1. ÚvodElektronická zdravotnická dokumentace (EHR) je definována jako zdroj informací týkajících se péče o zdravotní stav subjektu v počítačem zpracovatelné formě, ukládané, bezpečně sdílené a přístupné pro více autorizovaných uživatelů [1]. Její nejdůležitejší cíl je podpořit plynulou, účinnou a vysoce kvalitní integrovanou zdravotní péči za použití ukládaných strukturovaných dat [2], [3], součinnost [4] a standardy [5], použití soustředěné na péči a v reálném čase [6], zdokonalení technik utajení dat zlepšující bezpečnostní aspekty [7], [8], semantickou součinnost založenou na ontologických přístupech [9] nebo systém pro podporu rozhodování [10]. Komplexní a vyhovující EHR systém nebyl dosud mezinárodně uvedený na trh žádnou společností, proto je hodnocení různých EHR systémů velice důležité [11]. Jednou z možností jak vylepšit EHR je zakomponování hlasového ovládání do systému, což by zjednodušilo celý proces sběru dat. Použití hlasových příkazů je experimentálně zkoušeno od roku 1990 [12] jako vhodná náhrada kontroly počítače pomocí klávesnice a myši. Nezbytnost použití lidského hlasu ke kontrole počítače nebo jiných zařízení vychází z prostředí, kde dochází k zaměstnání obou rukou, jako jsou chirurgie a stomatologie [13]. Hlasem ovládaná elektronická zdravotnická dokumentace také podporuje plynulou, účinnou a vysoce ucelenou zdravotní péči pomocí poskytování plnohodnotné informace o jednotlivci. Obsahují nejenom data o současném a minulém zdravotním stavu pacienta, medicínských okolnostech, vyšetřeních, ošetřeních a medikaci, ale nabízejí take více pokročilé zpracování těchto dat a také funkci pro podporu rozhodování např. pro temporomandibulární poruchy [14]. Hlavní důvody, proč neexistuje stále žádný konsensus v klasifikaci poruch temporomandibulárního kloubu, je jejich nejasná etiologie, stejná klinická zjištění vyplývající z různých příčin a prokázaná souvislost mezi poruchami temporomandibulárního kloubu a psychologickými factory [15, 16]. Všechna zmíněná fakta dělají z temporomandibulárních poruch velice komplikovanou skupinu onemocnění pro tvorbu vhodného a kompaktního EHR systému. Jedno z mnoha běžně používaných diagnostických schémat určených pro výzkumné účely je Research Diagnostic Criteria for TMD (RDC/TMD). RDC/TMD standardizuje klinický výzkum u pacientů s poruchou temporomandibulárního kloubu, zlepšuje reprodukovatelnost mezi klinickými pracovníky a usnadňuje porovnávání výsledků mezi výzkumníky [15]. Temporomandibulární poruchy (TMD) a jejich nejčastější projevy a symptomy jako jsou bolest, limitované otvírání úst a zvukové kloubní fenomény mohou být způsobené poruchami svalů, intrakapsulární poruchou součástí temporomandibulárního kloubu a degenerativními změnami kostních součástí kloubu [15]. Poruchy temporomandibulárního kloubu jsou pokládány za podskupinu muskuloskeletálních poruch [15], [16], [17]. To může vysvětlit zprávy o úspěšném použití fyzikální terapie v léčbě poruch temporomandibulárního kloubu. Naše aplikace byla vytvořena jako uživatelsky přátelský program, který sjednocuje celý žvýkací aparát a jeho problematiku, protože všechny jeho části jsou propojeny. Systém byl ještě rozšířen o modul automatického rozpoznávání řeči. 2. Multimedia distribuující elektronickou zdravotnickou dokumentaciVývoj elektronické zdravotní dokumentace v EuroMISE centru začal v roce 2000 na základě inspirace a zkušenostech s existujícími CEN/TC251 standardy a několika evropskými projekty, převážně projekty I4C a TripleC [18]. Hlavní požadavek na navrhovaný systém bylo ukládání strukturovaných dat kombinovaných s volným textem s možností dynamického rozšíření a modifikací nastavení shromažďovaných atributů bez jakékoliv změny struktury databáze. Z výzkumu vzešla pilotní EHR aplikace nazvaná MUDR (Multimedia Distributed EHR). Jiná související elektronická zdravotní dokumentace nazvaná MUDRLite [21] byla vyvinuta v roce 