Потребность систем поддержки принятия врачебных решений при диагностике заболеваний слизистой оболочки рта

Цель исследования: обосновать потребность применения цифровых систем поддержки принятия врачебных решений при диагностике заболеваний слизистой оболочки рта.

Материал и методы: исследование проводилось методом анонимного анкетирования, посвященного вопросам оценки применения цифровых систем поддержки принятия врачебных решений при диагностике заболеваний слизистой оболочки рта, на базе Института стоматологии ФГАОУ ВО Первый МГМУ им. И.М. Сеченова. В ходе исследования было проанализировано 200 анкет врачей в возрасте от 20 до 70 лет. Основные методы, использовавшиеся в исследовании: статистический метод с использованием критерия Крускалла-Уолиса с последующим попарным сравнением с помощью теста Манна-Уитни-Уилкоксона (с поправкой Бенджамин-Хохберга для множественных сравнений).

Результаты. Выявлено, что врачи-стоматологи с большим стажем лечебной практики от 15 до 20 лет чаще обнаруживают проявления заболеваний слизистой оболочки рта на врачебном приеме (77,8%). При анализе диагностики заболеваний СОР в зависимости от специализации врача-стоматолога было выявлено, что чаще определяют данную группу патологий ортодонты (68,8%). При этом, для большинства специалистов (59%) диагностика заболеваний слизистой оболочки рта является затруднительной. Врачи-стоматологи разных специализаций в большинстве случаев отмечали трудности при определении предположительного диагноза (59,5%). При этом большинство специалистов связывали это с недостатком знаний и опыта работы с пациентами с заболеваниями слизистой оболочки рта (66,5%) и c большим разнообразием форм заболеваний слизистой оболочки рта (54%) и прибегали к использованию дополнительных источников информации из учебников, методических пособий, информационных статей, а так же к помощи коллег (64,5%). На клиническом приеме многие врачи сталкивались с нехваткой времени для использования справочной литературы (48,5%). В результате опроса было выявлено также, что большинство респондентов (64,5%) хотели бы использовать интегрированную в медицинскую информационную систему лечебного учреждения систему поддержки принятия врачебных решений.

1. Заркумова А.Е. Структура заболеваемости слизистой оболочки рта // Вестник КазНМУ – 2017. – № 3. – С. 168–171.

2. Искакова М.К., Заркумова А.Е., Нурмухамбетова Г.К. Удельный вес заболеваний слизистой оболочки полости рта среди часто встречающихся стоматологических заболеваний // Вестник КазНМУ. – 2018. – № 3. – С.163–167.

3. Harron KL, Doidge JC, Knight HE, Gilbert RE, Goldstein H, Cromwell DA, van der Meulen JH. A guide to evaluating linkage quality for the analysis of linked data. // Int J Epidemiol. – 2017 – Volume 46, Issue 5, – P.1699–1710

4. Jurczyszyn K, Kozakiewicz M. Differential diagnosis of leukoplakia versus lichen planus of the oral mucosa based on digital texture analysis in intraoral photography. //Adv Clin Exp Med. – 2019. – No. 11 – P. 1469–1476.

5. Данилевский Н. Ф., Леонтьев Н. К., Несин А. Ф. Рахний Ж. И. Заболевания слизистой оболочки полости рта // М.: ОАО «Стоматология» – 2019. – С. 7–8.

6. Khanagar SB, Al-Ehaideb A, Maganur PC, Vishwanathaiah S, Patil S, Baeshen HA, Sarode SC, Bhandi S. Developments, application, and performance of artificial intelligence in dentistry – A systematic review// Journal of Dental Sciences – 2021 – Volume 16, Issue 1. P. 508-5.

7. Gor, I., Margaryan, E., Snezhko, Z., & Dudnik, O. Implementation of an E-Learning System in Dental Education: Intermediate Result. International Journal of WebBased Learning and Teaching Technologies. – 2021.– №16(6), p. 1–14.

8. Бондаренко О.В., Токмакова С.И., Побединская Л.Ю., Сгибнева В.А. Ранняя диагностика заболеваний слизистой оболочки полости рта с применением флюоресценции // Здоровье и образование в XXI веке. – 2017. – № 6. – С. 26–27.

9. С.И. Бородовицина [и др.]; Основные заболевания слизистой оболочки рта: атлас // ФГБОУ ВО рязгму Минздрава России. Рязань: ОТСиОП, – 2019. С. 2.

10. Blejyants G.A., Margaryan. System of support of adoption of medical decisions to destination medicinal therapy and control of distribution of medicines. Electronic clinical pharmacologist. //Medicine science and education scientific and informational journal. – 2019. – № 28, p. 97.

11. Larentzakis A, Lygeros N. Artificial intelligence (AI) in medicine as a strategic valuable tool. // Pan Afr Med J. – 2021 – No. 38 – P.184

12. Harron KL, Doidge JC, Knight HE, Gilbert RE, Goldstein H, Cromwell DA, van der Meulen JH. A guide to evaluating linkage quality for the analysis of linked data// International Journal of Epidemiology – 2017 – Volume 46, Issue 5 – P. 1699–1710

13. Joda T, Bornstein MM, Jung RE, Ferrari M, Waltimo T, Zitzmann NU. Recent Trends and Future Direction of Dental Research in the Digital Era. //Int J Environ Res Public Health. – 2020 – No.17(6) – P 1987.

14. Joda T, Waltimo T, Probst-Hensch N, Pauli-Magnus C, Zitzmann NU. Health Data in Dentistry: An Attempt to Master the Digital Challenge. //Public Health Genomics. – Genomics-2019 – No.22. – P. 1–7

15. Schwendicke F, Samek W, Krois J. Artificial Intelligence in Dentistry: Chances and Challenges. // J Dent Res. – 2020 – No. 99(7) – P. 769–774.