Артем Андреевич Комков — кандидат медицинских наук, старший научный сотрудник лаборатории рентгенэндоваскулярных методов диагностики и лечения, врач по РЭВДиЛ, врач-кардиолог.
Москва
Moscow
Владимир Павлович Мазаев — доктор медицинских наук, профессор, руководитель лаборатории рентгенэндоваскулярных методов диагностики и лечения.
Москва
Moscow
Кандидат медицинских наук, старший научный сотрудник лаборатории рентгенэндоваскулярных методов диагностики и лечения, врач-кардиолог.
Москва
Moscow
Кандидат медицинских наук, заведующий отделением рентгенохирургических методов диагностики и лечения, врач по РЭВДиЛ.
Москва
Moscow
Кандидат медицинских наук, заведующий 3 отделением анестезиологии-реанимации, врач-кардиолог.
Москва
Moscow
Заведующий отделением кардиологии № 3, врач-кардиолог.
Москва
Moscow
Доктор медицинских наук, профессор, член-корр. РАН, директор.
Москва
Moscow
Медицинская информационная система (МИС) RuPatient представляет собой компьютерную программу, состоящую из веб-интерфейса пользователя “врач-пациент”, который включает алгоритмы распознавания текста медицинской документации и занесения распознанного текста в соответствующие поля системы.
Цель. Оценить эффективность МИС RuPatient в реальной клинической практике.
Материал и методы. В исследовании участвовало 10 врачей-кар-диологов и анестезиологов-реаниматологов отделения кардиологии и кардиореанимации ГКБ 67 им. Л. А. Ворохобова ДЗМ. Были проанализированы изображения (скан-копии, фотографии) выписных эпикризов от пациентов, поступивших в соответствующие отделения в 2021г. Выполнялось распознавание следующих полей медицинской документации: Фамилия Имя Отчество, Жалобы, Анамнез жизни, Анамнез заболевания, Осмотр, Назначения и Рекомендации. Анализировались правильность и точность распознавания занесенной информации. Проводилось сравнение качества распознавания нейросетевых алгоритмов МИС RuPatient на основе “машинного обучения” и популярной программы для распознавания текстов для персонального компьютера (FineReader для Mac) в нахождении (не)критических ошибок в словах для последующего программного анализа текста.
Результаты. В исследование было включено: 77 страниц выписных эпикризов пациентов из различных стационаров России от 50 пациентов (52% мужчин). Средний возраст пациентов составил 57,7±7,9 лет. Количество выписок с правильно распознанными полями по различным категориям с помощью алгоритмов программы распределились следующим образом: Фамилия Имя Отчество 14 (28%), Диагноз 13 (26%), Жалобы 40 (80%), Анамнез 14 (28%), Общее состояние (осмотр) 24 (48%), Назначения и Рекомендации 46 (92%). Данные, не входившие в рубрику категории, также были распознаны и заносились в поле как комментарии. Количество распознанных слов 549±174,9 и 522,4±215,6 (p=0,5), критические ошибки в словах 2,1±1,6 и 4,4±2,8 (p<0,001), некритические ошибки в словах 10,3±4,3 и 5,6±3,3 (p<0,001) для МИС RuPatient и программы для распознавания текстов для персонального компьютера, соответственно.
Заключение. Разработанная МИС RuPatient, включающая модуль распознавания медицинской документации и внесения данных в соответствующие поля МИС, в значительной степени повышает эффективность документооборота за счет качества распознавания алгоритмов на основе нейросетевых технологий и автоматизации процесса заполнения.
RuPatient health information system (HIS) is a computer program consisting of a doctor-patient web user interface, which includes algorithms for recognizing medical record text and entering it into the corresponding fields of the system.
Aim. To evaluate the effectiveness of RuPatient HIS in actual clinical practice.
Material and methods. The study involved 10 cardiologists and intensivists of the department of cardiology and сardiovascular intensive care unit of the L. A. Vorokhobov City Clinical Hospital 67 We analyzed images (scanned copies, photos) of discharge reports from patients admitted to the relevant departments in 2021. The following fields of medical documentation was recognized: Name, Complaints, Anamnesis of life and illness, Examination, Recommendations. The correctness and accuracy of recognition of entered information were analyzed. We compared the recognition quality of RuPatient HIS and a popular optical character recognition application (FineReader for Mac).
Results. The study included 77 pages of discharge reports of patients from various hospitals in Russia from 50 patients (men, 52%). The mean age of patients was 57,7±7,9 years. The number of reports with correctly recognized fields in various categories using the program algorithms was distributed as follows: Name — 14 (28%), Diagnosis — 13 (26%), Complaints — 40 (80%), Anamnesis — 14 (28%), Examination — 24 (48%), Recommendations — 46 (92%). Data that was not included in the category was also recognized and entered in the comments field. The number of recognized words was 549±174,9 vs 522,4±215,6 (p=0,5), critical errors in words — 2,1±1,6 vs 4,4±2,8 (p<0,001), non-critical errors — 10,3±4,3 vs 5,6±3,3 (p<0,001) for RuPatient HIS and optical character recognition application for a personal computer, respectively.
Conclusion. The developed RuPatient HIS, which includes a module for recognizing medical records and entering data into the corresponding fields, significantly increases the document management efficiency with high quality of optical character recognition based on neural network technologies and the automation of filling process.
The authors declare that there are no conflicts of interest present.