Гибридная модель многокритериального выбора альтернатив в задаче поддержки принятия решений по первичному выбору антимикробной терапии
Младов В.В., Зернов М.М.,
Кузьменков А.Ю., Белькова Ю.А.
Аннотация
Предложена гибридная модель многокритериального выбора альтернатив при решении задачи поддержки принятия решений по первичному назначению антимикробной терапии, которая отличается совместным применением следующих частных моделей: логическая модель выбора варианта расчёта и обоснования частных показателей качества, модель учёта взаимного влияния показателей, учитывающая стохастическую и нестохастическую неопределённость, модели свёртки разноуровневых факторов влияния на значение показателя на основе каскада функций суммирования и насыщения и модели выбора на основе нечёткого отношения предпочтения. Рассмотрены общая структура модели, а также методы и особенности расчёта частных показателей качества альтернатив.
Ключевые слова: многокритериальный выбор, нечёткое отношение предпочтения, модель оценивания, антимикробная терапия, первичное назначение, стохастическая неопределённость, нестохастическая неопределённость.
Annotation
The proposed hybrid model of multicriteria choice and ranking the finite set of alternatives in decision support problem of the primary prescribing of the antimicrobial therapy differs from others by combining the following submodels: the logical model of the choice and the justification the partial quality coefficients method, the model of the mutual accounting the stochastic and non-stochastic uncertainty influences, the convolution model of the two-level influences based on the cascade of the summation and saturation functions and the model of the choice based on the fuzzy preference relation. The article describes the general structure of the model, methods and peculiarities of the partial quality coefficients calculating.
Key words: multicriteria choice and ranking, fuzzy preference relation, estimation model, antimicrobial therapy, the primary prescribing, stochastic uncertainty, non-stochastic uncertainty.
Актуальность. Антимикробные препараты (АМП) относятся к числу широко применяющихся и высоко затратных групп лекарственных средств, на долю которых приходится около 30% всех назначений и расходы на которые составляют порядка 30-50% бюджета лечебно-профилактических учреждений (ЛПУ), затрачиваемого на фармакотерапию [3, 6]. Нерациональное использование АМП приводит к росту заболеваемости и смертности, сопровождается повышением частоты развития нежелательных лекарственных реакций (НЛР), способствует селекции устойчивых к препаратам штаммов Штамм - чистая культура микроорганизмов, выделенная в определённое время и в определённом месте. микроорганизмов и повышает затраты на лечение.
В условиях стремительного роста объёма медицинской информации, её децентрализации и разрозненности, высоких темпов обновления клинических рекомендаций по лечению различных заболеваний, интенсивного развития фармацевтического рынка и ежегодно изменяющейся чувствительности микроорганизмов к АМП выбор оптимального для пациента варианта антимикробной терапии (АМТ) в отведённый для данной задачи короткий промежуток времени может вызывать у врача объективные затруднения.
Одним из средств повышения качества оказания медицинской помощи, в том числе в сфере АМТ, является внедрение в клиническую практику информационных технологий. Доказано, что при использовании компьютерных программ достоверность клинической диагностики может быть улучшена на 20%, а студенты-медики, оценивая больных при помощи структурированных листов, в которые заносятся данные анамнеза и обследования пациента перед их введением в компьютерную программу, с последующей обработкой данных компьютерной программой, ставят диагноз гораздо точнее [2].
Для оказания помощи врачу в процессе интерпретации данных и характеристик пациента и принятия решений о тактике его ведения в зарубежной клинической практике в течение последних 40 лет широко и успешно используются системы поддержки принятия клинических решений (СППКР). В ходе многочисленных исследований показана их способность значимо повышать качество оказания медицинской помощи [э6, 18] и приверженность стандартам терапии [э5], а также снижать частоту ошибочных назначений [5, 10]. При этом положительное влияние СППКР на врачебную практику является более выраженным и сохраняется на более длительный период по сравнению с другими видами мероприятий, направленных на оптимизацию терапии [э13, 16, 19].
