Содержание к диссертации
Введение
ГЛАВА 1. Обзор и анализ данных, методов, программных средств и систем диагностики ССЗ 14
1.1 Место ССЗ в структуре смертности населения 14
1.1.1 Динамика причин летальных исходов за последнее десятилетие 14
1.1.2 ССЗ, наиболее часто приводящие к серьезным осложнениям и летальному исходу 16
1.1.3 Причины возникновения ССЗ
1.2 Необходимость и пути повышения объективности диагностики и результатов лечения ССЗ 19
1.3 Обзор широко распространенных методов и средств диагностики ССЗ
1.3.1 Описание существующей технологии постановки диагноза и прогноза врачом-кардиологом 21
1.3.2 Первичный прием пациента 22
1.3.3 Инструментальные средства диагностики ССЗ 24
1.3.4 Лабораторные методы диагностики ССЗ 28
1.3.5 Совокупность данных, необходимых врачу-кардиологу для постановки диагноза и прогноза ССЗ 29
1.3.6 Современные программы и комплексы диагностики ССЗ 29
1.4 Система скрининга сердца Кардиовизор и анализ ее практического применения 33
1.4.1 Назначение и функциональные возможности системы скрининга сердца Кардиовизор 33
1.4.2 Описание выходной информации системы скрининга сердца Кардиовизор 34
1.4.3 Особенности практического применения системы скрининга сердца Кардиовизор 40 1.4.4 Достоинства и недостатки применения системы скрининга сердца при
диагностике ССЗ 41
1.5 Методы распознавания, наиболее часто используемые при диагностике заболеваний 42
1.6 Математические модели в кардиологии 43
Выводы по главе 1 и постановка задачи исследования 45
ГЛАВА 2. Разработка, реализация и исследование методики диагностики заболеваний сердца на основе системы скрининга сердца кардиовизор 48
2.1 Разработка методики диагностики ССЗ на основе системы Кардиовизор 48
2.1.1 Общее описание предлагаемой методики анализа данных системы Кардиовизор 48
2.1.2 Выделение объекта исследования на портретах сердца 50
2.1.3 Выделение цветовых составляющих каналов R, G, B объекта 52
2.1.4 Сегментация изображений сердца 53
2.1.5 Вычисление статистических признаков первого и второго порядка 54
2.1.4 Формирование наборов признаков 55
2.1.7 Нормализация значений признаков 60
2.1.8 Сокращение признакового пространства 60
2.2. Особенности использования алгоритмов распознавания для диагностики ССЗ 61
2.3 Экспериментальные исследования на этапе обучения системы диагностики 62
2.3.1 Выбор тестовых заболеваний и формирование обучающей выборки 62
2.3.2 Нормирование значений признаков 63
2.3.3 Сокращение признакового пространства 64
2.3.4 Диагностика ССЗ с использованием дискриминантного анализа Фишера
2.3.5 Диагностика ССЗ с использованием метода ближайших соседей 70
2.3.6 Диагностика ССЗ с использованием метода классификации k-средних 74
2.3.7 Оценка ошибок первого и второго рода при диагностик ССЗ 75
Выводы по главе 2 76
ГЛАВА 3. Разработка и реализация математических моделей оценки возможных изменений состояния сердца 78
3.1 Необходимость построения математических моделей для оценки возможных изменений состояния сердца 78
3.2. Математические модели заболеваний ССЗ 79
3.3 Индивидуальные математические модели оценки возможных состояний сердца 83
3.3.1 Значимость признаков для построения индивидуальных математических моделей оценки возможных состояний сердца 83
3.3.2 Оценка возможных изменений состояния сердца 85
3.3 Экспериментальное исследование индивидуальных моделей оценки возможных изменений состояния сердца 89
Выводы по главе 3 97
ГЛАВА 4. Разработка, создание и практическое применение автоматизированной системы диагностики 98
4.1 Разработка требований к системе 98
4.1.1 Задачи, решаемые системой 98
4.1.2 Требования к системе 99
4.1.3 Требования к анализируемым данным
4.2 Разработка структуры системы 101
4.3 Функции и назначение компонентов системы
4.3.1 Подсистема ввода данных 104
