Upload
alexey-neznanov
View
421
Download
3
Embed Size (px)
Citation preview
Современные математические модели медицинской информатики:
от статистики до интеллектуального анализа данных
А.А. Незнанов, к.т.н., доц.
© А.А. Незнанов, 2016
Медицинская информатика (МИ) [Medical informatics] Наиболее общее определение: the discipline, dedicated to the systematic
processing of data, information and knowledge in medicine and health care
Включает также: Клиническая информатика [Clinical Informatics], Оптимизация ухода за пациентами [Nursing Informatics]
Примыкает к: Биоинформатика [Bioinformatics]
Официальная история начинается в 1967 году с создания International Medical Informatics Association (IMIA)
С конца 1990-х годов – специализации в ведущих университетах (например, Гарвардской медицинской школе) В соответствии с новыми стандартами и сертификационными программами
(например, Board Certified in Clinical Informatics)
Число публикаций за последние пять лет – более 12000 статей только по базам Springer Link и Elsevier Science Direct!
Медицинская информатика
© А.А. Незнанов, 2016 2
Программируемые электронно-вычислительные машины (компьютеры)
Телекоммуникационные технологии
Базы данных
Онтологическое моделирование и базы знаний
Робототехника (телеприсутствие, робо-хирурги, роботизированные аптеки, …)
Молекулярная биология и фармацевтика
Средства объективной диагностики пациентов с выдачей показателей в цифровом виде
Доказательная медицина
Формализация стандартов медицинской помощи
Генетика и персонализированная медицина
Основные драйверы развития МИ
© А.А. Незнанов, 2016 3
Открытые данные в медицинской информатике Новые проекты
Проекты, поменявшие стратегию развития и предоставления данных
Интеграция основных медицинских онтологий До этого основные результаты относят к 1998-2000 годам
Nuance LinKBase (http://www.nuance.com/for-healthcare/resources/clinical-language-understanding/ontology/index.htm)
Всплеск интереса к системам поддержки принятия врачебных решений (CDSS)
Открытые API для мобильных решений
Обсуждение изменения законодательства
Пристальное внимание к качеству результатов научных исследований, включая клинические исследования Мечты о воспроизводимости (http://biomolecula.ru/content/1729)
Прорыв на рубеже 2012-2013 годов!
© А.А. Незнанов, 2016 4
Доказательная медицина или медицина, основанная на доказательствах [evidence-based medicine] – совокупность методологических подходов к медицинской практике, опирающихся на проверку эффективности любых клинических действий, причём эффективность обосновывается рандомизированными клиническими исследованиями В узком смысле это подразумевает, что решение о применении лечебных
или профилактических мер по отношению к пациенту принимается только исходя из существующих доказательств эффективности и безопасности этих мероприятий
В современном смысле термин введён в 1990 году введен группой ученых из Канады
Крупнейшая организация, специализирующаяся на доказательной медицине – The Cochrane Collaboration (http://www.cochrane.org) с лозунгом «Trusted evidence. Informed Decisions. Better health»
Доказательная медицина
© А.А. Незнанов, 2016 5
Клиническое исследование/испытание [Clinical study/trial] –исследование воздействия медицинских препаратов, приборов и методов лечения на человека (пациента) с целью выявления любых положительных или отрицательных результатов и оценки эффективности и безопасности предлагаемого средства
Клиническое исследование (КИ) должно быть как минимум рандомизированным двойным слепым, но также очень желательно – с проверкой плацебо-эффекта Такое КИ называется контролируемым или рандомизированным
(по главной процедуре )
Главная аббревиатура – РКИ
РКИ – статистический эксперимент специального вида!
