Для чего нужна таблица ранжирования прецедентов

Поисковая химия: периодическая таблица факторов ранжирования 2017

Получи нашу книгу «Контент-маркетинг в социальных сетях: Как засесть в голову подписчиков и влюбить их в свой бренд».

Подпишись на рассылку и получи книгу в подарок!

SEO – один из наиболее значимых интернет-маркетинговых инструментов. Но разобраться в поисковой оптимизации не так просто. Сложности возникают как у новичков, так и у тех, кто имеет опыт продвижения сайтов, поскольку факторы обновляются каждый год – появляются новые, старые становятся более/ менее значимыми.

Периодическая таблица факторов ранжирования – это визуализация того, что происходит в SEO и на что нужно обращать внимание, чтобы ранжироваться в поиске максимально высоко. Чтобы вам было легче разобраться в таблице, мы перевели ее на русский.

Щелкните по изображению, чтобы открыть его в полном размере.

Зачем нужна таблица факторов ранжирования

Цель периодической таблицы факторов ранжирования – помочь сфокусироваться на вещах, которые важны для успеха в поисковой оптимизации. Разумеется, она не может охватить 200 факторов ранжирования и тысячи субфакторов, которые тоже влияют на позиции в выдаче. Вместо этого таблица предлагает широкий взгляд на фундаментальные принципы, которые лежат в основе оценки контента роботами поисковых систем. Она помогает новичкам понять логику SEO, а опытным специалистам зафиксировать изменения, которые произошли в подходе к оценке сайта за минувший год – понять, какие факторы стали более/ менее значимыми.

Как пользоваться таблицей

Открываем в одном окне свой сайт, а в другом окне таблицу. И отвечаем на вопросы каждого элемента таблицы.

Все факторы разделены на две большие группы: внутренние и внешние. На внутренние факторы может влиять редактор контента. Именно от него зависит, полезный ли контент на сайте, легко ли его читать пользователям и сканировать поисковым роботам, какая у сайта структура. Внешние факторы зависят от других пользователей. К ним относятся качество и количество ссылающихся страниц, кто читает контент, расшаривают ли его в соцсетях. В большинстве случаев редактор контента не может на влиять на внешние факторы.

В рамках этих двух групп создатели таблицы выделили 7 наиболее значимых факторов, которые влияют на успех SEO-стратегии:

• Контент – содержание страниц.
• Архитектура – функциональность сайта.
• HTML – оформление страниц сайта.
• Доверие – авторитет ресурса.
• Ссылки – влияние ссылочной массы на ранжирование.
• Персонализация – влияние персонального поиска на ранжирование.
• Социальные – социальные рекомендации.

Каждый фактор определяется через несколько элементов. В таблице они имеют буквенное обозначение. В оригинальной версии таблицы первая буква обозначает категорию, к которой принадлежит фактор, например, А – architecture, C – content. Вторая буква отражает названия самого элемента. В переводе такой подход вызвал бы путаницу, поэтому мы оставили оригинальные обозначения, которые стали носить более условный характер.

Все перечисленные факторы имеют свой вес. Они ранжированы по значимости в порядке убывания от +3 до +1. Аналогичным образом ранжированы действия, неблагоприятно отражающиеся на позициях сайтов в поиске. Негативные факторы имеют вес -3, -2, -1.

Чтобы открыть таблицу в полном размере, кликните по изображению.

Очевидно, для успешного продвижения необходимо выделить самые сильные позитивные факторы и сделать их базовыми принципами своей SEO-стратегии. Соблюдение перечисленных факторов не гарантирует выхода в топ по целевым запросам, но повышает шансы на ранжирование вверху страницы.

Почитайте по теме:

На сайте Search Engine Land можно ознакомиться с оригиналом таблицы.

Использование диаграммы вариантов использования UML при проектировании программного обеспечения

Проектирование – один из важных шагов при разработке программы, который очень часто игнорируется начинающими разработчиками. Обычно они пытаются удержать всё в голове или, в лучшем случае, записать некоторые важные сведения на листе бумаги. Как результат, у них нет чёткого плана дальнейших действий, и проект может быть отложен в долгий ящик.

Обычно при проектировании разработчики изображают систему графически, поскольку человеку легко разобраться в таком представлении. Именно поэтому вместо написания громоздких текстов про каждую возможность будущей программы разработчики строят различные диаграммы для описания своих систем. Это помогает им не забывать, что нужно реализовать в программе, и быстро вводить в курс дела своих коллег.

Сегодня мы разберемся с тем, как использовать диаграмму вариантов использования UML (англ. «Unified Modeling Language») – стандартизированный язык моделирования при проектировании программ.

Данная статья предназначена для начинающих разработчиков и для разработчиков, не знакомых с UML, поэтому никаких предварительных знаний о диаграмме вариантов использования не требуется. Со всеми необходимыми сведениями я познакомлю читателя по ходу статьи.

Когда разработчик создаёт своё приложение, он в первую очередь задумывается над двумя вопросами:

• Что будет делать приложение?
• Кто будет пользоваться этим приложением?

Некоторыми программами может пользоваться множество людей, поэтому часто необходимо выделять различные группы пользователей системы. У каждой такой группы могут быть свои права и возможности в системе.

Для того чтобы описать различные группы пользователей и их возможности в будущей программе, создаётся так называемая диаграмма вариантов использования.

Диаграмма вариантов использования

Диаграмма вариантов использования (англ. use-case diagram) – диаграмма, описывающая, какой функционал разрабатываемой программной системы доступен каждой группе пользователей.

По ходу этой статьи мы разберём элементы этой диаграммы, которые чаще всего применяются при построении, на множестве небольших примеров диаграмм и на примере одной большой диаграммы. Эта большая диаграмма будет использоваться при проектировании какой-нибудь программной системы. В качестве такой системы давайте выберем информационную систему для школы (можно рассматривать ее как сайт или как отдельное приложение). Пример, разумеется, демонстрационный и не претендует на законченность.

В этой системе можно выделить следующие группы пользователей:

• Обучающиеся
• Преподаватели
• Классные руководители
• Заместители директора

В целом, в реальной жизни директор имеет множество обязанностей (пожалуй, не будем их перечислять). Однако в электронной системе каких-то особенных действий у него нет, поэтому мы не будем изображать его на нашей диаграмме.

Каждая из групп пользователей может пользоваться нашей системой по-своему.

• Смотреть расписание
• Просматривать свои оценки

• Размещать материалы для уроков
• Выставлять оценки в электронный журнал

Классные руководители могут делать все то же самое, что и преподаватели плюс:

• Составлять расписание родительских собраний

Заместители директора могут:

• Составлять расписание
• Публиковать посты с важной информацией

Кроме того, у системы есть функционал, который доступен всем группам пользователей. В разрабатываемой нами системе актуально будет добавить мессенджер, в котором можно будет быстро связываться с интересующим человеком. Получается, эта функциональность должна быть доступна каждому пользователю. Так и запишем. Все пользователи могут:

• Отправлять сообщения

Получилось много пунктов, которые может быть сложно уложить в голове. Для того чтобы быстро ориентироваться в этих пунктах, мы и хотим научиться строить диаграммы вариантов использования.

А почему мы описываем так мало возможностей?

Заметьте, что на диаграмме мы хотим отобразить только ключевой функционал системы. Например, действия «войти в систему», «выйти из системы» или «восстановить пароль» могут присутствовать в любой системе, и их наличие не стоит дополнительно описывать, поскольку это загрязняет диаграмму несущественными элементами.

Вообще добавление некоторых действий на диаграмме зависит от глубины детализации. Если вам все же требуется изобразить некоторые стандартные действия, ничто не помешает быстро это сделать.

А теперь, когда мы выделили группы пользователей и функциональность системы, начнём строить диаграмму, чтобы зафиксировать и структурировать полученные данные.

Построение диаграммы

Каждая группа пользователей на диаграмме вариантов использования обозначается человечком, под которым записывается имя группы людей, которую он обозначает. Давайте изобразим группу пользователей «Преподаватели»:

Обратите внимание, что имя группы записывается в единственном числе. Символ человечка уже обозначает группу пользователей, поэтому не нужно дополнительно отражать это в имени.

В терминологии UML, этот человечек называется актёром (англ. «actor»). В общем случае, актёр обозначает любые сущности, использующие систему. Этими сущностями могут быть люди, технические устройства или даже другие системы.

Так же изобразим актёров для оставшихся групп пользователей:

Как я упоминал ранее, каждая группа пользователей использует определённые функции системы. На диаграмме вариантов использования функция системы изображается эллипсом, внутри которого записывается имя функции в форме глагола с пояснительными словами.

В терминологии UML, этот эллипс называется вариантом использования (англ. «use-case»). В общем случае, вариант использования – набор действий, который может быть использован актёром для взаимодействия с системой.

Связи между элементами

На диаграммах UML для связывания элементов используются различные соединительные линии, которые называются отношениями. Каждое такое отношение имеет собственное название и используется для достижения определённой цели. В качестве справочной информации перечислю все виды отношений, которые мы будем использовать в этой статье.

Отношение ассоциации

Мы хотим отображать на диаграмме информацию о том, какие варианты использования могут быть использованы каждым актёром. Сейчас, например, мы хотим показать, что выставлять оценки могут только преподаватели.

Мы соединили актеров с вариантом использования с помощью сплошной линии без стрелки. Такая линия называется отношением ассоциации.

Отношение ассоциации предназначено только для соединения актёров и вариантов использования. Нет никакого смысла соединять отношением ассоциации двух актёров или два варианта использования.

Если на диаграмме вариантов использования актёр соединен с вариантом использования с помощью отношения ассоциации, это означает, что данный актёр может выполнять действия, описанные вариантом использования.

Почему отношение ассоциации называется так и не иначе?

Чтобы лучше понять это отношение, вспомним, каким образом мы выделяли функционал для различных групп пользователей. Некоторые обязанности у нас ассоциируются с определённой группой людей, поэтому мы связываем актёров с ассоциируемыми с ними действиями.