4.3.2 Подсистема предварительной обработки 104
4.3.3 Подсистема расчета признаков 105
4.3.4 Подсистема диагностики и прогноза 105
4.3.5 Подсистема визуализации 106
4.3.6 Подсистема формирования отчетов
4.4 Реализация системы диагностики ССЗ 106
4.5 Экспериментальное исследование алгоритмов диагностики ССЗ
4.5.1 Выбор экзаменационных выборок и их состав 112
4.5.2 Нормирование значений признаков 113
4.5.3 Сокращение признакового пространства 113
4.5.4 Диагностика ССЗ на основе дискриминантного анализа Фишера 114
4.5.5 Диагностика ССЗ с использованием метода ближайших соседей 116
4.5.6 Оценка ошибок первого и второго рода при диагностике ССЗ 118
4.6 Экспериментальное исследование применения моделей оценки возможных изменений состояния сердца 119
4.6.1 Математические модели ССЗ для различных групп населения 119
4.6.2 Прогнозирование ССЗ на основе математических моделей 121
Выводы по главе 4 124
Заключение 126
Список сокращений и обозначений 128
Список литературы
- Описание существующей технологии постановки диагноза и прогноза врачом-кардиологом
- Выделение объекта исследования на портретах сердца
- Экспериментальное исследование индивидуальных моделей оценки возможных изменений состояния сердца
- Экспериментальное исследование алгоритмов диагностики ССЗ
Введение к работе
Актуальность темы. Одной из самых болевых медико-демографических проблем социального развития современной России является высокий уровень смертности населения, основной причиной которого выступают сердечно-сосудистые заболевания (ССЗ). В Европе от болезней сердца и сосудов ежегодно умирают 4,35 миллиона человек, что соответствует 23% от общего числа летальных исходов. В России этот же показатель достигает 56,6% и неуклонно растет.
Использование современных компьютерных систем не решает эту проблему, так как существующие системы диагностики кардиологических заболеваний, такие как MYCIN, EMYCIN, МОДИС, РЕПРОКОД, СКРИНФАКС имеют узкую специализацию. Организация принятия решения в них в основном решена на базе семантических сетей, что является неприемлемым и неудобным подходом при интенсивно увеличивающемся количестве параметров ССЗ, получаемых в ходе обследования пациентов.
Система скрининга сердца компьютерная Кардиовизор относится к группе последних распространенных в РФ разработок российских ученых в области диагностики заболеваний сердца. Он реализует алгоритмы дисперсионного анализа ЭКГ сигнала и формирует по его результатам цветные изображения – портрет сердца пациента, окраска которого является индикатором патологических изменений уже на ранних стадиях заболеваний. Их анализ визуально является малообъективным в связи с особенностями человеческого зрения, а для автоматизированной обработки требуются алгоритмы анализа признаков изображений портрета сердца и их интерпретации при различных ССЗ.
Подходы к диагностике и прогнозированию ССЗ представлены в работах Киликовского В.В., Коренев-ского Н.А., Филиста С.А., Кузнецова Д.А., Рябыкиной Г.В., Сула А.С., Иванова Г.Г., Schwartz P.J., Malliani A., Arora N, Bruce G, Myers J и др.
Несмотря на улучшение технического оснащения медицинских учреждений, значительного снижения уровня смертности от ССЗ пока не наблюдается. Точная и объективная диагностика и прогнозирование ССЗ требуют анализа большого количества разнообразной информации, получаемой в ходе кардиологических лабораторных и инструментальных обследований, а также индивидуальных параметров пациента. Однако на практике это редко выполняется, поскольку многие медицинские учреждения России не имеют современных средств информационных технологий для анализа указанных данных, и часто диагностика заболевания и возможных исходов осуществляется на основе небольшого количества традиционных и наиболее доступных, понятных кардиологу параметров состояния сердца.
