Прогнозирование осложнений острого инфакрта миокарда на основе компьютерной программы принятия решений Офицеров, Игорь Юрьевич

Введение к работе

Актуальнос-гь темы. Сердечно-сосудистые заболевания в структуре летальности занимают первое место. Острый инфаркт миокарда наиболее частая патология (650000 чел. в год). Наряду с неасложненнымя, _, встречаются осложненные варианты течения, при которых наблюдаются: кардиогенный шок (20 %) , разрывы миокарда(15 %) отек легких (10 %)', атриовентрикулярные блокады(5 I), фибрилляция желудочков (15 8).

Смертность в индустриально развитых странах Европы составляет 3 на 1000 населения.

Проблема снижения летальности во многом ассоциируется с предупреждением: кардиогенного шока, отека легких, разрыва миокарда, фибрилляции желудочков, атриовентрикулярной блокады.

Немалую помощь в диагностике и прогнозировании осложнений острого инфаркта миокарда и его лечении может оказать применение современной

компьютерной технологии. Автоматизированный подход позволит объединить

»

многолетний опыт работы в этой области.

Прогнозирование, построение логических моделей диагностики и выбора лечения острого инфаркта миокарда поможет врачу на этапе планирования модели и тактики выбора профилактических мероприятий при остром инфаркте миокарда с использованием математических методов и автоматизированной системы прогнозирования. Необходимость тех или иных профилактических мероприятий при остром инфаркте миокарда во многом позволят снизить летальность при этой патологии.

Актуальность данной работы заключается в необходимости разработки методов математического моделирования и прогнозирования течения острого инфаркта миокарда для профилактики его осложнений, а также создания на этой основе автоматизированной системы эффективного выбора лечебных мероприятий.

Целью дисс&рдации является разработка методов, алгоритмов, прогностических моделей для повышения эффективности лечения острого инфаркта миокарда путем распознавания тяжелых осложнений (фибрилляция желудочков, разрывы миокарда, отек легких, кардиогенный. шок, атриовентрикулярная блокада) на стадии их формирования с целью их предупреждения или ослабления, использование этих данных в клинической

практике. Для достижения поставленной цели, необходимо решить следующие задачи:

провести анализ и дать, оценку клинических проявлений при остром
инфаркте миокарда; ^

разработать методы моделирования и выбора профилактических мероприятий при остром инфаркте миокарда;

разработать модели и алгоритмы диагностики и прогнозирования течения острого инфаркта миокарда;

сформировать информационное обеспечение автоматизированной подсистемы прогнозирования и провести ее техническую реализацию;

осуществить верификацию прогностических моделей по результатам клинических исследований.

Научная новизна результатов исследования. Предложен метод априорного и группового ранжирования „признаков при остром инфаркте миокарда, позволяющий производить статистическую оценку наиболее информативных признаков на основе априорной информации.

Разработана логическая модель течения острого инфаркта миокарда и лечения, обеспечивающая ее достаточно простую реализацию в рамках автоматизированной подсистемы.

Предложены методы и алгоритмы прогнозирования течения острого инфаркта миокарда, учитывающие условия принятия решений в условиях неполной априорной информации.

Разработано структурно-информационное обеспечение автома-

тизированной подсистемы прогнозирования, классификации и диагностики
осложнений острого инфаркта миокарда, учитывающей модельные и
экспертные оценки при принятии решений р. условиях

многоальтернативности и неполной априорной информации.

Сформирована библиотека типовых схем лечения острого инфаркта миокарда, позволяющая осуществлять автоматизированный выбор на основе логической модели.

Практическая значимость и результати внедрения. Предложена методика диагностики осложнений острого инфаркта миокарда и выбора лечения в рамках автоматизированной системы на основе логического

моделирования. Разработанные методы диагностики осложнений острого инфаркта миокарда используются в клинической практике на основе автоматизированного принятия решений.

Сформирована библиотека схем лечения острого инфаркта миокарда с установленным диагнозом на основе логической модели диагностики и выбора лечения.