Добавим еще вариантов использования и соединим их с соответствующими актёрами:

Пока что наша диаграмма совсем не впечатляет, поэтому мы продолжим наполнять ее информацией. Заодно мы узнаем все возможности этого вида диаграмм.

Отношение обобщения

Заметим, что в нашей системе группы пользователей «Преподаватель» и «Классный руководитель» обладают схожими возможностями. Чтобы изобразить это на диаграмме, мы можем пойти одним из трёх путей:

1. Дублировать варианты использования, чтобы связать их с каждым схожим актёром (очевидно, неудачный вариант).
2. Соединить каждого актёра со всеми нужными вариантами использования. Это может породить множество пересечений линий, что не самым лучшим образом скажется на читаемости диаграммы.
3. Показать с помощью одного из видов отношений, что актёры связаны между собой. Это будет означать, что один из них может пользоваться всеми вариантами использования, с которыми соединён другой актёр.

Последний вариант похож на принцип повторного использования кода при написании программ или на наследование классов в ООП (Объектно-ориентированное программирование). Преимущество этого варианта в том, чтобы уменьшить количество связей на диаграмме.

Разумеется, мы воспользуемся третьим путём. В этом нам поможет, так называемое, отношение обобщения. Отношение обобщения обозначается сплошной линией с полой треугольной стрелкой.

Отношение обобщения означает, что некоторый актёр (вариант использования) может быть обобщён до другого актёра (варианта использования). Стрелка направлена от частного случая(специализации) к общему случаю.

Ниже представлены несколько примеров использования отношения обобщения.

Как можно заметить, отношение обобщения используется, чтобы показать, что одно действие является частным случаем другого действия или что одну группу людей можно обобщить до другой группы.

Вернёмся к нашему основному примеру. Изобразим отношение обобщения от актёра «Кл. руководитель» к актёру «Преподаватель».

На рисунке сверху сразу видно, насколько понятнее становится диаграмма при использовании отношения обобщения: исчезли все повторы вариантов использования и пересечения линий. Разумеется, это огромный плюс для тех, кто будет читать эту диаграмму в дальнейшем.

Давайте обратим внимание на действие «Узнать свои оценки». Логично предположить, что обучающиеся захотят не только знать список своих оценок, но и знать свою среднюю оценку за некоторый период времени или среднюю оценку по определённому предмету.

Изобразим это на диаграмме. Для этого создадим два варианта использования «Узнать среднюю оценку за некоторый период времени» и «Узнать среднюю оценку по предмету» и соединим их с вариантом использования «Узнать свои оценки» отношением обобщения.

Присоединим это к основной диаграмме:

Отношение включения

Для заместителя директора мы отмечали, что ему нужно составлять расписания. Условно расписание можно поделить на три категории:

1. Расписание занятий
2. Расписание мероприятий
3. Расписание каникул

Всё это составляется заместителем директора, поэтому покажем это на диаграмме. Для этого будем использовать отношение включения. Отношение включения обозначается пунктирной линией с V-образной стрелкой на конце, над стрелкой добавляется надпись “include”.

В общем случае, отношение включения используется, чтобы показать, что некоторый вариант использования включает в себя другой вариант использования в качестве составной части.

Когда мы используем отношение включения, мы подразумеваем, что составные варианты использования ОБЯЗАТЕЛЬНО входят в состав общего варианта использования.

Поясню смысл и этого отношения на небольшом примере. Когда пользователь сохраняет результаты своей работы в файл, он указывает место сохранения и расширение файла (например, если он редактировал фотографию в photoshop, он может сохранить ее в различных форматах). Этот процесс можно изобразить на диаграмме вариантов использования следующим образом:

Снова вернёмся к нашему основному примеру.

Как итог, наша диаграмма принимает следующий вид:

В целом, на этом можно остановиться. Хоть наш пример и демонстрационный, он немного отражает функциональность реального приложения. Тем не менее, остался еще один элемент, который мы не рассмотрели.

Отношение расширения

Нужно сказать, что в диаграммах вариантов использования применяется ещё один вид связи – отношение расширения. На мой взгляд, применение отношение расширения несколько специфично, поскольку неправильное его использование может запутать читателя диаграммы. Тем не менее, для полноты картины мы всё равно рассмотрим применение этого отношения на практике. В последний раз модифицируем нашу диаграмму!

Во время дистанционного обучения школьникам необходимо выполнять домашние задания и присылать их в виде архива или фотографий учителям. Получается, нужно добавить возможность прикреплять файл к сообщению в нашей системе. Чтобы отобразить это на диаграмме мы будем использовать отношение расширения. Отношение расширения обозначается пунктирной линией с V-образной стрелкой на конце (похоже на отношение включения), над стрелкой добавляется надпись “extend ”.

Зачем над пунктирными линиями добавлять надписи “include” и “extend”?

В UML пунктирная линия с V-образной стрелкой, в общем случае, называется отношением зависимости. Для диаграммы вариантов использования выделяют различные виды зависимостей: отношение включения и отношение расширения. Чтобы их различать, над стрелками пунктирной линией пишут “include” и “extend” соответственно.

Чтобы лучше понять этот тип отношений рассмотрим пример. Допустим, вы делаете заказ в сети быстрого питания. Вы хотите заказать бургер. Вам, скорее всего, вам предложат расширить ваш заказ картошкой фри или соусом. Давайте изобразим процесс заказа на диаграмме вариантов использования.

Два нижних варианта использования описывают возможные «расширения» для базового варианта использования. Исходя из этого примера, мы можем сделать важное замечание.

Можно сказать, что отношение расширения — это выборочное отношение включения. Если отношение включения обозначает, что элемент обязательно включается в состав другого элемента, то в случае отношения расширения это включение необязательно.

Понимание этого критически важно для грамотного использования этого вида отношений.

Вернёмся к нашему основному примеру. Мы хотим, чтобы действие «прикрепить файл к сообщению» расширяло действие «отправить сообщение». На диаграмме это изображается следующим образом:

Как итог, получим такую диаграмму:

Вот и всё. Я постарался рассказать вам про все моменты построения диаграммы вариантов использования при проектировании программных систем. В следующем вашем проекте обязательно попробуйте построить данную диаграмму на стадии проектирования. Ваши усилия обязательно окупятся!

Что делать, если я путаюсь в направлении стрелок?

При построении диаграмм UML часто возникает путаница, в какую сторону направлена та или иная стрелка. Это пройдёт после небольшой практики. Общая рекомендация к запоминанию правильного направления стрелок на диаграмме вариантов использования: стрелка обычно направлена от «зависимого» объекта к «независимому» (от специального к общему). Например:

Тем не менее, в любом правиле есть исключение. Этим исключением является отношение расширение:

1. Диаграммы очень просто изменять. Не нужно пугаться того, что требования к программе могут измениться или что вы что-то забыли отобразить на диаграмме. Вы можете добавить элементы к диаграмме, когда вам угодно.
2. Не нужно засорять диаграмму слишком мелкими действиями. Объедините все общие действия в одну группу под общим названием, чтобы было просто читать диаграмму.
3. Старайтесь не допускать пересечений соединительных линий. Это может затруднить чтение диаграммы для вас и для ваших коллег.
4. Не дублируйте варианты использования на диаграмме. Если приходится дублировать варианты использования, то элементы диаграммы надо постараться расставить по-другому.
5. Пользуйтесь специальными компьютерными программами для построения диаграмм. Это существенно упростит весь процесс моделирования.

• проектирование
• моделирование
• Диаграммы вариантов использования
• для начинающих
• uml-проектирование
• uml
• uml activity diagram

• Проектирование и рефакторинг
• UML Design

Моделирование рассуждений на основе прецедентов в автоматическом анализе новостных текстов Текст научной статьи по специальности «Компьютерные и информационные науки»

Аннотация научной статьи по компьютерным и информационным наукам, автор научной работы — Мызников Павел Владимирович

Рассматриваются методы моделирования рассуждений на основе прецедентов в задачах анализа и моделирования распространения сообщений в сети Интернет. Предлагаемый подход позволяет строить последовательности рассуждений о содержании новостного текста. Особое внимание уделено поиску аргументов и контраргументов в похожих текстах для построения позиций нескольких точек зрения на содержание новости.

i Надоели баннеры? Вы всегда можете отключить рекламу.

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Мызников Павел Владимирович

Разработка прецедентно-ориентированного подхода обратного реинжиниринга web-интерфейсов
Исследование влияния параметров нечеткой модели на точность классификации прецедентов
Intellectualization of monitoring vehicles based on the use of precedents

Применение онтологий и рассуждения по прецедентам для обработки контекста в событийном моделировании в исследованиях энергетической безопасности

Разработка прецедентного модуля для идентификации сигналов при акустико-эмиссионном мониторинге сложных технических объектов

i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

CASE-BASED REASONING IN AUTOMATIC ANALYSIS OF NEWS TEXTS

Case-based reasoning is considered in the tasks of analysis and modelling of messages distribution in Internet. The approach proposed allows create sequences of reasoning about news content. Special attention is paid to searching arguments and counterarguments in similar texts for construction of several viewpoints on the news.

Текст научной работы на тему «Моделирование рассуждений на основе прецедентов в автоматическом анализе новостных текстов»

Новосибирский государственный университет ул. Ляпунова, 4, Новосибирск, 630009, Россия

МОДЕЛИРОВАНИЕ РАССУЖДЕНИЙ НА ОСНОВЕ ПРЕЦЕДЕНТОВ В АВТОМАТИЧЕСКОМ АНАЛИЗЕ НОВОСТНЫХ ТЕКСТОВ

Рассматриваются методы моделирования рассуждений на основе прецедентов в задачах анализа и моделирования распространения сообщений в сети Интернет. Предлагаемый подход позволяет строить последовательности рассуждений о содержании новостного текста. Особое внимание уделено поиску аргументов и контраргументов в похожих текстах для построения позиций нескольких точек зрения на содержание новости.

