Decyzje są ogromnie ważnym, chociaż nie zawsze widocznym elementem naszego życia i rozwoju. Żeby ludzkość znalazła się punkcie, w którym aktualnie jesteśmy, zostało podjętych nieskończenie wiele decyzji – dobrych i złych. Aby skutecznie rozwiązywać dylematy, przed którymi stajemy codziennie, powstały systemy wspomagania decyzji, dzięki którym łatwiej jest podjąć trudne decyzje, które mogą nieść za sobą kosztowne konsekwencje.  

Założenia  

Podejmowanie decyzji jest procesem poznawczym, który każdy z nas przechodzi wiele razy każdego dnia. Jest to proces rozumowania oparty na wiedzy, przekonaniach i wartościach osoby podejmującej decyzję, a jego skutkiem jest wybór przekonania lub sposobu działania.  

System wspomagania decyzji to system komputerowy, który pomaga decydentom rozwiązywać problemy niestrukturalne przy użyciu modeli i symulacji. Wykorzystuje się elementy sztucznej inteligencji, aby umożliwić szybszą i bardziej obszerną analizę danych. System wspomagania decyzji zaprojektowany jest, aby działać podobnie do człowieka, gromadzi i analizuje różnego rodzaju dane z różnych źródeł (dokumenty, modele biznesowe, wiedza pracowników).  

DSS może być wykorzystywany w wielu dziedzinach, np. diagnostyka medyczna, zarządzanie przedsiębiorstwem, gospodarka leśna.  

DSS składa się z 3 części

1. System bazy danych – składa się z informacji wewnętrznych i zewnętrznych. Jest to rodzaj biblioteki, która obejmuje pewien zakres materiału – w tym miejscu DSS przechowuje informacje wykorzystywane do działania. Powstaniem takich baz wiedzy zajmuje się inżynieria wiedzy, czyli dziedzina wykorzystująca technologie semantyczne do przetwarzania wiedzy. Jej zadaniem jest zbieranie danych pochodzących od ekspertów do formy reguł, jakich używają systemy ekspertowe. 
2. System przetwarzania problemu – jest to model w tym przypadku pewna symulacja firmy, prawdziwego życia służąca do tego, żeby zrozumieć lepiej jak działa proces, który zachodzi w firmie oraz do przedstawienia bardzo skomplikowanych i drogich zmian, których rezultat jest potrzebny. 
3. Interface użytkownika – interface ma za zadanie przedstawiać dane w sposób przejrzysty i zrozumiały aby decydent mógł nimi manipulować oraz łatwo poruszać się po systemie. 

Różne typy systemu wspomagania decyzji

DSS można podzielić ze względu na interakcje z użytkownikiem i źródła informacji(WEB3).

Pasywny DSS

Pomaga w podjęciu decyzji, ale nie może przedstawić jednoznacznego rozwiązania.

Aktywny DSS

Jest w stanie przedstawić jednoznacznie wybrane działanie.

Kooperatywny DSS

Program i decydent współpracują ze sobą, użytkownik może wprowadzać zmiany i modyfikować decyzje a system poprawia decyzje i proponuje nowe.

Źródła informacji 

• Communication-driven – wspomaga więcej niż jedną osobę pracująca nad zadaniem – np. dokumenty google, microsoft sharepoint 
• Data-driven – daje dostęp do zmian w danych zewnętrznych i wewnętrznych oraz ich przechowywania
• Document-driven – operuje na danych nieustrukturyzowanych pobierając je i manipulując w różnych elektronicznych formatach
• Knowledge-driven – głównie wykorzystywane przez menadżerów do znajdywania rekomendacji odnoszących się do szczegółowego problemu. Wykorzystuje się tu AI i ludzki intelekt do określenia relacji między problemami 
• Model-driven – systemy wykorzystują modele, symulacje, skupia uwagę na podejmowanej decyzji i analizie wyboru 

  

 

Systemy wspomagania decyzji klinicznych 

Systemy wspomagające decyzje kliniczne pomagają personelowi medycznemu w opiece nad pacjentami. Takie systemy mogą opierać się o instrukcje w postaci prostych zdań warunkowych jeżeli p, to q – np. jeżeli pacjent chorujący na cukrzycę ma niski poziom cukru, należy podać mu insulinę, lub też o bardzo skomplikowane zasady łączące ze sobą wiele faktów. Obecnie CDSS są używane głównie w celu połączenia wiedzy lekarza z informacjami dostarczanymi przez system.  

Jak to działa? 

