vitjВрач и информационные технологииMedical Doctor and Information Technologies1811-01932413-5208Pirogov National Medical and Surgical Center10.25881/18110193_2024_3_44vitj-61Research ArticleОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯORIGINAL RESEARCHАнализ данных реальной клинической практики, извлеченных из электронных медицинских карт в платформе WebiomedAnalysis of Real-World Data extracted from electronic medical records in the Webiomed platformГусевА. В.GusevA. V.

к.т.н.

Петрозаводск

Москва

PhD

Petrozavodsk

Moscow

agusev@webiomed.aiГольдинаТ. А.GoldinaT. A.

Москва

Moscow

ООО «К-Скай»; ФГБУ «Центральный научно-исследовательский институт организации и информатизации здравоохранения» Минздрава РоссииРоссияK-SkAI LLC; Federal Research Institute for Health Organization and InformaticsRussian FederationАО «Санофи Россия»РоссияRepresentative office of the joint-stock company «Sanofi Russia»Russian Federation202414102024034461Copyright © Гусев А.В., Гольдина Т.А., 20242024Гусев А.В., Гольдина Т.А.Gusev A.V., Goldina T.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.vit-j.ru/jour/article/view/61

Реализованные в 2011–2021 гг. государственные программы в сфере информатизации здравоохранения привели к тому, что свыше 91% государственных и муниципальных медицинских организаций внедрили различные медицинские информационные системы. Это позволило начать переход на ведение электронных медицинских карт (ЭМК). Извлечение данных реальной клинической практики (ДРКП) из накопленных ЭМК и последующий анализ этих данных открывает новые и перспективные возможности для развития отечественного здравоохранения.

Целью работы стал анализ ДРКП, извлеченных из обезличенных ЭМК. Материалами работы стала база данных платформы прогнозной аналитики Webiomed, в которой на момент исследования были накоплены обезличенные ЭМК свыше 29 млн пациентов, включая 229 млн различных медицинских документов. Поставщиками данных для платформы стали 856 медицинских организаций из 28 субъектов РФ. Функциональные возможности платформы Webiomed позволяют обрабатывать неструктурированные медицинские документы, извлекать с помощью технологий искусственного интеллекта из них данные, пригодные для анализа.

Результаты

Результаты. В настоящей работе представлены: анализ медицинских организаций как поставщиков данных для платформы Webiomed, анализ структуры и состава ЭМК, анализ популяции пациентов. Анализ проведен на момент выгрузки данных 16.10.2023. Из накопленных обезличенных ЭМК удалось извлечь и систематизировать по разным видам более 4 млрд 558 млн структурированных признаков. Платформа содержит 147 886 190 случаев заболеваний, классифицированных по справочнику МКБ-10. 8 393 403 пациента (28,71% от общего числа) имеют в ЭМК медицинскую информацию. Доля «пустых» ЭМК (которые не содержали ни одной медицинской записи) составила 71,29%. Однако ЭМК 3 448 797 пациентов имеют более чем 10 медицинских документов. В структуре ЭМК преобладают протоколы врачебных осмотров, протоколы лабораторных исследований, электронные рецепты, инструментальные исследования. 4 456 263 пациентов имеют глубину сбора данных свыше 3х лет.

Заключение

Заключение. Полученные результаты свидетельствуют, что извлечение и обработка ДРКП из обезличенных ЭМК действительно позволяют создавать большие наборы структурированных данных. В настоящее время, по нашим сведениям, платформа Webiomed содержит самую крупную в России базу ДРКП, извлеченных из ЭМК. Представленный в данной статье материал – это первый анализ ЭМК и извлеченных из них признаков, осуществленный и опубликованный в России. Обеспечение качества работы с ДРКП на всех этапах, начиная от разработки структуры ЭМК и ввода данных до формирования цифровых двойников, является важнейшим условием их применения для решения различных задач в системе здравоохранения и фармацевтической индустрии.

State programs in the field of healthcare informatization implemented in 2011–2021 resulted in over 91% of state and municipal medical organizations implementing various medical information systems. This made it possible to start the transition to electronic medical records (EMR). The extraction of real-world data (RWD) from the accumulated EMRs and subsequent analysis of these data opens new and promising opportunities for the development of domestic healthcare.

Aim

Aim: to analyze the RWD extracted from anonymized EMRs.