Ключевые слова: моделирование рассуждений, прецеденты, обработка естественных языков, анализ текста.

Ресурсы сети Интернет являются эффективными новостными каналами с точки зрения охвата аудитории и скорости распространения информации. С другой стороны, объем данных и их слабая структурированность вызывают проблемы с анализом такой информации и моделированием ее распространения.

Построение модели распространения новостных сообщений способно повлиять на качественное улучшение решения нескольких задач, интересных для распространителей информации, а именно для оценки:

1) охвата аудитории новостного сообщения,

2) вероятности попадания сообщения в определенный новостной источник,

3) степени интереса пользователей к определенной новости.

Однако для выполнения этих задач необходимо иметь процедуру формализации текста новости, чтобы получить объекты, к которым можно применять вычислительные методы. Большинство существующих подходов направлено либо на статистическое представление текстов (TF-IDF, Bag of words), либо на построение синтаксических деревьев. Такие подходы хорошо справляются с кластеризацией текстов, извлечением фактов и другими задачами. Тем не менее они не отображают важную деталь, которая необходима в поставленных нами задачах, а именно интерпретацию текста с разных точек зрения. Люди по-разному воспринимают информацию, учет этой особенности позволит более точно моделировать распространение сообщений в Интернете.

Для моделирования рассуждений используется методология рассуждения на основе прецедентов.

Особенности новостного текста

как объекта автоматической обработки

Прежде чем перейти к описанию подхода, выделим важные особенности новостных сообщений как текста.

Мызников П. В. Моделирование рассуждений на основе прецедентов в автоматическом анализе новостных текстов // Вестн. НГУ. Серия: Информационные технологии. 2017. Т. 15, № 2. С. 59-65.

ISSN 1818-7900. Вестник НГУ. Серия: Информационные технологии. 2017. Том 15, № 2 © П. В. Мызников, 2017

Принцип перевернутой пирамиды

В работах, посвященных лингвистическому анализу новостного текста (см., например, [1; 2]), подчеркивается так называемый принцип перевернутой пирамиды: самая ценная и важная информация сообщается в начале текста, при этом основная информационная нагрузка приходится на первую фразу, которая называется «лид». По мере развертывания текста информационная нагрузка постепенно ослабевает.

Для решения рассматриваемой задачи это означает, что порядковый номер предложения в тексте является важным атрибутом в анализе текста.

Структура новостного текста

Новостной текст имеет определенную структуру. Какие-то его структурные элементы обязательны, какие-то нет; какие-то имеют строго зарезервированное место, какие-то могут располагаться в разных местах.

I. Заголовок (обозначение: T)

II. Лид (обозначение: !). «Новость одним предложением». Размещается в самом начале текста, содержит главное событие. Состоит из одного, иногда двух предложений.

a) резюмирующий: в лиде дается краткое изложение события или выделяется главное,

что произошло, а сама статья посвящается раскрытию темы, представляет подробности

b) отложенный: такой лид дает меньше информации, но втягивает в чтение; информация последует далее, когда читатель уже увлечен (!d);

c) эпизодный: рассказывается некий эпизод, связанный с тем, что будет в статье (!e);

d) цитатный: высказывание известного человека (!q).

III. Более подробное описание события (обозначение: D).

IV. Фоновая справка (обозначение: b)

a) хронологическая — содержит историю вопроса;

b) контекстуальная — содержит информацию о сопутствующих обстоятельствах.

V. Изложение позиции одной стороны (обозначение:

VI. Изложение позиции другой стороны (обозначение: (Данный пункт является парным с предыдущим. Либо присутствуют в тексте вместе, либо не присутствует ни один.)

VII. Описание реакции общественности (обозначение: г)

VIII. Прогноз эксперта (обозначение: p).

IX. Комментарий (обозначение: ). Содержит прямое или опосредованное мнение автора статьи к главному событию.

Что касается рассматриваемой задачи, то извлечение структурных элементов и их классификация даст дополнительное повышение качества в семантическом анализе текста.

Опора на модель реального мира

При анализе новостного текста удобно использовать модель отношений объектов предметной области. Состав объектов сохраняется для разных точек зрения, но структура и вид отношений между этими объектами отличаются. Именно эти отношения и определяют ту или иную точку зрения.

На лингвистическом уровне отношения можно выделить двумя способами:

• лексический — использование определенной лексики для оценки объектов;

• синтаксический — оценка объектов через специальное построение предложений.

Рассуждения на основе прецедентов

Как уже было сказано, основой предлагаемого решения является рассуждение на основе прецедентов (Case-based reasoning). Остановимся подробнее на истории и методологии данного подхода.

Работы Роджера Шэнка [3; 4] считаются истоками рассуждений на основе прецедентов. Шэнк предположил, что наше знание о мире организовано в виде пакетов памяти, хранящих эпизоды жизни. Такие пакеты (MOPs — memory organizations packets) и их элементы не изолированы, а пересекаются с нашими ожиданиями развития событий (сценариями). В свою очередь, MOPs образуют иерархию, где более общие пакеты объединяют более специфичные. Если MOP содержит ситуацию, в которой некоторая проблема была успешно решена, и человек находит себя в подобной ситуации, то он стремится использовать предыдущий опыт, чтобы найти решение. Таким образом, вместо следования общему набору правил, происходит повторное применение схемы решения в новых, но схожих условиях.

Существует четыре предположения о мире, которые составляют основу рассуждений на основе прецедентов.

1. Повторяемость: одинаковые действия, выполняемые в одинаковых условиях, приводят к одинаковым результатам.

2. Типичность: опыт имеет свойство самовоспроизводиться.

3. Согласованность: малые изменения в ситуации требуют малых изменений в интерпретации и решении.

4. Адаптивность: когда события повторяются, изменения склонны быть небольшими, а небольшие изменения легко сравнимы.

В общем случае процесс вывода на основе прецедентов состоит в следующих шагах: описание текущей проблемы, поиск максимально похожей решенной проблемы, получение решения для нее, адаптация решения к текущей проблеме, верификация нового решения, запоминание решения. Этот процесс называется «CBR-цикл» (рис. 1).

Исследователи предлагают разные концепции и терминологию данного цикла. Согласно Колоднеру [5], этапы следующие.

• Извлечение: из библиотеки прецедентов извлекается наиболее близкий (подобный) прецедент для рассматриваемой проблемы.

• Адаптация: извлеченное решение адаптируется, чтобы лучше соответствовать новой проблеме.

• Оценка решения: адаптированное решение может быть оценено либо до его применения, либо после; в любом случае, если решение не подошло, то оно должно быть адаптировано еще раз, либо должны быть извлечены дополнительные решения.

• Обновление базы прецедентов: если решение прошло проверку успешно, новый прецедент добавляется в базу.

Аамодт и Плаза [6] предлагают схему «четырех RE»: Retrieve (извлечение), reuse (переиспользование), revise (пересмотр), retain (сохранение). Принципиально этот подход ничем не отличается от стандартной схемы.

В CBR выделяют 4 типа знаний: словарь, меру сходства, знание об адаптации и сами прецеденты. Словарь содержит информацию о свойствах, описывающих прецеденты. К типу знаний «мера сходства» относится как сама мера, так и такой способ организации прецедентов, чтобы можно было наиболее оптимально находить самый близкий прецедент к гипотетическим проблемам. Знание об адаптации содержит обычно правила модификации прецедентов и их оценки.

Более подробно остановимся на представлении прецедентов. В общем случае, прецедент состоит из следующих элементов:

• описание проблемы, т. е. состояние мира, когда возникает прецедент;

• решение проблемы и / или результата, т. е. состояние мира после обработки прецедента.

Прецеденты, которые сравнивают проблемы и их решения, могут быть использованы для

адаптации решений к новым проблемам, а прецеденты, которые содержат описание проблемы и результат, могут быть использованы для оценки нового решения. Прецеденты могут быть представлены как векторы свойств или как любой формализм искусственного интеллекта, например фреймы, объекты, предикаты, семантические сети и т. п.

Отдельной проблемой является индексирование прецедентов в базе. Универсального подхода не существует. Есть несколько рекомендаций относительно того, какими свойствами должен обладать хороший индекс: предсказуемость, распознаваемость, абстрактность и отчетливость.

Важным аспектом проектирования CBR-систем является структура хранилища прецедентов. Существует три основных подхода к организации прецедентов.

Плоская организация — это простейший подход, представляющий собой плоский список прецедентов. Он легок в построении, обеспечивает быструю вставку новых прецедентов, но обладает плохими характеристиками производительности при поиске прецедентов. Для больших баз такой подход неприемлем.

Кластерная организация предполагает хранение в группах похожих друг на друга прецедентов. Поиск в такой структуре выполняется быстрее, чем в плоской организации, однако добавление и удаление требует реорганизации кластеров, что в некоторых случаях может быть очень дорогостоящей операцией.

Иерархическая организация представляет собой сетевую структуру категорий прецедентов. В лучшем случае такой подход предполагает наилучшую производительность при поиске прецедентов и достаточную при вставке / удалении. В худшем случае операции вставки и удаления могут привести к сложной реорганизации иерархии. Кроме того, необходимы дополнительные затраты на поддержку иерархии.

Далее опишем процедуры извлечения и адаптации прецедентов. Эти операции являются наиболее значимыми в рассуждениях на основе прецедентов.

Рассуждение на основе прецедентов во многом относится к рассуждению по аналогии, поэтому процедура извлечения прецедента может быть названа «вытаскиванием аналога». Самая простая форма извлечения — это поиск первого ближайшего соседа, при котором выполняется оценка близости ко всем прецедентам в базе и возвращается только один наиболее близкий. При большом объеме базы это может быть очень дорогостоящей операцией. Для решения этой проблемы прецедентам присваивается предвыборный приоритет. Это решает проблему сложности поиска, однако уменьшает точность извлечения.

Другой способ увеличения скорости извлечения — ранжирование прецедентов. Самое простое ранжирование достигается статистическими методами, т. е. вычислением вероятности для каждого прецедента быть извлеченным при поиске.