2003 s důrazem na potřeby prostředí malého měřítka. MUDRLite působí jako převaděč povelů, zpracovává instrukce do MLL (MUDRLite Language) [22], který je založený na XML a ovládá rozhraní databáze stejně jako vizuální aspekty a chování uživatelského rozhraní MUDRLite. Pilotní aplikace byla připravena pro oblast stomatologie [13]. Hlavní architektura MUDR EHR byla založena na třívrstvé architektuře, která se skládá z rozhraní databáze, rozhraní aplikace a uživatelského rozhraní. Sada shromážděných atributů a relací mezi nimi je uložena v řízené diagramové struktuře, která se nazývá „znalostní báze“. Vrcholy diagramu popisují shromážděné atributy pomocí jejich jedinečných identifikátorů, interních jmen, fyzikálních typů dat a jiných auxiliárních informací, okraje diagramu popisují vztahy mezi atributy. Dominantní okraj typu „inferior“ definuje hierarchickou strukturu stromu znalostní databáze, takže znalostní databáze může být popsána přímým lesem s několika stromy. Tyto stromy jsou také nazývány „domény znalostní báze“. Každý strom v diagramu popisuje data jednoho pacienta. Každý uzel ve stromě popisuje jeden příklad lékařského konceptu ze znalostní báze. Rozhraní aplikace se skládá ze čtyř základních component – HTTP server používaný pro komunikaci s klientskou aplikací, EHR-AppL služba vykonávající hlavní logiku aplikace, CGI-script (potencionálně více z nich) složící jako rozhraní mezi HTTP serverem a HER-Appl službou a eventuální moduly medicínských pokynů. MUDRLite architektura je založena na dvou vrstvách. První je relační databáze (e.g. MS SQL) a druhá je vrstva MUDRLite uživatelského rozhraní (MUDRLite UI). Schéma databáze koresponduje s detailními potřebami na cílovou doménu a proto se mění signifikantně v rozdílných prostředích, protikladně k fixnímu schématu databáze ve vrstvě MUDR data. Jádro MUDRlite – MUDRLite Interpreter – je schopno pracovat s různými schématy databáze. Tento rys často zjednodušuje proces aktualizace dříve uložených dat v jiných databázích nebo složkách. Vizuální aspekty stejně jako chování MUDRLite UI jsou kompletně popsány pomocí XML konfigurační složky. Konečný uživatel může vidět sadu modelů s různými na nich umístěnými ovládáními díky odpovídajícím XML prvkům. 3. Interaktivní DentCross komponenta s nástrojem pro automatické rozpoznávání řeči (ASR)Pro možnost využití MUDRLite ve stomatologii byla vyvinuta vysoce vyspělá komponenta – interaktivní zubní kříž, která představuje grafickou část stomatologické dokumentace [13]. DentCross komponenta vznikla jako samostatná knihovna DentCross.dll, kompletně vyvinutá pro .NET Framework platformu za použití vývojového nástroje Microsoft Visual Studio.NET 2003. Uživatelem definovaná složka je vkládána pomocí zákaznického elementu MLL s následujícími závaznými atributy: „dll“ specifikuje jméno souboru, kam je prvek zařazován a „class“ specifikuje jméno hlavní třídy obsaženého prvku. Tento prvek je plně interaktivní. Stomatolog má možnost výběru z asi 60 různých postupů, ošetření nebo parametrů zubů, které jsou zobrazeny graficky a v jednoduše organizovaném stylu (Obr. 1).  Obr. 1. Interaktivní DentCross. Schéma základní databáze elektronické zdravotnické dokumentace reflektuje strukturu podskupiny rozsáhlé hierarchicky uspořádané znalostní báze, vytvořené pro obor stomatologie v českém i anglickém jazyce. Databáze obsahuje charakteristiky každého samostatného zubu – lokalizace (meziálně, incizálně, incizálně-distálně, incizálně-meziálně, distálně, cervikálně-vestibulárně, cervikálně-orálně, vestibulárně a orálně, třídy dle Mounta 1, 2, 3 a 4) a typ (primární, sekundární) kazivé léze, ageneze, periodontitida, nekróza, gangréna, charakteristiky ošetření – lokalizaci a typ materiálu (amalgám, kompozit, kompomer, skloionomer, provizorní výplň) výplně, rozdílné typy implantátů, korunky, inleje, lokalizace a materiál můstků, extrakce a přídatné charakteristiky