Клинические исследования
© А.А. Незнанов, 2016 6
Основные свойства: Ослепление (Слепое исследование [Blind Study]) – одна или несколько
участвующих сторон не знают, как участвующие в КИ пациенты и/или средства разделены по группам лечения и контроля
Одинарное, двойное, тройное, полное
Рандомизация (Рандомизированное исследование [Randomized Study/Trial]) – пациенты распределяются по группам лечения на основе процедур рандомизации (для повышения равновероятности получения каждого из средств)
Стратификация [Stratification] – повышение равномерности распределения факторов риска (возраст, пол, избыточный вес, генетический маркер и др.) в группах лечения
Критерии включения/исключения [inclusion/exclusion criteria] –характеристики, которые позволяют / не позволяют пациенту принять участие в КИ
Свойства РКИ
© А.А. Незнанов, 2016 7
Медицинская статистика – отрасль статистики, изучающая явления и процессы в области здоровья населения и здравоохранения
Задачи медицинской статистики: Разработка специальных методов исследования массовых процессов и
явлений в медицине и здравоохранении
Выявление наиболее существенных тенденций в здоровье населения во взаимосвязи с конкретными условиями и образом жизни
Особенности Акцент на анализе временных рядов, анализе выживаемости и и
специальных методах подготовки данных
Развивалась ещё до формулировки термина «доказательная медицина» и дала много результатов, обогативших другие отрасли
Медицинская статистика
© А.А. Незнанов, 2016 8
Цензурированные наблюдения – наблюдения, которые содержат неполную информацию Пример: «пациент A был жив, по крайней мере, 4 месяца с момента начала
наблюдений до момента перевода в другую клинику, когда контакт с ним был потерян»
Наблюдения формализуются в виде «событий» разных типов на временной оси
Дополнительный механизм – Отсечение данных [truncation]
Влияет ли вариант учёта цензурирования на результаты КИ? Да!
Prasad V., Bilal U. The role of censoring on progression free survival: Oncologist discretion advised // European Journal of Cancer, vol. 51, 2015. – pp. 2269-2271.
Цензурирование и отсечение наблюдений
© А.А. Незнанов, 2016 9
Правостороннее цензурирование [right censoring] – ситуация, когда участник выбывает из рассмотрения (конец периода КИ или потеря связи) до момента наступления события То есть мы не знаем, произошло событие или нет (а если произошло,
то – когда) после некоторой заданной отметки времени!
Относительно частая ситуация
Два типа правостороннего цензурирования (механизмы учёта):
[Type 1] Абсолютно случайное выпадение из рассмотрения и/или заданная дата окончания КИ
[Type 2] Достижение заданного числа событий
Левостороннее цензурирование [left censoring] – ситуация, когда событие уже произошло до момента включения участника в КИ То есть мы знаем, что событие произошло, но не знаем, в какой момент
времени в прошлом до некоторой заданной отметки времени!
Редкая ситуация
Виды цензурирования
© А.А. Незнанов, 2016 10
Отсечение обязательно фиксируется в дизайне КИ!
Отсечение справа [right truncation] – все участники уже участвовали в терминальном событии Классический пример: КИ на базе данных клинического онкорегистра
Отсечение слева [left truncation] – все участники заведомо будут участвовать в терминальном событии Классический пример: исследование дожития при определённых свойствах
пациентов 60-летнего возраста
В большинстве КИ приходится иметь дело с правосторонним цензурированием и отсечением слева
Отсечение
© А.А. Незнанов, 2016 11
Графики жизни при различных вариантах цензурирования
Пример цензурирования наблюдений
© А.А. Незнанов, 2016 12
?
?
Objects
Time to event
Начало наблюдений
Окончание наблюдений
Нет цензурования
Левостороннее
Правостороннее
Правостороннее
Интервальное
t1t0
Анализ выживаемости [Survival analysis] – область медицинской статистики, занимающаяся оценкой вероятности наступления события некоторого типа на основе истории аналогичных событий
В методах анализа выживаемости вместо функции распределения удобнее использовать функцию выживания –вероятность того, что объект проживет время большее t
Описательные методы исследования цензурированных данных: Построение таблиц времен жизни
Подгонка распределения выживаемости
Оценивание функции выживания с помощью процедуры Каплана-Мейера
Другие непараметрические статистические оценки применяются в исключительных случаях
Введение в рассмотрение факторов риска и оценивание кумулятивных конкурирующих рисков
Разнообразие моделей (Самая известная – Cox)
Анализ выживаемости
© А.А. Незнанов, 2016 13
На практике необходимо понимать, как минимум, когда пациенты выбывали из рассмотрения Пример из CancerGuide (http://cancerguide.org/scurve_km.html):
Учёт цензурирования при визуализации функций выживаемости
© А.А. Незнанов, 2016 15
Superiority Обоснование
превосходства
Equivalence Обоснование
эквивалентности
Non-inferiority Обоснование
не меньшей эффективности
Постановки проблем при сравнении
© А.А. Незнанов, 2016 16
Проведение и использование результатов РКИ – огромная высокотехнологичная отрасль!
