Научный центр новых
информационных технологий


Проф. М.В. Жилинская

История. Научный (ранее медицинский) центр новых информационных технологий (НЦНИТ) был организован в 1970 году как отдел ЭВМ-диагностики - первый в области педиатрии в России (бывшем СССР).
Отдел возглавила д.м.н., проф. Маргарита Владимировна Жилинская. Под ее руководством впервые был начат комплекс исследований по количественной комплексной оценке факторов риска возникновения и хронизации заболеваний в детском возрасте.
С 1983 г. по настоящее время руководителем отдела, в настоящее время Научного центра новых информационных технологи является д.м.н., проф., акад. РАЕН Борис Аркадьевич Кобринский. В настоящее время НЦНИТ включает два подразделения.

Сотрудники МЦНИТ (конец 80-х годов)

Сотрудники НЦНИТ(2014г.)

Основные достижения центра: первая компьютеризированная система диспансеризации детей (1979), одни из первых экспертных диагностических систем (80-е г.г. 20 в.), федеральный эпидемиологический регистр ВПР (1999), первая отечественная система телемедицины катастроф (2000 г.), федеральная система диспансеризации детского населения России (2002), специализированные регистры, обучающие мультимедийные системы.
Цель работы НЦНИТ. Разработка информационных систем различного направления, поиск новых походов к моделированию знаний и обработке данных.

Задачи НЦНИТ:
Мониторинг состояния здоровья детей (создание компьютерных регистров и их поддержка на федеральном уровне, аналитика накапливаемых данных).
Разработка теоретических основ и приложений для созданий интеллектуальных систем и специальных модулей поддержки принятия решений, для образовательно-тестирующих программ, в том числе доступных в дистанционном режиме.
Миссия подразделения. Разработка и внедрение новых информационных технологий в медицинскую практику, медицинскую науку и образовательный процесс.

Контакты для коллег:
Кобринский Борис Аркадьевич: bakob@pedklin.ru
Демикова Наталия Сергеевна: ndemikova@pedklin.ru
Путинцев Александр Николаевич: pa@pedklin.ru

Руководитель НЦНИТ д.м.н., проф., акад. РАЕН Борис Аркадьевич Кобринский.
Родился в 1944 г., доктор медицинских наук, профессор, академик Российской академии естественных наук (2005) и Международной академии информатизации (1993). Окончил 2-й МОЛМИ (ныне РНИМУ) им. Н.И. Пирогова. Вопросами медицинской информатики и кибернетики занимается с 1973 г. С 1975 г. по настоящее время работает в Московском НИИ педиатрии и детской хирургии Минздрава РФ (с 2014 г. "НИКИ педиатрии" РНИМУ им. Н.И.Пирогова Минздрава РФ), с 2007 г. одновременно профессор кафедры медицинской кибернетики и информатики РНИМУ.

Основные направления научных исследований - разработка теоретических и прикладных аспектов создания интеллектуальных систем поддержки принятия врачебных решений, переходные состояния организма, федеральные и специализированные регистры мониторинга состояния здоровья. В 1991 г. выдвинута и обоснована концепция континуума переходных состояний развивающегося организма, создан первый автоматизированный российский генетический регистр, в 1998 - 2002 г.г. была создана многоуровневая система компьютерного мониторинга здоровья детского населения, внедрены программные системы по ВПР (1999), Всероссийской диспансеризации детей (2002, 2004), детей-инвалидов (2007), детей-сирот и находящихся в трудной жизненной ситуации (2007). В 2001г. реализована первая отечественная система телемедицины катастроф и организованы регулярные телеконсультации с полевым госпиталем в Чеченской республике. В настоящее время занимается разработкой теоретических вопросов отражения образного мышления врача в моделях интеллектуальных систем.


Центр мониторинга ВПР

История подразделения. Центр информационной поддержки Федерального генетического регистра (позже переименован в Центр мониторинга ВПР - ЦМВПР) был организован на базе МНИИ педиатрии и детской хирургии в 1998 году на основании Приказа МЗ РФ №162 от 23.05.1997 г. "О создании Федеральной системы эпидемиологического мониторинга врожденных и наследственных заболеваний и пороков у детей". С 1999 года ЦМВПР проводит сбор и анализ эпидемиологических данных по врожденным порокам развития в регионах РФ. В настоящее время в проведении мониторинга ВПР по единой программе участвуют 47 регионов РФ.
Отдел готовит ежегодные отчеты по мониторингу ВПР

Цель и задачи работы подразделения. Цель ЦМВПР заключается в осуществлении контроля уровня ВПР в регионах РФ и в целом по России. Задачами Центра являются эпидемиологический анализ региональных данных; сравнительный межрегиональный анализ популяционных частот ВПР и их динамики; оценка влияния профилактических мероприятий на уровень ВПР; проведение организационно-методической работы; выполнение научных исследований по эпидемиологии ВПР.