Поэтому возникает задача создания диагностических медицинских информационных систем в кардиологии, позволяющих анализировать данные, полученные при обследованиях, помогающих врачу при формировании диагноза и оценке прогноза ССЗ, представляющих результаты своей работы в привычном и понятном виде.
Таким образом, разработка алгоритмов и математических моделей диагностики и прогноза ССЗ и построение на их основе автоматизированной информационной системы для врача-кардиолога является важной актуальной научно-технической и социальной задачей.
Целью диссертационной работы является создание и применение в медицинской практике автоматизированной системы диагностики и прогноза сердечно-сосудистых заболеваний
на основе статистических характеристик портретов сердца, индивидуальных параметров пациентов, методов распознавания образов и регрессионного анализа, обеспечивающей повышение достоверности диагноза и построение математических моделей состояния сердца. Для достижения цели необходимо решить следующие задачи:
Обзор и анализ алгоритмов, методов, систем обработки и анализа кардиологических данных для диагностики ССЗ;
Разработка и реализация новой методики диагностики заболеваний сердца, позволяющей максимально использовать кардиологические данные системы Кардиовизор для обеспечения повышения вероятности правильного определения ССЗ;
Выбор, реализация и исследование методов предварительной обработки и выделения множества признаков, формирование наиболее значимых параметров портрета сердца и других кардиологических данных путем уменьшения их количества;
Построение математических моделей заболеваний ССС для различных групп населения, предназначенных для описания заболеваний сердца и их использования при создании индивидуальных моделей прогноза изменений в работе сердца;
Построение индивидуальных математических моделей прогноза будущих состояний ССС пациента на основе анализа динамики изменения кардиологических данных в процессе лечения;
Создание системы диагностики и прогноза ССЗ, проведение экспериментальных исследований на тестовых результатах обследований пациентов (с известными диагнозами);
Практическое применение разработанной системы в кардиологическом отделении лечебно-профилактического учреждения при обследовании и лечении реальных пациентов (с неизвестными диагнозами).
Объект исследования - цветные RGB изображения портрета сердца пациента, получаемые при обследовании с помощью системы КардиоВизор и их признаки при различных ССЗ в совокупности с индивидуальными параметрами пациента.
Методы исследования. При выполнении диссертационной работы использованы методы математической статистики, теории вероятности, теории принятия решений, цифровой обработки изображений, дискретной математики и распознавания образов.
Научная новизна работы:
-
Установлено, что анализ статистических характеристик первого и второго порядка портретов сердца и индивидуальных параметров пациентов с помощью методов распознавания позволяет обеспечить вероятность правильного диагноза сердечно-сосудистых заболеваний от 0,88 до 0,98.
-
Предложены индивидуальные и групповые математические модели состояния сердечно-сосудистой системы, позволяющие прогнозировать будущие изменения состояния сердца пациентов с вероятностью не менее 73% на ближайшее время (2-3 месяца) и с вероятностью не менее 59% на отдаленное время (12 месяцев и более).
-
Методика диагностики и прогноза сердечно-сосудистых заболеваний, основанная на анализе статистических характеристик портретов сердца и индивидуальных параметров пациентов методами распознавания образов и построении математических моделей мето-
дом регрессионного анализа, машинная реализация которой позволяет повысить вероятность правильной диагностики основных заболеваний сердца более чем на 15% ,а прогноз развития заболеваний – на 10% и более.