Стандарты и указания International Conference on Harmonization of Technical Requirements for
Registration of Pharmaceuticals for Human Use (ICH) (http://www.ich.org)
CONSORT – Consolidated Standards of Reporting Trials (http://www.consort-statement.org)
Сервис уведомлений об изменении нормативных актов PharmaSchool Regulatory Updates (http://www.pharmaschool.co/regupdates.asp)
Guidance for Industry - E9 Statistical Principles for Clinical Trials, 1998 (и далее…)(http://www.fda.gov/downloads/drugs/guidancecomplianceregulatoryinformation/guidances/ucm073137.pdf)
Регистры РКИ Пример одного из наиболее важных регистров РКИ – ClinicalTrials.gov
(http://clinicaltrial.gov)
NCI’s Clinical Trials Programs (http://www.cancer.gov/clinicaltrials)
EU Clinical Trials Register (https://www.clinicaltrialsregister.eu)
Australian Clinical Trials (https://www.australianclinicaltrials.gov.au/clinical-trial-registries)
Технологии РКИ (1)
© А.А. Незнанов, 2016 18
Клинические регистры и службы сопровождения [Clinical Trial Management Software] Пример веб-службы – Sealed envelop: Randomisation and online databases for
clinical trials (https://www.sealedenvelope.com)
Пример интегрированной среды – Bio-Optronics Clinical Conductor (http://bio-
optronics.com/clinical-conductor)
Средства планирования и анализа результатов Универсальные R, SAS, SPSS, XLSTAT и др.
Создаются многочисленные расширения для нужд медицинской статистики
Хороший пример: Survival data analysis (http://www1.karlin.mff.cuni.cz/~pesta/NMFM404/survival.html)
Специальные средства, например Aptiv Solutions ADDPLAN (http://www.aptivsolutions.com/addplan-software)
Интеграционные средства Пример – средства, поддерживающие стандарт HL7 (http://www.hl7.org)
Технологии РКИ (2)
© А.А. Незнанов, 2016 19
ClinicalTrials catalog (http://cran.r-project.org/web/views/ClinicalTrials.html) Например, Package Survival (http://cran.r-
project.org/web/packages/survival/survival.pdf)
Пример вызова (на основе тестовых данных, входящих в Surv):1. library(survival);
2. library(KMsurv);
3. library(OIsurv);
4. data(psych);
5. attach(psych);
6. my.surv <- Surv(age, age+time, death);
7. my.surv;
8. detach(psych);
9. survfit(my.surv ~ 1);
10. my.fit <- survfit(my.surv ~ 1);
11. plot(my.fit, main="Kaplan-Meier estimate with 95% confidence bounds", xlab="time", ylab="survival function")
R Packages
© А.А. Незнанов, 2016 22
Весьма ограниченное понимание статистики другими специалистам
Сложность разработки «дизайна РКИ» Top Five Mistakes in Clinical Protocol Design (http://www.ask-
cato.com/2014/10/top-five-mistakes-clinical-protocol-design)
Вопросы интерпретации результатов Ten Most Common Mistakes in Clinical Trial Interpretation
(http://www.slideshare.net/clinicaltrialist/intellectual-optical-illusions-in-clinical-trials-
slidecast-version)
Подлоги The vaccine-autism connection: a public health crisis caused by unethical medical
practices and fraudulent science, Dennis K Flaherty, Annals of Pharmacotherapy, 45(10):1302-4, 2011 (http://www.ncbi.nlm.nih.gov/pubmed/21917556)
Проблемы РКИ
© А.А. Незнанов, 2016 23
Доказательная медицина – магистральный путь развития здравоохранения
Без РКИ не было бы не только вполне понятного повышения эффективности ранее известных методов, но и столь бурного развития высокотехнологичной медицинской помощи (ВМП) Более того – не было бы даже намёка на персонализированную медицину
В России – всё очень печально, но есть надежда Ассоциация организаций по клиническим исследованиям (http://acto-
russia.org) Перевод международной нормативной базы
Продвижение стандартов и «лучших практик»
Акцентирование проблем и совместный поиск решений
Промежуточные выводы
© А.А. Незнанов, 2016 24
Новые требования к предоставлению результатов
Развитие CONSORT (Consolidated Standards of Reporting Trials) Statement(http://www.consort-statement.org)
Reporting of Noninferiority and Equivalence Randomized Trials - Extension of the CONSORT 2010 Statement (http://jama.jamanetwork.com/article.aspx?articleid=1487502)