Помимо извлечения одного ближайшего соседа используется множественное извлечение. Это более сложная задача, связанная с определением оптимального количества извлекаемых прецедентов, однако потенциально результат ее выполнения может быть более эффективен, чем в случае с извлечением одного прецедента.

Что касается адаптации, существует два основных подхода.

1. Структурная адаптация. К решению непосредственно применяются правила адаптации. Если решение содержит единичное значение или коллекцию независимых значений, то структурная адаптация представляет собой изменение этих значений соответствующим образом.

2. Деривационная адаптация. Новое решение создается с помощью алгоритмов, методов или правил, которые сгенерировали оригинальное решение. Другими словами, происходит перегенерация прецедента.

Далее будет рассмотрен подход применения рассуждения на основе прецедентов к поставленной задаче. Однако перед тем, как сделать это, необходимо внести комментарии о форме представления текста новости.

Как говорилось выше, существует разные способы представления текстовой информации для компьютерной обработки. Один из самых популярных подходов, TF-IDF [7], заключается в нахождении слов, которые чаще всего встречаются в анализируемом тексте, но реже всего встречаются в коллекции документов, к которым принадлежит текст.

Метод «мешок слов» (Bag of words) представляет собой представление текста в виде вектора слов, встречающихся в тексте. Имея векторы нескольких текстов, можно производить над ними векторные операции, например вычислять косинусную меру, и таким образом определять «близость» текстов.

Развитие этого метода, технология word2vec, предлагается компанией Google [8]. В данном случае нейронная сеть, обучаясь на большом корпусе текстов, строит векторное пространство слов, на котором можно производить семантически значимые операции над полученными векторами. В данном случае речь идет не только о вычислении близости и / или коллинеарности векторов, как это происходит в случае Bag of words, но и, например, семантически значимые операции вычитания и сложения, типа «Король — мужчина + женщина = королева».

Перечисленные методы сильны своей статистической составляющей, простотой интерпретации результатов и удобной формой представления текста. Однако при этом сложно сказать, что они приемлемым образом отображают семантико-содержательную сторону текста. Для анализа новостей крайне важно получить ответ на то, какой субъект над каким объектом производит какие действия и в какой последовательности. В идеале желательно извлекать еще и предпосылки и причины действий, но оставим это за рамки данной статьи.

С учетом сказанного предлагается сценарно-ориентированный подход представления текста. Смысл состоит в том, чтобы разбить текст новости на множества предложений (возможно, состоящих и из одного предложения), каждое из которых является реализацией одного из заранее заданных сценариев. При этом в каждом сценарии можно выделить субъект, объект, предикат.

Рассуждение на основе прецедентов

как метод поиска аргументов и контраргументов

После представления текста в виде последовательности сценариев необходимо сделать важный шаг, а именно смоделировать рассуждение о тексте, причем постараться найти несколько точек зрения на рассматриваемое содержание. Для этого предлагается найти аргументы и контраргументы среди корпуса имеющихся новостей. Как основной механизм этой процедуры возьмем рассуждение на основе прецедентов. Опишем основные элементы рассматриваемого рассуждения на основе прецедентов. Для полного описания подхода необходимо описать следующее: словарь, меру сходства, адаптация, прецеденты.

Словарь содержит список всех возможных сценариев и список типов сценариев с точки зрения структуры новостного текста (см. структура новостного текста). Прецедент имеет следующую структуру (см. таблицу):

• проблема — текст новости, представленный в виде последовательности сценариев;

• решение — вывод о новости в виде схемы «субъект — предикат — объект».

а Сценарий 1 Тип сценария Субъект Предикат Объект

м е л Сценарий 2 Тип сценария Субъект Предикат Объект

П Сценарий N Тип сценария Субъект Предикат Объект

Решение Субъект — Предикат — Объект

i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Структура хранения прецедентов — плоская. Индексация производится по сценарию, соответствующему главному событию новости.

Мера сходства определяется как размер наибольшей общей подпоследовательности (НОП) последовательностей сценариев двух прецедентов. Сценарии считаются совпадающими, если они имеют один и тот же тип, а также совпадают объект или субъект сценариев. При этом если размеры НОП совпадают с несколькими прецедентами, то более близкий прецедент определяется с позиции лексикографического порядка (ввиду принципа «перевернутой пирамиды»). Другими словами, совпадение более ранних сценариев ценнее, чем более поздних. Извлечение происходит методом к ближайших соседей.

Адаптация заключается в синтезе выводов найденных прецедентов со сценариями, которые не совпадают. В идеале необходимо найти аргументы — прецеденты, дополняющие рассматриваемый прецедент, и контраргументы — опровергающие его. Далее процедуру можно повторять рекурсивно, получая таким образом цепочки рассуждений, каждая из которых является отдельной интерпретацией новости (рис. 2).

Рис. 2. Цепочки рассуждений

В статье рассмотрен подход к моделированию рассуждений о новостном тексте, который служит основой для решения более общей задачи моделирования распространения новостных сообщений в Интернете. Рассмотрены методологические основы, на которых базируется подход, а именно рассуждения на основе прецедентов и сценарно-ориентированный подход к анализу текстов на естественном языке. Особенностью предлагаемого подхода является порождение разных интерпретаций рассуждений, что в будущем позволит более гибко решать задачу моделирования распространения сообщений.

1. Цыбикова Н. С. Диктемная структура текста интернет-новостей // Вестн. ВятГГУ. 2011. № 3 (39). C. 76-79.

2. Ягунова Е. В., Пивоварова Л. М. Исследование структуры новостного текста как последовательности связных сегментов // Компьютерная лингвистика и интеллектуальные технологии: по материалам ежегодной Международной конференции «Диалог». 2011. № 10 (17). C.273-287.

3. Schank R. C. Dynamic memory: A theory of reminding and learning in computers and people. Cambridge: Cambridge University Press, 1982.

4. Schank R. C. Memory-based expert systems. Technical Report (# AFOSR. TR. 84-0814). New Haven: Yale University, 1984.

5. Kolodner J. L. An introduction to case-based reasoning // Artificial Intelligence Review. 1992. № 1 (6). Р. 3-34.

6. Aamodt A., Plaza E. CBR: foundational issues, methodological variations and system approaches // AI Communications. 1994. № 1 (7). Р. 39-59.

7. Jones K. S. A statistical interpretation of term specificity and its application in retrieval // Journal of Documentation. 2004. № 5 (60). Р. 493-502.

8. Mikolov T. et al. Distributed Representations of Words and Phrases and their Composi-tionality // Nips. 2013. Р. 1-9.

Материал поступил в редколлегию 20.04.2017

Novosibirsk State University 4 Lyapunov Str., Novosibirsk, 630090, Russian Federation

CASE-BASED REASONING IN AUTOMATIC ANALYSIS OF NEWS TEXTS

Case-based reasoning is considered in the tasks of analysis and modelling of messages distribution in Internet. The approach proposed allows create sequences of reasoning about news content. Special attention is paid to searching arguments and counterarguments in similar texts for construction of several viewpoints on the news.

Keywords: reasoning modelling, cases, natural languages processing, text mining.

1. Tsybikova N.S. Dictemic structure of Internet newstext // Vyatka State University Scientific Journal. 2011, vol. 39, iss. 3, p. 76-79.

2. Yagunova E.V., Pivovarova L.M. A study of the news text structure as a consequnce of connected segments // Proceedings of the Annual International Conference «Dialogue» (2011). Moscow, 2011. p. 273-287.

3. Aamodt A., Plaza E. CBR: foundational issues, methodological variations and system approaches // AI Communications. 1994. № 1 (7). p. 39-59.

4. Jones K.S. A statistical interpretation of term specificity and its application in retrieval // Journal of Documentation. 2004. № 5 (60). p. 493-502.

5. Kolodner J.L. An introduction to case-based reasoning // Artificial Intelligence Review. 1992. № 1 (6). p. 3-34.

6. Mikolov T. and others. Distributed Representations of Words and Phrases and their Compositionality // Nips. 2013. p. 1-9.

7. Schank R.C. Dynamic memory: A theory of reminding and learning in computers and people / R.C. Schank, Cambridge: Cambridge University Press, 1982.

8. Schank R.C. Memory-based expert systems. Technical Report (# AFOSR. TR. 84- 0814) / R.C. Schank, New Haven: Yale University, 1984.

Прецеденты в медицинских информационных системах Текст научной статьи по специальности «Компьютерные и информационные науки»

Похожие темы научных работ по компьютерным и информационным наукам , автор научной работы — Гулиев Я. И., Малых В. Л.

Прецедентный учет прямых затрат в медицинских информационных системах
Проблема формирования стандартов лечения de facto

Перспективные направления исследований в области клинического моделирования, управления и принятия решений

Направления развития МИС. Интерин promis 2010
Исследование типовых процессов интеграции в медицинских информационных системах
i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.
i Надоели баннеры? Вы всегда можете отключить рекламу.

Текст научной работы на тему «Прецеденты в медицинских информационных системах»

защиты систем и механизма интеграции от угроз информационной безопасности; наличие систем без поддержки и прочих закрытых систем, интеграция с которыми проводится в одностороннем порядке; отсутствие регламентов и проблемы с разграничением ответственности за ошибки обмена данными; затягивающиеся сроки реализации интеграции ввиду количества участвующих сторон и их инертности; необходимость тщательного анализа структур данных, участвующих в обмене в рамках интеграции.

С учетом различных интеграций типовой МИС Интерин PROMIS (разработка ИПС РАН) с лабораторными, диагностическими, экономическими, страховыми и прочими системами, а также со специализированными подсистемами отдельных медицинских учреждений обобщена типовая схема интеграции. Выделены основные модели интеграции, рассмотрены типичные преимущества и недостатки моделей; выявлены и классифицированы наиболее распространенные ошибки в обмене данных интегрированных систем.