jako indexy krvácivosti, zubní kámen a atributy periodoncia. Rozsáhlá znalostní báze používá různé známé klasifikace jako jsou Baumeho klasifikace pulpitid, Blackova klasifikace kavit, Angleovu klasifikaci okluze, Voldřichovu klasifikací defektů po ztrátě zubů, Kennedyho klasifikaci částečně bezzubých stavů a částečných náhrad, klasifikace onemocnění dásní a periodoncia dle WHO atd..Technologie representace znalostní báze byla patentována – Český národní patent č. PV 2005-229. Dále byl přidán nástroj automatického rozpoznávání řeči (ASR) jako samostatně stojící aplikace běžící na pozadí. Protokol komunikace serveru je patentovaný a běží na vrcholu zásobníku TCP/IP. Komunikační protokol umožnuje začátek a ukončení rozpoznávacího procesu, konfiguraci rozpoznávací úlohy v průběhu stejně jako přijímání rozpoznaných frází klientem. ASR systém je nezávislý na osobě mluvícího a používá statistické techniky. Schéma modulu ASR můžeme vidět na (Obr. 2). Řečový signál je digitalizovaný na 8kHz hladině. Poté je upravená akustická vlna segmentována do 25 milisekundových rámců s 15ms přesahem. Akustický model je založený na modelování trifónů. Každý individuální trifón je reprezentován třístavovým levopravým HMM (Hidden Markov Model) se spojitou výstupní funkcí pravděpodobnostní density přiřazenou ke každému stavu. Dekoder využívá Viterbi hledací techniku kombinovanou s efektivním algoritmem prořezávání [23]. Prototyp aplikace DentVoice spojuje DentCross komponentu a TCP/IP klient ASR serveru s definujícím souborem hlasových příkazů. ASR klient užívá třídu DentCrossHandler, která implementuje funkčnost komponenty DentCross. Hlasové rozpoznávání je aktivováno bezprostředně po spuštění DentCross komponenty. Proces rozpoznávání může být přerušen nebo zastaven speciálním hlasovým příkazem nebo přes uživatelské rozhraní. Hlasové příkazy mohou být rozděleny do dvou skupin: obecné příkazy a kontextově vázané příkazy. Obecné příkazy jsou určené k ovládání procesu rozpoznávání např. pauza, začít znovu, stop atd. a k uzavírání oken hlášení otevřených aplikací k upozornění uživatele. Kontextově vázané příkazy se vztahují k aktuálnímu stavu komponenty DentCross a mohou být dále rozděleny do 33 skupin příkazů korespondujících s 33 stavy (např. charakter ošetření zubu, umístění kazu, typ kazu, typ materiálu kořenové výplně). 
Obr. 2. Funkčnost ASR. 4. Hlasově a počítačově podporovaná léčba pacientů s parafunkcí temporomandibulárního kloubuZáklad pro úspěšné ošetření je stanovení příčiny problémů pacienta [24]. Nová zjištění související s etiologií TMD vedly ke změnám v terapeutických postupech. K podpodpoře přirozené schopnosti hojení muskuloskeletálního systému je nyní preferován komplex konzervativních ošetření před ireverzibilní chirurgickou nebo protetickou terapií. Kazuistika Toto kazuistické sdělení ukazuje propojení automatického rozpoznávání řeči a komponenty zubního kříže u léčby TMD. Na základě doporučení od zubního chirurga byl pacient vyšetřen pro časté kloubní zvukové fenomény a dlouhotrvající bolest v oblasti temporomandibulárních kloubů, pravděpodobně způsobených snížením skusu. Pacient netrpěl bruxismem nebo jinými parafunkcemi. Metody strukturování informací ve stomatologii mohou být ilustrovány na využití hlasem podporované interaktivní DentCross komponenty. Interaktivní DentCross komponenta pomáhá ve shromažďování stomatologických informací, přípravě terapeutického plánu a monitorování terapeutického procesu. Všechno je spojeno se sběrem anamnestických dat do speciálního formuláře, který je součástí zubního kříže. Plán ošetření: - záznam do interaktivního zubního kříže – stomatologické vyšetření a anamnestická data,
- nácvik otevírání úst v ose, bez deviací,
- stabilizační dlaha,
- analýza pomocí počítačového obličejového oblouku,
- protetická léčba,
- dokončení léčby a měkká dlaha,
- ověření výsledku a hodnocení terapie pacientem.