Materials and methods

Materials and methods: we used Webiomed's predictive analytics platform database, which at the time of the study had accumulated anonymized EMRs of over 29 million patients, including 229 million different medical documents. Data providers for the platform were 856 medical organizations from 28 regions of the Russian Federation. The functionality of the Webiomed platform allows processing unstructured medical documents, extracting data from them suitable for analysis using artificial intelligence technologies.

Results

Results. This paper presents: analysis of medical organizations as data providers for Webiomed platform, analysis of EMC structure and composition, analysis of patient population. The analysis was performed at the moment of data upload on 16.10.2023. More than 4 billion 558 million structured attributes were extracted from the accumulated anonymized EMRs and systematized by different types. The platform contains 147,886,190 cases of diseases classified according to the ICD-10. 8,393,403 patients (28.71% of the total) have medical information in the EMR. The proportion of “empty” EMCs (which did not contain any medical record) was 71.29%. However, EMRs of 3,448,797 patients had more than 10 medical records. The structure of EMRs is dominated by protocols of medical examinations, protocols of laboratory tests, electronic prescriptions, and instrumental examinations. 4,456,263 patients have a depth of data collection of more than 3 years.

Conclusion

Conclusion. The results show that the extraction and processing of RWD from anonymized EMRs do allow the creation of large sets of structured data. Currently, to the best of our knowledge, the Webiomed platform contains the largest database of RWD extracted from EMRs in Russia. The material presented in this paper is the first analysis of EMRs and extracted features performed and published in Russia. Ensuring the quality of work with RWD at all stages, from the development of EMR structure and data input to the formation of digital twins, is the most important condition for their application to solve various tasks in the healthcare system and pharmaceutical industry.