Ярким представителем данного класса систем является «Health Evaluation through Logical Processing» (HELP), которая впервые была запущена в 1967 г. в больнице LDS (Солт-Лейк-Сити, штат Юта, США). По результатам исследования 2002 г., HELP осуществила 94% успешных назначений против 77% успешных назначений непосредственно врачами. Кроме того, средняя стоимость антибиотика в составе назначения снизилась со $128 до $98, а также произошло повышение выживаемости пациентов (например, для пациентов с острым респираторным дистресс-синдромом выживаемость составила 67% против 33% в контрольной группе) [11]. В настоящее время данная СППКР интегрирована в работу многих ЛПУ США и ведётся разработка новой версии - HELP2. Однако данный программный продукт является коммерческим, алгоритмы его работы засекречены и соответствуют американским стандартам лечения, которые в значительной степени отличаются от российских по ряду причин.
Ещё одной перспективной разработкой в данном направлении является IBM Watson - суперкомпьютер фирмы IBM, оснащённый вопросно-ответной системой искусственного интеллекта, основная задача которого - понимать вопросы, сформулированные на естественном языке, и находить на них ответы в базе данных [8]. Среди различных сценариев использования IBM Watson предложены диагностика и лечение пациентов, реализуемые на основе искусственной нейронной сети, постоянно обучающейся путём сканирования миллионов медицинских документов. В настоящее время происходит тестовый запуск шести экземпляров IBM Watson в больницах США в качестве диагностической системы. Несмотря на всю перспективность данной разработки, стоит отметить отсутствие возможности получения обоснований полученных решений, необходимость обязательного наличия постоянного подключения к сети Интернет, а также невозможность вмешательства в алгоритмы подбора терапии и их синхронизации с российскими стандартами лечения пациентов.
Таким образом, отсутствие аналогов в российской медицинской практике и возможности адаптации зарубежных решений к отечественным стандартам делают актуальной разработку собственной СППКР по выбору АМТ для оказания помощи врачу в процессе первичного назначения АМТ (далее первичный выбор АМТ).
В результате внедрения данной разработки в клиническую практику ожидается:
1) повышение качества оказания медицинской помощи за счёт повышения безопасности антимикробной терапии;
2) снижение риска селекции резистентных к АМП штаммов микроорганизмов;
3) уменьшение нагрузки на врачей за счёт автоматизации работы с клиническими данными пациента;
4) повышение доступности информационных ресурсов и, как следствие, информированности врачей об инфекционных заболеваниях и антимикробных препаратах.
Задача поддержки принятия решений по первичному выбору АМТ. Первичный выбор АМП в рамках разрабатываемой СППКР основан на анализе следующих признаков:
1) клинический диагноз (основной и сопутствующие диагнозы, а также осложнения, диагностированные у пациента);
2) степень тяжести состояния пациента;
3) стандарты терапии данного инфекционного заболевания;
4) результаты бактериологического исследования (определение возбудителя инфекции и спектра его чувствительности к АМП);
5) отсутствие чётко определённых требований к уровню антимикробной активности АМП для нозологий, протекающих с различной степенью тяжести;
6) потенциальные ограничения в выборе АМП (особенности состояния пациента);
7) предшествующая и сопутствующая терапия;
8) локальная политика применения АМП в ЛПУ;
9) наличие АМП в аптеке ЛПУ и их закупочная стоимость.
В силу вышесказанного, решаемая задача поддержки принятия решений (ППР) обладает следующими характеристиками:
1) осуществление многокритериального выбора и ранжирования альтернатив в условиях совместного влияния разнонаправленных факторов (показаний и противопоказаний альтернатив);
2) отсутствие явно выраженной функции оценивания качества альтернатив;
3) стохастическая и нестохастическая неопределённость условий, в которых осуществляется выбор альтернатив;
4) возможная неполнота исходной информации.