Результаты исследований апробированы и используются в клинической практике Воронежской городской клинической больнице скорой медицинской помощи и на кафедре факультетской терапии Воронежской государственной медицинской академии, а также в учебном процессе со студентами лечебного факультета ВГМА и студентами Воронежского государственного технического университета (ВГТУ), обучающихся по специальности 190500 "Биотехнические и медицинские аппараты и системы" по курсу "Управление в биотехнических и медицинских системах".

Анализ результатов проведенной работы показал снижение летальности при остром инфаркте миокарда, благодаря компьютерной программе принятия решений, до 11 - 13 %, что на 3 - 4 і ниже среднереспубликанских.

Методы исследования:. В работе используются методы математического моделирования, априорного ранжирования, математической статистики, логики, семиотики диагностической практики и теории управления.

Апробация работы. Материалы диссертации докладывались и обсуждались на семинарах кафедры "Факультетской терапии" (1995-1997гг.): III Всероссийском съезде кардиологов (Новосибирск, 1995г.); Юбилейной конференции посвященной 10-летию ГКБ СМИ (г.Воронеж, 1996г.), Научно-практической конференции "Патология сердечно-сосудистой системы (г.Москва, 1997г.);. Международной конференции "Применение ЭВМ в медицине" (г.Москва, 1996г.); Научно-практической конференции (г.Липецк, 1997г.).

Публикации. По материалам диссертации опубликовано 8 печатных работ.

Структура и об'ьеи работа. Диссертация состоит из введения, четырех глав, заключения, содержит список литературы из 101 наименования, изложена на 135 страницах машинописного текста, в которых

приведено 8 таблиц и 5 рисунков.

Основное содержание работа.

Во введении обоснована актуальность исследования, сформулированы цель и задачи исследований, их научная новизна и практическая значимость полученных результатов, приведены сведения об апробации и внедрении работы.

В первой главе проанализированы пути повышения эффективности профилактики осложнений острого инфаркта миокарда. Показано, что ранняя диагностика грозных осложнений острого инфаркта миокарда должна основываться при учете многофакторности признаков, лабораторных данных, данных функционального обследования, индивидуальной характеристики пациента, возраста и фактора времени.

Оценка течения острого инфаркта миокарда проводится врачом интуитивно и является субъективной; при выборе профилактических и лечебных мероприятий не учитываются все составляющие диагноз острый инфаркт миокарда.

Проанализированы методы моделирования и выбора профилактических мероприятий. Принятие решения о выборе цели и вида лечебных воздействий осуществляется врачом в условиях неполной априорной информации.

Таким образом, к особенностям прогнозирования осложнений острого инфаркта миокарда относятся неоднородности характеристик больных, отсутствие количественных оценок клинических проявлений течения острого инфаркта миокарда, полисистемность признаков течения ОИМ.

Также недостаточно учитывается оценка тяжести течения ОИМ при планировании лечебных мероприятия, отсутствуют прогностические модели течения ОИМ и алгоритмы управления процессом выбора терапевтических мероприятий.

Исходя из особенностей объекта исследований предлагается разработать модели, алгоритмы диагностики и прогнозирование течения острого инфаркта миокарда.

Во второй главе рассматривается статистическая оценка признаков течения острого инфаркта миокарда.

Показано, что течение острого инфаркта миокарда зависит от наличия тех или иных признаков и прогнозируются его осложнения.

Важное значение для прогнозирования течения ОИМ имеет определение количественной оценки признаков острого инфаркта миокарда и учет их неоднородности, так как большинство из них являются качественными. Сформирован перечень признаков (факторов) острого инфаркта миокарда, число которых составило 44. Дан их клинический анализ.

Такое количество априорной информации для оценки уровня их влияния на процесс принятия решения избыточно. Поэтому для выделения наиболее существенных признаков, которые влияют на течение ОИМ, была использована характерная информация на основе метода априорного ранжирования. Этот метод позволяег объективно оценить субъективное мнение специалистов (экспертов) и, в отличие от других методов отсеивающего эксперимента, не требует постановки опытов на объектах (пациентах) .

При сборе экспертной информации специалисты проводили оценку 4 4 признаков, в зависимости от степени их влияния на диагностику и прогноз.