электронная медицинская картаданные реальной клинической практикиплатформа Webiomedискусственный интеллектElectronic Medical RecordReal World DataWebiomed platformArtificial IntelligenceReferencesГольдина Т.А., Бурмистров В.А., Ефименко И.В., Хорошевский В.Ф. Искусственный интеллект в здравоохранении: Real World Data и Patient Voice – готовы ли мы к новым реалиям? // Медицинские технологии. Оценка и выбор. – 2021. – №2(43). – С.22-31.Gol'dina TA, Burmistrov VA, Efimenko IV, Horoshevskij VF. Iskusstvennyj intellekt v zdravoohranenii: Real World Data i Patient Voice – gotovy li my k novym realiyam? Medicinskie tekhnologii. Ocenka i vybor. 2021; 2(43): 22-31. (In Russ.) doi: 10.17116/medtech20214302122.Гусев А.В., Владзимирский А.В., Голубев Н.А., Зарубина Т.В. Информатизация здравоохранения Российской Федерации: история и результаты развития // Национальное здравоохранение. – 2021. – Т.2/ – №3. – С.5-17.Gusev AV, Vladzimirskij AV, Golubev NA, Zarubina TV. Informatizaciya zdravoohraneniya Rossijskoj Federacii: istoriya i rezul'taty razvitiya. Nacional'noe zdravoohranenie. 2021; 2(3): 5-17. (In Russ.) doi: 10.47093/2713-069X.2021.2.3.5-17.Колбин А.С., Белоусов Д.Ю., Зырянов С.К. и др. Исследования реальной клинической практики. – М.: Буки Веди, 2020. – 208 с.: ил.Kolbin AS, Belousov DYU, Zyryanov SK, et al. Issledovaniya real'noj klinicheskoj praktiki. M.: Buki Vedi, 2020. 208 p.: il. (In Russ.)Гусев А.В., Зингерман Б.В., Тюфилин Д.С., Зинченко В.В. Электронные медицинские карты как источник данных реальной клинической практики // Реальная клиническая практика: данные и доказательства. – 2022. – Т.2. – №2. – С.8-20. doi: 10.37489/2782-3784-myrwd-13.Гусев А.В., Зингерман Б.В., Тюфилин Д.С., Зинченко В.В. Электронные медицинские карты как источник данных реальной клинической практики // Реальная клиническая практика: данные и доказательства. – 2022. – Т.2. – №2. – С.8-20. doi: 10.37489/2782-3784-myrwd-13.Гольдина Т.А. Исследования рутинной клинической практики: от получения данных к оценке медицинских технологий и принятию решений в здравоохранении // Медицинские технологии. Оценка и выбор. – 2018. – №1(31). – С.21-29.Gol'dina TA. Issledovaniya rutinnoj klinicheskoj praktiki: ot polucheniya dannyh k ocenke medicinskih tekhnologij i prinyatiyu reshenij v zdravoohranenii. Medicinskie tekhnologii. Ocenka i vybor. 2018; 1(31): 21-29. (In Russ.)Yamamoto K, Sumi E, Yamazaki T, et al. A pragmatic method for electronic medical record-based observational studies: developing an electronic medical records retrieval system for clinical research. BMJ Open. 2012; 2: e001622. doi: 10.1136/bmjopen-2012-001622.Yamamoto K, Sumi E, Yamazaki T, et al. A pragmatic method for electronic medical record-based observational studies: developing an electronic medical records retrieval system for clinical research. BMJ Open. 2012; 2: e001622. doi: 10.1136/bmjopen-2012-001622.Хомицкая Ю.В., Осина Г.С., Новодережкина Е.А., Гольдина Т.А. Исследования рутинной практики: как разработать и внедрить новое направление. Системный подход в обеспечении качества результатов // Медицинские технологии. Оценка и выбор. – 2021. – №4(43). – С.16-27. doi: 10.17116/medtech20214304116.Homickaya YUV, Osina GS, Novoderezhkina EA, Gol'dina TA. Issledovaniya rutinnoj praktiki: kak razrabotat' i vnedrit' novoe napravlenie. Sistemnyj podhod v obespechenii kachestva rezul'tatov. Medicinskie tekhnologii. Ocenka i vybor. 2021; 4(43): 16-27. (In Russ.). doi: 10.17116/medtech20214304116.Гольдина Т.А., Колбин А.С., Белоусов Д.Ю., Боровская В.Г. Обзор исследований реальной клинической практики // Качественная клиническая практика. – 2021. – №1. – С.56-63.Gol'dina TA, Kolbin AS, Belousov DYU, Borovskaya VG. Obzor issledovanij real'noj klinicheskoj praktiki. Kachestvennaya klinicheskaya praktika. 2021; 1: 56-63. (In Russ.) doi: 10.37489/2588-0519-2021-1-56-63.Fu S, Chen D, He H, et al. Clinical concept extraction: A methodology review. J Biomed Inform. 2020; 109: 103526. doi: 10.1016/j.jbi.2020.103526.Fu S, Chen D, He H, et al. Clinical concept extraction: A methodology review. J Biomed Inform. 2020; 109: 103526. doi: 10.1016/j.jbi.2020.103526.Zhao ., Weroh SJ, Goode EL, et al. Generating real-world evidence from unstructured clinical notes to examine clinical utility of genetic tests: use case in BRCAness. BMC Med Inform Decis Mak. 2021; 21: 3. doi: 10.1186/s12911-020-01364-y.Zhao ., Weroh SJ, Goode EL, et al. Generating real-world evidence from unstructured clinical notes to examine clinical utility of genetic tests: use case in BRCAness. BMC Med Inform Decis Mak. 2021; 21: 3. doi: 10.1186/s12911-020-01364-y.van Laar S, Gombert-Handoko K, Groenwold R, et al. Real-World Metastatic Renal Cell Carcinoma Treatment Patterns and Clinical Outcomes in The Netherlands. Front. Pharmacol. 