RU103022U1 - Система дифференциации и анализа зарегистрированных клинических данных - Google Patents

Abstract

Система дифференциации и анализа зарегистрированных клинических данных, характеризующаяся тем, что содержит блок для ввода сведений об анамнезе с регистрацией даты проявления и жалоб пациента, блок для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блок для ввода сведений по результатам инструментально-лабораторных исследований с указанием даты и методов проведения исследований, блок со сведениями о способах и методах лечения и блок для отражения поставленного лечащим врачом диагноза, дифференциально-диагностическую матрицу, включающую в себя связанные между собой общей шиной базы данных клинических характеристик симптомов, анатомических объектов, расположения анатомических объектов и выраженности клинических показателей выраженности, и включающую также в себя связанные информационными каналами с блоком для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блоки описания клинической характеристики симптома, указания на анатомический объект, указания на расположение анатомического объекта и выраженности клинических показателей, при этом блок описания клинической характеристики симптома связан с базой данных клинических характеристик симптомов, блок указания на анатомический объект связан с базой данных анатомических объектов, блок указания на расположение анатомического объекта связан с базой данных расположения анатомических объектов, а блок выраженности клинических показателей связан с базой данных выраженности клинических показателей, причем дифференциально-диагностическая матрица выполне

Description

Полезная модель относится к медицине и может быть использована в поликлинической и стационарной медицинской помощи в качестве системы дифференциации и анализа зарегистрированных клинических данных (автоматизированной клинической информационно-интеллектуальной справочной системы - АКИСС), позволяющей проводить дифференциацию клинических и инструментально-лабораторных данных для установления диагноза (для диагностирования предварительных и окончательных диагнозов). Клиническая система в автоматизированном режиме функционирования предназначена для поддержки принятия врачебных решений при постановке диагноза (при проведении дифференциальной диагностики) и выборе (комплексных корригирующих методов лечения) методики лечения.

В медицинских учреждениях имеются перечни обязательных и дополнительных исследований и процедур, методов физиотерапевтического лечения пациентов. Имеются рекомендации Минздрава РФ и стандарты рационального обследования и медикаментозного лечения больных различных профилей. Выбор методик диагностики и лечения различных патологий производится лечащим врачом на основании вышеперечисленных средств и личного практического опыта лечащего врача и зав. отделением. Это ведет к различным трудовым и другим видам затрат медицинских учреждений здравоохранения в зависимости от выбранного метода на одну схему оказания помощи для одного пациента, от внесения корректировок в схему лечения, в связи с осложнениями или выявленной в процессе лечения сопутствующей патологии, что сложно учесть при определении фактических объемов работы персонала и качества оказания помощи. Кроме того, необходимо учитывать внедрение новых технологий и более современного оборудования, их полноценное использование, что также немаловажно для повышения качества оказываемых медицинских услуг.

Предыдущие попытки решить проблемы здравоохранения в части своевременного информационного обеспечения или введения статистических программ вовлекали различные формы автоматизации. Некоторые из этих попыток были в виде телефонной библиотеки ответов на медицинские вопросы. Другие попытки были направлены на обеспечение врачей автоматизированными средствами помощи для использования при обследовании пациента. Эти способы вовлекали статические процедуры или алгоритмы исходя их условия быстрой постановки диагноза и выбора метода лечения с помощью ЭВМ и с учетом заложенных в нее сведений и алгоритма ее работы: при этом ставилась задача автоматического установления диагноза самой машиной по набору типовых входных данных о пациенте, а не человеком-врачом. Такие разработки функционируют по алгоритму проведения интервью с пациентом для сбора необходимого и достаточного набора данных о пациента до степени насыщения, соответствующей, по крайней мере, одному из заложенных в ЭВМ медицинскому диагностическому сценарию. Такая схема построения ЭВМ на базе набора медицинских диагностических сценариев предусматривает участие доктора только на стадии ввода данных о пациенте и в конечном итоге приводит к формированию «удобного» сознания о том, что все можно подогнать к одному из сценариев. Участие доктора как специалиста и как главного участника-постановщика диагноза в данной системе медицинской помощи не рассматривается. Кроме того, такая система предполагает, что разработан эффективный способ представления медицинских знаний экспертов в своих специальностях в формате сценариев, которые постоянно насыщают базу данных этой ЭВМ. Сценарии должны использовать динамические структуры для быстрого и эффективного достижения диагноза пациента.