Dla CDSS opartych na wiedzy (knowledge based) powstają zasady, które system ocenia za pomocą pobranych danych. Zasady mogą powstawać dzięki dowodom opartym o literaturę, praktykę lub ukierunkowanie na pacjenta. Systemy, które nie są budowane w oparciu o wiedzę (non-knowledge based) również potrzebują źródła danych, ale decyzja wykorzystuje sztuczną inteligencję, uczenie maszynowe lub rozpoznawanie wzorców statystycznych. Mierzą się one z problemami dostępności danych oraz brakiem wglądu w to, w jaki sposób SI dochodzi do określonych wniosków (tzw. problem czarnych skrzynek).   

źródło: www.nature.com

Możliwości i zastosowanie 

CDSS zapewniają uproszczony dostęp do danych potrzebnych do podjęcia decyzji. Kiedy dane, dla przykładu wyniki z laboratorium, są przechowywane w systemie komputerowym, gdzie można łatwo je ze sobą porównać lub graficznie przedstawić na przestrzeni czasu, dużo łatwiej jest wyciągać z nich wnioski.  

Systemy wspomagania decyzji mogą generować podpowiedzi lub przypomnienia dostarczane lekarzowi przed wizytą pacjenta, np. za pomocą pojawiającego się na pulpicie okna. Możliwe jest również sprawdzanie zaleceń, które lekarz daje pacjentowi – w czasie rzeczywistym system analizuje, czy przepisywane leki nie wchodzą w interakcje z innymi lekami przyjmowanymi przez pacjenta, czy pacjent nie ma żadnych przeciwskazań do przyjmowania danej substancji lub czy warto skierować go na dodatkowe badania profilaktyczne. 

Funkcją systemów wspomagania decyzji, która (przynajmniej mi) przychodzi do głowy na początku, jest asysta w diagnozie. Niestety jednak, jest to kierunek, który napotkał wiele trudności i ciągle jest jeszcze w fazie powstawania. Początkowo systemy wspomagania decyzji diagnostycznych miały formę komputerowej konsultacji i opierały się na filtrowaniu – człowiek wprowadzał objawy, a komputer wyświetlał możliwe schorzenia. Niestety nie było to najlepsze rozwiązanie ze względu na negatywne nastawienie lekarzy, małą dokładność (często spowodowaną brakami w danych) i słabą integrację systemu wymagającego wprowadzania danych ręcznie – trwają prace w tym zakresie. Jednym z dobrze działających DDSS jest DXplain (Kunhimangalam i inni, 2014) służący do diagnozy neuropatii obwodowej w oparciu o logikę rozmytą, i który osiąga 93% poprawności w porównaniu do lekarzy ekspertów.
Biorąc pod uwagę częstość występowania błędów diagnostycznych, zwłaszcza w zakresie podstawowej opieki zdrowotnej, w systemach CDSS jest pokładane wiele nadziei. Współcześnie systemy diagnostyczne wykorzystują techniki nie oparte na wiedzy, takie jak uczenie maszynowe (np. The Babylon Triage and Diagnostic System zasilane sztuczną inteligencją). 

Zagrożenia i ograniczenia 

• Zmęczenie alertami – może występować, kiedy system generuje zbyt wiele rekomendacji lub przypomnień przez co decydent zaczyna je ignorować bez względu na wagę. Z tego powodu warto nadać priorytet krytycznym raportom i zminimalizować wyświetlanie mniej istotnych informacji. 
• Negatywny wpływ na umiejętności użytkownika, który może zacząć polegać na systemie i nie wyłapać błędów lub luk. Należy stale sprawdzać jakie skutki niesie za sobą wykorzystanie danego systemu. System powinien pozwalać na zachowanie autonomii użytkownika i nie stosować poleceń 
• Zużycie zasobów – CDSS generalnie pomagają zaoszczędzić fundusze (sugerują tańsze leki, pozwalają uniknąć niepotrzebnego powtarzania badań, przejmują niektóre obowiązki pracowników administracyjnych), jednak trzeba też wziąć pod uwagę koszty (czas i pieniądze) implementacji i utrzymania takiego systemu, co wcale nie gwarantuje długoterminowej opłacalności. Z tego powodu należy przeprowadzać analizy finansowe. 
• Brak zaufania ze strony użytkowników, którzy mogą nie zgadzać się z sugestiami systemu. Warto wprowadzić do takich komunikatów źródła, z których system czerpie informacje tak, aby użytkownik mógł je zweryfikować. System może też sugerować użytkownikowi uaktualnienie swojej wiedzy oraz pytać o powód braku zaufania i niestosowania się do zaleceń. 
• Wiele CDSS jest samodzielnymi systemami lub istnieją w systemach, które nie mogą skutecznie komunikować się z innymi. Z tego powodu mierzą się z problemem integracji danych z innymi systemami i jednostkami medycznymi. Wyzwań jest wiele, od różnorodności źródeł danych, do kwestii bezpieczeństwa danych wrażliwych pacjentów. Do zapewnienia większej interoperacyjności i poprawy bezpieczeństwa wymiany informacji zdrowotnych można wykorzystać technologie chmurowe lub blockchain. Standardy interoperacyjności są stale rozwijane.  
• Pojawia się też kwestia biegłości w obsłudze sprzętu (przez pracowników oraz pacjentów), dlatego interface systemów powinien być do siebie podobny, żeby użytkownicy nie odczuwali zbyt mocno ewentualnej zmiany oprogramowania. Powinno się również wprowadzić odpowiednie szkolenia, w których mogą wziąć udział nowi użytkownicy. 
• Wpływ na przebieg pracy: CDSS mogą przyspieszyć pracę dzięki lepszemu dostępowi i prezentacji danych, ale mogą również ją zakłócić, jeżeli wymagają zewnętrznej interakcji z elektroniczną dokumentacją medyczną lub nie pasują do rzeczywistych sposobów przetwarzania informacji. 

