терапии. Проект в активной фазе по этому о содержании проводимых научных исследований не упоминается.
Использование Big Data в области персональной медицины. Кейс "Система монитор...Alexandre Prozoroff
Доклад на 4-м практическом семинаре "Hadoop на практике: проекты и инструменты" журнала "Открытые системы" 22 апреля, отель Мандарин, Москва
http://www.ospcon.ru/node/763.html
Practical Usage of Big Data and IoMT in Critical Care MedicineAlexandre Prozoroff
Доклад нашего клиента - проф., д.м.н., Царенко Сергея Васильевича, начальника службы анестезии и реанимации ФГАУ ЛРЦ Минздрава РФ, на форуме 2016 DataCentres Cloud & IoT, 12 апреля 2016 года.
Тема: Использование технологий Big Data и Интернета вещей в медицине критических состояний
IoMT - Technological Environment of Personalized Medicine and New Era of Heal...Alexandre Prozoroff
Internet of Medical Things - технологическая среда персональной медицины и новой эры здравоохранения, основанной на принципах сохранения здоровья и предупреждения заболеваний. Доклад на Московском суперкомпьютерном форуме, 29 октября 2015 года, Москва.
Персональная медицина: технологии BigData на охране здоровья (вводная лекция ...Alexandre Prozoroff
Вводная лекция для студентов МФТИ, стоящих перед выбором темы курсового и дипломного проекта.
Очень ценно, когда работа над курсовым проектом является «началом» работ над дипломом. По этому мы предлагаем студентам выбрать одно направление и проявить себя.
Направление "Биофизика и физиология". Мы предлагаем освоение и практическое участие в разработке новых методов диагностики различных патологий на симптоматическом и досимптоматическом этапах их развития.
Направление "Радиоэлектроника". Мы предлагаем освоение и практическое участие в разработке макетов, прототипов и опытных образцов сенсоров или устройств для бесконтактного или неинвазивного снятия биологических сигналов с тела человека. Инструментарий: STM, NXP, Raspberry и т.п.
Направление "Математическое моделирование и сложная визуализация данных". Мы предлагаем освоение и практическое участие в разработке алгоритмов и математических моделей для распознавания «сырых» данных, снятых с сенсоров, систем машинного обучения по прецедентам (Machine Learning), извлечения информации из неструктурированных данных (Information Extraction) и интеллетуального анализа данных (Data Mining). Инструментарий: Spark, R, Java, Scala, Pyton, D3.js (Data-Driven Documents Lib)
Направление "Разработка логики распределенного хранения, параллельной обработки и трансформации данных". Мы предлагаем освоение и практическое участие в разработке программ по извлечению и преобразованию данных (ETL), бизнес-логики, фоновой обработки данных в массивно-параллельной среде Hadoop. Инструментарий: Hadoop, Kafka, Postgres, MySQL, Spark, Java, Scala, Pyton, C++.
Направление "Разработка пользовательского интерфейса медицинских систем". Мы предлагаем освоение и практиче
Hadoop and R guards The Health of Critically ill PatientsAlexandre Prozoroff
Краткий доклад на Практической конференции по Hadoop 25.11.2015 об организации R&D среды проекта по созданию системы мониторинга пациентов реанимации на основе подхода "data lake" и Hadoop. Доклад иллюстрирует способ использования связки Hadoop и R для научных работ по математическому моделированию в области реанимации и интенсивной терапии. Проект в активной фазе по этому о содержании проводимых научных исследований не упоминается.
Использование Big Data в области персональной медицины. Кейс "Система монитор...Alexandre Prozoroff
Доклад на 4-м практическом семинаре "Hadoop на практике: проекты и инструменты" журнала "Открытые системы" 22 апреля, отель Мандарин, Москва
http://www.ospcon.ru/node/763.html
Значимость медицинских информационных систем и проблемы их развитияFujitsu Russia
Значимость медицинских информационных систем и проблемы их развития.
Александр Карачунский. Доктор медицинских наук, зам. директора федерального научно-клинического центра детской гематологии, онкологии и иммунологии им. Д. Рогачева Минздрава РФ, специалист в области детской онкологии, соруководитель мультицентрового клинического исследования по лечению острой лимфобластной лейкемии у детей и соавтор протокола «Москва-Берлин 2008»
МИС "Пациент" - это современная больничная компьютерная система, отличающаяся высокой адаптивностью и гибкостью. Информационная система "Пациент" интегрирует все медицинские процессы больницы в целостную систему и формирует единое информационное пространство в учреждении. Система позволяет автоматизировать как отдельные подразделения, так и больничное учреждение в целом. Решение подходит и для крупных государственных и для небольших частных медицинских учреждений. Она ориентирована на решение задач прежде всего практического здравоохранения.