Standards for reporting randomized controlled trials in medical informatics: a systematic review of CONSORT adherence in RCTs on clinical decision support (http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3240766)
Новые методы обработки результатов
A tutorial on sensitivity analyses in clinical trials: the what, why, when and how(http://www.biomedcentral.com/1471-2288/13/92)
The Extent and Consequences of P-Hacking in Science(http://journals.plos.org/plosbiology/article?id=10.1371/journal.pbio.1002106)
Учёт и контроль ошибок на всех этапах
Office of Research Integrity (https://ori.hhs.gov/case_summary)
Кстати – о «глюках» в публикациях: http://retractionwatch.com
От «результатов» РКИ к «знаниям»
© А.А. Незнанов, 2016 25
Основная цель МИ – повышение качества здравоохранения за счет применения современных алгоритмов анализа и обработки данных на всех этапах оказания медицинской помощи
Задачи Повышение качества медицинских данных (без дополнительной нагрузки на
пациента)
Менеджмент и управление операциями в клинике
Принятие решений
Факторный анализ результатов клинического исследования
Компьютерная диагностика
Математическое моделирование
Интеграция и стандартизация
Конфиденциальность и обмен данными
...
Цель и примеры задач современной МИ
© А.А. Незнанов, 2016 26
Многоуровневое регулирование сферы здравоохранения => непроизводительные затраты и время
Жесткие требования надёжности и информационной безопасности => повышение стоимости и понижение удобства
Трудность пилотного развёртывания решений
Огромная косность мышления и кадровые проблемы
Отсутствие ясно выраженных плюсов к дальнейшему развитию большинства методов для большинства врачей и медперсонала после решения локальных критических проблем
Интеграция большого числа разнородных компонентов МИС
НО! Наличие явных плюсов и синергетический эффект от комплексного внедрения решений!
Основные проблемы
© А.А. Незнанов, 2016 27
Базовые медицинские системы (МИС) – управление историями болезни и карточками пациентов (Electronic Healthcare Records)
Лабораторные информационные системы – автоматизация лабораторных исследований
Системы диагностики реального времени – поддержка реанимационных мероприятий и др.
Системы поддержки принятия врачебных решений – экспертные системы в клинической практике
Системы трансфузиологии – управление донациями и компонентами крови
PACS-системы – накопление и анализ мультимедийных диагностических данных
Клинические регистры – сопровождение рандомизированных клинических исследований
Телемедицинские системы – организация удалённой коллективной работы, телеконференций, телеприсутствия
И многие другие …
Медицинские информационные системы
© А.А. Незнанов, 2016 29
До 1990 г. – исследования + EHR
С 1990 гг. – резкое удешевление персоналок – локальные и клиент-серверные системы, повсеместное внедрение в США Европе
С 2000 гг. – новое поколение МИС, интероперабельность, веб-интерфейсы, интеграция с диагностическими системами
С 2010 гг. – резкое удешевление обработки больших данных, реальное внедрение крупномасштабной аналитики, начало поддержки персонализированной медицины
С 2012 г. – появление полноценных интерфейсов для пациентов и методология постоянного сопровождения, носимое медицинское оборудование
История развития МИС
© А.А. Незнанов, 2016 30
В первую очередь – новые возможности систем поддержки принятия врачебных решений (CDSS) Майнинг данных
Выявление знаний в неструктурированных данных (тексты, изображения)
Визуализация
Согласование знаний: как в рамках предметных областей, так и междисциплинарных Онтологическое моделирование: формализация и уточнение понятий и
связей между ними, интеграция онтологий
Стандарты на обмен знаниями
Новые методы обработки и интерпретации результатов РКИ Новый уровень метаанализа (анализа результатов нескольких РКИ в одной
области за многие годы)
Что даёт интеллектуальный анализ данных?