Předošetření Během procesu předošetření byla použita komponenta DentCross k podpoře grafické analýzy horního a dolního zubního oblouku. Záznamem celého vyšetření a anamnestických dat byla umožněna analýza celkové situace a komplexní přehled o stavu (Obr. 1). Terapie Pacientovi bylo doporučeno neotvírat ústa do maximální polohy, vyhýbat se ukusování tvrdé potravy a žvýkání žvýkaček. Pomocí tvrdé akrylátové stabilizační dlahy bylo docíleno překrytí zubů v horní čelisti, to učinilo jejich povrch hladký. To nám zajistilo centrální okluzi, eliminaci postranního působení, poskytnutí předního vedení pro frontální zuby a redukci neuromuskulární aktivity. Po 2 měsích tohoto režimu byla zjištěna redukce bolesti a frekvence kloubních zvukových fenoménů v levém TMK. Poté byla iniciována protetická terapie nesprávného mezičelistního vztahu. Konečná fáze analýzy byla provedena v plně seřiditelném artikulátoru Protar Evo 7 (KAVO, Germany) a přenosem pomocí počítačového obličejového oblouku Arcus Digma (KAVO, Germany) (Obr. 3). Po protetické terapii byla zhotovena měkká dlaha na zuby dolní čelisti a pacientka jí nosila vždy na noc. Měkká nákusná dlaha a protetická terapie přispěly k poklesu zatížení TMK, což vedlo k redukci bolestivosti v oblasti TMK. Abrase byla prakticky eliminována. 
Obr. 3. Počítačem podpořená analýza TMK. 5. DiskuzeDokončené analýzy nynějších komerčně dostupných programů a patentovaných technologií naznačují, že softwarová podpora pro ukládání stomatologické zdravotnické dokumentace se pomalu vyvíjí [18]. Nové trendy jsou nalézány v navrhování objektu příbuzných modelech založených na strukturovaných znalostních prvcích, které jsou dynamicky využitelné multimediálními nástroji pro dokumentaci jednotlivých případů, simulaci vývoje nemoci, a podporu rozhodování [19] a zaměření na přímé požadavky uživatele [20]. Prezentovaná interaktivní komponenta DentCross signifikantně zvyšuje kvalitu elektronické zdravonické dokumentace. Grafický design DentCross UI je specificky konstruován, aby vypadal jako fotografie zubního oblouku kombinovaná s rentgenovým snímkem (t.j. obraz kořenového kanálku nebo implantátu). Index krvácivosti papil, viklavost, zubní kámen, kostní resorpce a periodontální choboty a informace o temporomandibulárním kloubu pacienta mohou být také dokumentovány. TMK artralgie byla, jmenovitě v prezentovaném případě, pravděpodobně způsobena opakovanou traumatizací TMK pro nesprávný stereotyp otvírání úst, chronické přetěžování TMK jako následek nestabilní okluze a posunutí disku spojené s iritací retrodiskální tkáně [12], [16]. Naše zkušenost s hlasem ovládaným vkládáním dat naznačuje, že tento typ kontroly se velice hodí pro aplikace v medicínském prostředí a jeho použitelnost není limitována pouze pro stomatologickou praxi. Hlasem ovládané vkládání dat je užitečné všude, kde by jiná varianta vkládání mohla negativně ovlivnit uživatelův výkon z pohledu nárůstu časové náročnosti na splnění zadaného úkolu nebo pocit nárůstu diskomfortu. Tyto situace často nástávají např. (ale ne vždy) během vyšetření pacienta, chirurgického výkonu nebo během manuální mikroskopické analýzy vzorků tkání nebo krve. V těchto oblastech může být systém hlasového rozpoznávání s velkoobsahovým slovníkem velkým přínosem (HVV-SRS), který odstraní potřebu speciálního UI adaptéru pro hlasovou kontrolu frázového rozpoznávání. Avšak potřeba doménově specifického jazykového modelu pro HVV-SRS je hlavní výzvou v aplikování HVV-SRS do praxe. Nastávající vývoj bude směřován k užití počítačem syntetizované řeči. DentCross by předčítal nahlas aktuální stav pacientova chrupu, jak byl uložen v databázi a zubní lékař by pouze kontroloval, zda je uložená informace odpovídající. 6. ZávěrMUDRLite EHR s interaktivní komponentou DentCross umožňuje přehledný zdravotnický záznam s celou denticí a provedení vyšetření pacienta v koncentrované formě. Stomatologická informace zaznamenaná v obvyklé grafické struktuře urychluje rozhodování lékaře a přináší komplexní pohled na shromážděnou informaci. Aplikace DentVoice (hlasem kontrolovaná verze DentCross) se nyní testuje při procesu získávání a hodnocení stomatologických dat. Tento přístup nemusí jenom ulehčit ukládání strukturovaných dat ve stomatologické praxi, ale může také podpořit terapii TMK poruch. Výše popsaná aplikace MUDR EHR s komponentou DentCross tedy otvírá nové možnosti ukládání a klasifikace dat ve stomatologii. Poděkování Práce byla podpořena pojektem 1M06014 Ministerstva školství, mládeže a tělovýchovy ČR a projektem AV0Z10300504 Ústavu informatiky Akademie věd ČR, v.v.i.