Тенденции и долгосрочные перспективы развития медицинских применений радиационных технологий
Александр Фертман, директор по науке Кластера ядерных технологий Фонда «Сколково»
Август 2013
Доклад был представлен на Стратегической сессии кластера радиационных технологий Санкт-Петербурга и Ленинградской области (12-13 августа 2013)
ФАРМТАКСИ - система “умных” электронных рецептов и контроля распространения л...blejyants
АО "Соцмедика" - IT компания, резидент инновационного центра «Сколково», специализирующаяся на создании экспертных систем в области медицины.
Цель проекта – разработка экспертной системы поддержки принятия решений врача «Гиппократ», которая будет применяться на этапе диагностики, профилактики и лечения различных заболеваний.
Внедрение в клиническую практику системы «Гиппократ» позволит персонифицировать подход к каждому пациенту, уменьшить риск возникновения врачебных ошибок и клинических осложнений.
Особенностью базовых технологий лежащих в основе проекта и определяющих его новизну, является сочетание технологий глубокого машинного обучения при обработке больших объемов данных c Объединенной Базой Медицинских Знаний (UMKB), основанной на системах классификаторов, медицинских онтологий, уникальной модели представления знаний и алгоритмов по аналогии мышления врача.
На этапах реализации проекта и по мере наполнения UMKB разработаны отдельные инновационные продукты:
1. Электронный клинический фармаколог (ЭКФ) – система поддержки принятия решений врача по фармакотерапии. При использовании в клиниках ЭКФ снижаются затраты медицинской организации на медикаменты, за счёт более рациональной фармакотерапии, уменьшается риск осложнений и побочных эффектов от применения лекарств, оптимизируется работа врача (уменьшается время приёма, повышается качество оказания медицинской помощи). Подробнее о продукте можно посмотреть по ссылке: ecp.umkb.com
2. Система “умных” электронных рецептов и контроля распространения лекарственных средства (ФАРМТАКСИ) - единая сеть, объединяющая разных участников фармацевтичес
"Новая технологическая платформа для проведения доклинических и клинических испытаний лекарственных препаратов" - доклад д.м.н., ведущего научного сотрудника, клинического фармаколога
Сарвилиной Ирины Владиславовны на III съезде фармакологов России"Фармакология – практическому здравоохранению", Санкт-Петербург, 23-27 сентября 2007 года
Fast shoes design grading software manual Trinity Hu
FAST shoe pattern software is all Chinese interface. It is easy to operate and learn. Its high function enables various shoes to be graded. So it is extensively used for many plants that make shoes, tree sole of shoe, tool model, shoe- pattern design and grade.
Skype: trinityhu
MSN: trinityhu@hotmail.com
http://www.packagingmachiney.com/
Значимость медицинских информационных систем и проблемы их развитияFujitsu Russia
Значимость медицинских информационных систем и проблемы их развития.
Александр Карачунский. Доктор медицинских наук, зам. директора федерального научно-клинического центра детской гематологии, онкологии и иммунологии им. Д. Рогачева Минздрава РФ, специалист в области детской онкологии, соруководитель мультицентрового клинического исследования по лечению острой лимфобластной лейкемии у детей и соавтор протокола «Москва-Берлин 2008»
МИС "Пациент" - это современная больничная компьютерная система, отличающаяся высокой адаптивностью и гибкостью. Информационная система "Пациент" интегрирует все медицинские процессы больницы в целостную систему и формирует единое информационное пространство в учреждении. Система позволяет автоматизировать как отдельные подразделения, так и больничное учреждение в целом. Решение подходит и для крупных государственных и для небольших частных медицинских учреждений. Она ориентирована на решение задач прежде всего практического здравоохранения.
Тенденции и долгосрочные перспективы развития медицинских применений радиационных технологий
Александр Фертман, директор по науке Кластера ядерных технологий Фонда «Сколково»
Август 2013
Доклад был представлен на Стратегической сессии кластера радиационных технологий Санкт-Петербурга и Ленинградской области (12-13 августа 2013)
ФАРМТАКСИ - система “умных” электронных рецептов и контроля распространения л...blejyants
АО "Соцмедика" - IT компания, резидент инновационного центра «Сколково», специализирующаяся на создании экспертных систем в области медицины.
Цель проекта – разработка экспертной системы поддержки принятия решений врача «Гиппократ», которая будет применяться на этапе диагностики, профилактики и лечения различных заболеваний.