Примером такой автоматизированной системы является решение, описанное в WO 98/02836, G06F 19/00, опубл. 22.01.1998. В этом документе описана система автоматизированной диагностики, включающая повторяющееся в течение времени задавание вопросов для получения ответов от пациента, причем ответы устанавливают изменяющиеся во времени симптомы, а каждый установленный симптом прибавляет вес к болезни, выработку одного или более синергетических весов на основе установленных симптомов, при этом выработка синергетических весов включает установление синергетического симптома, накопление весов установленных симптомов и синергических весов для болезни, причем выбранный набор установленных симптомов, появляющийся в заданной последовательности во времени, добавляет дополнительный диагностический вес к болезни, и определение того, достигают порога или переходят порог полученные совокупные веса для болезни, на основании чего устанавливается и объявляется диагноз.

При формировании набора первичных данных о пациенте и набора симптомов система автоматической диагностики медицинского состояния формирует маршрутную карту лечения болезни, которую врач выбирает из набора списка болезней, которым присущи в большей или меньшей степени показатели течения болезни, связанные со списком симптомов, сформированным по первичным данным пациента: в этом случае доктор переключается с одного режима на следующий режим (переход с одного сценария на другой) для выбора на основе оценки совместных симптомов вероятного диагноза.

Данное техническое решение принято в качестве прототипа для заявленного объекта.

В известной системе диагностика осуществляется по схеме данных для диагностики болезни, согласно которой выявляют объект первой болезни, связанный с набором объектов симптомов первой болезни, в котором, по крайней мере, один объект симптомов первой болезни имеет действительный вес симптома, и выявляют объект второй болезни, связанный с набором объектов симптомов второй болезни, причем, по меньшей мере, один объект симптомов второй болезни соответствует, по меньшей мере, одному объекту симптомов первой болезни и имеет альтернативный вес симптома. При таком алгоритме оценке симптомов диагноз ставится по выбору болезни, для которой этот же симптом в других болезнях имеет минимальное значение.

Данная известная система в конструктивном плане содержит терминалы связи с системой (PC) оснащенные устройствами ввода/вывода информации и связанные по сети удаленного доступа с контроллером сообщения с подсистемой ввода первичной информации о каждом пациенте, в состав которой входит блок для ввода общих данных о пациенте, блок для ввода сведений об анамнезе с жалобами пациента и блок для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, при этом подсистема связана с базой данных, содержащих сценарии диагнозов и соответствующих им методов и способов лечения с указанием требуемого для этого фармацевтического компонента.

Недостаток данной системы, как клинической информационной системы или справочной системы информационно-интеллектуальной поддержки доктора при постановке диагноза и выработке методов лечения, заключается в том, что она построена по принципу размещения заболеваний, симптомов и вопросов в набор связанных структур заболеваний, симптомов и вопросов, таких как объекты или списки, чтобы к структурам можно было получить доступ для выработки диалога с пациентом. В известной системе дифференциация (или выбор) построена по принципу исключения понятий (клинических признаков, симптомов). Кроме того, в системе субъективные жалобы от пациента контролирует и устанавливает их объективность не медицинский специалист, а тестовая программа в автоматизированном режиме. Пациент может и не знать, где у него точно расположен тот или иной орган, жалобы на него могут провоцировать тестовый направленный поиск по ложному пути, система будет вести поиск исходя из заданных параметров, в итоге затраченное время и ложный результат. Ошибочным является то, что в процессе клинической дифференциации устанавливаются веса и синергия весового значения того или иного симптома, что приводит к оценке некоторого усредненного явления, а не присущего пациенту состояния (установка веса и синергия весового значения того или иного симптома заранее вкладываются в программу, как некий постоянный коэффициент). При таком подходе к оценке состояния пациента высока вероятность установления такого диагноза, которому присущ этот вес симптома (выявленный на основании вопросников только потому, что у пациента это проявление наиболее сильное и психологически подавляет менее выраженные формы проявления других симптомов), но на самом деле этот симптом может быть косвенным и являться результатом действия иного процесса. Необъективность описания первых выраженных симптомов, которые получает система от пациента на первом опросном этапе работы, обуславливает извлечение из базы данных ошибочного сценария болезни и ошибочность в постановке диагноза. Система не имеет возможности контроля за (диагностическим) течением болезни и результатами лечения, что препятствует проведению корректировки системы в части уточнения веса симптома или корректировки сценария.