Поскольку не существует МИС, охватывающих все процессы медицинского учреждения без исключения, вопрос интеграции крайне актуален для любой устанавливающейся в клиниках и больницах ИС. Однако наиболее актуален он при плавном внедрении, когда на время замещения имеющейся подсистемы модулями МИС требуется сохранить работоспособность новой системы в связке с имеющейся подсистемой.

Из всех означенных типовых процессов интеграции наиболее эффективным в общем случае представляется двусторонняя интеграция систем на основе обмена сообщениями (возможно, стандарт HL7) и передачи данных по событию с учтенными и обоснованными нарушениями аналогий нормальных форм либо без подобных нарушений.

С учетом данных выводов в МИС Интерин PROMIS был реализован ряд механизмов интеграции, в частности, с экономической подсистемой корпорации «Парус», лабораторными системами (УниверЛаб, Ilims), собственными разработками медицинских учреждений. Реализованные механизмы показали высокую степень адаптивности, устойчивости к ошибкам и отличное качество контроля интеграции.

1. Гулиев Я.И., Хаткевич М.И. Процесс и документ в медицинских информационных системах // Программные системы: теория и приложения: тр. Междунар. конф. / ИПС РАН, Переславль-Залесский; под ред. С.М. Абрамова. В 2 т. М.: Физматлит. 2004. Т. 2. С. 169.

2. Малых В.Л., Пименов С.П., Хаткевич М.И. Объектно-реляционный подход к созданию больших информационных систем // Программные системы: Теоретические основы и приложения: тр. Междунар. конф. / ИПС РАН, Переславль-Залесский; под ред. А.К. Айламазяна. М.: Наука. Физматлит, 1999. C. 177.

3. Интегрированная распределенная информационная система лечебного учреждения (ИНТЕРИН) / Я.И. Гулиев [и др.] // Программные продукты и системы. 1997. № 3.

ПРЕЦЕДЕНТЫ В МЕДИЦИНСКИХ ИНФОРМАЦИОННЫХ СИСТЕМАХ

В.Л. Малых, к.т.н.; Я.И. Гулиев, к.т.н. (ИПС им. А.К. Айламазяна РАН, г. Переславль-Залесский, mvl@interin.ru)

Целью работы является обоснование целесообразности широкого использования прецедентов в медицинских информационных системах. Прецеденты вводятся на основе построения отображений определенных на множествах наблюдаемых событий различных классов. Приведены примеры практической апробации этой идеи, намечены дальнейшие многообещающие перспективы использования прецедентов.

Ключевые слова: прецеденты, информационная система, медицинская информационная система, архитектура информационной системы, лечебно-диагностический процесс.

Современные интегрированные медицинские информационные системы (МИС) ориентированы на всестороннюю автоматизацию и детальный контроль лечебно-диагностического процесса (ЛДП). Сам ЛДП состоит из потока событий, ассоциированных с различными лечебно-диагностическими мероприятиями: осмотрами, диагностическими исследованиями, лабораторными анализами, лечебными назначениями, процедурами и манипуляциями, оперативными вмешательствами. События ассоциируются с участвующими в них субъектами: пациентами, врачами, прочим меди-

цинским персоналом. События обладают темпоральными свойствами: датой и временем возникновения, длительностью протекания. Каждое событие ЛДП является по своей сути уникальным, единичным и относится к конкретному пациенту, определенному времени, содержит свой набор значений именованных атрибутов, например, ассоциацию с основным или сопутствующим диагнозом. МИС фиксирует множество таких единичных событий в своей БД. Для крупных лечебных заведений количество детально фиксируемых событий ЛДП исчисляется миллионами в год.

Кроме автоматизации, собственно ЛДП МИС должна также поддерживать и другие процессы, связанные с деятельностью лечебного учреждения. Прежде всего речь идет о материальном обеспечении ЛДП (лекарственными средствами, медицинским инвентарем, реактивами и др.). Эффективное управление современным лечебным учреждением невозможно без ведения детального финансово-экономического анализа доходов и затрат. При этом особое внимание уделяется учету движения и расходования всех материальных ценностей (МЦ). Многие из этих материалов расходуются непосредственно на пациента (медикаменты, медицинский инвентарь, продукты питания, другие расходные материалы), формируя прямые затраты, существенно влияющие на себестоимость лечения. Желательность точного учета и анализа прямых затрат в условиях рыночной экономики ясна всем [1-3]. Детальный контроль финансовых и материальных потоков еще больше увеличивает количество различных событий, фиксируемых в БД интегрированной МИС.

МИС не должна ограничиваться только задачами фактографии. На передний план выходят проблемы контроля событий — фактов, отраженных в БД: почему сделано то или иное лечебно-диагностическое назначение, соответствует ли это назначение стандарту лечения данного заболевания, чем обусловлен расход данного материала, какими назначениями или нормативами расхода?

Решить данные проблемы и реализовать автоматизированный контроль событий в МИС можно с помощью принципиально нового подхода, основанного на прецедентах. Прецедент (от лат. praecedens — предшествующий) — случай или событие, имевшие место в прошлом и служащие примером или основанием для аналогичных действий в настоящем. В основе идеи использования прецедентов лежит тот факт, что общее существует в неразрывной связи с единичным (Аристотель) и что событиям ЛДП присущи не только уникальность и единичность, но и общность и повторяемость. Люди болеют одними и теми же болезнями, их лечат по одним и тем же стандартам, назначают лечебно-диагностические мероприятия, соответствующие современному уровню медицинских знаний и возможностям лечебного учреждения. При проведении этих мероприятий расходуется определенное количество МЦ. В частности, из общности и повторяемости событий ЛДП вытекает возможность формирования стандартов лечения, из общности и повторяемости материальных затрат, связанных с той или иной лечебно-диагностической процедурой, — возможность формирования норм расхода материалов.

События и прецеденты

Используем формализацию события, приведенную в [4]. В основе базиса формализации со-

бытия лежат понятия, на их основе определим атомарный факт (АФ) как пару понятий a=(ai, a2), aje A, где A — множество конечных последовательностей символов некоторого алфавита (тексты). Первое в паре понятие является общим абстрактным понятием: ‘пациент’, ‘диагноз’, ‘группа крови’. Второе — это конкретизация первого: ‘Иванов’, ‘ОРЗ’, ‘IV’.

В качестве базиса представления фактов и знаний рассматриваются события S, которые конструируются из атомарных фактов и являются конечными последовательностями атомарных фактов S=, ieN, ae A2.

Весь ЛДП может быть представлен однородно в виде множества событий. Можно пытаться рассматривать абстрактную задачу поиска общего у множества событий, сведя ее к выделению общих абстрактных понятий и общих фактов у этих событий. Подобные постановки свойственны искусственному интеллекту. Но более конструктивную и практически значимую постановку можно получить, если определять прецеденты относительно классов событий. Само по себе отнесение событий к некоторому содержательному классу уже говорит о том, что были проведены определенные классификация и генерализация событий и что события, относящиеся к одному классу, имеют что-то общее. Итак, рассматривая некое множество наблюдаемых событий , принадлежащих некоторому классу Sj eK, выделим на этом классе отображение p:K^S , определяющее на множестве наблюдаемых событий множество прецедентов. Два события Sie K и S2e K порождают один и тот же прецедент Pe S относительно отображения p, если p(S1)=p(S2)=P .

Пример. Рассмотрим класс событий — медикаментозные лечебные назначения. Приведем несколько событий из этого класса, упростив их модель. S1=

(‘дата и время события’, ‘?’), (‘автор события’, ‘врач X’), (‘пациент’, ‘NN’),

(‘диагноз’, ‘аллергический ринит’),

(‘наименование лекарственного средства’, ‘Тавегил’),

(‘способ введения’, ‘перорально’),

(‘периодичность’, ‘2 раз в день’)

(‘дата и время события’, ‘?’), (‘автор события’, ‘врач Y’), (‘пациент’, ‘NN’),

(‘диагноз’, ‘аллергический ринит’),

(‘наименование лекарственного средства’, ‘Тавегил’),

(‘способ введения’, ‘перорально’),

(‘периодичность’, ‘2 раз в день’)

(‘дата и время события’, ‘?’), (‘автор события’, ‘врач 2’), (‘пациент’, (‘диагноз’, ‘экзема’),

(‘наименование лекарственного средства’, ‘Тавегил’), (‘способ введения’, ‘перорально’), (‘дозировка’, ‘1 мг’),

(‘периодичность’, ‘2 раз в день’) >

Знаками ‘?’ заменены не определенные нами и несущественные для дальнейшего изложения атрибуты атомарных фактов. Построим отображение для выделения из указанного класса прецедентов : отображение заключается в удалении из событий атомарных фактов, включающих в себя следующие общие понятия (‘дата и время события’, ‘автор события’, ‘пациент’). Тогда события Б1, Б2 и Б3 порождают относительно ра два прецедента:

(‘диагноз’, ‘аллергический ринит’), (‘наименование лекарственного средства’, ‘Тавегил’), (‘способ введения’, ‘перорально’), (‘дозировка’, ‘1 мг’),

(‘периодичность’, ‘2 раз в день’) >,

(‘наименование лекарственного средства’, ‘Тавегил’), (‘способ введения’, ‘перорально’), (‘дозировка’,’1 мг’),

(‘периодичность’, ‘2 раз в день’) >.

Рассмотренное отображение ра выделяет прецеденты медикаментозных назначений, содержащих информацию о том, какие лекарственные средства назначаются при определенном заболевании.

Рассмотрим другое отображение рр, которое выделяет прецеденты медикаментозных назначений с информацией о том, какие лекарственные средства назначались конкретному пациенту независимо от заболевания:

(‘наименование лекарственного средства’, ‘Тавегил’), (‘способ введения’, ‘перорально’), (‘дозировка’, ‘1 мг’), (‘периодичность’, ‘2 раз в день’) >.