Внедрение в клиническую практику системы «Гиппократ» позволит персонифицировать подход к каждому пациенту, уменьшить риск возникновения врачебных ошибок и клинических осложнений.
Особенностью базовых технологий лежащих в основе проекта и определяющих его новизну, является сочетание технологий глубокого машинного обучения при обработке больших объемов данных c Объединенной Базой Медицинских Знаний (UMKB), основанной на системах классификаторов, медицинских онтологий, уникальной модели представления знаний и алгоритмов по аналогии мышления врача.
На этапах реализации проекта и по мере наполнения UMKB разработаны отдельные инновационные продукты:
1. Электронный клинический фармаколог (ЭКФ) – система поддержки принятия решений врача по фармакотерапии. При использовании в клиниках ЭКФ снижаются затраты медицинской организации на медикаменты, за счёт более рациональной фармакотерапии, уменьшается риск осложнений и побочных эффектов от применения лекарств, оптимизируется работа врача (уменьшается время приёма, повышается качество оказания медицинской помощи). Подробнее о продукте можно посмотреть по ссылке: ecp.umkb.com
2. Система “умных” электронных рецептов и контроля распространения лекарственных средства (ФАРМТАКСИ) - единая сеть, объединяющая разных участников фармацевтичес
"Новая технологическая платформа для проведения доклинических и клинических испытаний лекарственных препаратов" - доклад д.м.н., ведущего научного сотрудника, клинического фармаколога
Сарвилиной Ирины Владиславовны на III съезде фармакологов России"Фармакология – практическому здравоохранению", Санкт-Петербург, 23-27 сентября 2007 года
Fast shoes design grading software manual Trinity Hu
FAST shoe pattern software is all Chinese interface. It is easy to operate and learn. Its high function enables various shoes to be graded. So it is extensively used for many plants that make shoes, tree sole of shoe, tool model, shoe- pattern design and grade.
Skype: trinityhu
MSN: trinityhu@hotmail.com
http://www.packagingmachiney.com/
Il catalogo Presepi dal Mondo è ricco di idee e spunti originali e interessanti: 640 articoli, come sempre disponibili in tanti materiali, formati, colori, misure, disegni, e con proposte adatte a tutte le esigenze e per tutte le tasche. I presepi sono accompagnati da una selezione speciale di altri articoli natalizi, tra cui cartoncini, biglietti augurali e decorazioni.
I produttori di commercio equo presenti in catalogo sono 32, in rappresentanza di 21 paesi di Africa, America Latina e Asia. Accanto ai classici presepi sudamericani in ceramica e terracotta (Cile, Ecuador, Perù e Venezuela) sono disponibili tante originali proposte provenienti da Africa (Congo, Etiopia, Kenya, Madagascar, Mozambico, Rwanda, Tanzania, Zimbabwe) e Asia (Palestina, Bangladesh, Cambogia, Filippine, India, Indonesia, Nepal, Sri Lanka e Thailandia).
Кибернетическая медицина 2015 успех или мистификацияSerge Dobridnjuk
Дается обзор моделей и типов аналитических систем, применяемых в здравоохранении. Рассматриваются эвристические модели: экспертная, регрессионная, деревья решений, нейросети. Для каждой приводится список интересных медицинских систем, их использующих
Интеллектуальный анализ данных и откртытые данные в клинической информатике: ...Alexey Neznanov
Презентация к докладу на ИТ&Мед-2016 про интеллектуальный анализ данных в клинической информатике, прорывы в поддержке рандомизированных клинических исследований и актуальные проблемы. Акцент на новых возможностях (включая возможности нашей лаборатории), сложностях, открытых данных. Ссылки на некоторые проекты и инструменты.
Искусственный интеллект и Big Data в бизнесеExpasoft
Презентация семинара по анализу больших данных и машинному обучению 16.11.2016 г.
- Чем искусственный интеллект может помочь бизнесу?
- Что такое глубинное обучение и какие инновационные технологии можно создать на его основе?
- Почему аналитик больших данных самая сексуальная профессия XXI века?
Организаторы семинара:
Лаборатория аналитики потоковых данных и машинного обучения НГУ,
Центр обучения Big Data Analytics "НГУ-Экспасофт". Евгений Павловский — сертифицированный EMC Data Science Associate, Кандидат физико-математических наук, старший преподаватель Кафедры Общей Информатики НГУ, заведующий лабораторией аналитики потоковых данных и машинного обучения НГУ-Экспасофт,
Business Development Director в «ExpaSoft».
https://expasoft.com/edu/
Bioinformatics product development portfolio and priorities of Novel Software Systems 2019. NGS DNA analysis products, machine lerning solutions in biology and medicne.