Общая структура гибридной модели многокритериального выбора альтернатив. Для решения поставленной задачи предложена гибридная модель многокритериального выбора, которая включает в себя логическую модель выбора вида терапии и расчёта основных показателей качества альтернатив, модель многокритериального выбора на основе нечёткого отношения предпочтения, а также функции оценки взаимодействий АМП между собой и выборки списка АМП по заданным критериям.
Общая структура модели представлена на рисунке 1.
Входными данными для гибридной модели являются:
- данные пациента (клинический диагноз, оценка тяжести состояния, информация о гиперчувствительности, результаты лабораторных анализов и список препаратов предшествующей и сопутствующей терапии);
- данные по определению чувствительности к различным антибиотикам;
- клинические рекомендации и различные справочные данные.
Рисунок 1. Общая структура гибридной модели многокритериального выбора альтернатив
Информация о клиническом диагнозе включает в себя основной диагноз пациента, для которого производится определение множества альтернатив с последующим выбором оптимальной из них, а также сопутствующие диагнозы и осложнения, значимые при выборе оптимального варианта АМТ по основному диагнозу.
В контексте гибридной модели под основным диагнозом понимается тот диагноз, для которого проводится выбор и ранжирование возможных вариантов назначений (альтернатив). Этот диагноз указывается врачом при запуске системы и может не соответствовать основному диагнозу, указанному в анамнезе.
К особенностям состояния пациента относятся потенциальные ограничения в выборе АМП (беременность, период лактации и т.п.).
Оценка тяжести состояния - это показатель, выраженный числом от 0 до 1 и полученный на основе одной из существующих шкал для различных нозологий (MPM, SAPS, APACHE, POSSUM и т.п.).
Информация о гиперчувствительности включает в себя названия антибиотиков или их классов, для которых ранее были случаи возникновения аллергических реакций у данного пациента.
К результатам лабораторных анализов относятся результаты бактериологического исследования (проводимые с целью выяснения возбудителей заболевания или инфекции, указанного как основной диагноз), а также результаты тестирования выделенных штаммов микроорганизмов на чувствительность к различным антибиотикам или их классам (если они проводились).
Список препаратов предшествующей терапии - это перечень названий антибиотиков, которые ранее (как правило, в течение последних трёх месяцев) принимал пациент, с оценкой эффективности данной терапии. Список препаратов сопутствующей терапии - перечень антимикробных препаратов, которые в настоящее время принимает пациент и взаимодействие с которыми необходимо учесть при выборе АМТ.
Данные по определению чувствительности к различным антибиотикам - это сводные статистические данные, полученные по результатам тестирования чувствительности амбулаторной и нозокомиальной флоры к различным классам АМП. Приоритетными здесь являются локальные данные о чувствительности по региону, в котором расположено ЛПУ. В случае их отсутствия используются данные, полученные в ходе многоцентровых исследований, проводимых НИИ антимикробной химиотерапии ГБОУ ВПО СГМУ Минздрава России (НИИАХ).
Клинические рекомендации по ведению пациентов включают перечень возможных опций эмпирической (в отсутствие достоверной информации о возбудителей у данного пациента) терапии различный инфекционных заболеваний. К рекомендациям, установленным экспертным путём, относится перечень возможных опций этиотропной (при известном возбудителе) терапии для различных комбинаций диагноз-возбудитель. Справочные данные - это классификации нозологий, их возбудителей и АМП, а также информация об активности АМП к анаэробным возбудителям, соответствие торговых наименований лекарственных препаратов Торговое наименование лекарственного средства - наименование лекарственного средства, присвоенное его разработчиком. Является уникальным и позволяет идентифицировать препарат, произведенный определенной компанией. их международным непатентованным наименованиям Международное непатентованное наименование - уникальное наименование действующего вещества лекарственного средства, рекомендованное Всемирной организацией здравоохранения. (МНН) и данные о взаимодействиях различных АМП между собой.