Введение к работе
АКТУАЛЬНОСТЬ ПРОБЛЕМЫ. В течение многих лет ншемическая болезнь сердца является главной причиной смертности населения в большинстве экономически развитых странах мира. Инфаркт миокарда - наиболее грозное её проявление, нередко приводящее к летальным исходам. В последние десятилетия отмечается значительный рост как заболеваемости инфарктом миокарда (ИМ), так и смертности от него (Е.И.Чазов,1992). Это заставляет искать новые подходы к профилактике, лечению и реабилитации больных с данным заболеванием. Для решения этих задач необходимо, в частности, совершенствование методов прогнозирования течения и исходов острого ИМ. Многие авторы (И.Е.Ганелина,1970; М.К.Мандыбаева,1974; Е.В.Ермаков с соавт.,1979; А.П.Леопов,1991; L.Sellier ct al.,1977; B.Uretsky et al.,1977; R.Bassan et a].,1994; G.Jensen et al.,1996) прогнозировали течение ИМ на основе клинико-лабораторных и клинико-инструментальных данных. Некоторые авторы для прогноза, используя клинические данные, применяли различные математические методы. В частности, были предложены методы прогнозирования с вычислением прогностических индексов (S.Schnur,1953; A.Peel etal.,1962; R.Norris et al. ,1969; Э.Халфен с соавт.,1967), применялись дискриминантный анализ (В.Г.Попов и соавт.,1983; Г.А.Трофимов и соавт.,1994; J.Willems et al.,1984), алгоритм распознавания образов (Л.Б.Штейн,1987). Однако, приходится констатировать, что полученные в этих работах результаты часто не находят широкого практического применения. Это можно объяснить сложностью и громоздкостью некоторых прогностических правил; использованием для прогнозирования результатов наблюдения за больным на протяжении всего периода болезни, вплоть до момента развития осложнения; невозможностью дообучения и совершенствования прогностических экспертных систем на новых данных; использованием для прогнозирования сложных дорогостоящих диагностических исследований, проведение которых возможно далеко не во всех клиниках.
Это делает поиски новых методов прогнозирования осложнений и исходов ИМ актуальной задачей.
ЦЕЛЬ ИССЛЕДОВАНИЯ: Создание и апробация нейросетсвой экспертной системы для прогнозирования некоторых осложнений и исхода инфаркта миокарда.
1 .Апробировать методик}' компьютерных нейронных сетей для прогнозирования некоторых осложнений и летального исхода у больных инфарктом миокарда на материале базы данных из 1700 пациентов и создать на её основе экспертную систему.
2.Выяснить чувствительность и специфичность методики при прогнозировании выбранных осложнений и исхода инфаркта миокарда.
3.Используя нейросстевую технологию, определить значимость входных параметров при прогнозировании некоторых осложнений и исхода инфаркта миокарда.
4.Сравнить точность прогноза при применении нейросетевого алгоритма back-propagation и метода потенциальных функций.
5.Определить наилучшие для нейронных сетей значения параметров обучения "время отклика" и "уровень надежности".
НАУЧНАЯ НОВИЗНА. Впервые создана экспертная система прогнозирования некоторых осложнений и исхода ИМ (на период пребывания больного в стационаре) с использованием компьютерных нейронных сетей.
Впервые проведены сравнительные испытания нейросетевого алгоритма back-propagation и метода потенциальных функций при применении их для прогнозирования осложнений и исхода инфаркта миокарда.
Выяснены чувствительность и специфичность нейросетевого метода прогнозирования некоторых осложнений и летального исхода у больных инфарктом миокарда.
Определены наилучшие для обучения нейронных сетей значения параметров "время отклика*' и '"уровень надежности".
ПРЛКТИЧЕСЖАЯ ЗНАЧИМОСТЬ РАБОТЫ. Показано, что методика обучения компьютерных нейронных сетей может быть использована при оценке течения острого инфаркта миокарда. Используя данную экспертную систему, можно выделить группы больных с высокой вероятностью развития некоторых осложнений и летального исхода, что позволит индивидуализировать врачебную тактику по отношению к конкретному пациенту.
Собрана база данных о 1700 пациентах, которая может использоваться в клиниках и научных коллективах для изучения осложнений ИМ и апробации других методов прогнозирования.
Выяснение оптимальных значений параметров обучения нейронных сетей "время отклика" и "уровень надежности" позволит более продуктивно использовать нейросетевую методику для диагностики и прогнозирования в кардиологии.
Создание нейросетевой программы с использованием метода потенциальных функций позволит использовать при обучении разное количество примеров в распознаваемых классах, сократит время обучения нейронных сетей.
Нейронные сети экспертной системы могут постоянно дообучаться по мере пополнения базы данных новыми клиническими примерами.
1 .Методика компьютерных нейронных сетей может быть применена для
прогнозирования некоторых осложнений и исхода инфаркта миокарда. При этом она
обладает высоким уровнем чувствительности и специфичности.
2.Методика компьютерных нейронных сетей позволяет выяснить значимость входных параметров при прогнозировании некоторых осложнений и исхода инфаркта миокарда.
3.Методика нейросстевого прогнозирования с применением алгоритма back-propagation и метод потенциальных функций близки но точности прогнозирования осложнений и исхода инфаркта миокарда. Для повышения точности прогноза необходимо одновременное использование обеих методик.
ВНЕДРЕНИЕ. Основные положения и результаты диссертации нашли практическое применение в городской клинической больнице № 20 г.Красноярска. По теме диссертации разработаны и внедрены в отделении реанимации и интенсивной терапии городской клинической больницы № 20 пять рационализаторских предложений.
АПРОБАЦИЯ РЕЗУЛЬТАТОВ ИССЛЕДОВАНИЯ. Основные положения работы доложены на симпозиуме кардиологов "Актуальные проблемы реабилитации больных с сердечно-сосудистыми заболеваниями" (Красноярское Загорье, 1994); ежегодных всероссийских семинарах "Нейроииформатика и се приложения" (Красноярск, 1994,1995,1996); ежегодной научно-технической конференции "Диагностика, информатика и метрология" (Санкт-Петербург, 1994,1995); международной конференции "Нейроииформатика" (Сеул,Корея,1994); 2-ом международном симпозиуме "Нейроииформатика и нейрокомпьютеры" (Ростов-на Дону, 1995); всемирном конгрессе "Нейронные сети" (Вашингтон, 1995).
ПУБЛИКАЦИИ. По теме диссертации опубликовано 11 печатных работ.
ОБЪЁМ И СТРУКТУРА ДИССЕРТАЦИИ. Диссертация изложена па 244 страницах машинописного текста, содержит 62 таблицы, 9 рисунков. Диссертация состоит из введения, четырех глав, выводов, практических рекомендаций, списка литературы и
приложения. Список литературы содержит 100 отечественных и 156 зарубежных источников.