На первый взгляд кажется, что прецеденты выделяются с помощью простого «проектирования» исходных событий в «подпространство меньшей размерности». Безусловно, такое проектирование имеет место, но выделение прецедентов отнюдь не сводится только к нему. Допустим, что тот же ‘Тавегил’ назначался пациенту в различных дозировках: ‘1 мг’, ‘2 мг’, ‘3 мг’, ‘4 мг’, ‘5 мг’ и ‘6 мг’. Эти события породят шесть различных прецедентов относительно отображения рр. Но можно свести все шесть прецедентов к од-

ному, если изменить отображение и ввести в рассмотрение ранг дозировки. В результате получится следующий прецедент:

(‘наименование лекарственного средства’, ‘Тавегил’), (‘способ введения’, ‘перорально’), (‘минимальная дозировка’, ‘1 мг’), (‘максимальная дозировка’, ‘6 мг’), (‘периодичность’, ‘2 раз в день’) >.

Заметим, что теперь отображение усложнилось и его аргументами выступает не только само событие Б, элемент класса К, но и все наблюдаемые события этого класса , Б’е К, так как ранг атрибута атомарного факта определяется уже всеми наблюдаемыми событиями вместе: Р=р(Б, , Бе , Б’еК. Ранг в указанных примерах можно вычислять и для периодичности. Кроме ранга, можно использовать любые другие характеристики, вычисляемые по множеству наблюдаемых событий, например, статистические средние и дисперсии. Из других важных характеристик прецедента, вычисляемых по всему множеству наблюдаемых событий определенного класса, введем в рассмотрение мощность прецедента как число событий, порождающих этот прецедент. Учитывая наличие у событий темпоральных характеристик, введем в рассмотрение дату и время последней актуализации прецедента как дату и время самого недавнего события, порождающего данный прецедент. Эти характеристики очень важны для оценки значимости прецедента и позволяют строить различные стратегии применения знаний о прецедентах. Расширим предыдущий пример указанными характеристиками:

(‘дата и время последней актуализации прецедента’, ‘?’), (‘пациент’,

(‘наименование лекарственного средства’, ‘Тавегил’), (‘способ введения’, ‘перорально’), (‘минимальная дозировка’, ‘1 мг’), (‘максимальная дозировка’, ‘6 мг’), (‘периодичность’, ‘2 раз в день’) >.

В результате такого расширенного понимания прецеденты приобретают изменяющиеся во времени характеристики и перестают быть чисто статическими. При изменении множества наблюдаемых событий за счет появления новых событий могут появиться новые прецеденты и измениться характеристики уже известных прецедентов.

В окончательной формулировке прецеденты определяются отображениями отдельных наблюдаемых событий совместно со множеством всех наблюдаемых событий, которые определены на некотором классе, в событие-прецедент р:х х^Б. ‘

Здесь — множество наблюдаемых событий определенного класса К; N — множество нату-

ральных чисел, значения из которого принимает верхний индекс события 1 из множества наблюдаемых событий; р — отображение заданного наблюдаемого события, определенного индексом, и всего множества наблюдаемых событий в событие-прецедент 8.

Обсудим конкретные примеры применения прецедентов в МИС.

Автоматизация учета в МИС

прямых материальных затрат

От современных МИС требуется полная аналитика движения МЦ, начиная с источников финансирования закупок материалов и заканчивая точным знанием расходов материалов до непосредственного их списания на пациента (персонифицированный учет). Организация планомерной закупки материалов также требует точной статистики по расходу. Знание всех прямых затрат на конкретные категории пациентов, а также по но-зологиям (формально закодированным диагнозам) и отделениям, вплоть до знания расхода материалов в отдельных лечебных процедурах, позволяет более точно оценивать себестоимость как всего лечения, так и отдельных процедур, а также дает возможность составлять прейскуранты на платные услуги.

Задача автоматизации учета прямых материальных затрат в МИС сталкивается с рядом проблем [3, 5]. Одна из них — переход к персонифицированному материальному учету, вовлекающий в себя широкий круг пользователей МИС. Речь идет в первую очередь о среднем медицинском персонале, который непосредственно расходует материальные средства для исполнения предписанных врачами назначений и вносит данные о расходе в МИС.

Решить проблемы и реализовать детальный персонифицированный учет прямых материальных затрат в МИС можно с помощью принципиально нового подхода к организации материального учета, построенного на прецедентах.

В основе прецедентного построения материального учета лежит включение в каждое событие из класса событий — записей о расходе МЦ — информации о том, какой материал был затребован и чем обусловлено это требование. Формально событие о расходе МЦ запишем в следующем виде:

(‘дата и время события’, ‘?’), (‘автор события’, ‘?’),

(‘наименование затребованного материала’, ‘?’), (‘количество затребованного материала’, ‘?’), (‘единицы измерения затребованного количества’, ‘?’), (‘наименование израсходованного материала’, ‘?’), (‘количество израсходованного материала’, ‘?’),

(‘единицы измерения израсходованного количества’, ‘?’), >.

Приведем реальный пример события о расходовании МЦ:

(‘дата и время события’, ‘?’), (‘автор события’, ‘медсестра №),

(‘наименование затребованного материала’, ‘Метрагил’), (‘количество затребованного материала’, ‘1000’), (‘единицы измерения затребованного количества’, ‘мг’), (‘наименование израсходованного материала’, ‘Метронида-зол 0,5 % 100 мл’),

(‘количество израсходованного материала’, ‘2’), (‘единицы измерения израсходованного количества’, ‘шт.’), >.

Содержательная трактовка этого события: автор события, медсестра N соотнесла с назначенным врачом «Метрагилом» числящийся по материальному учету «Метронидазол». Затем перевела указанную врачом дозировку 1000 мг в учетные единицы 2 шт., имея в виду, что, согласно форме выпуска этого лекарственного средства «0,5 % 100 мл», в 100 мл раствора содержится 0,5 г «Метро-нидазола», а в двух штуках соответственно 1 г = 1000 мг. Поставим в соответствие этому событию следующий прецедент:

(‘дата и время последней актуализации прецедента’, ‘?’), (‘автор события’, ‘медсестра №),

(‘наименование затребованного материала’, ‘Метрагил’), (‘единицы измерения затребованного количества’, ‘мг’), (‘наименование израсходованного материала’, ‘Метронидазол 0,5 % 100 мл’),

(‘количество израсходованного материала’, ‘2’), (‘единицы измерения израсходованного количества’, ‘шт.’), (‘пропорция между количеством затребованного материала и количеством израсходованного материала’, ‘500’), >.

Видно, что возникший прецедент несет в себе определенные знания. Во-первых, произошло согласование наименования лекарственного средства, указанного врачом в лечебном назначении, с торговым наименованием и конкретной формой выпуска лекарственного средства, числящегося по материальному учету. Во-вторых, появилась пропорция между затребованным и израсходованным количеством лекарственного средства, взятым в различных единицах измерения. В указанном примере врач может уменьшить дозировку лечебного назначения до 500 мг. Если при этом будет израсходована 1 шт. указанного лекарственного средства, такое событие приведет к уже известному прецеденту, так как 1000:2 = 500:1 и пропорция не изменилась.

Преимущества введения в материальный учет прецедентов

Во-первых, избавление от проблемы контроля каждой записи о расходе, сведение контроля расхода к контролю прецедентов. Очевидно, что мощность множества прецедентов существенно меньше, чем мощность множества записей о расходе. В БД крупного московского ЛПУ при вводе

в работу прецедентного материального учета примерно за один квартал зарегистрировано 468 679 записей о расходе и 21 626 соответствующих прецедентов.

В этом примере мощность множества прецедентов примерно в 22 раза меньше мощности первичного множества записей о расходе. В дальнейшем мощность множества записей о расходе будет расти линейно, пропорционально времени, а мощность множества прецедентов будет иметь тенденцию к слабому росту, обусловленному в основном появлением новых пользователей системы (врачей и среднего медперсонала), а также связанному с расширением номенклатуры материалов.

Прецеденты еще разбиваются по авторам и, соответственно, по отделениям. В нашем примере 91 автор. В каждом отделении каждому уполномоченному лицу (аудитору) потребуется контролировать 1-3 тыс. прецедентов.

Во-вторых, оперативный контроль сводится в основном только к анализу новых прецедентов. На появление новых записей о расходе, для которых уже имеются зарегистрированные в системе и признанные правильными прецеденты, при контроле можно не обращать внимания. Это позволяет сильно снизить нагрузку на пользователей-аудиторов и свести ее к рассмотрению вновь созданных прецедентов и их анализу на корректность.

В-третьих, все зарегистрированные системой прецеденты обусловлены требованиями к подсистеме материального учета со стороны других подсистем — лечебно-диагностических назначений, ведения клинических документов, учета услуг. В идеале записей о расходе, не обусловленных требованиями, не должно быть. Лица, непосредственно расходующие материалы в ходе ЛДП и вносящие записи о расходе в БД, как правило, не формируют в системе требования на материалы и, следовательно, не могут создать не обоснованные с точки зрения ЛДП требования. Любая запись о расходе связана с требованием и им обусловлена.

В-четвертых, знание прецедентов позволяет реализовать в подсистеме материального учета механизм автоматической разноски требований. Анализируя строку конкретного разносимого требования, система может обнаружить в БД подходящие для этой строки прецеденты. На основании выделенных, подходящих прецедентов можно автоматически выполнить разноску. Для начала следует проранжировать выделенные подходящие прецеденты. В рассматриваемой модели прецедентов присутствуют атрибуты автора и мощности прецедента, а также даты его последней актуализации. На основании этих атрибутов можно предложить различные простые стратегии ранжирования прецедентов.

Например, сначала прецеденты ранжируются по авторам и в первую очередь применяются прецеденты, созданные самим пользователем. Затем прецеденты ранжируются по мере убывания их мощности, то есть в первую очередь применяются наиболее часто используемые прецеденты. При равенстве мощности двух прецедентов предпочтение может быть отдано тому, у которого дата актуализации старше. Очевидно, что это не единственная возможная стратегия.

