Оптимизация непрерывного оказания домашней помощи посредством распределённых семантических сервисов на основе данных и сквозных организационных рабочих процессов

ФОН: В здравоохранении усиливается взаимодействие между различными поставщиками ухода, особенно в связи с переходом к домашнему уходу. Для обеспечения оптимальной помощи пациентам требуется эффективная координация данных и рабочих процессов между этими участниками. Данные должны быть представлены в машиноинтерпретируемом и повторно используемом виде, а также необходимы интеллектуальные, динамичные, персонализированные и производительные сервисы поверх этих данных. Следует определять гибкие рабочие процессы, реализующие требуемую функциональность, соблюдающие качественные ограничения, специфичные для сценария, и улучшающие координацию между участниками. Интерфейсы пользователей должны обеспечивать простую и удобную настройку всех этих элементов. МЕТОДЫ: Для решения поставленных задач может быть использована распределённая универсальная каскадная архитектура вывода. Она может быть инстанцирована существующими инструментами на базе технологий Semantic Web, которые предоставляют семантические сервисы, управляемые данными, и позволяют строить сквозные организационные рабочие процессы. Эти инструменты включают RMLStreamer для генерации Linked Data, DIVIDE для адаптивного управления контекстно релевантными локальными запросами, Streaming MASSIF для развертывания многоразовых сервисов, AMADEUS для композиции семантических рабочих процессов, а также RMLEditor и Matey для настройки правил генерации Linked Data. РЕЗУЛЬТАТЫ: Создан демонстратор на сценарии, ориентированном на персонализированный интеллектуальный мониторинг и сквозное планирование лечения, и оценена его реализация по показателям производительности и удобства использования. Пайплайн мониторинга обрабатывает поток из 14 наблюдений в секунду: RMLStreamer отображает JSON-наблюдения в RDF за 13,5 мс, запрос C-SPARQL для генерации сигналов при лихорадке выполняется на окне в 5 с за 26,4 мс, а Streaming MASSIF формирует интеллектуальное уведомление для сигналов лихорадки с учётом тяжести и срочности за 1539,5 мс. DIVIDE выводит запросы C-SPARQL за 7249,5 мс, тогда как AMADEUS конструирует план лечения при раке толстой кишки и выполняет обнаружение конфликтов за 190,8 мс и 1335,7 мс соответственно. ВЫВОДЫ: Существующие инструменты на базе технологий Semantic Web можно использовать для оптимизации непрерывного предоставления ухода. Оценка компонентов на реалистичном сценарии мониторинга домашнего ухода демонстрирует их применимость, удобство использования и хорошие показатели производительности. Для повышения их принятия требуется дальнейшее расширение пользовательских интерфейсов некоторых инструментов.