Ученые из Санкт-Петербургского федерального исследовательского центра Российской академии наук (СПб ФИЦ РАН) создали программное обеспечение, которое будет осуществлять поддержку принятия социально ориентированных решений при экстренной госпитализации большого количества заболевших в условиях пандемии. Разработка позволит повысить эффективность медицинских учреждений, которые задействованы в борьбе с пандемией, избежать очередей из автомобилей скорой помощи и учесть фактор неопределенности при госпитализации в условиях пандемии.
«Мы предложили компьютерную модель, которая осуществляет поддержку диспетчерского центра скорой помощи при экстренной госпитализации большого количества заболевших в условиях пандемии. В своей работе модель учитывает множество факторов, среди которых факт сообщения о симптомах заболевания, количество доступных госпиталей и степень их загруженности, возраст пациента, скорость обследования и приема пациентов, удаленность места жительства пациентов от госпиталей. Необходимость решения проблемы принятия оперативных решений при экстренной госпитализации легко проследить по новостным лентам и сообщениям в социальных сетях с фотографиями очередей скорых у приемного покоя госпиталей в период роста заболеваемости коронавирусом», — рассказывает Николай Тесля, старший научный сотрудник лаборатории интегрированных систем автоматизации Санкт-Петербургского института информатики и автоматизации РАН (СПИИРАН — входит в СПб ФИЦ РАН).
В начале пандемии для помощи медперсоналу Министерством здравоохранения был разработан регламент действий для принятия решений по госпитализации пациентов с признаками заболевания коронавирусом. Согласно этому регламенту врачи должны были оценить симптомы, определить степень тяжести заболевания и принять решение о госпитализации, о проведении КТ или о домашнем карантине. Однако ход пандемии меняется стремительно, и существующие указания о ведении госпитализации могут не успевать за развитием ситуации. Кроме того, оперативная информация включает в себя большое количество параметров, отслеживание и оценка которых для диспетчера являются довольно сложной задачей.
«В ходе исследования мы собрали набор данных со станций скорой помощи в двух районах Санкт-Петербурга. Они включают полностью обезличенную информацию о пациентах и врачах: возраст, симптомы, предварительный диагноз для пациента и общую продолжительность смены, время, проведенное у пациента, возраст и пол для медперсонала. Оказалось, что некоторые из исследованных факторов действительно могут повлиять на скорость и эффективность принятия решений. Учет этих факторов в момент принятия решения о госпитализации позволит осуществить более равномерную диспетчеризацию заболевших», — отмечает Николай Тесля.
Так, исследование показало зависимость времени госпитализации от возраста пациента: в среднем чем он старше, тем дольше приехавшие на вызов медики принимают решение. Кроме того, анализ работы госпиталей продемонстрировал, что они тратят различное количество времени для приема больных с коронавирусом, в связи с чем госпитали были разделены на три категории по скорости проведения госпитализации: этот фактор также может учитываться при принятии решений в зависимости от тяжести состояния больного. После сбора и анализа оперативной информации о текущей ситуации программа предложит схему госпитализации, которая будет включать в себя центр компьютерной томографии, куда при необходимости дополнительного обследования следует доставить заболевшего, и госпиталь, в который его необходимо транспортировать в случае подтверждения диагноза.
Работа компьютерной модели построена таким образом, чтобы предоставить диспетчеру решение, которое максимально эффективно согласовывает действия всех участников процесса госпитализации (пациентов и их родственников, госпиталей, центров КТ, а также бригад скорой помощи). Расчеты показали, что модель может просчитывать около 6 млн решений менее чем за 10 минут, выбирая из них те, которые обеспечивают наиболее быструю транспортировку и прием больного.
«Исследования этих процессов в других странах показали, что повальная госпитализация всех, у кого появляются хоть какие-то симптомы, приводит к ненужной переполненности госпиталей. Людей просто негде размещать, и при этом смертность от коронавируса увеличивается. Поэтому вопрос о том, как распределить заболевших с учетом ограниченности ресурсов, является ключевым для системы здравоохранения в условиях пандемии. Наша разработка позволит снять с диспетчера огромную нагрузку по оперативному анализу информации о доступных ресурсах системы здравоохранения в момент принятия решения о транспортировке заболевшего, а также распределить экипажи скорой помощи и госпитали таким образом, чтобы уменьшить количество ситуаций, когда машины стоят по нескольку часов, ожидая своей очереди», — поясняет Николай Тесля.
Теперь ученые ставят перед собой задачу внедрения своей компьютерной модели в систему госпитализации пациентов с коронавирусом. До конца года они планируют повысить ее точность, привлекая дополнительные данные из медицинских учреждений Санкт-Петербурга. Проект поддержан грантом Российского фонда фундаментальных исследований в сфере борьбы с пандемией.
Иллюстрация к статье:
Обсуждение