Доказательная медицина, клинические исследования и...
-
Upload
alexey-neznanov -
Category
Data & Analytics
-
view
577 -
download
1
Transcript of Доказательная медицина, клинические исследования и...
Доказательная медицина, клинические исследования и медицинская информатика:
от статистики к интеллектуальному анализу данных
А.А. Незнанов, к.т.н., доц.
05.04.2015
© А.А. Незнанов, 2015
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, 2015 2
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, 2015 3
Основные свойства: Ослепление (Слепое исследование [Blind Study]) – одна или несколько
участвующих сторон не знают, как распределены пациенты и/или средства 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, 2015 4
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, 2015 5
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
Механизмы цензурирования: Фиксированное цензурирование
Случайное цензурирование
Направления цензурирования Правостороннее цензурирование
Левостороннее цензурирование
Цензурирование наблюдений
© А.А. Незнанов, 2015 6
Обзор: Prinja S., Gupta N., Verma R. Censoring in Clinical Trials: Review of Survival Analysis Techniques (http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2940174)
Графики жизни при левостороннем и правостороннем цензурировании
Пример на цензурирование наблюдений
© А.А. Незнанов, 2015 7
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
Введение в рассмотрение факторов риска и оценивание кумулятивных конкурирующих рисков
Разнообразие моделей
Анализ выживаемости
© А.А. Незнанов, 2015 8
Пример дискретной функции выживаемости
© А.А. Незнанов, 2015 9
Superiority Обоснование
превосходства
Equivalence Обоснование
эквивалентности
Non-inferiority Обоснование
не меньшей эффективности
Постановки проблем при сравнении
© А.А. Незнанов, 2015 10
© А.А. Незнанов, 2015 11
Проведение и использование результатов РКИ – огромная высокотехнологичная отрасль!
Регистры РКИ Пример одного из наиболее важных регистров РКИ – ClinicalTrials.gov
(http://clinicaltrial.gov)
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
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
© А.А. Незнанов, 2015 12
ClinicalTrials.gov UI sample
© А.А. Незнанов, 2015 13
Sealed envelop UI samples
© А.А. Незнанов, 2015 14
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, 2015 15
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, 2015 16
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»
Промежуточные выводы
© А.А. Незнанов, 2015 17
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, 2015 18
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, 2015 19
Основная цель МИ – повышение качества здравоохранения за счет применения современных алгоритмов анализа и обработки данных
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 МИ
© А.А. Незнанов, 2015 20
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, 2015 21
© А.А. Незнанов, 2015 22
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, 2015 23
До 1990 г. – исследования + EHR
1990 гг. – резкое удешевление «персоналок» – локальные и клиент-серверные системы, повсеместное внедрение в США Европе
2000 гг. – новое поколение МИС, интероперабельность, веб-интерфейсы, интеграция с диагностическими системами
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, 2015 24
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, 2015 25
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, 2015 26
Unified Medical Language System (UMLS) Metathesaurus(http://www.nlm.nih.gov/research/umls/quickstart.html)
Интегратор источников данных, предметных онтологий и метаонтологий
SNOMED Clinical Terms (http://www.ihtsdo.org/snomed-ct)
Medical Subject Headings (MeSH)(http://www.nlm.nih.gov/mesh/meshhome.html)
MedDRA текущая версия 17.1 (http://www.meddra.org)
HL7 Reference Information Model(http://www.hl7.org/implement/standards/rim.cfm)
…
Инструменты группы Medical Ontology Research (http://mor.nlm.nih.gov)
Базовые метаонтологии
© А.А. Незнанов, 2015 27