Similar to Семантическая обработка медицинских данных в задачах диагностики и управления лечебным процессом в медицине критических состояний (20)
Report on software engineering conference 2019 in the architecture section. It discusses the fundamental problem of the ML-centric approach and the methodology for its solution in the form of a new generation of architectures (massively parallel virtual machines)
How to assess the company's readiness to intelligent automation of office pro...Alexandre Prozoroff
How to assess the company's readiness to intelligent automation of office processes?
Как оценить готовность компании к роботизации офисных процессов?
http://cybersyn.ch/office
Выступление Александра Прозорова на конференции OSP "Технологии блокчейн 2019" 12 февраля 2019 года.
Каким должно быть высшее техническое образование в эпоху быстро меняющихся технологий? Каким образом обеспечить гарантию требуемой квалификации экспертов? Как поднять престиж профессии инженера? Почему высшее образование не может быть всеобщим и обязательным? Для чего бизнесу участвовать в образовательной деятельности? Почему высшее образование необходимо разделять на этапы? Для чего необходима стандартизация квалификаций по специальностям? Как капитализируется компетенция экспертов? Как эксперту получать «справедливую» оплату труда? На эти и другие вопросы проводит дискуссию автор доклада Александр Прозоров.
The author tells about a research project on the basis of MIPT on creating a zone of a robotic economy that prevents illegal attempts to use intellectual property. The author introduces the two concepts: "domain of automatic economy" and "deal negotiation protocol", which are novelty. By appealing to Coase's theorem and the scale effect, the author proves the economic effectiveness of the "individualistic" economy.
Автор рассказывает об исследовательском проекте на базе МФТИ по создянию зоны роботизированой экономики, предотвращающей незаконные попытки использования интеллектуальной собственности. Автор вводит понятия "домен автоматической экономики" и "протокол согласования сделок", являющиеся новизной. Путем апелирования к теореме Коуза и эффекту масштаба автор доказывает экономическую эффективность "индивидуалистической" экономики.
Основная проблема при проектировании систем для нового техноукладаAlexandre Prozoroff
Как ускорить переход на новый технологический уклад с наименьшими усилиями и затратами? Необходимо сфокусироваться на проблемном поле, которое наиболее существенно осложняет проектирование программных систем и "умных" устройств. Кратко формулируются тезисы основной проблемы, тормозящей развитие прикладных технологий применения ML и, как следствие, прикладных высокотехнологических систем. Для круглого стола в ИПУ РАН, 6 декабря 2017.
Выявление факторов риска заболеваний на основе анализа социальной продукцииAlexandre Prozoroff
Выявление факторов риска заболеваний на основе анализа социальной продукции. Краткая информация о прикладных исследованиях в области таргетирования аудиторий, входящих в группу риска по развитию психических отклонений, деменции и других заболеваний.
Detection of risk factors of diseases by analysis of social production.
Brief information on applied research in the field of targeting audiences at risk for developing mental disorders, dementia and other diseases.
Let's talk about the sharing economy on the example of just one micro insurance product. And to determine how true formula proposed for discussion: IoT + MVNO + Health = Profit
Internet of Medical Things: Technological Environment of Personalized/ Precis...Alexandre Prozoroff
On the basis of a coherent technological infrastructure operators of wireless and wired communications grows up the fragments of the global Internet of Medical Things (IoMT). Each fragments that focuses on acquisition and processing of biometric data is local telebiometrics system.
Бывают случаи, когда семантика просто необходима для успеха большого и значимого проекта. Эти слайды - тот самый случай, когда усилия людей с совершенно разными интересами вдруг стали когерентны. Почему? Потому что были опредмечены и донесены до их внимания ключевые вещи экономики облачной платформы. Благодаря этим 13 слайдам стало совершенно понятно, кто, сколько, когда и почему будет зарабатывать, какую за это и перед кем нести ответственность. Стороны проекта стали понимать друг друга и работа внезапно начала продвигаться с такой феноменальной скоростью, что сдача проекта состоялась да 2 недели раньше срока. Хотя, за полгода до этого события, никто из внешних наблюдателей не верил, что такое возможно. Скептики открыто смеялись мне в лицо. Сторонами проекта были Минсвязи, Минэк, Ростелеком, Microsoft, HP, АТ Консалтинг, NVision, Microtest, РНТ и др.
