Вчені з санкт-петербурзького федерального дослідного центру російської академії наук (спб фіц ран) створили програмне забезпечення, яке буде здійснювати підтримку прийняття соціально-орієнтованих рішень при екстреній госпіталізації великої кількості хворих в умовах пандемії. Розробка дозволить підвищити ефективність медичних установ, які задіяні в боротьбі з пандемією, уникнути черг з автомобілів швидкої допомоги і врахувати фактор невизначеності при госпіталізації в умовах пандемії.
» ми запропонували комп’ютерну модель, яка здійснює підтримку диспетчерського центру швидкої допомоги, при екстреній госпіталізації великої кількості хворих в умовах пандемії. У своїй роботі модель враховує безліч факторів, серед яких факт повідомлення про симптоми захворювання, кількість доступних госпіталів і ступінь їх завантаженості, вік пацієнта, швидкість обстеження і прийому пацієнтів, віддаленість місця проживання пацієнтів від госпіталів. Необхідність вирішення проблеми прийняття оперативних рішень при екстреній госпіталізації легко простежити за новинними стрічками і повідомленнями в соціальних мережах з фотографіями черг швидких у приймального спокою госпіталів в період зростання захворюваності коронавірусом», – розповідає микола тесля, старший науковий співробітник лабораторія інтегрованих систем автоматизації санкт-петербурзького інституту інформатики та автоматизації ран (спііран – входить в спб фіц ран).
На початку пандемії для допомоги медперсоналу міністерством охорони здоров’я був розроблений регламент дій для прийняття рішень щодо госпіталізації пацієнтів з ознаками захворювання коронавірусом. Згідно з цим регламентом лікарі повинні були оцінити симптоми, визначити ступінь тяжкості захворювання і прийняти рішення про госпіталізацію, про проведення кт або про домашній карантин. Однак хід пандемії змінюється стрімко, і існуючі вказівки про ведення госпіталізації можуть не встигати за розвитком ситуації. Крім того, оперативна інформація включає в себе велику кількість параметрів, відстеження та оцінка яких для диспетчера є досить складним завданням.
» у ході дослідження ми зібрали набір даних зі станцій швидкої допомоги в двох районах санкт-петербурга. Вони включають повністю знеособлену інформацію про пацієнтів і лікарів: вік, симптоми, попередній діагноз для пацієнта і загальну тривалість зміни, час проведений у пацієнта, вік і стать для медперсоналу. Виявилося, що деякі з досліджених факторів дійсно можуть вплинути на швидкість і ефективність прийняття рішень. Врахування цих факторів у момент прийняття рішення про госпіталізацію дозволить здійснити більш рівномірну диспетчеризацію хворих», — зазначає микола тесля.
Так, дослідження показало залежність часу госпіталізації від віку пацієнта: в середньому чим він старший, тим довше приїхали на виклик медики приймають рішення. Крім того, аналіз роботи госпіталів продемонстрував, що вони витрачають різну кількість часу для прийому хворих з коронавірусом, у зв’язку з чим госпіталі були розділені на три категорії за швидкістю проведення госпіталізації: цей фактор також може враховуватися при прийнятті рішень залежно від тяжкості стану хворого. Після збору та аналізу оперативної інформації про поточну ситуацію, програма запропонує схему госпіталізації, яка буде включати в себе центр комп’ютерної томографії, куди, при необхідності додаткового обстеження, слід доставити хворого, і госпіталь, в який його необхідно транспортувати в разі підтвердження діагнозу.
Робота комп’ютерної моделі побудована таким чином, щоб надати диспетчеру рішення, яке максимально ефективно узгоджує дії всіх учасників процесу госпіталізації (пацієнтів та їх родичів, госпіталів, центрів кт, а також бригад швидкої допомоги). Розрахунки показали, що модель може прораховувати близько 6 млн рішень менш, ніж за 10 хвилин, вибираючи з них ті, які забезпечують найбільш швидке транспортування і прийом хворого.
» дослідження цих процесів в інших країнах показали, що повальна госпіталізація всіх, у кого з’являються хоч якісь симптоми, призводить до непотрібної переповненості госпіталів. Людей просто ніде розміщувати і при цьому смертність від коронавірусу збільшується. Тому питання про те як розподілити хворих з урахуванням обмеженості ресурсів є ключовим для системи охорони здоров’я в умовах пандемії. Наша розробка дозволить зняти з диспетчера величезне навантаження з оперативного аналізу інформації про доступні ресурси системи охорони здоров’я в момент прийняття рішення про транспортування хворого, а також розподілити екіпажі швидкої допомоги і госпіталі таким чином, щоб зменшити кількість ситуацій, коли машини стоять по кілька годин, чекаючи своєї черги», – пояснює микола тесля.
Тепер вчені ставлять перед собою завдання впровадження своєї комп’ютерної моделі в систему госпіталізації пацієнтів з коронавірусом. До кінця року вони планують підвищити її точність, залучаючи додаткові дані з медичних установ санкт-петербурга. Проект підтриманий грантом російського фонду фундаментальних досліджень у сфері боротьби з пандемією.