В результате ранкирования переменных по степени убывания их влияния каждой переменной присваивается определенный ранг. Результаты работы экспертов сведены в матрицу ранжирования, по ее данным проводилась оценка согласованности экспертов с помощью коэффициента конкордации (1^=0,88), который значим по критерию Пирсона (X²=313,28>X^z_Kp„_T) при уровне значимости д=5% и числе степеней свободы f=4. По данным матрицы ранжирования определены обобщенные суммы рангов для каждого признака и построена гистограмма ранжирования, анализ которой позволил выделить из 44 признаков 16 (табл. 2), наиболее существенно влияющих на диагностику и прогноз.

Таблица 1
Перечень основных признаков ОИМ
Номер Название признаков ОИМ

1. Частота сердечных сокрашений

2. Некупирующиеся боли за грудиной

3. Частота дыхательных движений "I

4. Суточный диурез ^:

5. Ортопноэ

6. АСАТ

7. AJIAT

8. ЭКГ (S+)

9. ЭКГ (R на Т)

10. Характер хрипов в легких

11. ЭКГ (A-V) блокада

12. Показатели ЛАКК

13. Артериальное давление

14. Ударный объем сердца

15. Мочевина крови

16. Длина (PC) ЭКГ

Для оценки адекватности полученных результатов применен метод группового ранжирования.

Допустим, что имеются п альтернатив, которые подлежит ранжировать, разместив их no h местам или порциям, линейно упорядоченным от лучией к худшей. Назовем интенсивностью предпочтения альтернативы ai по отношению к а₃ в ранжировании А величину p'ij, равную числу позиций, в котором состоит выше aj. Матрицей интенсивностей предпочтений Р* для обобшенного ранжирования А будем называть матрицу из элементов P*ij- Интенсивности предпочтений удовлетворяют очевидному свойству:

Pik.= P\j + P_lt. (1)

Введем функцию расстояния в пространстве обобщенных ранжирований:

сМА,В) = V* I P'ij - Р^ві₃ I, (2)

где га - число признаков.

Следуя подходу Кемени-Снелла, назовем согласованным ранжированием такое обобщенное ранжирование Б МИН которое доставляет

М(В)-Х d(AlB) = min S d(AlB), (3)

где p - множество всевозможных nxn -мерных матриц интенсивностей предпочтений. Эту задачу можно переписать в эквивалентной

7 формулировке :

rain ї І Різ - Х_гі І (4)

при ограничениях

Х_ік. - К X-jj = 0, і=1, n-2, k=i+2, n l-hifc

ГДЄ Xij - целыз.

Оптимальное решение релаксированной задачи (4), (5) дается классической медианой:

Xji = median fp¹!, , 1= }, i

Метод решения задачи Кука-Кресса основан уже не на медианах рангов, а на медианах разностей между ними, т.е. на медианах ИНТЄНСИВНОСТЄЙ Предпочтений P*mn= I! Pij I I -

где p*ij определяется выражением

Z I Р*и - P'ij I = rain S I Pij - P^lij I, (7)

поэтому достаточно рассмотреть наддиагональную часть матрицы, выбрать из нее заслуживающие наибольшего доверия элементы и, используя условие (1), получить итоговое ранжирование.

Для определения наиболее "достоверных" элементов строки матрицы Q»xn = ІІЧіііі» где qij представляют собой суммы абсолютных значений разностей между полученными медианами интенсивности предпочтений и соответствующими интенсивностями предпочтений для всех экспертных ранжирований,

qij = I P'ij - P*ij I, Vii = (8)

Достаточно ограничиться наддиагональноИ частью матрицы. Для построения итогового ранжирования нужно взять (п-1) элементов Р*. Если представить объекты как элементы некоторого полного графа, то (п-1) -элементы должны соответствовать ребрам, обраэуюшим поддерево в данном графе. Представим элементы матрицы 0 как длины ребер этого графа. Тогда для построения результирующего ранжирования разумно искать кратчайшее поддерево в рассматриваемой графе.

На основании ранжирования 16 факторов с применением предложенного алгоритма группового ранжирования была проведена проверка ряда

ранжирования. Она показала, что результаты метода априорного 7' ранжирования совпадают с результатами группового ранжирования.

