سیستم های تصمیم یار پزشک – شرکت آی تی پایدار

دسته بندی های اصلی سیستم های پشتیبانی تصمیم

DSS ها بر اساس منابع اصلی اطلاعات به پنج دسته تقسیم می شوند

1. دانش محور به عنوان سیستم های مشاوره اطلاق می شود و با پیشنهاد یا توصیه اقدامات به متخصصان، تجربه تخصصی در حل مسئله را ارائه می دهد. DSS ها برای تشخیص، طبقه بندی، تفسیر، برنامه ریزی و پیش بینی استفاده می شوند و اغلب از داده کاوی برای غربال کردن پایگاه های داده و ایجاد روابط بین محتوای داده ها استفاده می شود.

2. سند محور. این سیستم ها فناوری های ذخیره سازی و پردازش را برای جستجو و تجزیه و تحلیل اسناد (مثلاً موتورهای جستجو) ترکیب می کنند.

3. داده محور. این DSS ها شامل گزارش مدیریت، اطلاعات اجرایی و فایل سیستم می باشد. آنها بر دسترسی و مدیریت پایگاه های عظیم داده های ساختاریافته، سری های زمانی داده های داخلی و گاهاً خارجی تأکید دارند.

4. گروه و ارتباط محور. سیستم گروه بر حمایت از تیم های تصمیم گیری برای تجزیه و تحلیل و حل مسائل تصمیم گیری متمرکز است. در حالی که DSS که توسط ارتباطات هدایت می شود، همکاری، هماهنگی و ارتباط را بین افرادی که روی یک وظیفه مشترک کار می کنند را امکان پذیر می کند.

5. مبتنی بر مدل. اینها سیستم هایی هستند که از مدل های مالی و نمایندگی استفاده می کنند. آنها به داده های زیادی نیاز ندارند. اگرچه آنها از ابزارهای تحلیلی ساده استفاده می کنند، اما به عنوان سیستم های DSS ترکیبی شناخته می شوند.

سامانه تصمیم یار بالینی (CDSS)

(Clinical decision support system) یک سامانه مبتنی بر فناوری اطلاعات سلامت است که به پزشکان و سایر ارائه دهندگان خدمات سلامت در فرایند تصمیم‌گیری کمک می‌کند. هدف اصلی CDSS مدرن کمک به پزشکان در مرحله مراقبت است. این بدان معنی است که پزشکان با CDSS تعامل دارند تا به تجزیه و تحلیل و رسیدن به تشخیص بر اساس داده های بیمار برای بیماری های مختلف کمک کنند.

مزایای CDSS در صنعت مراقبت سلامت

ساختار CDSS

سامانه‌های تصمیم یار بالینی از چهار بخش اصلی تشکیل می‌شوند:

1. مکانیسم‌های ورودی(Data Input) ورود اطلاعات می‌تواند به صورت دستی یا خودکار صورت گیرد. در روش دستی کاربر اطلاعات مورد نیاز سامانه را به وسیله صفحه کلید یا ابزارهای ورودی دیگر به سیستم وارد می‌کند

2. پایگاه دانش (Knowledge-base) پایگاه دانش می‌تواند به صورت ایستا یا پویا باشد. سامانه‌های نوین تصمیم یار بالینی ممکن است از روش‌های فراگیری ماشینی یا هوش مصنوعی برای انباشتن و بروز رسانی پایگاه دانش خود بهره ببرند.

3. موتور استنتاج(Inference engine) این بخش با پردازش داده‌های ورودی و پایگاه دانش، بهترین گزینه‌های تصمیم‌گیری را تعیین می‌کند

4. مکانیسم‌های خروجی(Result Output) این بخش نتایج پردازش اطلاعات را در اختیار کاربر می‌گذارد.

در برخی منابع، مکانیسم‌های ورودی و خروجی به عنوان یک بخش در نظر گرفته می‌شود که به آن مکانیسم ارتباطی گفته می‌شود.

انواع سیستم های CDSS

این سیستم ها به دو نوع مبتنی بر دانش و غیر دانشی تقسیم می شوند

1. The knowledge-based

قوانین مبتنی بر دانش را ایجاد کرد که با استفاده از داده‌های مبتنی بر تمرین، ادبیات یا داده‌های ارائه‌شده توسط بیمار برنامه‌ریزی شده است. سیستم داده ها را طبق قوانین استخراج می کند و یک عمل یا نتیجه را انجام می دهد.

2.The non-knowledge-based solutions

راه حل های غیر مبتنی بر دانش با داده ها از طریق تشخیص الگوی آماری، هوش مصنوعی و یادگیری ماشین پیش می روند. این سیستم ها می توانند فشار بر متخصصان پزشکی را کاهش دهند و حتی بودجه مراقبت های بهداشتی را کاهش دهند. اما آموزش پیچیده، نیاز به مجموعه داده‌های بزرگ و فقدان قابلیت تفسیر مانع پذیرش گسترده آنها شد.

همچنین CDSS می تواند فعال یا غیرفعال باشد:

سیستم‌های فعال

اطلاعاتی را در اختیار پزشکان قرار می‌دهند که از طریق مقایسه اطلاعات فعلی بیمار با قوانین، دستورالعمل‌ها و پروتکل‌های از پیش برنامه‌ریزی‌شده برای استفاده از پایگاه دانش و موتور خروجی به دست می‌آیند. هشدارها و توصیه های مربوط به دوز دارو، آلرژی ها، پارامترهای آزمایشگاهی بلافاصله در دسترس هستند.

CDSS غیرفعال

نیاز به شروع یک فرآیند با ارسال یک درخواست به سیستم دارد. به عنوان مثال، منابع موجود اضافی را فراهم می کند که در صورت نیاز به اطلاعات بیشتر، پزشک می تواند از پیوند دریافت کند.