Настоящая полезная модель направлена на достижение технического результата, заключающегося в повышении эффективности системы и достоверности результатов за счет осуществления процесса дифференциации и анализа зарегистрированных клинических данных (показателей клинического состояния больного, это данные жалоб и осмотра специалиста, а также лабораторно-инструментальных данных) по клиническим матрицам.

Указанный технический результат достигается тем, что система дифференциации и анализа зарегистрированных клинических данных содержит блок для ввода сведений об анамнезе с регистрацией даты проявления и жалоб пациента, блок для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блок для ввода сведений по результатам инструментально-лабораторных исследований с указанием даты и методов проведения исследований, блок со сведениями о способах и методах лечения и блок для отражения поставленного лечащим врачом диагноза (блок для отражения дифференциальных диагнозов лечащим врачом - так логичней), дифференциально-диагностическую матрицу, включающую в себя связанные между собой общей шиной базы данных клинических характеристик симптомов, анатомических объектов, расположению анатомических объектов и выраженности клинических показателей, и включающую так же в себя связанные информационными каналами с блоком для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блоки описания клинической характеристики симптома, указания на анатомический объект, указания на расположение анатомического объекта и выраженности клинических показателей, при этом блок описания клинической характеристики симптома связан с базой данных клинических характеристик симптомов, блок указания на анатомический объект связан с базой данных анатомических объектов, блок указания на расположение анатомического объекта связан с базой данных расположению анатомических объектов, а блок выраженности клинических показателей связан с базой данных выраженности клинических показателей, причем дифференциально-диагностическая матрица выполнена с функцией отбора (по сопряженным полям и установления значения) из каждой базы данных сведений, совпадающих со сведениями, веденными в соответствующий блок, связанный с этой базой данных, с уточнением объема этих сведений путем их сужения по корректирующим показателям сведений, отобранных из связанной с предыдущей базой данных следующей базы данных, на основании использования критерия точности совпадения, критерия достоверности совпадения, критерия вероятности совпадения и критерия сомнительности или отрицания совпадения.

Указанные признаки являются существенными и взаимосвязаны с образованием устойчивой совокупности существенных признаков, достаточной для получения требуемого технического результата (в виде дифференциальных диагнозов по которым врач специалист принимает решения).

Настоящая полезная модель поясняется конкретным примером исполнения, который, однако, не является единственно возможным, но наглядно демонстрирует возможность достижения требуемого технического результата.

На фиг.1 изображена блок-схема система дифференциации и анализа зарегистрированных клинических данных.

Согласно настоящей полезной модели рассматривается система дифференциации и анализа зарегистрированных клинических данных, которая может использоваться в комплексе информационной (информационно-интеллектуальной) поддержки лечебно-диагностического процесса путем регистрации, формализации, накопления, обмена, анализа и обработки индивидуальных и групповых медицинских данных в динамике. Система предназначена для повседневной клинической деятельности врачей различных специальностей при проведении дифференциальной диагностики различных заболеваний. Система использует программный метод проведения дифференциальной диагностики по группам множественных признаков и их сочетаний в общих сопряженных полях.

