مرجع
آخر الزيارات

نظام دعم القرار السريري

1٬042 كلمة•0 مشاهدة•🗒️ منذ يومين
باختصار: نظام دعم القرار السريري (CDSS) هو معلومات صحية، يزود الأطباء والموظفين والمرضى أو الأفراد الآخرين بالمعرفة والمعلومات الخاصة بالشخص للمساعدة في الرعاية الصحية. تجد هنا «دمج التعلم الآلي في التعليم الطبي»، «القائم على المعرفة» و«الغرض» ضمن 5 أقسام.
المحتويات
  1. دمج التعلم الآلي في التعليم الطبي
  2. القائم على المعرفة
  3. الغرض
  4. الخصائص
  5. الغير قائمة على المعرفة

قبل الخوض في التفاصيل، نظام دعم القرار السريري (CDSS) هو معلومات صحية، يزود الأطباء والموظفين والمرضى أو الأفراد الآخرين بالمعرفة والمعلومات الخاصة بالشخص للمساعدة في الرعاية الصحية.  يشمل النظام مجموعة متنوعة من الأدوات لتعزيز اتخاذ القرار في سير العمل السريري. تتضمن هذه الأدوات التنبيهات المحوسبة والتذكيرات لمقدمي الرعاية والمرضى، والإرشادات السريرية، ومجموعات الطلبات الخاصة بالحالة، وتقارير وملخصات بيانات المريض المركزة، وقوالب التوثيق، والدعم التشخيصي، والمعلومات المرجعية ذات الصلة بالسياق، من بين أدوات أخرى. اقترح روبرت هايوارد من المركز تعريفًا عمليًا للأدلة الصحية: تربط أنظمة دعم القرار السريري بين الملاحظات الصحية والمعرفة الصحية للتأثير في الخيارات الصحية التي يتخذها الأطباء لتحسين الرعاية الصحية. وتعرض الأقسام التالية جوانب أخرى من الموضوع.

دمج التعلم الآلي في التعليم الطبي

في هذا الإطار، مع تطور المعلوماتية الصحية، بدأ دمج خوارزميات التعلم الآلي ضمن أنظمة دعم القرار السريري كأداة أساسية في التعليم الطبي. تتيح هذه الأنظمة للمتدربين تقييم مسارات تشخيصية معقدة بناءً على كميات ضخمة من البيانات السريرية التاريخية. ويشير الباحثون إلى أن هذا الدمج يقلل من الأخطاء التشخيصية ويوفر بيئة تدريبية دقيقة تعتمد على التحليلات التنبؤية المتقدمة قبل اتخاذ القرارات السريرية المباشرة.

القائم على المعرفة

من جانب آخر، هناك حاجة إلى لغة تعبير مثل GELLO أو CQL (لغة الجودة السريرية) للتعبير عن المصنوعات المعرفية بطريقة قابلة للحساب. مثلًا: إذا كان المريض مصابًا بداء السكري، وإذا كانت نتيجة اختبار الهيموجلوبين A1c الأخيرة أقل من 7٪، فنوصي بإعادة الاختبار إذا كان أكثر من ستة أشهر، ولكن إذا كانت نتيجة الاختبار الأخيرة أكبر من أو تساوي 7٪، ثم أوصي بإعادة الاختبار إذا كان قد مر أكثر من ثلاثة أشهر.

كذلك، تتكون أغلب النظام من ثلاثة أجزاء: قاعدة المعرفة، ومحرك الاستدلال، وآلية التواصل. تحتوي قاعدة المعرفة على القواعد والجمعيات الخاصة بالبيانات المجمعة، التي غالبًا ما تتخذ شكل قواعد. IF-THEN إذا كان هذا نظاماً لتحديد التفاعلات الدوائية، فقد تكون القاعدة هي أنه إذا تناول الدواء س  وتناول العقار صY، فحينئذٍ تنبيه المستعمل  باستخدام واجهة أخرى، يمكن للمستعمل المتقدم تحرير قاعدة المعرفة لإبقائها محدثة بأدوية جديدة.