Положительный результат верификации методом группового

ранжирования позволяет использовать результаты выделения наиболее существенных признаков ОИМ для диагностики и прогнозирования.

Третья глава посвящена моделированию процесса диагностики и выбору лечения осложнений острого инфаркта миокарда. Выделены его клинические осложнения, особенности их диагностики и прогнозирования.

Представлены результаты исследования 150 больных острым инфарктом миокарда в возрасте от 38 до 78 лет: мужчин-80, женщин-70. Контрольная группа состояла из 50 человек в возрасте от 30 до 70 лет. Больные были распределены на Ь групп (табл. 2).

Всем больным проводилась оценка состояния гемодинамики, экг-мониторирование. Гемодинамика - исследовалась с помощью специальных методов и полученного перечня признаков, которые влияют на прогноз острого инфаркта миокарда, методом априорного ранжирования.

Низкое систолическое давление менее 90 ми рт.сї, б сочетании с низким суточным диурезом менее 500 мл./сут и с нарастанием цифр мочевины больше 9 ммоль/л зарегистрировано у 62 человек. Наличие низкого систолического давления, низкого суточного диуреза, высокие цифры мочевины в сочетании с ортопноэ, влажными крупно- и мелко-пузырчатыми хрипами по всем легочным полям и с ударным объемом менее 4 5мл, а также при исследовании ЛА.КК капиллярный резерв от нормы составил 5-10 %, зарегистрировано у 18 человек.

Некупирующиеся наркотиками боли за грудиной, ЧСС больше 90 в минуту, высокие цифры АСАТ, АЛАТ, наличие патологического ЭКГ зарегистрировано у 29 человек.

Наличие ЧСС больше 90 в мин, ранних желудочковых экстрасистол высоких степеней градации типа (R на Т)было у 28 человек, а фибрилляция желудочков развилась у 30 человек.

Наличие ЧСС меньше 50 в мин и ЭКГ признаки полной атриовєнтрикулярной блокада зарегистрированы у И человек.

Hs 62 больных с кардиогенным шоком умерло 14 человек; из 18 больных с кардиогенным шоком и отеком легких умерло II человек; из 29 больных с диагностированным начавшимся разрывом миокарда умерло 27 человек, 2-ое выписаны из стационара с аневризмой передней стенки левого желудочка; из 30 больных с фибрилляцией желудочков умерло 10 человек от повторных фибрилляций; из 11 человек с полной A-V-блокадой умерло 4 человека, у 7 человек в подостром периоде развилась A-V-блокада I-II степени.

При исследовании гемодинамики ударный объем снижался меньше 70 мл у 90 человек, но снижение ударного объема меньше 4 5 мл вызвало у 18 человек кардиогенный шок и отек легких. .

При исследовании микроциркуляции с помощью ЛАКК капиллярный

резерв от должного составил 60-5033 у 78 человек, но при снижении

капиллярного резерва до 5-10 % от должного у 25 человек наступил
летальный исход.

При детальном исследовании ЭКГ у 29 человек был обнаружен патологический зубец (S⁺) , из них 27 человек умерло от разрыва миокарда, а 2 человека выписаны с аневризмой передней стенки левого желудочка.

Наличие ранних желудочковых экстрасистол типа R на Т было обнаружено у 28 человек, хотя фибрилляция желудочков развилась в 30 случаях, из них 10 человек умерло от повторных, резистентных к электро-импульсной терапии, фибрилляций желудочков.

Удлинение интервала PQ больше 0,2 с было зарегистрировано у 16 человек, полная атриоаентрикулярная блокада развилась у II человек, умерло из этой группы 4 человека от острой сердечно-сосудистой недостаточности, а у 7 больных в подостром периоде полная A-V-блокада перешла в A-V-блокаду I-II степени.

Мужчины были разделены на II группы: I группу составили мужчины в возрасте от 38-58 лет - 30 человек; II группу составили мужчины в возрасте от 5-78 лет - 50 человек. В I группе умерло от инфаркта миокарда 10 человек. Во II группе умерло 36 человек.

Женщины составили возраст от 61-78 лет (70 человек), из них умерло - 20 человек.

Таким образом, смертность от инфаркта миокарда выше среди лиц мужского пола в 2,3 раза выше.