Основанием для принятия научно обоснованных врачебных решений в повседневной клинической практике врачей специалистов является результат проведения дифференциальной диагностики заболеваний. В большинстве случаев опытный врач после сбора анамнеза и обследования больного обычно сразу же ставит диагноз, более того, дифференцированный диагноз. Постановка дифференцированного диагноза является таким процессом мышления, который после приобретения определенных навыков и опыта становится практически подсознательным. Из-за быстротечности этого процесса установить его закономерности достаточно сложно, но они очень важны для снижения числа случаев ошибок при установлении диагноза, для обучения методам дифференциальной диагностики и разработки программных методов сопоставления выявленных патологических изменений с использованием компьютерных технологий.

Основой дифференциального диагноза является распознавание симптомов на основе тщательного наблюдения за клинической картиной больного и точная их регистрация. Все это составляет этап сбора и регистрации в базе общих и специализированных медицинских данных, клинических и инструментальных сведений по каждому конкретному больному. Следующим шагом является анализ и оценка этих данных, попытка установить значение отдельных симптомов, явлений, субъективных жалоб, результатов диагностических обследований, провокационных проб и их взаимосвязи.

После регистрации данных и их оценки следует дифференциация, учет этиологических, патогенетических или симптоматических проявлений, известных категорий и выбор среди них наиболее вероятных. Врачам было бы значительно легче, если бы весь этот процесс можно было провести на основе законов классической логики. К сожалению, это невозможно. Если бы в диагностике было возможно выделить явления и перевести их в отдельные категории, как в математике и в других точных науках, то вообще не потребовалось бы дифференциальной диагностики, все бы легко дифференцировалось и устанавливалось.

Для дифференциации необходимо знать диагностические алгоритмы и варианты, к которым можно отнести данный случай. Проведение дифференциальной диагностики и состоит в том, чтобы на основании имеющихся данных отнести комплекс наблюдаемых симптомов к тем категориям заболеваний, которые полностью или наиболее полно ему соответствуют. Следовательно, необходимо выявить и установить категорию заболевания, поставить диагноз, который смог бы объяснить наличие всех имеющихся в данном случае симптомов. Для этого и производят соответствующее деление заболеваний на основе определенных общих закономерностей.

Важным условием дифференцированного анализа полученной медицинской информации, является применение сравнительно-сопоставимого метода к одинаковым видам информации. Применяя дифференциальный анализ по множественным признакам, выявляются диагностические критерии, лежащие в основе проведения дифференциальной диагностики.

Для удобства проведения дифференциации с использованием базы медицинских данных, разработан классификатор разделения заболеваний на группы, разделяющиеся на подгруппы, которые, в свою очередь, разделяются на меньшие подгруппы, и так до конкретных единиц - заболеваний (разработан единый способ наполнения клиническими и иными данными (матрица) (на основе единого разработанного метода наполнения клиническими и иными данными в виде матрицы, которая обладает способностью разграничительного объединения симптомов в конкретном заболевании со всеми группами других заболеваний, в которых проявляются данные симптомы), включающим возможности матрица со всеми группами заболеваний, например заболевания сердца, пневмонии, периферической нервной системы, но все они входят в единую матрицу). В классической логике основа деления всегда является важным или существенным признаком. Однако на практике в большинстве случаев выбирают за основу наиболее целесообразный признак. В классической логике деление производится до конца на основе одного и того же признака. На практике при проведении дифференциального диагноза деление отдельных подгрупп по причине целесообразности может производиться по различным признакам.

При использовании деления на практике, оно в любом случае должно быть исчерпывающим: подгруппы должны охватывать все встречающиеся варианты. Не может быть использовано такое деление, которое, например, разделяет все менингиты на основе цитограммы ликвора и лейкоцитоза крови, так как существуют многие варианты течения данного заболевания, при которых результат исследования ликвора и лейкоцитоза крови практически не отличается. Ошибки при разделении можно избежать, если применить методы сравнения, сопоставления и выявления совпадений множественных показателей и признаков. Данные особенности дифференцированного анализа поступающих медицинских данных заложены в конструкции предлагаемой автоматизированной справочной системы информационной (информационно-интеллектуальной) поддержки лечебно-диагностического процесса.