Руководитель Центра - Демикова Наталия Сергеевна, доктор медицинских наук. В 1977 г. закончила медико-биологический факультет 2-ого МОЛГМИ. В Институте работает с 1991 года. Имеет диплом и сертификат по специальности "Генетика". Научные интересы тесно связаны с проблемами эпидемиологии и мониторинга врожденных пороков развития, а также с проблемами диагностики наследственных болезней и медико-генетического консультирования. Является автором более 150 научных статей и монографий, в том числе атласа-справочника "Наследственные синдромы и медико-генетическое консультирование".

Лапина Александра Семеновна - ведущий научный сотрудник, кандидат медицинских наук. Окончила педиатрический факультет 2-ого МОЛГМИ им. Н.И. Пирогова. С 1975 г. работала в отделе ЭВМ-диагностики, в Центре мониторинга работает с 1997 года. Ведет большую работу по организации, внедрению и поддержке системы мониторинга ВПР в России, проявляя высокий уровень компетентности, профессиональной подготовки и знание проблематики отдела.

Подольная Марина Аркадьевна - старший научный сотрудник. Является разработчиком новой версии компьютерной программы "Мониторинг ВПР. Версия 3.0". Ведет работу по поддержке данной версии программы, участвует в статистической обработке данных мониторинга ВПР.

Отдел медицинских компьютерных систем НЦНИТ

Отдел создан в составе НЦНИТ в 2001 г., как правопреемник существовавшего ранее подразделения, для разработки программных систем поддержки процессов принятия решений, мультимедийных информационно-справочных и обучающих систем, специализированных информационных систем (регистров) с целью их применения в педиатрии, детской хирургии и других направлениях медицины.

В отделе с 2004 г. ведутся работы по созданию электронных образовательных ресурсов. В декабре 2013 г. в Интернете (http://vpr.pedklin.ru) был размещен электронный справочник "Врожденные пороки и аномалии развития" с элементами самообучения, с которым начали работу врачи из регионов РФ.

Руководитель отдела - Путинцев Александр Николаевич. Окончил Московский физико-технический институт в 1978г., кандидат технических наук в области медицинской информатики. Работает в МНИИ педиатрии и детской хирургии с 1999г. Владеет современными методами цифровой обработки информации и эффективно применяет их для разработки мультимедийных информационно-справочных и обучающих систем в педиатрии и детской хирургии.

Акименков Андрей Михайлович, ведущий научный сотрудник, окончил механико-математический факультет МГУ им. М.В. Ломоносова в 1985г. Кандидат физ-мат наук. Работает в МНИИ педиатрии и детской хирургии с 2010 года. Специализируется в области медицинских информационных технологий. Участвовал в разработке информационной системы для наблюдения детей с ожогами на этапе восстановительного лечения. В настоящее время занимается программной реализацией комплексов для поддержки врачебных решений и обучения медперсонала.

Подольная Марина Аркадьевна, старший научный сотрудник, окончила механико-математический факультет МГУ им. М.В. Ломоносова в 1970 г. С 1995 г. М.А. Подольной создан ряд информационных систем, в том числе Федеральный регистр детей-инвалидов. В настоящее время участвует в выполнении госзадания МЗ РФ по теме "Эпидемиологический анализ мукополисахаридозов I-II типов у детей РФ на основе компьютерных мониторинговых систем динамического наблюдения и формирования федерального генетического регистра".

Алексеев Тимофей Витальевич, научный сотрудник, окончил Государственный университет управления в 2013 году по специальности "Менеджмент организации". В настоящее время занимается разработкой гипертекстовых обучающих систем в педиатрии и детской хирургии и их реализацией на основе применения WEB-технологий.

Воропаева Яна Валерьевна, научный сотрудник, окончила Астраханскую государственную медицинскую академию по специальности педиатрия в 1997 году. Я.В.Воропаева работает в Московском НИИ педиатрии и детской хирургии с 2006 г., занимается научными исследованиями в области эпидемиологии неинфекционных заболеваний, участвовала в разработке информационного и программного обеспечения системы по диспансеризации детей-сирот. За время работы овладела анализом данных с использованием SPSS, MSOffice Excel, составлением запросов к базе данных в среде MS SQL.

Шмелева Надежда Николаевна, ведущий инженер-программист, окончила МИФИ, работает в Московском НИИ педиатрии и детской хирургии с 2000 г. Принимала непосредственное участие в разработке мультимедийной обучающей системы "Врожденные пороки развития", мультимедийной информационно-справочной системы по реабилитации детей с термической травмой, участвовала в создании программ для обучения медицинских сестер.