Мужчины в молодом возраста, более подвержены риску заболевания ИБО, чем женщины.

Смертность в группе мужчин 38-58 лет, составила 15 * от общего числа умерших от острого инфаркта миокарда.

Полученные данные указывают на необходимость своевременного выявления осложнений острого инфаркта миокарда с целью профилактики осложнений и их лечения.

Учитывая особенности ОИМ, разработана логическая модель его диагностики и ныбора схем лечения на основе литературных и клинических данных, фрагменты которой представлены на рис. 1.

ЧЧД 30, в мин

Динамическое наблюдение и лечение в ПИТ

нет ЧСС 100, в мин

Ортопноэ

Отек легких

влажные хрипы в легких по всем полям

ударный объём сердца 45 мл

Рис.1. Фрагмент логической модели диагностики и выоора лечения

Предложена процедура совмещения рубрификации с диагностикой и выбором схем лечения, по информации, поступающей от лечащего врача (ЛБ), его логикой принятия решения и возможностями ЭВМ, реализующей его логические модели.

В структуру логической модели диагностики включается дифференциально-диагностический скрининг OHM по нозологическим формам осложнений. Анализ осложнений ОИМ важен для правильной диагностики и нозологического подхода к лечению. Компьютерная реализация данного алгоритма повышает организованность и качество процесса диагностики, показывает, какие дополнительные исследования должны быть выполнены, указывает на различие диагностических подходов, сокращает время выбора лечения.

Среди множества задач, решаемых врачом, прогнозирование осложнений ОИМ является одной из актуальных. При решении этого вопроса большие перспективы открываются при использовании высоких компьютерных технологий и времени неформалиэуемых задач распознавания. Теория распознавания дает математический аппарат, применение которого в медицинской практике расширяет, возможности врача.

Рассмотрен процесс диагностики, основанный на методе фазового интервала, который предполагает установление диагноза по минимуму числа несовпадений признаков больного с характерной совокупностью признаков для данного заболевания.

Точка в фазовом пространстве описывает состояние организма, а отдельные области этого пространства - различные нозологические формы.

Множеству состояний организма,.объединенных в одну нозологическую
форму 9, соответствует множество точек, образующих в фазовом
пространстве некоторую область Q (рис.2). Центр множества Cj - точка
области, наиболее типичная для нее. Диаметром области будем называть
максимальное расстояние между ее точками. Диагностическая логика

метода фазового интервала заключается в следующем. Состояние больного характеризуется точкой М в фазовом пространстве. Диагностика состоит в определении, к какой из областей, характеризующих возможные заболевания, принадлежит точка Н. Интервал D_Mj - расстояние от точки М до центра множеств.

Для окончательного вывода о принадлежности точки М одной из

областей вводится понятие диагностического радиуса Rj. Тогда точка М будет принадлежать одной из областей Qj, если выполняется условие: Direj < Rj Таким образом, метод фазового интервала адэкватно удовлетворительнц описывает задачу прогнозирования осложнений ОИМ.

Рис.2. Схема множества состояний организма

Прогнозирование осложнений OHM ведется в пяти нозологических направлениях: кардиогенный шок; отек легких; разрыв миокарда; фибрилляция желудочков; агрио-вентрикулярная блокада.

Учитывая классификационные особенности осложнений ОИМ, наиболее рациональным для его прогнозирования является программа из одного оператора вида: "Если условие, то действие". Продукционная система прогнозирования осложнений ОИМ состоит из трех частей: базы :знаний, содержащей правила продукции, интерфейса с пользователем, управляющей структуры.

В результате прогнозирования (рис. 3) выдается прогноз состояния больного, а также заключение - инфаркт миокарда скорее пройдет без осложнений - пациент направляется на долечивание в местный

кардиологический санаторий. Достоверность прогноза врач определяет по соответствующему коэффициенту. Результат обследования может ' быть занесен в базу данных врача.

Данные о пациенте

-L

Выявление характерных признаков осложнений ОИМ

Медицинское заключение "Осложнения неожидается"

Сравнение признаков, выявленных у пациента с известными нозологическими формами базы знаний

Занесение сведений о больном в базу данных

Прогноз

Направление на долечивание в местный кардиологический санаторий

Определение достоверное тм прогноза

Занесение

результатов в

базу данных

Рис.3. Автоматизированная система прогнозирования осложнений ОИМ.

