Введение к работе
Предвидение явлений в медицине является наиболее актуальной научно-практической задачей профессиональной деятельности врача Многие исследователи считают, что научно обоснованному прогнозированию и эффективной профилактике принадлежит будущее (Амосов НМ,1991) Совершенствование известных и создание новых методов диагностики и прогнозирования позволит существенно улучшить качество оказания медицинской помощи населению
Данная научная проблема имеет давнюю историю Еще Гиппократ определял значение прогноза для практики врача так «Задача лечения наилучше будет совершаться, если он из настоящих страданий предузнает будущее» (Бородулин В И ,1988) Общий прогресс естествознания конца XIX - начала XX веков, явился мощным стимулом приближение медицины к точным наукам Следует отметить, что изучение неиросетевой организации центральной нервной системы физиологической научной школой И П Павлова стало предтечей теоретического обоснования создания электронно-вычислительных машин Основоположником применения электронно-вычислительных машин в нашей стране был академик А А Вишневский, доказавший на практике, что математические методы не только не уменьшают роли врачебного искусства, но и поднимают его на более высокий научный уровень В 1971 году им издана монография «Кибернетические системы в медицине» Последующее развитие идей прогнозирования с применением ЭВМ проведено научной школой Н М Амосова «Одной узкопрактической, цеховой мудростью не отыщешь новых путей к прогрессу Для этого нужны широкие взгляды и обширные знания смежных областей и специальностей» (ЮдинС С,1991)
Современное прогнозирование интегрируется с целым рядом разделов наук, таких как топографическая анатомия, иммунология, лучевая диагностика, эндоскопия, биофизика, лабораторная диагностика и др Для решения задач прогнозирования применяются различные математические методы регрессионный, дискриминантный анализ, метод наименьших квадратов, вариационные ряды, математическое и имитационное моделирование, нейросетевая диагностика
Возникновение современной технологии Data Mining, что в переводе с
английского языка означает «добыча» или «раскопка данных»
(«интеллектуальный анализ данных») связано с появлением нового
современного направления в развитии средств и методов обработки данных
Выделяют пять стандартных типов закономерностей, которые позволяют выявлять методы Data Mining ассоциация, последовательность, классификация, кластеризация и прогнозирование
Прогнозирование дает возможность предсказать поведение системы в будущем
В последнее время, наибольший интерес вызывает применение искусственных нейросетей для решения самых разнообразных задач в области медицины В тоже время, в доступной литературе отсутствуют данные о применении метода нейросетевого анализа (МНСА) в прогнозировании «поведения» артериального давления (АД)
Другим направлением в прогнозировании АД является метод Марковских цепей (ММЦ), основанный на вероятностном подходе
В работе поводилась разработка метода прогнозирования «поведения» АД у пациентов с артериальной гипертензией (АГ) с применением МНСА, а также сравнение прогностической эффективности с ММЦ
Цель исследования:
Разработка достоверной системы краткосрочного прогнозирования «поведения» АД у пациентов с АГ на фоне индивидуально подобранной гипотензивной терапии
Задачи исследования:
-
Разработать методику краткосрочного прогнозирования АД у пациентов с эссенциальной артериальной гипертензией (ЭАГ) с использованием МНСА
-
Выявить наиболее оптимальную модель прогнозирования «поведения» АД, путем сравнения МНСА и анализа с использованием ММЦ
-
Оценить эффективность применения методов прогнозирования «поведения» АД на основе Марковских цепей (МЦ) и нейронных сетей (НС)
Научная новизна:
-
Впервые разработана методика краткосрочного прогнозирования «поведения» АД у пациентов с АГ, с применением МНСА
-
Проведен сравнительный анализ прогностической эффективности методик нейросетевого анализа (НСА) и ММЦ, рекомендуемых с целью индивидуального контроля АГ и коррекции гипотензивной терапии
-
Разработана компьютерная программа расчета индивидуальных показателей контролируемости АД и расчета чувствительности и специфичности рассматриваемых методов на базе Microsoft Exel
Практическое значение работы:
-
Создана система краткосрочного прогнозирования «поведения» АД у пациентов с ЭАГ, основанная на использовании метода контрольных карт (МКК) и НСА
-
Разработанный МНСА позволяет эффективно применять его с целью прогнозирования «поведения» АД и своевременной коррекции гипотензивной терапии
-
Проведен сравнительный анализ прогностической эффективности методик НСА и ММЦ, позволивший показать более высокую точность НСА
Реализация результатов исследования
Результаты работы - метод прогнозирования «поведения» АД на основе НСА и МКК, программа для ЭВМ «Программа для расчета контрольных пределов, векторов вероятности и матрицы переходов для расчета по методу Марковских цепей» внедрены в практику деятельности МЛПУ «Городская больница № 13» и, как учебный материал, представлены в циклах лекций общего и тематического усовершенствования кафедры терапии ЦПК и ППС ГОУ ВПО «Нижегородская государственная медицинская академия»
Положения, выносимые на защиту:
-
Разработанная система краткосрочного прогнозирования «поведения» АД у пациентов с ЭАГ, основанная на использовании МНСА, позволяет осуществлять эффективный прогноз АД на срок до 30 дней
-
Проведенный сравнительный анализ двух методов прогнозирования АД показал более высокую чувствительность МНСА и, в тоже время, высокую специфичность ММЦ
-
Использование методов прогнозирования посредством НСА и ММЦ позволит наиболее эффективно решать задачи по контролю АД у пациентов с ЭАГ
Апробация работы
Апробация работы состоялась на межкафедральном заседании кафедры терапии ЦПК и ППС, кафедры скорой и неотложной медицинской помощи ЦПК и ППС, кафедры пропедевтики внутренних болезней, кафедры госпитальной терапии, кафедры терапии факультета обучения иностранных студентов, кафедры внутренних болезней постдипломного образования ВМИ ФСБ России 13 сентября 2007 года
Основные материалы и положения диссертации доложены на II съезде кардиологов Сибирского федерального округа (Томск 2007 г )
Публикации
По теме диссертации опубликовано 8 печатных работ (из них 5 в центральной печати)
Структура и объем диссертации
Диссертация изложена на 120 страницах машинописного текста и состоит из списка сокращений, введения, трех глав исследований, заключения, выводов, практических рекомендаций, списка литературы и приложений Библиографический список содержит 157 источников, из них 88 работ отечественных авторов, 69 иностранных Работа иллюстрирована 12 таблицами, 15 рисунками, 4 схемами, 5 диаграммами