Согласно настоящей полезной модели рассматривается система дифференциации и анализа зарегистрированных клинических данных, построенная по следующему алгоритму связей и функционирования. Система содержит блок для ввода сведений об анамнезе с регистрацией даты проявления и жалоб пациента, блок для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блок для ввода сведений по результатам инструментально-лабораторных исследований с указанием даты и методов проведения исследований, блок со сведениями о способах и методах лечения и блок для отражения поставленного лечащим врачом диагноза, дифференциально-диагностическую матрицу, включающую в себя, связанные между собой общей шиной базы данных клинических характеристик симптомов, анатомических объектов, расположению анатомических объектов и выраженности клинических показателей, и включающую так же в себя связанные информационными каналами с блоком для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блоки описания клинической характеристики симптома, указания на анатомический объект, указания на расположение анатомического объекта и выраженности клинических показателей, при этом блок описания клинической характеристики симптома связан с базой данных клинических характеристик симптомов, блок указания на анатомический объект связан с базой данных анатомических объектов, блок указания на расположение анатомического объекта связан с базой данных расположению анатомических объектов, а блок выраженности клинических показателей связан с базой данных клинических показателей выраженности, причем дифференциально-диагностическая матрица выполнена с функцией отбора из каждой базы данных сведений, совпадающих со сведениями, веденными в соответствующий блок, связанный с этой базой данных, с уточнением объема этих сведений путем их сужения по корректирующим показателям сведений, отобранных из связанной с предыдущей базой данных следующей базы данных, на основании использования критерия точности совпадения, критерия достоверности совпадения, критерия вероятности совпадения и критерия сомнительности или отрицания совпадения.

Ниже приводится пример конкретной реализации такой системы.

Система дифференциации и анализа зарегистрированных клинических данных (фиг.1) содержит внешнюю подсистему 1 ввода сведений о пациенте, которая включает в себя блок 2 для ввода сведений об анамнезе с регистрацией даты 3 проявления и жалоб 4 пациента, при этом в этот блок могут быть введены дополнительные сведения 5 об анамнезе жизни пациента с указанием дат 6 событий и их характере 7, что так же может быть распечатано на бумажном носителе 8. Во внешнюю подсистему входит блок 9 для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блок 10 для ввода сведений по результатам инструментально-лабораторных исследований с указанием даты 11 и методов 12 проведения исследований, блок 13 со сведениями о способах 14 и методах 15 лечения с указанием даты назначения 16 и блок 17 для отражения поставленного лечащим врачом диагноза, например, в виде предварительного 18 и окончательного 19 заключений.

Внешняя подсистема 2 связана информационно с дифференциально-диагностической матрицей 20, включающей в себя связанные между собой общей шиной 21 база 22 данных клинических характеристик симптомов, база 23 анатомических объектов, база 24 со сведениями по расположению анатомических объектов и база 25 выраженности клинических показателей, которые связаны с блоком 26 указания даты проявления жалобы, полученной при регистрации анамнеза больного.

Дифференциально-диагностическая матрица 20 так же включает в себя связанные информационными каналами с блоком 9 для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блок 27 описания клинической характеристики симптома, блок 28 указания на анатомический объект, блок 29 указания на расположение анатомического объекта и блок 30 выраженности клинических показателей.

В матрице блок 27 описания клинической характеристики симптома связан с базой данных 22 клинических характеристик симптомов, блок 28 указания на анатомический объект связан с базой данных 23 анатомических объектов, блок 29 указания на расположение анатомического объекта связан с базой данных 24 по расположению анатомических объектов, а блок 24 выраженности клинических показателей связан с базой данных 30 выраженности клинических показателей.