Болезни (Diseases) – важнейшая область онтологического моделирования,с точки зрения классификации – класс проблем со здоровьем, который можно выделить с точки зрения причин, симптоматики, последствий и способов лечения
International Classification of Diseases and Related Health Problems, ICD – 10 пересмотр, сейчас готовится 11 пересмотр (http://www.who.int/classifications/icd)
ICD-O (Oncology) – 3 пересмотр (http://www.who.int/classifications/icd/adaptations/oncology)
Международная классификация болезней, МКБ Перевод ICD с некоторыми странными несоответствиями
The Disease Ontology (http://disease-ontology.org)
…
Классификаторы и онтологии заболеваний
© А.А. Незнанов, 2015 28
FDA Substance Registration System – Unique Ingredient Identifier (http://fdasis.nlm.nih.gov/srs/srs.jsp)
RxNorm – нормализованные названия лекарственных препаратов(http://www.nlm.nih.gov/research/umls/rxnorm/index.html)
Anatomical Therapeutic Chemical (ATC) classification system(http://www.whocc.no/atc_ddd_methodology)
Drug Interactions Checker (http://www.drugs.com/drug_interactions.php)
Gene Ontology Consortium (http://geneontology.org/)
…
Другие предметные онтологии
© А.А. Незнанов, 2015 29
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, 2015 30
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, 2015 31
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, 2015 32
Основной разработчик: О.С. Пьяных
Удаление шума для понижения дозы радиации при сканировании пациента:
Проект 1: Улучшение качества изображений
© А.А. Незнанов, 2015У
дал
ени
е шум
а на скан
ере
Уд
ален
ие ш
ума н
а сканер
е
Сравнимое качество
Сравнимое качество
33
Улучшение диагностического качества изображений
Проект 1: Улучшение качества изображений
© А.А. Незнанов, 2015
Улучшение качества
Улучшение качества
34
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, 2015
Service
Line1
Line2
Line3
35
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, 2015
Поток пациентов в клинике
Поток пациентов в клинике
Максимальное кол-во пациентов в единицу
времени
Максимальное кол-во пациентов в единицу
времени
Среднее кол-во пациентов в
единицу времени
Среднее кол-во пациентов в
единицу времени
36
Построенная модель и предсказанное ею время ожидания пациента:
Проект 2: Управление операциями
© А.А. Незнанов, 2015
0
5
10
15
20
25
30
35
40
1 51 101 151 201 251 301 351 401 451 501
W
Предсказание времени ожиданияПредсказание времени ожиданияРеальное время
Реальное время
Предсказанное время (модель)Предсказанное время (модель)
37
Оптимизация выделения ресурсов
© А.А. Незнанов, 2015
Fixed supplyFixed supply
Optimal supplyOptimal 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
Задачи целочисленного линейного/нелинейного
программирования
38
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, 2015 39
Интерактивные алгоритмы сегментации помогают врачу быстро и надежно определить 3D-границы интересующей области:
Проект 3: Сегментация изображений
© А.А. Незнанов, 2015
Сегментация почек
Сегментация почек
40
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, 2015 41Основные 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, 2015 42
Методология анализа данных
© А.А. Незнанов, 2015 43
Formal Concept Analysis Research Toolbox (FCART)
© А.А. Незнанов, 2015 44
JSON Collection
Data Snapshot(Multivalued Context)
Binary Context
Concept Lattice
FCARTImport/Export
Tools
Pattern Structure
Clusters
External Data Set
External Data Query Description
Snapshot Profile
Scaling Query + Graph Generators
LDSImport/Export
Tools
Local Data Storage
Session DB
External Data Source
SOMs
Analytic Artifacts
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, 2015 45
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, 2015 46
Контакты Доцент департамента анализа данных и искусственного интеллекта ФКН
НИУ ВШЭ, старший научный сотрудник лаборатории интеллектуальных систем и структурного анализа НИУ ВШЭ, к.т.н., доц. Незнанов Алексей Андреевич
E-Mail: [email protected]
Вопросы?
© А.А. Незнанов, 2015 47
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, 2015 48
Что такое ФНКЦ для специалиста в ИТ?
© А.А. Незнанов, 2015 49
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