Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: health-care

Sortuj według:

Ogranicz wyniki do:

Zastosowanie standardu HL7 dla automatycznego pozyskiwania wiedzy i przetwarzania jej w drodze analizy analogii przyczynowo-skutkowych

Turek M.

Bio-Algorithms and Med-Systems

2005

Vol. 1, no. 1/2

45--50

Nie ulega wątpliwości, iż w rozproszonych systemach przetwarzania wiedzy medycznej kluczowym elementem jest sprawna i uniwersalna komunikacja. Powstało już wiele standardów wymiany danych medycznych oferujących stosy protokołów zaadaptowanych do najróżniejszych celów. Spora cześć to standardy uniwersalne, operujące w wielu dziedzinach działalności medycznej jednocześnie - od diagnostyki, przez zaopatrzenie ośrodków po kwestie rozliczeń usług medycznych czy ubezpieczeń. Rzadko jednak spotyka się standardy przewidujące w swoich założeniach obsługę systemów przetwarzania wiedzy zdefiniowanej formalnie - czy to na poziomie migracji posiadanej przez system wiedzy, czy też udostępniania usług takiego systemu. Istnieje jednak możliwość rozwijania istniejących już opracowań o podprotokoły wspierające taką komunikację. Dobrą podstawą do tych modyfikacji jest standard Health Level 7 (HL7) [2], stosowany już obecnie w wielu krajach jako obowiązujący standard komunikacji w systemach medycznych. Artykuł ma na celu prezentację metody zastosowania standardu komunikacji systemów medycznych HL7 do wsparcia komunikacji w rozproszonym systemie pozyskiwania wiedzy typu health- care. Jednocześnie proponuje technikę przetwarzania możliwej do pobrania za pośrednictwem HL7 wiedzy. Celem jest zaproponowanie rozwiązania umożliwiającego wykrywanie analogii przyczynowo-skutkowych pomiędzy przypadkami klinicznymi (health-care). Analogie te postrzegane będą na podstawie dostarczanego przez otoczenie systemu zdarzeń. Na bazie pobieranych informacji metoda będzie zmierzać do proponowania decyzji lub ustalania przyczyn analogicznych do zaobserwowanych wcześniej sytuacji. Zdefiniowany zostanie schemat kodowania wiedzy, dopuszczający możliwość automatycznej rozbudowy bazy wiedzy w oparciu o postrzegane zdarzenia. Proponowana struktura będzie także rozpoznawalna dla eksperta dziedzinowego i łatwa do prezentacji graficznej, co umożliwi dalszą rozbudowę i wykorzystanie w ekspertyzach jednolitej bazy wiedzy pochodzącej zarówno z procesu samoistnego uczenia się (automatyczna analiza przypadków), jak i zdefiniowanej przez eksperta w dziedzinie. Przedstawiane rozwiązanie zakłada, że postrzegane zdarzenia dotyczące zarówno pomiarów, jak i podejmowanych przez aktora decyzji są statystycznie poprawne. Taka właśnie informacja jest naturalnie produkowana w wyniku funkcjonowania rzeczywistych instytucji, w których podejmuje się określone czynności bazujące na wcześniejszych pomiarach. Problemem jest automatyzowanie procedur doradczych i decyzyjnych realizowanych przez czynnik ludzki, które mogłoby polegać na uogólnianiu zarejestrowanych sytuacji i decyzji faktycznie kiedyś już podjętych w analogicznych sytuacjach. Dzięki analizie analogii przypadków występujących masowo rozwiązanie będzie w stanie zniwelować niewielki odsetek informacji błędnej, nie prezentując jej w wynikach późniejszych ekspertyz. Prostym przykładem zastosowania omawianego rozwiązania będzie wspomaganie decyzji podejmowanych wobec określonych obiektów na podstawie historii zdarzeń oraz stanów tych obiektów. Metoda umożliwia śledzenie serii zdarzeń, kodowanie ich w postaci reguł zestawiających te zdarzenia oraz analizę wpływu danych czynności na zmiany stanów obiektów. Obiektami takimi mogą być pacjenci kliniki medycznej powiązani ze zdarzeniami typu: - diagnostyka (określanie wartości danego parametru zdrowotnego w danej chwili), - wykonywanie zabiegów, aplikacja leków (wywołane w wyniku prawidłowych decyzji czynnika ludzkiego). Najlepsze wyniki metoda osiągnie w analizie obiektów występujących masowo posiadających zadaną pulę określonych skalarnie właściwości i stanów, oraz przechodzących w skutek odpowiednich czynności w nowe stany wynikowe.

Some useful knowledge about object behavior can be stored just in a set of object's attribute values and actions performed on it. This paper shows a way of tracing connections between some registered actions and results of these actions at affected objects and using it to predict a factor correlation on other objects. Proposed solution analyses incoming information stored in simple facts, consisting of object name, timestamp, factor name, and factor amount only. A special knowledge format, similar to rule-based knowledge structure is defined. Knowledge usage process, thanks to special knowledge format, will be able to use the data in two ways. They are very similar in implementation, but quite different in application. The first will produce decision support around the selected object and situation. The second will try to explain reasons of the selected object condition. Discussed solution will use a popular HL7 standard for knowledge migration and service providing communication.