Intelligens Partnerrendszerek az egészségügyben

Az ALL intelligens megoldásainak egyik fontos alkalmazási területe az egészségügy. Az ALL számos intelligens egészségügyi információs rendszer­t fejlesztett ki. Ezek közös vonása, hogy bennünk a szokásos adatbázis kezelési alkalmazások mellett explicit formában megjelennek a problémák megoldásához szükséges releváns orvosi tudás elemei és azok a tudásmanipulációs módszerek (következtetés, érvelés, modellezés és szimuláció), melyek képesek az adatokat feldolgozni, ismereteket kinyerni a gyűjtött adatokból, felállítani a diagnózist, értelmezni a betegtől származó adatokat és meghatározni a beteg számára legmegfelelőbb terápiát. A kidolgozott rendszerek ezért szinte kivétel nélkül tudás alapú (intelligens) alkalmazások. Az ALL nem csupán megszokott ellátási formák számítógépes támogatására törekszik. Céljai között szerepel új ellátási formák informatikai hátterének megteremtése is.

Az ALL az egészségügyi tapasztalatai

Az Alkalmazott Logikai Laboratórium Kutató-fejlesztő Szövetkezet (ALL) 1989-től kezdett egészségügyi témákkal foglakozni. Számos speciális logikai módszert és eszközt dolgoztunk ki az orvosbiológia és egészségügyi informatika terén. A fejlesztések terén külön hangsúlyt kapnak az orvosbiológiai diszciplínák, az orvosi gondolkodás, illetve a feladatmegoldás formalizálásához szükséges módszerek és eszközök kifejlesztése, éppúgy mint az orvosi és orvosbiológiai informatika terén a különböző információs rendszerek intelligens eszközeinek fejlesztése és alkalmazása. Az intelligens partner rendszerek kifejlesztése számos orvosi terület (nephrológia, immunológia, kardiológia, pulmonológia, stb.) számára tették lehetővé tudásalapú alkalmazói rendszer létrehozását. Ezek a rendszerek lehetővé tették a krónikus betegegek gondozását támogató rendszerek (pl. magas vérnyomás, diabétesz, stb.) kifejlesztését.

A nagy-bonyolultságú rendszerek ALL-ben folyó modellezése magában foglalja a logikai modellezési eszközök, valamint a nem-lineáris dinamikus rendszerek leíró és vizsgálati módszereinek kidolgozását és ezek alkalmazását az orvosbiológia területén. A tevékenység átöleli az élő rendszerek átfogó jellemzését, modellezését, teszt módszerek kidolgozását a pontosabb diagnózis és a kezelés optimalizálása érdekében, megteremtve ezzel a betegek individuális kezelésének feltételeit.

Az e-egészségügy témaköréhez kapcsolódóan elsősorban intelligens telemedicinális megoldások kidolgozásával foglakozunk. Különleges hangsúlyt fektetünk speciális orvosinformatikai, -biológiai fejlesztésekre; bekapcsolódva orvosbiológiai és biofizikai kutatásokba is. Fejlesztéseink között egyaránt találhatóak új bioinformációs mérési elvek és berendezések valamint immunológiai kutatási eredményekre épülő tudásalapú intelligens partner rendszerek, melyek diagnosztikában és terápiaválasztásban segítik az orvosokat.

Az ALL módszert dolgozott ki az egészségügyi minőségirányítás integrált kezelésére is.

Részt vettünk több EU projektben, mint pl. a diabétesz gondozás telematikus menedzselésére szolgáló rendszert kidolgozó M2DM. Számos hazai finanszírozású K+F projektben vettünk részt. Ennek keretében került sor pl. a traumatológiai intelligens szakmai rendszer prototípusának kidolgozására.

Az egészségügyi intézmények versenyképességének növelése érdekében kidolgoztunk egy komplex irányítási és gazdálkodási rendszert, amely támogatja a tevékenységalapú szemléletet.

Az egészségügyi minőségirányítás területe szintén az ALL tevékenységi körébe tartozik.

Intelligens adatfeldolgozás

Az egészségügyi informatika fontos feladata az adatok sokféle és hatékony feldolgozása. Az adatelemzés kiemelten fontos célja az ismeretek, illetve tudás kinyerése. Az ALL-ben intenzíven foglalkozunk az adatfeldolgozás különféle intelligens módszereivel. Módszereket dolgoztunk ki az adatok célirányos előkészítésére, valamint a problématerület megfelelő modellel történő leírására. Az így kialakított modellnek megfelelően kerül sor az adatok sokoldalú és egyben hatékony elemzésére. A probléma modelljét a kinyert összefüggések és szabályok alapján egy objektum-alapú grafikus nyelv segítségével lehet megadni. A modellek készítését tematikusan rendszerezett repository segíti. Az adatelőkészítés tartalmazza az adatok tisztítását, az esetleg szükséges transzformációkat, normálásokat és más egyéb formai és tartalmi előkészítési műveleteket. Az előkészítési munka tartalmazza az adatok statisztikai kontrollja mellett az adatok fogalmilag rokon csoportjainak megállapítását (clusterezés), valamint a logikai kapcsolatok extenzionális összefüggéseinek megállapítását. Ehhez a kidolgozott technológia a „tudás-feltárás” gépi tanulási és neuron-hálós eljárásokon alapuló módszereit ajánlja a „klasszikus” data-mining módszerekkel (drilling-up, drilling-down, stb) együtt. Az adatok közötti összefüggések megjelenhetnek táblázatként, (verbalizált) szabályok sorozataként, illetve grafikus formában.

Az intelligens adatfeldolgozás egy fontos, specifikus területe a logikai alapú adatvizsgálat. Erre plauzibilis érvelési módszertant dolgoztunk ki, amely hatékonyan képes az adatok és információk halmazában rejlő bizonytalanságok kezelésére.