2022; 13: 803935. doi: 10.3389/fphar.2022.803935.van Laar S, Gombert-Handoko K, Groenwold R, et al. Real-World Metastatic Renal Cell Carcinoma Treatment Patterns and Clinical Outcomes in The Netherlands. Front. Pharmacol. 2022; 13: 803935. doi: 10.3389/fphar.2022.803935.Webiomed.Connect. https://webiomed.ru/products/integratsionnyi-shliuz-webiomedconnect.Webiomed.Connect. https://webiomed.ru/products/integratsionnyi-shliuz-webiomedconnect.Кобякова О.С. Технологии искусственного интеллекта в здравоохранении в глобальной патентной экосистеме: 2000-2023 гг. // Врач и информационные технологии. – 2024. – №1. – С.44-59. doi: 10.25881/18110193_2024_1_44.Kobyakova OS. Tekhnologii iskusstvennogo intellekta v zdravoohranenii v global'noj patentnoj ekosisteme: 2000-2023 gg. Vrach i informacionnye tekhnologii. 2024; 1: 44-59. (In Russ.) doi: 10.25881/18110193_2024_1_44.Гусев А.В., Токарев С.А., Гаврилов Д.В., Кузнецова Т.Ю. Применение автоматизированной системы поддержки принятия врачебных решений при диспансеризации взрослого населения для контроля правильности оценки уровня сердечно-сосудистого риска // Менеджмент качества в медицине. – 2022. – №1. – С.72-79.Gusev AV, Tokarev SA, Gavrilov DV, Kuznecova TYU. Primenenie avtomatizirovannoj sistemy podderzhki prinyatiya vrachebnyh reshenij pri dispanserizacii vzroslogo naseleniya dlya kontrolya pravil'nosti ocenki urovnya serdechno-sosudistogo riska. Menedzhment kachestva v medicine. 2022; 1: 72-79. (In Russ.)Курдюмов Д.А., Кашин А.В., Рябов Н.Ю. и др. Опыт применения технологий искусственного интеллекта для развития профилактического здравоохранения на примере Кировской области // Менеджер здравоохранения. – 2023. – №6. – С.62-69. doi: 10.21045/1811-0185-2023-6-62-69.Kurdyumov DA, Kashin AV, Ryabov NYU, et al. Opyt primeneniya tekhnologij iskusstvennogo intellekta dlya razvitiya profilakticheskogo zdravoohraneniya na primere Kirovskoj oblasti. Menedzher zdravoohraneniya. 2023; 6: 62-69. (In Russ.). doi: 10.21045/1811-0185-2023-6-62-69.Белорус О.В., Токарев С.А., Захарова М.Г., Гусев А.В. Результаты пилотного внедрения технологий искусственного интеллекта в систему здравоохранения Ямало-Ненецкого автономного округа // Менеджмент качества в медицине. – 2023. – №3. – С.39-47.Belorus OV, Tokarev SA, Zaharova MG, Gusev AV. Rezul'taty pilotnogo vnedreniya tekhnologij iskusstvennogo intellekta v sistemu zdravoohraneniya YAmalo-Neneckogo avtonomnogo okruga. Menedzhment kachestva v medicine. 2023; 3: 39-47. (In Russ.)Гиляревский С.Р., Гаврилов Д.В., Гусев А.В. Результаты ретроспективного анализа записей электронных амбулаторных медицинских карт пациентов с хронической сердечной недостаточностью: первый российский опыт // Российский кардиологический журнал. – 2021. – Т.26. – №5. – С.147-155. doi: 10.15829/1560-4071-2021-4502.Gilyarevskij SR, Gavrilov DV, Gusev AV. Rezul'taty retrospektivnogo analiza zapisej elektronnyh ambulatornyh medicinskih kart pacientov s hronicheskoj serdechnoj nedostatochnost'yu: pervyj rossijskij opyt. Rossijskij kardiologicheskij zhurnal. 2021; 26(5): 147-155. (In Russ.) doi: 10.15829/1560-4071-2021-4502.Батюшин М.М., Касимова И.С., Гаврилов Д.В. и др. Распространенность хронической болезни почек по данным ретроспективного когортного исследования «эпидемиология ХБП» (город Киров) // Нефрология и диализ. – 2021. – Т.23. – №2. – С.192-202. doi: 10.28996/2618-9801-2021-2-192-202.Batyushin MM, Kasimova IS, Gavrilov DV, et al. Rasprostranennost' hronicheskoj bolezni pochek po dannym retrospektivnogo kogortnogo issledovaniya «epidemiologiya HBP» (gorod Kirov). Nefrologiya i dializ. 2021; 23(2): 192-202. (In Russ.) doi: 10.28996/2618-9801-2021-2-192-202.Дружилов М.А., Кузнецова Т.Ю., Дружилова О.Ю. и др. Фибрилляция предсердий и хроническая болезнь почек: основные клинические характеристики пациентов в отдельных субъектах Российской Федерации // Кардиоваскулярная терапия и профилактика. – 2023. – Т.22. – №4. – С.57-67. doi: 10.15829/1728-8800-2023-3544.Druzhilov MA, Kuznecova TYU, Druzhilova OYU, et al. Fibrillyaciya predserdij i hronicheskaya bolezn' pochek: osnovnye klinicheskie harakteristiki pacientov v otdel'nyh sub"ektah Rossijskoj Federacii. Kardiovaskulyarnaya terapiya i profilaktika. 2023; 22(4):57-67. (In Russ.) doi: 10.15829/1728-8800-2023-3544.

The authors declare that there are no conflicts of interest present.