PS: Срок NDA вышел, могу публиковать без рисков для свободы. При использовании, просьба придерживаться профессиональной этики, которая подразумевает ссылку на первоисточник. #делаемисторию. Enjoy!
Статья была начата в 2002 и закончена в 2003 году как промежуточный результат работы над диссертацией на степень к.т.н. по теме "Разработка интерпретатора языка BPDL, оптимизированного для работы с среде GRID (распределенная среда)"
Декабрь 2014: HRV Battle - Сравнение Samsung Gear и Epson Pulsense с точки зр...Alexandre Prozoroff
#mHealthLab. Младшие научные сотрудники стараются дальше. Обзоры становятся более сжатые и информативные. В этот раз - сравнение Samsung Gear и Epson Pulsense с точки зрения функций фитнес-трекера
Ноябрь 2014. Обзор бытовых браслетов для непрерывного снятия биосигналовAlexandre Prozoroff
#mHealthLab. Младшие научные сотрудники тренируются в эпистолярном жанре. Сделали отчет об исследовании бытовых фитнес-трекеров на предмет использования для мониторинга состояния здоровья и прогноза его изменения на основе HRV. Общий итог: использовать пока нельзя.
STORAGE BOOSTER - проект, оказывающий услугу по ускорению систем клиент-сервер. Ускорение делаем в два этапа: первый этап - меняем старое оборудование на новое, которое сдаем в аренду, второй этап - оптимизируем схему хранения данных. Как правило, первый этап дает ускорение в 7-10 раз, второй - до 150.
Семантическая обработка медицинских данных в задачах диагностики и управления лечебным процессом в медицине критических состояний
1. Семантическая обработка данных
в задачах диагностики и управления лечебным
процессом в медицине критических состояний
Конференция «Технологии больших данных», 2016, 21.06.2016 г.
1
ЦЖС МФТИ
ИМБП РАН
ФГАУ ЛРЦ
Прозоров Александр Александрович,
Лаборатория спецмедтехники и технологий, МФТИ
Царенко Сергей Васильевич,
ФГАУ «Лечебно-реабилитационный центр Минздрава РФ»
2. Позвольте представиться
#mHealthLab
2
• Федеральное
государственное
автономное
учреждение
«Лечебно-‐
реабилитационный
центр
Минздрава»
-‐
одна
из
лучших
в
стране
многопрофильных
высокотехнологичных
больниц
на
400
коек
+
дневной
стационар
+
лучший
в
РФ
реабилитационный
центр.
Директор
–
акад.
Лядов
К.В.
• Профили
деятельности:
онкология,
абдоминальная
и
торакальная
хирургия,
нейрохирургия,
кардиология,
эндоваскулярная
хирургия
• 5
отделений
анестезиологии
и
реанимации
на
45
коек,
объединенные
в
единую
структуру
(ЦАР)
• Царенко
С.В.
–
руководитель
ЦАР,
доктор
мед
наук,
профессор
ФФМ
МГУ
им.
М.В.Ломоносова,
автор
8
монографий
и
175
статей
• Прозоров
А.А.
–
научный
сотрудник
Лаборатории
специальной
медицинской
техники
и
технологий
МФТИ,
генеральный
директор
МИП
«Мобайл
Хелс
Лаб»
3. Типичный день реанимационного отделения
#mHealthLab
3
• Поступает
3-‐4
больных,
переводится
3-‐4
больных.
Одновременно
занято
5-‐6
коек.
Круглосуточно
1
дежурный
реаниматолог
и
2
медсестры,
днем
-‐
зав.
отд.,
процедурная
сестра
и
старшая
сестра
• Каждый
больной
подключен
к
прикроватному
монитору
(минимум
5
параметров:
ЭКГ,
оксигенация,
два
давления,
температура),
аппарату
ИВЛ
(минимум
6
параметров),
3-‐6
автоматическим
дозаторам.
В
нем
от
4
до
10
трубок,
по
которым
оттекают
биологические
жидкости.
Одновременно
вводится
от
2
до
10
лекарственных
препаратов
• Принятие
решений:
на
основе
экспертных
оценок,
алармов
аппаратуры,
современных
представлений
(многоцентровые
исследования,
обычаи
делового
оборота)
4. Основные причины сложности принятия решений
#mHealthLab
4
1. На
этапе
сбора
информации:
«лес»
аппаратуры,
обилие
манипуляций,
субъективность
оценок
тревожных
событий
(что
считать
значимым
отклонением
физиологического
показателя
от
нормы?)