Дифференциально-диагностическая матрица выполнена с функцией отбора из каждой базы данных сведений, совпадающих со сведениями, веденными в соответствующий блок, связанный с этой базой данных, с уточнением объема этих сведений путем их сужения по корректирующим показателям сведений, обобранных из связанной с предыдущей базой данных следующей базы данных, на основании использования критерия точности совпадения, критерия достоверности совпадения, критерия вероятности совпадения и критерия сомнительности или отрицания совпадения.

В качестве критериев отобраны следующие: точный (Т) (специфический, патогномоничный, облигатный); достоверный (Д) (очень часто встречающийся, почти всегда присутствует); вероятный (В) (часто встречающийся, чувствительный); отрицания (О) (противоречащий, несовместимый, антагонист, указывающий на невозможность присутствия данного признака (симптома) при данном заболевании).

Для сопоставления характеристик нескольких признаков зарегистрированных врачами-специалистами в соответствующих разделах базы, используется метод единых сопряженных полей. Тем самым дифференциация нескольких единиц - заболеваний, проводится количественно по частоте встречаемости выявленных признаков с имеющимися таковыми в вариантах одной группы заболеваний.

Так, например, неврологом осмотрен больной с подозрением на серозный менингит (по МКБ-10 - G03). Регистрация полученных сведений осуществляется в системе по соответствующим полям (осуществляется в формализованном формате по соответствующим полям): жалобы (особенность головной боли, рвоты), анамнез (эпидемические особенности, пути передачи, период инкубации, температура), объективный статус (общий и неврологический осмотр - преобладающие симптомы и синдромы, менингеальные и энцефалические симптомы, их выраженности (система основана на присутствии семантики в описании симптомов и синдромов, т.е. всех клинических признаков, т.е. справочной подсказки проявления того или иного клинического признака), результаты лабораторного исследования крови и ликвора, результаты серологического и вирусологического исследования и т.д.. Количество сопряженных полей определяется пользователем, т.е. врачом-специалистом. После регистрации полученных сведений, проводится дифференциальная диагностика по соответствующим полям (выбранным произвольно), используя раздел дифференциальной диагностики неврологических заболеваний (используя блок дифференциации неврологических заболеваний по группам). Врачи-специалисты используют электронную обработку зарегистрированных сведений в системе, сопоставляют и сравнивают собранные и полученные от больного данные с имеющимися вариантами течения заболеваний данной подгруппы (происходит в автоматическом режиме) в справочнике дифференциальной диагностики неврологических заболеваний (менингиты энтеровирусной этиологии, паротитной этиологии, лимфоцитарный хориоменингит, менингиальная форма полиомиелита и т.д.). Результат выдается по представлению предварительных дифференциальных диагнозов, с их вероятным и достоверным проявлениям в данном клиническом случае, автоматически уточняющимся при внесении дополнительных выявленных данных (как объективно изменяющихся во времени симптомов клинического состояния больного, так и результатов проводимых в динамике различных исследований). Дифференциация проводится по следующему принципу: в блоке регистрации (введение) информации о больном, существуют разделы и поля идентичные по сопоставимости разделам и полям в матрице, т.е. логически сопряжены.). Дифференциация проводится матрицей 20, результат дифференциально-диагностического анализа представлен, условно, в виде графика, в котором каждому выявленному заболеванию дана оценка достоверности и вероятности, наличия у данного конкретного больного. Данная модель позволяет проводить широкополосную, множественную, многоуровневую систему дифференциации, что позволяет учитывать и выявлять самые редкие формы протекания заболевания, специфические и неспецифические формы проявления патологического процесса. Проводить дифференциацию можно и при отсутствии сознания у пациента, что является важным при оказании неотложной медицинской помощи.

После регистрации всех выявленных клинических признаков у пациента в результате обследования система позволяет клиницисту (т.е. оказывает информационно-интеллектуальную поддержку) быстро, качественно и профессионально оценить результат дифференциации, и выявить не только несколько патологических процессов, протекающих одновременно у одного и того же пациента, но и степень их выраженности и проявления по отношению друг к другу, что определяет приоритетное преимущество соответствующей специализированной терапии, т.е. оказывает информационную поддержку врачу при ведении лекарственной и иной терапии на разных стадиях проявления одного заболевания или одновременно протекающих несколько заболеваний.