Знаковые публикации НЦНИТ:

  • Кобринский Б.А. Концепция континуума переходных состояний от нормы к патологии и значение компьютерного мониторинга здоровья детей. Рос. вестн. перинатол. и педиат. - 1993. - Т.38. №2. - С. 3-7.
  • Кобринский Б.А. Извлечение экспертных знаний: групповой вариант. Новости искусственного интеллекта. - 2004. - №3. - С. 58-66.
  • Кобринский Б.А. Компьютерный мониторинг здоровья детского населения. Федеральный справочник. Здравоохранение России. Т.11. - М.: Центр стратегического партнерства, 2010. - С. 261-264.
  • Кобринский Б.А. Значение визуальных образных представлений для медицинских интеллектуальных систем. Искусственный интеллект и принятие решений. - 2012. - №3. - С. 3-8.
  • Демикова Н.С., Лапина А.С. Описательная эпидемиология врожденных пороков развития центральной нервной системы. Рос.вестн. перинатол. и педиат. - 2009. - Т.54, № 2. - С. 66-71.
  • Врожденные пороки развития в регионах Российской Федерации (итоги мониторинга за 2000-2010 гг.). Рос.вестн. перинатол. и педиат. - 2012. - Т. 57, № 2. - С. 91-98.
  • Демикова Н.С., Асанов А.Ю. Современное состояние, перспективы и роль клинической генетики в педиатрии. Педиатрия. Журнал им. Г.Н. Сперанского. - 2012. - Т.91, № 3. - С. 53-58.
  • Путинцев А.Н., Шмелева Н.Н., Гусев К.Я. Опыт разработки мультимедийных обучающих систем для медицинских образовательных учреждений. Врач и информационные технологии. - 2010. - №2.- С.55-62.

Работы НЦНИТ отмечены дипломами:

Научные проекты НЦНИТ в работе:
Оценка динамики популяционных частот ВПР, модели формального описания медицинского знания на основе лингво-образных представлений, дистанционные образовательно-тестирующие системы.

Программы обучения, элективы.

Проф. Б.А. Кобринский:
Учебный курс "Системный анализ и информатизация здравоохранения";
семинарские занятия "Компьютерные медицинские регистры"

Проф. Б.А. Кобринский:
Электив "Интеллектуальные системы"


I. Какими знаниями студенты должны обладать к началу электива.

  1. Особенности медицинской информации. Диагностическое значение признаков. Принципы врачебной диагностики. Аргументация в процессе дифференциальной диагностики. Аргументация за и против отдельных диагнозов.
  2. Вычислительные системы для принятия решений. Принципы их построения. Ограничения методов распознавания образов. Причины перехода к интеллектуальным (экспертным) системам.
  3. Общие представления о данных и знаниях. Их принципиальные отличия.
  4. Понятия баз данных и баз знаний.