© А.А. Незнанов, 2016 31
Важнейшее направление – базис нового поколения баз знаний и систем анализа медицинских данных
Развивается во всех предметных областях – от общей терминологии и связи базовых понятий медицины (метаонтологии) до заболеваний, симптомов, возбудителей, лекарственных препаратов и их компонентов, методов лечения, геномных маркеров и т.д.
Многие онтологии свободны и доступны для непосредственного использования через web-сервисы или пользовательские web-интерфейсы
Приведём лишь несколько примеров
Онтологическое моделирование в медицине
© А.А. Незнанов, 2016 32
Основные метаонтологии Глобальный медицинский тезаурус Unified Medical Language System (UMLS)
Metathesaurus (http://www.nlm.nih.gov/research/umls/quickstart.html)
Интегратор источников данных и метаонтологий SNOMED Clinical Terms(SNOMED CT) (http://www.ihtsdo.org/snomed-ct)
Technical Implementation Guide (http://ihtsdo.org/fileadmin/user_upload/doc/en_us/tig.html)
SNOMED® In Action (http://snomedinaction.org/sct-table.html)
Medical Subject Headings (MeSH) (http://www.nlm.nih.gov/mesh/meshhome.html)
Medical Dictionary for Regulatory Activities (MedDRA) (http://www.meddra.org)
HL7 Reference Information Model(http://www.hl7.org/implement/standards/rim.cfm)
Онтологическая поддержка (1)
© А.А. Незнанов, 2016 33
Открытые предметные онтологии Международная классификация болезней и проблем, связанных со здоровьем
International Classification of Diseases (ICD) (http://www.who.int/classifications/icd/en) ICD10Data.com (http://www.icd10data.com)
Нормализованные названия лекарственных препаратов RxNorm(http://www.nlm.nih.gov/research/umls/rxnorm/index.html)
Набор из 35 источников данных BIO2RDF - Linked Data for the Life Sciences (http://download.bio2rdf.org/release/3/release.html)
Платформа Open PHACTS (http://www.openphacts.org) The Open Biological and Biomedical Ontologies ( ) Hymenoptera Anatomy Ontology Portal
(http://api.hymao.org/projects/32/public/site/hymglossary/home/about) Инструменты группы Medical Ontology Research (http://mor.nlm.nih.gov) Пример онтологии медицинских публикаций PubMed Ontology (http://aber-
owl.net/aber-owl/pubmed) Онтологии Gene Ontology Consortium (http://www.geneontology.org) …
Онтологическая поддержка (2)
© А.А. Незнанов, 2016 34
Семантическая интероперабельность результатов диагностических исследований на основе SNOMED CT Сурин Максим, кафедра медицинской кибернетики и информатики РНИМУ
им. Н.И. Пирогова
Одна из первых ласточек в России
© А.А. Незнанов, 2016 35
Примеры новых проектов или проектов, сменивших стратегию Project Data Sphere (https://www.projectdatasphere.org)
The Cancer Genome Atlas (http://cancergenome.nih.gov)
NCI Data Catalog (http://www.cancer.gov/research/resources/data-catalog)
…
Появление «больших данных» [Big Data]
Проекты по удостоверению воспроизводимости Уточнение методологии доказательной медицины
Без полноценной открытости данных не может быть нормального развития доказательной медицины в высокотехнологичных областях!
Открытые медицинские данные
© А.А. Незнанов, 2016 36
«Project Data Sphere, LLC (PDS), an independent, not-for-profit initiative of the CEO Roundtable on Cancer's Life Sciences Consortium (LSC)» «The Project Data Sphere platform (www.projectdatasphere.org) was launched in
April of 2014»
«As a community, we must do more to drive progress. Cancer research is too slow. Making a difference demands a change in the research paradigm»
Бесплатно: данные + протоколы!
Образование сообществ исследователей
Базовые аналитические инструменты
Project Data Sphere
© А.А. Незнанов, 2016 37
Департамент анализа данных и искусственного интеллекта факультета компьютерных наук НИУ ВШЭ (http://cs.hse.ru/ai)
Направление подготовки «Прикладная математика и информатика»
Магистерская программа «Науки о данных» [Data Science]
Дисциплины «Введение в медицинскую информатику», «Практикум по анализу данных в медицине»
Проекты по анализу данных в медицины Структурированных данных диагностики и назначений
Текстов на естественном языке – историй болезни, осмотров и т.п.