Теоретическая значимость исследования обоснована тем, что:
- при решении задач диссертации результативно использованы комплексы базовых методов теории цифровой обработки изображений и распознавания образов, математической статистики и теории вероятностей;
изложены новые методика, система, позволяющие использовать математические модели для диагностики и индивидуального прогнозирования ССЗ;
установлено отсутствие подходов, алгоритмов и систем, позволяющих диагностировать ССЗ с использованием данных большой размерности, имеющих различные типы;
установлено отсутствие подходов и алгоритмов индивидуального прогнозирования изменений состояния сердца пациента;
изучены применительно к задачам диссертации методы математической статистики, теории вероятности, цифровой обработки изображений и распознавания образов;
Значения полученных в работе результатов исследования для практики подтверждаются тем, что:
разработана и внедрена методика анализа признаков изображений портретов сердца для построения моделей диагностики и индивидуального прогноза ССЗ с помощью автоматизированной информационной системы диагностики и прогноза ССЗ в НУЗ Отделенческая больница на станции Муром ОАО «РЖД» (г. Муром, Владимирская обл.) и в учебном процессе кафедры «Информационные системы» Муромского института (филиала) «Владимирского государственного университета имени А.Г. и Н.Г. Столетовых» (г. Муром, Владимирская обл.);
определены возможности использования разработанной методики для диагностики других видов заболеваний сердца и прогнозирования будущих изменений;
создана автоматизированная информационная система диагностики и индивидуального прогноза заболеваний сердечно-сосудистой системы;
повышена вероятность правильной диагностики и прогноза заболеваний более чем на 15%, что подтверждено результатами сравнения диагнозов системы и врача-специалиста.
Оценка достоверности результатов исследования выявила, что основные полученные результаты представлены в виде алгоритмов, вычислительных схем алгоритмов и структурной схемы автоматизированной системы диагностики и прогнозирования ССЗ. Применимость предложенных алгоритмов доказывается результатами экспериментальных исследований.
Личный вклад соискателя состоит в:
участии автора во всех этапах процесса выполнения диссертационной работы;
непосредственном участии автора в проведении обследований пациентов с помощью системы КардиоВизор, их последующей обработке для проведения дальнейшего исследования;
личном участии в апробации результатов исследования по диагностике заболеваний и прогнозированию будущих изменений состояния сердца;
обработке и интерпретации результатов экспериментальных исследований по диагностике и прогнозированию на тестовых и случайных результатах обследования пациента;
формировании математических моделей прогноза ССЗ и их тестировании на тестовых и случайно выбранных результатах обследования пациентов;
подготовке основных публикаций по математическим моделям диагностики, индивидуальным моделям прогнозирования ССЗ, разработке автоматизированной системы для помощи врачу-кардиологу;
личном участии во внедрении результатов работы в отделение функциональной диагностики лечебно-профилактического учреждения и учебном процессе.
Диссертационная работа охватывает основные вопросы поставленной научной задачи по созданию методики и системы диагностики ССЗ позволяющей повысить вероятность верного распознавания более чем на 15% и соответствует критерию внутреннего единства, что подтверждается наличием последовательно плана исследований, основной идейной линии по созданию математических моделей диагностики, индивидуальных моделей прогнозирования ССЗ у пациента, взаимосвязью выводов по результатам теоретических и экспериментальных исследований.
Практическая ценность работы. Разработанные алгоритмические и программные средства составляют основу созданной системы, применение которой позволяет решать следующие задачи:
Диагностика состояния сердца пациента по результатам анализа значений признаков изображений портрета сердца;
Индивидуальное прогнозирование будущих изменений по результатам анализа динамики признаков работы сердца пациента;
Повышение вероятности верного определения заболеваний сердечно-сосудистой системы за счет использования расширенного набора признаков более чем на 15%.
Реализация результатов работы. Разработанная система диагностики и прогноза сердечно-сосудистых заболеваний используется в отделении функциональной диагностики НУЗ Отделенческая больница на станции Муром ОАО «РЖД» и в учебном процессе Муромского института (филиала) ФГБОУ ВО «Владимирский государственный университет имени А.Г. и Н.Г. Столетовых» в виде цикла практических работ по дисциплине «Методы и системы цифровой обработки изображений» и «Научно исследовательская работа студентов (НИРС)», что подтверждается соответствующими актами.
На защиту выносятся следующие основные результаты работы:
-
Методика диагностики и прогноза сердечно-сосудистых заболеваний, на основе статистических характеристик портретов сердца и индивидуальных параметров пациентов, позволяющая повысить вероятность правильного диагноза основных заболеваний сердца более чем на 15%.