Таким образом, особенностью разработанной системы является автоматизированный поиск и справочное (семантическое) сопровождение по вводимому термину при регистрации, дифференциальном сопоставлении и сопровождении клинических или других данных. Система обеспечивает информационно-интеллектуальное сопровождение лечебно-диагностического процесса, оказывая клиницисту поддержку в виде:

- предоставления результатов дифференциации в виде предварительных диагнозов при получении множества клинических критериев

- выдачи общих и специфических симптомов и синдромов по предоставленным диагнозам (предустановленный обновляемый справочник с возможностью оперативного пополнения);

- выдачи наиболее достоверных показателей лабораторно-инструментальных исследований по предоставленным диагнозам (предустановленный обновляемый справочник с возможностью оперативного пополнения персоналом Заказчика);

- составления форм стандартного обследования пациента при множестве дифференциальных диагнозов, выделяя наиболее целесообразные и рациональные методы исследования (элементы справочника/шаблоны формируются лечебным учреждением самостоятельно, либо производится формирование базового справочник, дальнейшая работа с которым производится персоналом)

- составления форм преимущественно, взаимосвязанного и наиболее целесообразного лечения пациента при множестве дифференциальных диагнозов (элементы справочника/шаблоны формируются клиницистами лечебного учреждения самостоятельно, либо производится формирование базового справочника с дальнейшей работой со справочником персоналом).

Компоненты подсистем (блоки) функционируют между собой по алгоритму связанных полей, согласно которому каждому вводимому признаку соответствует набор сопутствующих или ответных признаков, отбор из которых определяется по вероятностной схеме, по которой каждый дополнительный введенный признак ссужает поле сопутствующих или ответных признаков, относящихся к первому введенному признаку. Метод единых сопряженных полей обеспечивает возможность проведения дифференциации нескольких единиц - заболеваний количественно по частоте встречаемости выявленных признаков с имеющимися таковыми в вариантах одной группы заболеваний.

Настоящая полезная модель промышленно применима, позволит повысить эффективность принятия достоверного в отношении пациента решения и обеспечить оптимальное лечение.

Claims (1)

1. Система дифференциации и анализа зарегистрированных клинических данных, характеризующаяся тем, что содержит блок для ввода сведений об анамнезе с регистрацией даты проявления и жалоб пациента, блок для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блок для ввода сведений по результатам инструментально-лабораторных исследований с указанием даты и методов проведения исследований, блок со сведениями о способах и методах лечения и блок для отражения поставленного лечащим врачом диагноза, дифференциально-диагностическую матрицу, включающую в себя связанные между собой общей шиной базы данных клинических характеристик симптомов, анатомических объектов, расположения анатомических объектов и выраженности клинических показателей выраженности, и включающую также в себя связанные информационными каналами с блоком для ввода сведений о клинических исследованиях, проведенных лечащим врачом в отношении пациента, блоки описания клинической характеристики симптома, указания на анатомический объект, указания на расположение анатомического объекта и выраженности клинических показателей, при этом блок описания клинической характеристики симптома связан с базой данных клинических характеристик симптомов, блок указания на анатомический объект связан с базой данных анатомических объектов, блок указания на расположение анатомического объекта связан с базой данных расположения анатомических объектов, а блок выраженности клинических показателей связан с базой данных выраженности клинических показателей, причем дифференциально-диагностическая матрица выполнена с функцией отбора из каждой базы данных сведений, совпадающих со сведениями, веденными в соответствующий блок, связанный с этой базой данных, с уточнением объема этих сведений путем их сужения по корректирующим показателям сведений, отобранных из связанной с предыдущей базой данных следующей базы данных, на основании использования критерия точности совпадения, критерия достоверности совпадения, критерия вероятности совпадения и критерия сомнительности или отрицания совпадения.