ومن جهة أخرى، يجمع محرك الاستدلال بين القواعد من قاعدة المعرفة وبيانات المريض.  تسمح آلية الاتصال للنظام بإظهار النتائج للمستعمل، إضافةً إلى إدخال مدخلات في النظام.

وفي السياق ذاته، التركيز الحالي لـ HL7 CDS WG هو البناء على لغة الجودة السريرية (CQL). أعلنت المراكز الأمريكية للخدمات الطبية والرعاية الطبية (CMS) أنها تخطط لاستخدام CQL لمواصفات مقاييس الجودة السريرية الإلكترونية (eCQMs).

الغرض

كذلك، نهج آخر، تستعمله الخدمة الصحية الوطنية في إنجلترا، هو استخدام نظام دعم قرار التشخيص  لفرز الحالات الطبية بعد ساعات من طريق اقتراح الخطوة التالية المناسبة للمريض. مثلًا، اتصل بسيارة إسعاف، أو راجع ممارسًا عامًا في يوم العمل التالي. الاقتراح، الذي قد يتجاهله المريض أو عامل الهاتف إذا كانت الفطرة السليمة أو الحذر يقترح خلاف ذلك. يستند إلى المعلومات المعروفة والاستنتاج الضمني حول ما يمكن أن يكون عليه التشخيص الأسوأ؛ لا يجري الكشف عنها دائمًا للمريض لأنها قد تكون غير صحيحة ولا تستند إلى رأي شخص مدرب طبيًا فهي تستعمل فقط لأغراض الفرز الأولي.

وفي السياق ذاته، يعتمد تصنيف مهم آخر لـ النظام على توقيت استخدامه، يستعمل الأطباء هذه الأنظمة في نقطة الرعاية لمساعدتهم في أثناء تعاملهم مع مريض، مع توقيت استخدامها إما بالتشخيص المسبق أو في أثناء التشخيص أو بعده. تساعد أنظمة النظام للتشخيص المسبق يقوم الطبيب بإعداد التشخيص. تساعد النظام في مراجعة وتصفية الخيارات التشخيصية الأولية للطبيب لتحسين النتائج. تستعمل أنظمة النظام بعد التشخيص لاستخراج البيانات لاشتقاق الروابط بين المرضى وتاريخهم الطبي السابق والبحوث السريرية للتنبؤ بالأحداث المستقبلية. اعتبارًا من عام 2012، ادعى بأن دعم القرار سيبدأ باستبدال الأطباء في المهام المشتركة في المستقبل.

ومن جهة أخرى، في الأيام الأولى، صمم النظام لاتخاذ القرارات للطبيب حرفيًا. سيقوم الطبيب بإدخال المعلومات والانتظار حتى يقوم النظام بإخراج الخيار «الصحيح»، وسيعمل الطبيب ببساطة على هذا الناتج. ومع ذلك، فإن المنهجية الحديثة لاستخدام النظام للمساعدة تعني أن الطبيب يتفاعل مع النظام،  مستعملًا كل من معرفته والنظام لتحليل بيانات المريض بنحو أفضل مما يمكن أن يقوم به الإنسان أوالنظام بمفرده. عادة، تقدم النظام اقتراحات للطبيب للنظر فيها، ومن المتوقع أن يختار الطبيب معلومات مفيدة من النتائج المقدمة ويخصم اقتراحات النظام الخاطئة.

وفي هذا السياق، النوعان الرئيسيان من النظام ، هما: قائم على المعرفة، وغير قائم على المعرفة.

ومن جهة أخرى، مثال على كيفية استخدام نظام دعم القرار السريري من قبل الطبيب هو نظام دعم قرار التشخيص. يطلب نظام دعم قرار التشخيص بعض بيانات المرضى، واستجابة لذلك، يقترح مجموعة من التشخيصات المناسبة. ثم يأخذ الطبيب مخرجات نظام دعم قرار التشخيص ويحدد التشخيصات التي قد تكون ذات صلة وأيها ليست كذلك، ويطلب، إذا لزم الأمر، مزيدًا من الاختبارات لتضييق نطاق التشخيص.