2. На
этапе
анализа
информации:
разнородность
данных,
отсутствие
интегральных
показателей
3. На
этапе
лечебных
решений:
скудость
данных
о
релевантности
изменений
физиологических
показателей
клиническим
исходам
и
прогнозам
4. На
этапе
управленческих
решений:
разнородность
больных,
субъективная
(экспертная)
оценка
тяжести
состояния
и
эффективности
лечения,
плохая
осведомленность
о
реальных
ресурсах
реанимационных
отделений
5. Поговорим о главном – понятиях
Откуда в реанимации IoMT? Что такое семантика биоданных? Каковы
взаимосвязи между множествами сущностей? Эти и другие вопросы…
5
#mHealthLab
ЦЖС МФТИ
ИМБП РАН
ФГАУ ЛРЦ
6. Состав IoMT-систем
1. Биологическая
мишень
находится
в
непосредственном
контакте
с
датчиком
и
подвергающаяся
измерению
2. Датчик,
предназначен
для
получения
(съема)
биометрических
данных,
включая
поиск
и
определение
паттернов
в
снимаемых
аналоговых
и
цифровых
сигналах,
интегрированный
в
сетевую
инфраструктуру
облака
3. Протокол
предназначен
для
предварительной
обработки
и
передачи
биометрических
данных
в
приложение.
Его
основной
задачей
является
интерпретация,
количественное
сравнение
и
анализ
биологической
и
измерительной
ценности
снимаемых
данных
4. Приложение,
является
получателем
биометрических
данных
и
выполняет
основные
прикладные
задачи
по
их
распознаванию,
визуализации,
анализу,
сопоставлению,
выработке
рекомендаций
и
т.д.
5. Хранилище
биометрических
данных,
предназначено
для
накопления
и
долгосрочного
хранения
данных,
обеспечивает
должный
уровень
безопасности,
доступности
и
поддержки
различных
протоколов
доступа
6
Data
Hub
PHR
3D
БКГ
ЭКГ
Темп
SpO2
MicПациент
Мониторинг
пациентов
Врач
Уровень 4
Уровень 1 Уровень 2
Уровень 3
Уровень 5
7. Семантика биоданных в реанимации (основное)
#mHealthLab
7
Показатели
Нормы
показателей
Алармы
Биосигналы
Подсказки
ИндикаторыТренды
Статус
пациента
Паттерны
патологий
Тревожные
события
Начальник
ОРИТ
Дежурный
врач
Дежурный
медперсонал
Пациент
8. Пространство лечебных данных ОРИТ
Что такое лечебные данные? Сроки годности лечебных данных? Почему
пространство лечебных данных должно быть едино? Эти и другие вопросы…
8
#mHealthLab
ЦЖС МФТИ
ИМБП РАН
ФГАУ ЛРЦ
9. Единое пространство лечебных данных (схема)
#mHealthLab
9
УчёныеМедработники АдминистраторыПациенты
Внешние
ИТ- системы
Мед. архив
GUI
Медицинское
оборудование
CLIUI-сервер
Единое хранилище лечебных данных
HL7 шлюз ЭМК МИС
Мониторинг
пациентов
Концентратор данных в палате Облачная система хранения
ИТ-оборудование
клиники
Расследование
инцидентов
Регистрация
хода лечения
Захват данных
Потоковый анализ данных
Пакетный
анализ
данных
Локально В облаке
Upstream Downstream
Внешние ИТ-
системы
Время жизни
данных
Секунды Дни Годы
ИнтеграцияИТв
медицину
0%100%
10. Единое пространство лечебных данных (upstream)
#mHealthLab
10
Пациенты
Витальный монитор
Захват данных
Единое хранилище лечебных данных
Поиск паттернов
Концентратор данных в палате
Разметка
биосигналов
1.
2.
3.
4.
5.
6.
7.
Номер логичес-
кого уровня
Расчет индикаторов
Регистрация отклонений
показателей от норм
Расчет статуса пациента
8.
9.
Локально
Биомишень
Медицинское оборудование
Захват данных и преобразование
к внутреннему формату
Разметка волновых данных
Регистрация аномалий в данных
Расчет интегральных индикаторов
Расчет статуса пациента,
генерация событий изменения статуса
Долгосрочное хранение
лечебных данных
ИТ-оборудование
Описание логического уровня
Потоковый
анализ
данных
11. Единое пространство лечебных данных (downstream)
#mHealthLab
11
УчёныеМедперсонал Администраторы
GUI CLI
UI-сервер
Единое хранилище лечебных данных
Концентратор данных в палате Облачная система хранения1.
2.
3.
4.
5.