Мультимедийных данных
Проекты по оптимизации бизнес-процессов в медицине
Проекты по развитию медицинской статистики и поддержке рандомизированных клинических исследований
Проекты ДАДиИИ НИУ ВШЭ
© А.А. Незнанов, 2016 40
Математика (медицинская статистика, методы оптимизации, анализ временных рядов, …)
Анализ данных и методы искусственного интеллекта (майнингданных, визуализация данных, машинное обучение, компьютерная лингвистика, рекомендательные системы, онтологичекое моделирование)
Программная инженерия (МИС)
Робототехника
Менеджмент и оптимизация бизнес-процессов
Образовательные аспекты МИ: области знания
© А.А. Незнанов, 2016 41
Улучшение качества включает в себя: Минимизацию побочных эффектов для пациента
Создание алгоритмов для повышения «веса» наиболее диагностически-важных факторов в снимке
Анализ факторов восприятия качества снимка человеком
Проект 1: Улучшение качества изображений
© А.А. Незнанов, 2016 42
Удаление шума для понижения дозы радиации при сканировании пациента:
Проект 1: Улучшение качества изображений
© А.А. Незнанов, 2016У
дал
ени
е шум
а на скан
ере
Сравнимое качество
43
Улучшение диагностического качества изображений
Проект 1: Улучшение качества изображений
© А.А. Незнанов, 2016
Улучшение качества
44
Современная клиника – это сложная «фабрика» по оказанию медицинских услуг
МИ помогает анализировать и оптимально управлять различными процессами в клинике
Одно из направление – моделирование различных этапов обслуживания
Проект 2: Управление операциями
© А.А. Незнанов, 2016
Service
Line1
Line2
Line3
45
Основной разработчик: О.С. Пьяных
Пример – моделирование потока пациентов. Например, можем ли мы предсказать время ожидания пациента?
Сложная, нелинейная задача:
Проект 2: Управление операциями
© А.А. Незнанов, 2016
Поток пациентов в клинике
Максимальное кол-во пациентов в единицу
времени
Среднее кол-во пациентов в
единицу времени
46
Построенная модель и предсказанное ею время ожидания пациента:
Проект 2: Управление операциями
© А.А. Незнанов, 2016
0
5
10
15
20
25
30
35
40
1 51 101 151 201 251 301 351 401 451 501
W
Предсказание времени ожиданияРеальное время
Предсказанное время (модель)
47
Оптимизация выделения ресурсов
© А.А. Незнанов, 2016
Fixed supply
Optimal supply
See:Brunner JO, Bard JF, Kolisch R., “Flexible shift scheduling of physicians”, Health Care Manag Sci. 2009 Sep;12(3):285-305.
Задачи целочисленного линейного/нелинейного
программирования
48
Большой объем медицинских данных требует автоматических алгоритмов сегментации – разделения данных на области и анатомические органы
Задача должна решаться в реальном времени, устойчиво к шуму и артефактам
Проект 3: Сегментация изображений
© А.А. Незнанов, 2016 49
Интерактивные алгоритмы сегментации помогают врачу быстро и надежно определить 3D-границы интересующей области:
Проект 3: Сегментация изображений
© А.А. Незнанов, 2016
Сегментация почек
50
Существует много процессов, которые могут быть оптимизированы только при участии эксперта
Эксперт заинтересован в моделях анализа, которые: Просто интерпретируются
Уточняются (детализируются) на нескольких уровнях
На верхнем уровне имеют небольшой размер (обозримы)
Строятся за разумное время
Пример – модель траекторий госпитализаций пациентов Большое число параметров и скрытого знания
Проект 4. Оптимизация госпитализаций
© А.А. Незнанов, 2016 51Основные разработчики: А.В. Бузмаков, С.О. Кузнецов
Траектории госпитализаций изучаются с помощью «узорных структур» [Pattern Structures] – формализма теории анализа формальных понятий
Проект 4. Оптимизация госпитализаций
© А.А. Незнанов, 2016 52
Основа доказательной медицины и значимый раздел клинической информатики
Базируются на медицинской статистике и различных регистрах
Стандартизованы и обладают развитой методологией (http://acto-russia.org)
Поддерживаются развитыми базами данных и знаний Например: http://www.controlled-trials.com, http://www.clinicaltrials.gov
Актуальные задачи Эффективное сопровождение мультицентровых исследований
Оптимизация дизайна исследования
Повышение эффективности анонимизации и ослепления
Новые методы анализа результатов
Мета-анализ
Проект 5. Математическое сопровождение рандомизированных клинических исследований
© А.А. Незнанов, 2016 53
Что такое ФНКЦ ДГОИ им. Дмитрия Рогачева?