Literatura
[1]
| Kalra, D.: Electronic Health Record Standards. IMIA Yearbook of Medical Informatics 2006; Methods Inf Medicine 2006; 45, Suppl 1; 136-144. | [2]
| Los, R.K., van Ginneken, A.M., van der Lei, J.: OpenSDE: a strategy for expressive and flexible structured data entry. Int J Med Inform 2005, 74:481-490. | [3]
| van Ginneken, A.M.: The computerized patient record: balancing effort and benefit. Int J Med Inf 2002, 65:97-119. | [4]
| Bakker, A.: Access to EHR and access control at a moment in the past: A discussion of the need and an exploration of the consequences. Int J Med Inform 2004; 73:267-270. | [5]
| Blobel, B.: Advanced EHR Architecture - Promises or Reality. Methods Inf Med 2006; 1: 95-101. | [6]
| Reuss, E., Menoyyi, M., Buchi, M., Koller, J., Krueger, H.: Information access at the point of care: what can we learn for designing a mobile CPR system? Int J Med Inform 2004: 73:365-369 . | [7]
| Pharow, P., Blobel, B.: Electronic signatures for long lasting storage purposes in electronic archives. Int J Med Inform 2005; 74:279-287. | [8]
| Sax, U., Kohane, I., Mandl, K.D.: Wireless technology infrastructures for authentication of patients. PKI that rings. J Am Med Inform Assoc 2005; 12:263-268. | [9]
| Min, Z., Baofen, D., Weeber, M., van Gineken, A.M.: Mapping Open SDE domain models to SNOMED CT. Methods Inf Med 2006; 1: 4-9. | [10]
| Gallanter, W.L., Didomenico, R.J., Polikaitis: A trial of automated decision support alerts for contraindicated medications using physician order entry. J Am Med Inform Assoc 2005; 12:269-274. | [11]
| Noehr, C.: Evaluation of electronic health record systems. IMIA Yearbook of Medical Informatics 2006. Methods Inf Med 2006; 45 Suppl.1: 107-113. | [12]
| Grasso, M.A.: Automated speech recognition in medical applications. MD Computing 1995; 12: 16-23. | [13]
| Zvarova, J., Dostalova, T., Hanzlicek, P., Teuberova, Z., Nagy, M., Pies, M., Seydlova, M., Eliasova, H., Simkova, H.: Electronic health record for forensic dentistry. Methods Inf Med 2008; 47: 8-13. | [14]
| Dostalova, T., Seydlova, M., Zvarova, J., Hanzlicek, P., Nagy, M.: Computer-supported treatment of patients with the TMJ parafunction. eHealth: Combining telematics, telemedicine, biomedical engineering and bioinformatics to the edge. IOS press AKA, Berlin 2008; 171-177. | [15]
| Dworkin, S.F., LeResche, L.: Research diagnostic criteria for temporomandibular disorders: review, examinations and specifications criteria. J Craniomand Disord Facial Oral Pain 1992; 6: 301-55. | [16]
| McNeill, Ch.: History and evolution of TMD concepts. Oral Surg Oral Med Oral Pathol Oral Radiol Endod 1997; 83: 51-60. | [17]
| Goldstein, B.: Temporomandibular disorders: A review of current understanding. Oral Surg Oral Med Oral Pathol Oral Radiol Endod 1999; 88: 379-85. | [18]
| van Ginneken, A.M., Stqam, H., van Mulligen, E.M., de Wilde, M., van Mastrigt, R., van Bemmel, J.H.: ORCA: the versatile CPR. Methods Inf Med 1999; 38:332-338. | [19]
| Koch, S., Risch, T., Schneider, W., Wagner, I.V.: An object-relational model for structured representation of medical knowledge. Int J Comput Dent 2006; 9(3):237-252. | [20]
| Koch, S.: Designing clinically useful systems: examples from medicine and dentistry. Adv Dent Res 2003; 17:65-68. | [21]
| Hanzlicek, P., Spidlen, J., Heroutova, H., Nagy, M.: User Interface of MUDR Electronic Health Record. International Journal of Medical Informatics 2005; 74: 221-227. | [22]
| Spidlen, J., Hanzlicek, P., Zvarova, J.: MUDRLite - health record tailored to your particular needs. Studies in health technology and informatics 2004; 105: 202-9. | [23]
| Psutka, J., Muller, L., Matousek, J., Radova, V.: Mluvíme s počítačem česky. Praha, Academia, 2006 (in Czech). | [24]
| Carlsson, G.E., Magnusson, T. (eds.).: Management of temporomandibular disorders in the general dental practice. Quintessence Publishing Co, Inc. 1999; 108-129. |
|
in English |
Česky
English