6.
7.
Номер логичес-
кого уровня
Расследование
инцидентов
Регистрация
хода лечения
Стандартная
отчетность
Пакетная
обработка
данных
Визуализация
биосигналов
Визуализация трендов
и индикаторов
Потоковая
обработка данных
Врачи и
руководство
Пользователи системы
Тип интерфейса пользователя
Формирование интерфейса пользователя
Логика лечебно-организационных процессов
Логика по визуализации расчётных
и "живых" графиков
Расчет индикаторов и подготовка
данных для визуализации
Долгосрочное хранение
лечебных данных
ИТ-оборудование
Описание логического уровня
Локально В облаке
8.
12. Потоки и основные пользователи данных
#mHealthLab
12
Пациент
Сенсор
Концентратор
данных
Единое хранилище
лечебных данных
Оперативная БД
палаты ОРИТ
(CACHEDB)
Показатели и
биосигналы
("сырые"
данные)
N 1
N
1
1
N
1
1
1
1
Сырые +
расчетные
данные
Репликация
WEB
N
UI-SERVER
1
SIUD-запросы +
данные
SELECT-
запросы
+ данные
CLI
SELECT-
запросы +
данные
Медсестра
Учёный
WEBUI-SERVER
Потоковый
анализ данных
Пакетный анализ
и краткосрочное
хранение данных
Пакетный анализ
и долгосрочное
хранение данных
Захват и
преобразование
данных
1
N
Поток
биосигналов
Визуализация
данных и
формирование UI
"Прямой" доступ
к данным
1
1
1
N
1
1
Врач
N
Руководство
N
1
13. Анализ данных в разных режимах
Что такое режим анализа данных? В чем отличие режима потока от режима
пакета? Какие данные получаются в разных режимах? Эти и другие вопросы…
13
#mHealthLab
ЦЖС МФТИ
ИМБП РАН
ФГАУ ЛРЦ
14. Анализ данных в режиме потока (схематично)
#mHealthLab
14
Проверка
коридоров норм
Прием и
валидация
MSG_DATA
Генерация
алармов
Поиск паттернов
патологий
Генерация
подсказок
Расчет
индикаторов
Определение
статуса пациента
Генерация
тревожных
событий
Обработка
обновлений
INSERT/
UPDATE
JSONы для
визуализации
Показатели
Биосигналы
Показатели и
биосигналы
("сырые"
данные)
UI-SERVERCACHEDB
Показатели и биосигналы для
хранения и визуализации
Найденные
отклонения
Найденные
отклонения
Разметка
биосигналов
Сигналы с
разметкой
Подсказки
Тревожные
события
Статус
пациента
Значения
индикаторов
Алармы
Данные для
расчета
Найденные
отклонения
Изменения
статуса
15. Анализ данных в режиме пакета (схематично)
#mHealthLab
15
Расчет трендов
Подготовка
стандартных
отчетов
Расчет
индикатора
прогноза
Генерация
тревожных
событий
Обработка
обновлений
INSERT/
UPDATE
JSONы для
визуализации
UI-SERVERCACHEDB
Тренды
Обновление
прогноза
состояния
пациента
Отчеты
Изменение
статуса
пациента
Запуск по
запросу или
таймеру
16. Обеспечение надежности и безопасности
Что такое ошибка восприятия? Что такое ошибки первого и второго рода? Как
препятствовать возникновению ошибок? Эти и другие вопросы…
16
#mHealthLab
ЦЖС МФТИ
ИМБП РАН
ФГАУ ЛРЦ
17. Лечебный процесс и обработка ошибок
#mHealthLab
17
Как проявляется эта проблема?
Врач не верно принимает решение, хотя располагает большим объемом
информации о больном
Почему произошла ошибка?
Причин может быть много: переизбыток информации, нет опыта,
утомление, отсутствие времени, нервозное состояние, другие причины
Пример: врач не «увидел» симптомы, потому что пациент сложный, очень
много факторов необходимо держать во внимании
Проблема #1: Ошибка восприятия («когнитивная слепота»)
18. Лечебный процесс и обработка ошибок
#mHealthLab
18
Как проявляется эта проблема?
Система выполнила ложноположительное срабатывание, например,
сгенерировала аларм там, где его нет
Почему произошла ошибка?
Причин может быть много: коридоры норм не адаптированы к пациенту,
наводки или иные сбои снятия биосигнала, в т.ч. избыточная
чувствительность сенсоров, не достаточно точные нормы, другие
причины.