Systemy wspomagania decyzji w biznesie 

Systemy wspomagania decyzji są szeroko wykorzystywane z biznesie ze względu na swoją zdolność do dopasowania się do potrzeb użytkownika.  

Aplikacje DSS w biznesie są zazwyczaj ukierunkowane na jakieś konkretne działanie, np. określanie przychodów, sprzedaż produktów, ustalanie

 najbardziej optymalnej trasy dla transportu towarów. Jednym z zastosowań może być wykorzystanie GPS przy wyborze trasy jaką odbyć ma kierowca z towarem. System wspomagania decyzji ustala najbardziej optymalną trasę, uwzględniając utrudnienia na drogach jakie mogą się pojawić. W przedsiębiorstwach, gdzie potrzebne jest monitorowanie wielu parametrów wykorzystuje się kokpity ERP (kokpit menadżerski), pozwalają one na wyświetlanie wielu wyników w postaci tablic i wskaźników. Wykorzystywany jest również mechanizm alertów aby sygnalizować jeżeli jakiś pomiar wybiega poza normę. Zapewnia to przejrzysty wgląd do aktualnych działań jakie odbywają się w przedsiębiorstwie. W przedsiębiorstwach typu JIT (just-in-time), gdzie potrzebna jest wiedza na temat towarów w czasie rzeczywistym system DSS pomaga zapobiegać tworzeniu się zatorów i pozwala na sprawną dystrybucje (WEB2). Ogromny zysk jaki firma może zdobyć może opierać się na analizie predykcyjnej, która monitorując dane giełdy będzie wykonywać szybkie i duże transakcje. DSS, który potrafi przeanalizować duże ilości danych w krótkim czasie jest nieporównywalny z pracą człowieka.

Wady i ograniczenia  

1. Pomimo, że system wspomagania decyzji w części działa na danych wymiernych to istnieje część danych, które bardzo trudno zarejestrować lub w całości przedstawić jako liczby. Wynik uzyskany musi być sprawdzony w takim przypadku przez decydentów, poprawność takiego systemu 
2. DSS potrzebuje jasno skonkretyzowanego celu lub wskazania działu, którym mam się zająć, jeżeli nastąpi pomyłka w określeniu zadania system będzie przedstawiał nieprawdziwe dane.
3. Koszty wdrożenia systemu wspomagania decyzji wiążą się z ogromnymi inwestycjami kapitałowymi przez co DSS może być dostępny jedynie dla dużych przedsiębiorstw.
4. DSS wykorzystując bardzo dużo informacji sprawia, że ostatecznie może być problematyczne dla decydenta wybrać odpowiednią opcję z wielu możliwych. 
5. Problemem może być też nadmierna wiara w poprawność systemu, przez co użytkownicy będą mieli coraz mniejszy wkład decyzyjny co będzie skutkować zanikaniem subiektywności i pozostanie statystyczna poprawność, obiektywizm.

Literatura 

Kunhimangalam, R., Ovallath, S., & Joseph, P. K. (2014). A clinical decision support system with an integrated EMR for diagnosis of peripheral neuropathy. Journal of medical systems, 38(4), 1-14. 

Payne, T. H. (2000). Computer decision support systems. Chest, 118(2), 47S-52S. 

Sutton, R. T., Pincock, D., Baumgart, D. C., Sadowski, D. C., Fedorak, R. N., & Kroeker, K. I. An overview of clinical decision support systems: benefits, risks, and strategies for success. NPJ Digit Med. 2020; 3: 17. 

WEB1: System wspomagania decyzji. https://pl.wikipedia.org/wiki/System_wspomagania_decyzji

WEB2: Decision support system (DSS). https://www.techtarget.com/searchcio/definition/decision-support-system

WEB3: Decision Support System (DSS). https://corporatefinanceinstitute.com/resources/management/decision-support-system-dss/