Например, можно включить в атрибуты прецедента признак его корректности и вести разноску только на основании правильных прецедентов. Некоторые прецеденты могут быть нетипичными, хотя и правильными. Эти нетипичные маргинальные прецеденты также удобно размечать отдельным признаком и не использовать при разноске, хотя для нетипичных прецедентов хорошим фильтром также будет служить мощность прецедента. На основании отобранных, подошедших к затребованному и проранжированных прецедентов последовательно делается попытка связать имеющиеся материальные запасы с требованием. В случае успеха формируются связанные с затребованным автоматически разнесенные записи о расходе. Пользователю остается подтвердить правильность выполненной разноски и изменить разноску там, где он не согласен с результатом автоматической разноски, а затем окончательно завершить транзакцию, изменив материальные остатки. В результате в общем случае будут подтверждены ранее известные системе прецеденты (увеличена их мощность), а также созданы новые прецеденты.

i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

В-пятых, отпадает необходимость специально согласовывать справочники различных подсистем. Например, подсистемы лечебно-диагностических назначений и подсистемы материального учета. Собственно, сами прецеденты теперь предоставляют пользователю механизм согласования.

В-шестых, прецеденты, связывая требования и отпуск, становятся элементами базы знаний системы. Появление нового прецедента равносильно появлению новых знаний в системе, за которым следует возникновение соответствующих событий, например, уведомления о необходимости контроля нового прецедента — необходимости проверки новых знаний, немедленная возможность функционального использования новых знаний, например, для выполнения автоматической разноски.

Для авторов статьи чрезвычайно важно, что предложенная концепция прецедентного материального учета не осталась чисто теоретической разработкой, а нашла свое практическое применение. Успешная апробация прецедентного материального учета состоялась в 2008 году в ФГУ «Клиническая больница Управления делами Президента Российской Федерации» [5].

Использование прецедентов в подсистеме лечебно-диагностических назначений

Существует такая максима, что весь ЛДП сводится к лечебно-диагностическим назначениям. Во всяком случае, основной функцией врача в МИС наряду с ведением различных клинических документов (осмотров, дневников, протоколов, заключений и т.п.) является формирование назначений. Этот трудоемкий процесс можно облегчить и автоматизировать, если использовать шаблоны назначений и выбрать из них уже готовые формализованные назначения. Использование прецедентов позволяет по-новому решить проблему шаб-лонирования назначений. Обычной практикой в МИС является либо непосредственный ручной ввод шаблонов назначений, либо выбор уже сделанных назначений для их включения в тот или иной шаблон. Автоматически шаблоны не пополняются, для этого требуется ручная работа. Все эти недостатки обычных шаблонов могут исправить прецеденты.

Во-первых, прецеденты формируются информационной системой полностью автоматически на основе возникших событий (на основе уже сделанных назначений).

Во-вторых, прецеденты над классами лечебно-диагностических назначений могут быть построены несколькими различными отображениями, что позволяет достичь совершенно нового качества в анализе и функциональном использовании прецедентных знаний.

В прецеденты можно включать информацию об авторе прецедента. В этом случае каждый врач может использовать в качестве шаблонов свои прецеденты, но одновременно с этим использовать прецеденты назначений других авторитетных врачей. В прецеденты можно включать ассоциацию с услугой, в рамках которой было сделано назначение. В этом случае при выборе конкретной услуги можно сразу же получить все прецеденты назначений, с нею связанных. Коммерциализация современной медицины делает подобный отбор прецедентов вполне оправданным. Прецеденты можно связать с медицинской картой, историей болезни или амбулаторной картой. История болезни выделяет некий определенный законченный эпизод (этап) в жизни и лечении пациента. Прецеденты, связанные с историей болезни, характеризуют все лечебно-диагностические назначения, сделанные в ходе этого эпизода ЛДП. Прецеденты, ассоциированные с пациентом, несут всю имеющуюся в данной МИС информацию обо всех лечебно-диагностических назначениях для этого пациента. Прецеденты можно ассоциировать с диагнозом (формальным кодом по международному классификатору болезней). В этом случае можно выделить прецеденты назначений, связанных с тем или иным заболеванием, что отражает общепринятую практику врача: идти от поставленного

диагноза к назначениям. Напомним, что прецеденты также несут информацию о своей мощности, что позволяет ориентироваться при их выборе на типичные, наиболее часто применяемые прецеденты.

Стандарты лечения и прецеденты

Современная медицина выдвигает жесткие требования к составу и содержанию лечебных и диагностических мероприятий по каждой нозологии. С одной стороны, должен быть обеспечен достаточный их набор, гарантирующий пациенту адекватное лечение, с другой — следует избегать избыточных лечебных вмешательств, неадекватное увеличение которых ведет к повышению риска для больного (развитие осложнений в процессе инструментальных исследований) и возрастанию стоимости лечения.

Стандартизация медицинских технологических процессов, удовлетворяющих таким требованиям, — весьма трудоемкая задача [6], однако ее можно эффективно решать на основе анализа ретроспективных данных, хранящихся в МИС, извлечения потоков событий ЛДП, анализа прецедентов, выделения на этой основе фактических стандартов лечения с их последующим экспертным анализом и оптимизацией.

Очевидно, что в общем лечебно-диагностический процесс не может быть сведен только к прецедентам. Важны не только выделенные в прецеденты события и их кратность, но и сам порядок событий. Полную информацию об этом несут только исходные, не свернутые в прецеденты события. Однако если обратиться к стандартам оказания медицинской помощи, разработанным Министерством здравоохранения и социального развития РФ, можно обнаружить, что сами стандарты имеют ярко выраженный прецедентный характер. В этих стандартах не указана явная последовательность лечебно-диагностических событий, приводятся частота предоставления (фактически это требование к вероятности появления события в ЛДП) и среднее количество лечебно-диагностических событий в расчете на некоторый временной период. В качестве примера приведем выдержки из стандарта медицинской помощи больным инсулинозависимым сахарным диабетом.

Министерство здравоохранения и социального развития. Стандарт медицинской помощи больным сахарным диабетом от 07.04.2005 № 262. Модель пациента

Категория пациента: дети, взрослые

Нозологическая форма: инсулинозависимый сахарный диабет

Код по МКБ-10: Е10 Фаза: хроническая Стадия: все стадии

Осложнение: нефропатия, ретинопатия, нейропатия, катаракта, диабетическая стопа, хайропатия Условие оказания: амбулаторно-поликлиническая помощь

Лечение из расчета 12 месяцев.

I g i Сред. я О 8 кол.

A09.28.023 A09.28.003 A05.10.001

A11.05.001 Взятие крови из пальца

Исследование уровня глюкозы в крови

Исследование уровня гликилиро-ванного гемоглобина крови Взятие крови из периферической вены

Исследование уровня мочевины в крови

Исследование уровня креатинина в крови

Исследование уровня общего билирубина в крови А09 05 026 Исследование уровня холестерина . . в крови

Исследование уровня липопро-теинов в крови

Исследование уровня липопро-теидов низкой плотности Исследование уровня аспартат-трансаминазы в крови Исследование уровня аланин-трансаминазы в крови Микроскопическое исследование осадка мочи

Исследование уровня глюкозы в моче

Обнаружение кетоновых тел в моче

Определение удельного веса (относительной плотности) мочи А09.28.003 Определение белка в моче

Фармакотерапевтическая группа: гормоны и средства, влияющие на эндокринную систему (частота назначения 0,7)

Международное непатентованное наименование

0,5 0,1 0,1 0,1 0,1 0,1 0,1 1 1

Эквивалентная курсовая доза

ровочная дневная доза

Анатомо-терапевтическо-химическая группа — инсулины (частота назначения 0,2): инсулин растворимый (человеческий генноинженерный) инсулин аспарт инсулин лизпро инсулин изофан (человеческий генноинженерный) инсулин гларгин Анатомо-терапевтическо-химическая группа — сахаросни-жающие препараты для перорального применения (частота назначения 0,8):

0,2 30 МЕ 10950 МЕ

0,2 30 МЕ 10950 МЕ

0,2 30 МЕ 10950 МЕ

[0,2 20 МЕ 7300 МЕ

0,2 20 МЕ 7300 МЕ

глибенкламид 0,3 8 мг 2880 мг

гликлазид 0,15 100 мг 36000 мг

глимепирид 0,15 4 мг 1440 мг

метформин 0,15 1,5 г 540 г

гликвидон 0,15 120 мг 43800 мг

зепаглинид 0,1 16 мг 5840 мг

Анализ структуры стандарта показал, что контроль фактического ЛДП на соответствие стандарту можно свести к выделению из ЛДП прецедентов и их ассоциации с лечебно-диагностическими событиями из стандарта, сопоставлению мощности и других характеристик прецедента с соответствующими характеристиками из стандарта. С помощью тех же прецедентов ЛДП, ассо-

циированных с определенной болезнью (нозологией), можно решить задачу выделения стандартов лечения de facto.

Документы и прецеденты

Электронные документы занимают очень важное место в МИС. В них отражается весь ЛДП. Медицинская карта фактически представляет собой коллекцию различных документов как в классическом бумажном, так и в электронном виде. Документы описывают лечебно-диагностические события. Следовательно, структура документа становится носителем знания о ЛДП. В принятой в ИПС РАН архитектуре реализации документов в МИС [7] структура документа изначально принимается в виде дерева, в узлах которого находятся атомарные факты. Задается порядок обхода дерева. Для каждого атомарного факта вводится понятие локального и глобального контекстов [8], определяемых всеми другими атомарными фактами, пройденными при обходе дерева от вершины до заданного атомарного факта. Контексты нужны для правильной семантической интерпретации данного атомарного факта, а также для разбора данных документа и их сохранения в БД в разобранном виде.

Опыт автоматизации медицинского клинического документооборота показал, что структуры документов даже одного типа варьируются от учреждения к учреждению и отражают разные предпочтения врачей, различную сложившуюся практику ведения медицинских карт в ЛПУ, различие медицинских школ в отражении ЛДП в документах. Все разработанные в ИПС РАН модели клинических документов собраны в единый банк документов, который уже сейчас содержит свыше 250 структурированных документов различных типов (а с учетом внутритиповых вариаций гораздо больше).