II. Какие знания студенты получат по завершении электива.
Лекции (по 2 часа)

  1. История искусственного интеллекта. Логико-лингвистические системы. Модель предметной области. Функциональные возможности ЭС. Понятие нечеткости. Формальное представление понятий осуществляется с помощью нечетких множеств (с неточно определенными границами) и функций принадлежности. Нечеткость и вероятность моделируют разные типы неопределенности и взаимно дополняют друг друга. Нечеткие и вероятностные вербальные определения. Шкалирование показателей.
  2. Система извлечения знаний. "Игры врачей" как моделирование процесса получения данных при использовании знаний. Источники знаний. Действия со знаниями (а) извлечение знаний; б) организация знаний; в) представление знаний в понятном системе виде; г) обнаружение неправильности, неполноты или противоречивости знаний; д) объединение "новых" знаний со "старыми" и др. Групповое извлечение знаний. Логика аргументации.
  3. Принципы извлечения знаний. Место когнитолога в извлечении и представлении знаний. Роль когнитолога в извлечении знаний. Система знаний, их концептуализация и формализация. Модели представления (описания) знаний: логические, сетевые, продукционные и фреймовые. Интеллект-карты и онтологии. Продукционные модели. Методы формирования знаний на основе машинного обучения (machine learning) включают: (а) извлечение множества правил из предъявляемых примеров, (б) анализ важности отдельных правил, (в) оптимизацию производительности набора правил. Технология Data Mining - процесс обнаружения знаний в "сырых" данных (концепция паттернов, отражающих неочевидные, неожиданные регулярности в данных, т.н. скрытые знания).
  4. Методы принятия интеллектуальных решений. Диагностические парадигмы в ИнтС: При парадигме ЗНАНИЯ + ВЫВОД центральной операцией является вывод на знаниях (связь знаний о заболеваниях с диагнозами и вывод "если …, то …). При парадигме ЗНАНИЯ + АРГУМЕНТАЦИЯ основной операцией становится поиск аргументов, релевантных (англ. relevant - существенный) тому положению, которое система должна доказать или опровергнуть - соответственно, ПРАВДОПОДОБНОЕ РАССУЖДЕНИЕ. Формирование знаний на основе подобия, пояснений. Вывод на прецедентах. Обучение на основе аналогии - предсказание неизвестных фактов и знаний на основе переноса их с одних объектов на другие вследствие подобия между этими объектами (заключения имеют правдоподобный характер). Для выбора решения на основе аналогичных случаев (case-based reasoning - CBR) находят близкие ситуации и выбирают ответ, который был для них правильным (метод "ближайшего соседа").
  5. Последовательность логического решения задач. Познавательный цикл продуктивного мышления в интеллектуальных системах в сравнении с традиционным медицинским при движении от рассуждения к гипотезам. Консилиум и применение теории диспутов.
  6. Архитектура традиционной ИнтС: блок метазнаний, база знаний, управляющая компонента (интерпретатор), блок логического вывода, блок объяснения принятого решения.
  7. Нетрадиционные ИнтС: методика порождающих правил + методика прецедентов, включающие математические модели, логико-вычислительные, нейлоровские. Динамические ИнтС. Поиск противоречий в знаниях и значение их выявления для повышения эффективности ИнтС.
  8. Инструментарий ("оболочки") для извлечения знаний. Инструментальные средства для их реализации ИнтС.
  9. Искусственные нейронные (нейроподобные) сети. Самоорганизующаяся ИНС (сеть Кохонена) должна находить закономерности и определять взаимосвязи между ними. Сеть с обратным распространением ошибки - в процессе обучения оценивают корректность результата, полученного ИНС. Основной недостаток - ИНС представляет собой "серый" ящик: топология нейросетей задается исходя из эвристических соображений, в натренированных нейросетях со сложной топологией веса сотен и тысяч межнейронных связей не поддаются анализу и интерпретации человеком. Нечеткие системы. 2 основных подхода: Питтсбургский и Мичиганский. В Мичиганском индивиды алгоритма - отдельные правила, в Питтсбургском - база нечетких правил в целом. Недостаток Мичиганского - противоречие между целевой функцией для индивидов и эффективностью базы правил в целом. Питтсбургский лишен этого недостатка, но требует значительных вычислительных ресурсов - размерность решаемой задачи оптимизации возрастает многократно. Многоагентные системы - попытка воспроизвести свойства живых систем. Агентам выдается задание и никакой информации о способах решения. Сети peer-to-peer. Каждый узел взаимодействует только с соседями.
  10. Перспективы развития медицинских интеллектуальных систем. Функциональная направленность ИнтС: "Замещающие" - для врачей широкого профиля (замена "узких" специалистов). "Обучающие" (тренажёр) - как инструмент обучения на примерах для освоения новой для специалиста методики или диагностического комплекса. "Развивающие" - для поддержки процесса диагностики (лечения), субъектом которого является молодой специалист. Учет особенностей научных школ. Мультинаправленные (полипроблемные) ИнтС (медицинская практика, научные исследования, обучение). Новая технология - понятийно-образные базы знаний. Гибридные (интеллектуализированные) ИМС: встроенные ИнтС для поддержки принятия клинических решений, интеллектуальные АРМы, методы ситуационного управления.

Практические занятия (по 5 час.).

  1. Постановка различных типов вопросов при извлечении знаний.
  2. Ролевые игры по типу "эксперт-когнитолог (группа когнитологов" для обучения методике извлечения знаний.
  3. Круглый стол для извлечения знаний с заранее расписанными ролями.
  4. Концептуализация (структурирование знаний) на основе онтологий.
  5. Построение семантических сетей.
  6. Построение фреймов и фреймово-продукционных механизмов.
  7. Нечеткие характеристики (шкалы разнотипных показателей).
  8. Фазы домашинной обработки знаний.
  9. Сравнительный анализ разных подходов к принятию медицинских диагностических решений (традиционный, вычислительный, логико-эвристический).
  10. Особенности отдельных медицинских ИнтС и их отличия от традиционных систем.

III. Использование знаний, полученных на элективе "Интеллектуальные системы" знаний.
Полученные знания будут использованы при дальнейшем обучении, в дипломных работах и после окончания Университета при построении и поддержке информационных систем, включающих интеллектуальные модули.