Пример: индивидуальная реакция на препараты, понижающие
артериальное давление
Проблема #2: Ошибка первого рода
19. Лечебный процесс и обработка ошибок
#mHealthLab
19
Как проявляется эта проблема?
Система выполнила ложнотрицательное срабатывание, например, не
стала генерировать аларм там, где он есть
Почему произошла ошибка?
Причин может быть много: коридоры норм «велики» для пациента, сбои
снятия биосигнала, в т.ч. недостаточная чувствительность сенсоров,
отсутствуют необходимые правила расчета алармов, значение
показателя проверяется раньше, чем необходимо
Пример: оценка эффективности процесса оксигенации организма на
аппарате ИВЛ за счет регистрации SpO2 артериальной крови
Проблема #3: Ошибка второго рода
20. Борьба с ошибками: основные принципы
#mHealthLab
20
1. Забудь, что ты самый умный («подход «долины» не работает)
2. Узнай лечебный процесс изнутри
3. Экономь внимание медика
4. Экспериментируй! (если ошибок нет – это еще не повод для
радости)
5. Не забывай о репрезентативной выборке (пациенты и
пользователи)
6. Не выполняй лишних операций (упрощай решение задач,
обобщай и переформулируй)
7. Используй открытые технологии и заведомо адаптируемые
решения
8. Встраивай проверки и защиту от дурака везде, где только
возможно
21. Информационная безопасность IoMT – проблемы
#mHealthLab
21
Многие
IoT-‐устройства
генерируют
данные,
охраняемые
152-‐ФЗ.
С
IoMT-‐устройствами
все
обстоит
значительно
сложнее:
• IoMT-‐устройства
генерируют
медицинские
данные,
наиболее
чувствительные
к
компрометации
• Взлом
и
несанкционированное
использование
IoMT-‐устройств
может
привести
к
смерти
или
проблемам
со
здоровьем
человека
• Интерес
злоумышленников
к
шантажу
и
вымогательству
посредством
компрометации
IoМT-‐устройств
в
перспективе
нескольких
лет
приведет
к
развитому
«черному»
рынку
соответствующих
преступных
услуг
(по
аналогии
с
«черным»
рынком
выч.
мощностей)
• ФСБ
необходимо
скоординировано
с
международными
институтами
стандартизации
как
можно
скорее
активизировать
работу
по
стандартизации
и
сертификации
надежных
механизмов
защиты
IoMT-‐устройств,
применимых
на
территории
РФ
Nanoribbon
Heart
Implant
22. Информационная безопасность IoMT – подходы
#mHealthLab
22
1. Разделять сети по функциональности – мед. оборудование,
потоковая обработка данных, оперативное хранение и
пакетная обработка, визуализация (интерфейс
пользователя), репликация в облако
2. Жестко минимизировать физический доступ в сетям,
особенно объединяющим мед. оборудование
3. Жестко контролировать физический доступ в беспроводные
сети (планшеты врачей)
4. Применять СКЗИ там, где это возможно
5. Производить своевременные обновления ПО
6. При росте количества пользователей, внедрять единую
систему идентификации и авторизации IdM
23. Специфика разработки мед. изделий
#mHealthLab
23
1. АПК и ПО, задействованные в лечебном процессе, –
медицинские изделия
2. Источник – номенклатурная классификация медицинских
изделий по видам (НКМИВ) и классам потенциального риска
их применения (НКМИР)
3. Это требует от разработчика и производителя
1. Обязательной оценки соответствия медизделий в целях их
государственной регистрации (Приказ Минздрава от 09.01.2014, №2н)
2. Проведения экспертизы качества и безопасности медизделий (Приказ
Минздрава от 21.12.2012, №1353н)
3. Проведения клинических испытаний в целях утверждения типа
средств измерений (Приказ Минздрава от 15.08.2012, №89н)
4. Получения лицензии на производство и техническое обслуживание
мед. техники (Постановление Правительства РФ от 03.06.2013, №469)
5. В разработке изделий следовать положениям соотв. ГОСТов
24. 24
Прозоров Александр Александрович
Научный сотрудник Лаборатории
специальной медицинской техники и
технологий МФТИ
Генеральный директор МИП «Мобайл
Хелс Лаб»
Email: prozoroff@mail.ru
Mobi: +7 916 9989619
Есть вопросы? Задавайте!
#mHealthLab
Руководитель
Центра
анестезиологии
и
реанимации
ФГАУ
«ЛРЦ
МЗ
РФ»,
профессор,
д.м.н.
Email:
s9637501492@yandex.ru
Mobi:
+7
963
7501492
Царенко Сергей Васильевич