وفي السياق ذاته، الغرض الرئيسي من النظام الحديث هو مساعدة الأطباء في نقطة الرعاية. هذا يعني أن الأطباء يتفاعلون مع النظام للمساعدة في التحليل والوصول إلى التشخيص بناءً على بيانات المريض.

إضافةً إلى ذلك، مثال آخر على النظام هو نظام التفكير القائم على الحالة (CBR)، يستعمل النظام الأخير بيانات الحالة السابقة للمساعدة على تحديد الكمية المناسبة من الحزم وزوايا الحزمة المثلى للاستخدام في العلاج الإشعاعي لمرضى سرطان الدماغ. سيراجع الفيزيائيون الطبيون وعلماء الأورام لاحقًا خطة العلاج الموصى بها لتحديد مدى صلاحيتها.

الخصائص

كذلك، نظام دعم القرار السريري: هو نظام معرفة نشط، يستعمل متغيرات بيانات المريض لتقديم المشورة فيما يتعلق بالرعاية الصحية. هذا يعني أن النظام هو ببساطة نظام دعم القرار الذي يركز على استخدام إدارة المعرفة.

الغير قائمة على المعرفة

في هذا الإطار، تعتمد الخوارزميات الجينية على عمليات تطورية مبسطة باستخدام الاختيار الموجه لتحقيق أفضل نتائج CDSS. تقوم خوارزميات الاختيار بتقييم مكونات مجموعات عشوائية من الحلول لمشكلة ما. ثم يعاد دمج الحلول التي تظهر في الأعلى وتغييرها وتشغيلها من طريق العملية مرة أخرى. يحدث هذا مرارًا وتكرارًا حتى يتم اكتشاف الحل المناسب. وهي تشبه وظيفيًا الشبكات العصبية من حيث أنها كذلك «صناديق سوداء» تحاول استخلاص المعرفة من بيانات المريض.

وفي هذا الصدد، غالبًا ما تركز الشبكات غير القائمة على المعرفة على قائمة ضيقة من الأعراض، مثل أعراض مرض واحد، على النقيض من النهج القائم على المعرفة، الذي يغطي تشخيص الكثير من الأمراض.

من جانب آخر، تستعمل الشبكات العصبية الاصطناعية العقد والوصلات الموزونة بينها لتحليل الأنماط الموجودة في بيانات المريض لاشتقاق الارتباطات بين الأعراض والتشخيص.

إضافةً إلى ذلك، اعتبارًا من عام 2012، هناك ثلاثة أنواع من الأنظمة غير القائمة على المعرفة هي آلات ناقلات الدعم والشبكات العصبية الاصطناعية والخوارزميات الجينية.

من جانب آخر، مثال على النظام غير القائم على المعرفة هو خادم ويب طُوِّر باستخدام آلة ناقلات الدعم للتنبؤ بسكري الحمل في إيرلندا.

وفي هذا السياق، تستعمل النظام التي لا تستعمل قاعدة معرفية شكلًا من أشكال الذكاء الاصطناعي يسمى التعلم الآلي، الذي يسمح لأجهزة الكمبيوتر بالتعلم من التجارب السابقة و/أو العثور على أنماط في البيانات السريرية. هذا يلغي الحاجة إلى كتابة القواعد ومدخلات الخبراء. ومع ذلك، نظرًا إلى أن الأنظمة القائمة على التعلم الآلي لا يمكنها شرح أسباب استنتاجاتهم، فإن أغلب الأطباء لا يستعملونها مباشرةً للتشخيص والموثوقية وأسباب المساءلة. ومع ذلك، يمكن أن تكون مفيدة بوصفها نظم ما بعد التشخيص، لاقتراح أنماط للأطباء للنظر فيها بعمق أكبر.

ما رأيك في هذه المقالة؟

📝 هل في هذه المقالة خطأ؟

إذا وجدت معلومة تحتاج تصحيحاً أو إضافة، أو أردت حذف المقالة، أرسل لنا طلباً وسنراجعه.