Введение
1. Актуальность 5
2. Проблема 6
3. Основная часть 8
3.1 Описание проектного решения 8
3.2 Обзор существующих решений 9
3.3 Анонимизация медицинских данных 11
3.4 Интеграция с реестром медицинских карт 13
3.5 Машинное обучение 14
3.6 Схема работы системы 15
3.7 Структура проекта 16
3.8 Макеты 17
4. Отличительные черты 25
5. Используемые технологии 26
Заключение 28
Библиография 29
Глоссарий 31
Приложение 34
Глобальная информатизация не обошла стороной и медицину. Разрабатываются и внедряются дополнительные системы, которые упрощают работу с определенным сегментом области, к примеру онлайн запись, электронная очередь. Вводится электронный документооборот, чтобы упростить работу с данными и увеличить срок их хранения.
Модернизация здравоохранения является одним из приоритетных направлений концепции долгосрочного социально-экономического развития Российской Федерации до 2020 года. Основными акцентами в модернизации являются повышение уровня технологической оснащенности, внедрение новых стандартов медицинской помощи и повышение уровня квалификации медицинских работников. Медицинские учреждения в России активно переходят с аналогового учета на цифровой, осваивают системы компьютерного анализа и прогнозирования. Начинают использоваться системы автоматизации и робототехнические комплексы. Например, роботы-хирурги Da Vinci уже присутствуют в 25 больницах России. Идёт развитие трикодеров, аппаратов, способных ставить диагнозы автономно от врача, мобильных приложений и нательных датчиков-гаджетов. Это позволяет предсказывать и предотвращать большинство серьезных заболеваний на лету[1].
Целью дипломной работы является разработка портала, который через общение врачей и пациентов с возможностью секвенирования генома и предоставления других услуг КФУ с целью сбора, анонимизации и размытия данных для предоставления их в целях исследования.
Пациенты смогут получить персонализированную информацию о себе по отношению к другим пользователям (на основании анонимной усредненной информации) как на основании статистики, так и на основании других источников. Часть данных (пол, возраст) будет собираться за счет интеграция с ВКонтакте (авторизации). Пользователи смогут получить контекстную подсказку по здоровью путем обращения к специалистам. Также в возможностях системы самостоятельная обработка запросов клиентов на основе уже имеющихся ответов, ведение личной карточки пациента и возможность предоставления ее врачу по запросу.
1. На основе исследований было разработано веб приложение;
2. Сервис предоставляет анонимизированные рандомизированные данные пригодные для исследований.
3. Разработанная система была интегрирована с дипломной работой Александра Плискина - реестром медицинских карт. Данная интеграция позволяет пользователям хранить информацию о себе в новом формате. Данные из реестра невозможно подменить или удалить третьему лицу, что обеспечивает достоверность хранящихся там данных. Пользователь может дать доступ к своей карте врачам, которые его консультируют. Так же имеется возможности выгрузки данных из личной карточки ИС в реестр карт.
4. В целях повышения уровня консультации было внедрено машинное обучение. Многослойной перцептрон был выбран в качестве математической модели машинного обучения ИС. Отличительной чертой данной модели является использования алгоритма обратного распространения ошибок, что позволяет обучать все слои. Так же данная модель обучения отличается тем, что у нее более одного обучаемого слоя. За счет увеличения слоев, уменьшается число элементов внутри их, то есть суммарное число элементов в слоях будет меньше.
5. Выгрузка собранных данных производится формате xls. Также присутствует выгрузка выборки сформированной по какому-либо общему признаку(город, болезнь, показатель здоровья).