Федеральный научно-клинический центр детской ГЕМАТОЛОГИИ, ОНКОЛОГИИ И ИММУНОЛОГИИ им. Д. Рогачева Крупнейший в Европе центр по
лечению и исследованию онкологических заболеваний детей и подростков
Под руководством ведущих специалистов ФНКЦ ДГОИ ведётся разработка и внедрение эффективных протоколов терапии заболеваний крови, злокачественных новообразований, патологий иммунной системы и других тяжелых заболеваний детского возраста
Для повышения эффективности лечения и организации научных исследований в ФНКЦ ДГОИ активно разрабатываются и внедряются современные информационные системы и технологии
© А.А. Незнанов, 2016 54
Что такое ФНКЦ для специалиста в ИТ?
© А.А. Незнанов, 2016 55
Исключительно сложные больные с опасными заболеваниями Их судьба зависит от согласованности и
эффективности работы всех врачей и сотрудников разных подразделений
Необходимость адекватного сопровождения больных и грамотной организации работы персонала (оптимизация основных и вспомогательных бизнес-процессов)
С точки зрения информатизации, оптимизации и анализа данных Сложность структуры (
> 100 подразделений, > 1200 сотрудников)
Уникальность многих элементов для России
Совершенно новые информационные системы и пилотные проекты
Участие в федеральных проектах в области здравоохранения
Активная научно-исследовательская и образовательная деятельность
Суть РКИ: для детей, больных лейкозом, случайным образом выбирается один из двух вариантов протокола лечения В среднем эффект от лечения одинаков
Можно ли выделить и описать подгруппы пациентов, в которых один из видов лечения значительно эффективнее другого?
Суть предложения – использование специальных видов кластеризации и порождения гипотез на основе различных методов машинного обучения
Обнаружение знаний в задаче сравнения эффективности стратегий лечения
© А.А. Незнанов, 2016 56Основные разработчики: Н.В. Корепанова, С.О. Кузнецов
Идея
Стандартные подходы к оценке выживаемости: Кривые выживаемости Каплан-
Майера (на рисунке) Логранговый критерий Модель Кокса и тд.
Предложенный подход: Найти пары физиологически схожих
пациентов Разбить пары на группы согласно
эффективности каждого из двух видов лечения
Попытаться описать эти группы методами машинного обучения
Проверить полученные гипотезы стандартными инструментами анализа выживаемости
© А.А. Незнанов, 2016 57
Для пациентов с пальпируемым размером селезенки ≥ 3,5 см в возрасте старше 6,6 лет и pre-pre-B или pre-B иммуно-фенотипом метилпреднизолон в дозе 60 мг/м2/сут (MePRED) значимо эффективнее, чем дексаметазон в дозе 6 мг/м2/сут(DEXA)
Всего таких пациентов 47
При лечении всех пациентов MePRED, возможно, удалось бы спасти около 8 пациентов, т.е. порядка 1/6 всей группы (в отсутствие других факторов) С учётом максимальной поправки на множественные сравнения – 2 пациентов
Пример подтверждённой гипотезы
© А.А. Незнанов, 2016 58
Показаны графики выживаемости в 2 группах
Медицинская информатика всё более востребована в здравоохранении как прикладная дисциплина, ориентирующая на достижение реального результата Интересные приложения математики, информатики, менеджмента, …
Новые технологии открывают новые возможности Изменения методологии, методов и инструментов
Выводы
© А.А. Незнанов, 2016 59
Контакты: Алексей Незнанов, к.т.н., доц., член IEEE и IGIP
School of Data Analysis and Artificial Intelligence, Faculty of Computer Science, NRU HSE, Moscow, Russia
E-mail: [email protected]
Web-site: http://hse.ru/staff/aneznanov
Blog: http://siberianshamanssongs.blogspot.ru (RU)
Вопросы?
© А.А. Незнанов, 2016 60