Прецедентный анализ структур документов позволяет решить сразу несколько задач. Во-первых, можно выделить прецеденты связи каждого АФ с родительскими и дочерними АФ (из АФ в прецеденты включается только абстрактное понятие). Множество выделенных абстрактных понятий и отношений включения на них позволяют сформировать локальный внутрисистемный тезаурус понятий для предметной области, после чего становится возможным конструирование документов на основе тезауруса. Конструирование можно начать с любого абстрактного понятия из тезауруса и затем двигаться от него как вверх, так и вниз по указанным в тезаурусе связям с другими абстрактными понятиями, включая их в структуру. Очевидно, что таким образом можно получить все структуры (модели документов) из банка данных, а также сконструировать новые гибридные документы. Во-вторых, для каждого данного АФ можно выделить прецеденты всех контекстов ис-

пользования данного факта. Это позволит при конструировании структуры документа вести ее проверку на соответствие контекстов всех АФ известным контекстам их использования и автоматизирует семантический контроль конструируемого документа. Каждая новая модель документа привносит новое знание, которое усваивается системой в соответствующих прецедентах и в тезаурусе.

Система информационной безопасности и прецеденты

К современным МИС выдвигаются жесткие требования по защите информации от несанкционированных изменений и от несанкционированного доступа. Особую роль приобретают персональные данные. Защита персональных данных регламентируется нормативными документами, принятыми на федеральном уровне. Вопросы информационной безопасности также поднимаются в национальном Стандарте РФ ГОСТ-52636 «Электронная история болезни. Общие положения».

Для МИС крупного ЛПУ характерна проблема большой мощности потока событий, которые подвергаются аудиту системой информационной безопасности. Огромное число источников данных: на уровне реляционной БД число таблиц и представлений может исчисляться тысячами. Громадное количество программных модулей и функциональных программных единиц (функций, процедур), вызываемых пользователями, — тысячи единиц. Число пользователей в крупных ЛПУ уже приближается к тысяче. Все это создает проблемы для аудита событий доступа к информации. Прецеденты в состоянии решить проблему мощности потока событий, отказавшись от контроля непосредственных первичных событий и сведя аудит к контролю новых, ранее не подвергавшихся аудиту прецедентов.

Реализация уровня прецедентов в архитектуре МИС

Методические рекомендации по реализации уровня прецедентов в архитектуре МИС следующие. В первую очередь необходим тщательный отбор классов наблюдаемых событий для выделения из них прецедентов. Хороший класс — это уже полезное предварительное обобщение информации. Далее строятся различные отображения классов в прецеденты. Отображения определяются практическим назначением выделяемых прецедентов. Некоторое опасение может вызвать тот факт, что при построении каждого отдельного прецедента в общем случае имеется необходимость в обработке всего множества наблюдаемых событий данного класса. Это требуется для получения характеристик прецедентов, вычисляемых по всем наблюдаемым событиям. Может показаться, что появление каждого нового события по-

требует заново пересчитать все уже выделенные прецеденты, так как произошло расширение множества наблюдаемых событий. Легко видеть, что необходимые для пересчета «интегральные» характеристики наблюдаемого множества событий можно хранить в самих прецедентах (ранг, мощность прецедента и т.п.). Зачастую этих ранее рассчитанных интегральных характеристик оказывается достаточно для их обновления в связи с появлением нового события. Например, если появилось новое событие, для которого ранее был выделен прецедент, потребуется просто увеличить мощность этого прецедента на 1 и перенести из события в прецедент дату и время актуализации события. Технически в системе можно реализовать выделение прецедентов с помощью синхронных и асинхронных процессов. Синхронные процессы выделения прецедентов работают в той же транзакции, в которой создаются новые события ЛДП. Поэтому создание событий и выделение соответствующих прецедентов происходят практически одновременно. Процесс выделения прецедентов может оказаться достаточно ресурсоемким прежде всего по времени. Тогда можно выделять прецеденты с помощью асинхронных процессов. В этом случае возникновение новых событий ЛДП фиксируется в виде некоторой очереди вторичных событий, несущих информацию о произошедших первичных событиях. Асинхронный процесс периодически запускается и производит обработку очереди вторичных событий, актуализируя уже известные прецеденты и выделяя новые прецеденты из новых событий ЛДП.

В работе перечислены далеко не все возможности применения прецедентов в МИС. Несмотря на относительную простоту данной концепции прецедента, практические перспективы прецедентов (даже неожиданно для авторов) оказались весьма широки. Связано это с тем, что прецеденты — мощное средство обобщения и генерализации знаний, заключенных в событиях и документах.

В статье описаны возможности использования прецедентов для автоматизации процесса формирования лечебно-диагностических назначений, для контроля ЛДП на соответствие стандартам оказания медицинской помощи, при формировании фактической базы стандартов лечения de facto для разработки собственных стандартов лечения. Велика роль прецедентов для структуризации и концептуализации знаний в виде тезауруса понятий предметной области. Прецеденты позволяют автоматизировать конструирование моделей документов на основе тезауруса с включением в процесс конструирования семантического контроля. Прецеденты могут найти широкое применение в системе информационной безопасности и автоматизировать аудит событий, контролирующих доступ к медицинской информации, включая персональную информацию. Они уже нашли практи-

ческое применение в области детального персонифицированного учета и контроля прямых материальных затрат ЛДП. Прецеденты позволяют справиться с большой мощностью потока событий ЛДП. Отдельного внимания заслуживает тот факт, что они являются носителями знаний, выражающихся в ассоциировании между собой АФ, входящих в прецедент. Контроль нового прецедента -это фактически подтверждение новых знаний компетентным аудитором с немедленной возможностью дальнейшего функционального использования подтвержденных знаний. На основании изложенного можно сделать вывод, что прецеденты вышли за границы отдельного частного механизма и претендуют занять отдельный уровень в архитектуре современной МИС.

1. Кадыров Ф.Н. Экономические методы оценки эффективности деятельности медицинских учреждений. М.: Издат. дом «Менеджер здравоохранения», 2007.

2. Мчедлидзе Т.Ш., Янченко В.М., Касумова М.К. Управление медицинским бизнесом: Система управления

стоматологической организацией. СПб.: ООО «МЕБИ издательство», 2007.

3. Калинин А.Н., Малых В.Л., Юсуфов Т.Ш. Управление материальными ресурсами ЛПУ в МИС. Аптека и диетпитание // Врач и информационные технологии. 2006. № 4. С. 87-90.

4. Гулиев Я.И., Малых В.Л., Юрченко С.Г. Контекстный анализ событий и синтез структуры медицинских знаний. Современные информационные и телемедицинские технологии для здравоохранения // А1ТТН’2008: матер. II меж-дунар. конф. Минск: Объединенный институт проблем информатики НАН Беларуси, 2008. С. 164-168.

5. Малых В.Л., Гулиев Я.И., Крылов А.И., Рюмина Е.В. Проблемы автоматизации учета прямых материальных затрат в медицине. Архитектура прецедентного материального учета // Аудит и финансовый анализ. 2009. № 2. С.465-471.

6. Назаренко Г.И., Полубенцева Е.И. Управление качеством медицинской помощи. М.: Медицина, 2000.

7. Гулиев Я.И., Малых В.Л. Архитектура НЬ-Х // Программные системы: теория и приложения: тр. Междунар. конф. / ИПС РАН, Переславль-Залесский; под ред. С.М. Абрамова. В 2 т. М.: Физматлит. 2004. Т. 2.С. 147-168.

8. Малых В.Л., Юрченко С.Г. Документальный уровень представления знаний в интегрированной медицинской информационной системе // Там же. С. 217-230.

РЕАЛИЗАЦИЯ ДОКУМЕНТОВ В МЕДИЦИНСКОЙ ИНФОРМАЦИОННОЙ СИСТЕМЕ ИНТЕРИН

i Не можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

С.Г. Юрченко (ИПС им. А.К. Айламазяна РАН, г. Переславль-Залесский,

В статье приводятся основные требования к электронным медицинским документам. В качестве примера описывается их реализация в медицинской информационной системе Интерин.

Ключевые слова: электронный медицинский документ, медицинская информационная система, архитектура информационных систем.

В медицинских информационных системах (МИС) очень важна поддержка медицинских документов. Согласно ГОСТ Р 52636-2006, персональная медицинская запись (ПМЗ) может содержать описание проведенного осмотра или обследования (в том числе лабораторного или инструментального), консультации, назначения, выполненной операции или процедуры, обобщенного заключения о состоянии больного и т.д. Совокупность таких записей, выполненных традиционным способом в конкретном медицинском учреждении, составляет историю болезни, или амбулаторную карту пациента.

По сути весь лечебно-диагностический процесс находит свое отражение в документах, являющихся основным носителем медицинской информации о пациенте. В крупных медицинских учреждениях за год может заполняться до нескольких сотен тысяч документов. Поскольку подобные документы являются источником персональных и конфиденциальных данных, они должны отвечать следующим требованиям:

• неизменность и достоверность на протяжении всего периода хранения;

• регламентация прав доступа и конфиденциальность;

• персонифицируемость (возможность определить автора и происхождение записи в любой момент — аналог подписи на традиционном документе).

Счет различным типам документов идет на сотни, причем зачастую отсутствует общепринятый стандарт, регламентирующий содержание информации и порядок, в котором она должна включаться в документ. Один и тот же осмотр в разных больницах может выглядеть по-разному в зависимости от предпочтений специалистов, работающих в них. В процессе работы эти предпочтения могут меняться: например, врач решает добавить какое-то новое поле или изменить список возможных значений в существующем. Следует учитывать и различия между стационарными и поликлиническими учреждениями. Дополнительно могут существовать несколько вариантов визуального представления одного и того же документа, скажем, выписка из него, выдаваемая на руки пациенту, где указан адрес медицинского учреждения или иная контактная информация. В элек-