В четвертой главе рассматривается структура автоматизированной
подсистемы прогнозирования осложнений ОИМ и классификации (рис.4). В
состав системы входят информационные подсистемы: клинических
обследований [2], диагностики и выбора схем лечения на основе
логических моделей [4] , историй болезни [5] , прогнозирования
осложнений ОИМ [б], типовых схем и автоматизированного выбора тактики
лечения [7,8]. Лечащий врач имеет доступ к любой из описанных
подсистем с целью уточнения диагноза, назначения дополнительных
методов обследования, выбора тактики лечения- Структура

пациент

Лечащий врач

Подсистема клинических обследований

Г~

„3 Подсистема историй болезни

Подсистема

диагностики

и выбора схем леченкя

на основе логически*

моделей

Информационно-справочная система

Подсистема типовых схем лечения

Подсистема прогнозирования осложнений OHM

Подсистема

автоматизированного

выбора техники

лечения

Рис.4. Структура автоматизированной системы и схема информационных потоков.

автоматизированной системы включает в свой состав внутренние и внешние информационные потоки. Источниками информации является пациент [1] и лечащий зрач [3] .

Представлены результаты верификации логической модели диагностики осложнений острого инфаркта миокарда в клинических условиях по архивной информации.

Предложены результаты апробации в клинической практике прогнозирования осложнений ОИМ. Программное обеспечение автоматизированного прогнозирования осложнений ОИМ функционирует на языке Turbo Pascal в среде WINDOWS версия 6.0. Автоматизированная система реализована иа ЛЭВМ IBM РС/АТ-486.

Реализация предложенных методов и алгоритмов в клинических условиях позволила при индивидуальном массовом обслуживании обеспечить высокий уровень медицинской. помощи, сократить время выбора диагностических мероприятий (до 30 S), повысить точность и эффективность диагностики [до 28 %), сократить время выбора тактики лечения и интегрировать эти процессы в едином комплексе (рис.4). Сократить расходы на лечение больных на 1380000 рублей в месяц.

Основные результаты работы

1. Проанализированы качественные признаки (факторы) острого инфаркта миокарда, определена количественная оценка с учетом их неоднородности при использовании метода априорного ранжирования иа основе экспертной информации и выделены признаки, наиболее существенно влияющие на диагностику и прогноз заболевания.

2. Предложен метод группового ранжирования, основанный на нахождении приближенного решения задачи Кука-Кресса, что обеспечивает построение обобщенного ранжирования для верификации наиболее существенных признаков для прогнозирования, моделирования процесса диагностики осложнений острого инфаркта миокарда.

3. Проведенные исследования показали, что мужчины страдают острым
инфарктом миокарда в 2,3 раза чаше в возрасте до 60 лет. С увеличением
возраста эта разница сглаживается. Осложнения у мужчин в возрасте до
60 лет протекают более тяжело и чаще приводят к летальному исходу.

4. Предложена структура логической модели, позволяющая достаточно просто реализовать ПЭВМ диагностику в соответствии с особенностями клинического поиска, рубрификации и схем лечения осложнений острого инфаркта миокарда. Данные верификации логической модели показали положительные результаты.

5. Разработана логическая схема классификации и прогнозирования осложнений острого инфаркта миокарда, основанная на использовании диагностического правила по методу фазового интервала.

6. Проведена апробация программы автоматизированного прогнозирования осложнений острого инфаркта миокарда. Разработанные модели и алгоритмы апробированы в клинической практике при диагностике и прогнозировании осложнений острого инфаркта миокарда.

Для формирования общей базы знаний, интеграции системы

диагностики, прогнозирования, автоматизированного выбора тактики

лечения в рамках одного комплекса по нозологии осложнений острого

> инфаркта миокарда раэработана структура автоматизированной подсистемы

и представлены основные потоки. Комплексное использование этих данных

позволит с наибольшей вероятностью решать задачи диагностики и лечения

осложнений острого инфаркта миокарда.