Эффективность диагностики болезней слизистой оболочки рта с использованием системы поддержки принятия врачебных решений

Заболевания слизистой оболочки полости рта (СОПР) представляют сложную диагностическую задачу из-за схожести клинической картины различных нозологий. Внедрение систем поддержки принятия врачебных решений (СППВР) представляет перспективное направление в стоматологии для повышения точности диагностики.

Целью данного исследования является оценка эффективности диагностики болезней слизистой оболочки рта с использованием Системы поддержки принятия врачебных решений и без нее.

Материал и методы. UMKB (United Medical Knowledge Base) – объединенная база медицинских знаний, Система поддержки принятия врачебных решений, электронный ассистент терапевта, пациенты, врачи-эксперты. Проводилось сравнительное исследование эффективности диагностики болезней слизистой оболочки рта по данным проспективного исследования 102 пациентов с заболеваниями слизистой оболочки рта на клиническом приеме с использованием СППВР и без нее.

Результат. Результаты исследования показали, что использование СППВР врачами-стоматологами может повысить эффективность диагностики заболеваний слизистой оболочки рта. Предварительный диагноз при использовании СППВР врачи-стоматологи устанавливали чаще (92%), чем без нее (78,8%), а корректность поставленных диагнозов была выше (86,5%) и 51,9%. Использование СППВР повысило полноту диагностики, врачи-стоматологи ставили окончательный диагноз в 90% случаев. Профилактические рекомендации при работе с СППВР получали 94%, тогда как без СППВР – 73%.

Выводы. СППВР содействует повышению уровня диагностики заболеваний слизистой оболочки рта (p <0,001 для документирования данных общего осмотра, осмотра зубных рядов и слизистой оболочки), повышает полноту данных и точность диагностики (p = 0,002). При этом снижается необходимость внешних консультаций (p = 0,003) и повышает охват профилактических мероприятий (p = 0,004). Удовлетворенность пациентов лечением выше при использовании врачом СППВР (р = 0,003), однако эта связь уменьшается с возрастом (р = 0,047).

1. Рекомендации по использованию искусственного интеллекта в медицине (ВОЗ, 2021). – URL: https://www.who.int/publications (дата обращения: 10.10.2023).

2. Сравнительный анализ эффективности СППВР в стоматологии / И.П. Иванов, С.К. Петрова, А.В. Сидоров // Клиническая стоматология. – 2023. – № 1. – С. 45–52.

3. Терапевтическая стоматология: национальное руководство / Под ред. Л.А. Дмитриевой, Ю.М. Максимовского. – М.: ГЭОТАР-Медиа, 2020. – 912 с.

4. Цепов Л.М., Николаев А.И., Михеева Е.А. Диагностика в терапевтической стоматологии. – М.: МЕДпресс-информ, 2015. – 224 с.

5. Шумский Л.В., Гребнев Е.Н., Юрченко Е.В. Цифровые технологии в стоматологии: искусственный интеллект и системы поддержки принятия решений // Стоматология. – 2022. – Т. 101, № 2. – С. 78–84.

6. Bernstam E.V., Smith J.W., Johnson T.R. What is biomedical informatics? // Journal of Biomedical Informatics. – 2010. – Vol. 43, No. 1. – P. 104–110.

7. Oza N. Angular cheilitis: A clinical and microbial study / N. Oza, J. J. Doshi. – Текст: непосредственный // Indian Journal of Dental Research. – 2017. – No. 28(6). – С. 661–665.

8. Patel V.L., Kaufman D.R., Arocha J.F. Emerging paradigms of cognition in medical decision-making // Journal of Biomedical Informatics. – 2002. – Vol. 35, No.1. – P. 52–75.

9. Shortliffe E.H., Cimino J.J. Biomedical Informatics: Computer Applications in Health Care and Biomedicine. – 4th ed. – Springer, 2014. – 965 p.

10. Sutton R.T., Pincock D., Baumgart D.C. et al. An overview of clinical decision support systems: benefits, risks, and strategies for success // NPJ Digital Medicine. – 2020. – Vol. 3, No. 17. – P. 1–10.