-
Математические регрессионные модели описания состояния сердечно-сосудистой системы отдельных и группы пациентов, позволяющих на основе данных предыдущих обследований прогнозировать изменения параметров состояния сердца с вероятностью не менее 73% на ближайшее время (2-3 месяца) и с вероятностью не менее 59% на отдаленное время (12 месяцев и более).
3. Автоматизированная система диагностики и прогноза сердечно-сосудистых заболеваний и результаты экспериментальных исследований на ней, подтвердившие, что анализ статистических характеристик портретов сердца и индивидуальных параметров пациентов методами распознавания образов позволяет достигнуть вероятность правильного диагноза основных заболеваний сердца от 0,88 до 0,98, а также математические модели заболеваний сердца позволяют прогнозировать изменение параметров состояния сердца с вероятностью не менее 73% на ближайшее время (2-3 месяца) и с вероятностью не менее 59% на отдаленное время (12 месяцев и более).
Апробация работы.
Основные результаты диссертационной работы докладывались и обсуждались на: Международной конференции с элементами научной школы для молодежи «Биотехнические, медицинские и экологические системы и комплексы» (Рязань, 2009); всероссийской научно-практической конференции с международным участием, посвященной 1000-летию г. Ярославля «Актуальные вопросы медицинской науки» (Ярославль, 2010); 9-ом международном симпозиуме «Интеллектуальные системы» (Владимир, 2010); 17-ой международной научной конференции по вычислительной механике и современным прикладным программным системам (Алушта, 2011); 11-ой всероссийской выставке научно-технического творчества молодежи (Москва, 2011); 1-ой и 2-ой всероссийской межвузовской научной конференции «Зворыкинские чтения» (Муром, 2009-2014); ежегодных научно-технических конференциях преподавателей МИ(ф) ВлГУ (2009-2014); Internationaler Kongress Fachmesse (Gannover, 2012); 19-ой международной научной конференции по вычислительной механике и современным прикладным программным системам (Алушта, 2013); XXI Российском национальном конгрессе «Человек и лекарство» (Москва, 2014); XI международной научной конференции “Физика и радиоэлектроника в медицине и экологии” ФРЭМЭ’2014 (Владимир, 2014).
Публикации. Основные результаты диссертации опубликованы в 31 работе, в том числе в 8 статьях в журналах из перечня ВАК, одной монографии, 12 статьях в других научных журналах и 7 тезисах. Получены 3 свидетельства о регистрации программ для ЭВМ. Работа поддержана грантом РФФИ 11-07-09227.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 163 наименований, приложения, 55 рисунков, 42 таблицы. Объем диссертации составляет 197 страниц, в том числе 131 страниц основного текста, 18 страниц литературы и 48 страниц приложений.
Благодарности. Автор выражает благодарность главному врачу НУЗ Отделенческая больница на станции Муром ОАО «РЖД» к.м.н. Сафиулову А.Н. за постоянное внимание к работе, врачу кабинета функциональной диагностики, к.м.н. Евстигнеевой Ольге Ивановне за помощь и разъяснение вопросов медицины, помощь в разработке алгоритмов и написании статей, а также сотрудникам Муромского института (филиала) ФГБОУ ВО «Владимирский государственный университет имени А.Г. и Н.Г. Столетовых» за ценные консультации при выполнении исследований.
Описание существующей технологии постановки диагноза и прогноза врачом-кардиологом
Для укрепления здоровья населения России, снижения уровня заболеваемости, инвалидности, числа летальных исходов в 2006 году были приняты национальные проекты в сфере здравоохранения "Здоровье", "Демография" и федеральная целевая программа "Предупреждение и борьба с социально значимыми заболеваниями в 2007-2011 гг.". Одним из приоритетных направлений этих проектов является совершенствование медицинской помощи больным с ССЗ, включающей не только обследования в группах риска развития тех или иных заболеваний, но и повышение у населения мотивации к здоровому образу жизни, активизацию профилактических мероприятий на популя-ционном и групповом уровнях, разработку индивидуальных профилактических программ с привлечением необходимых дополнительных ресурсов [31]. По мнению ведущих отечественных ученых снижение смертности от ССЗ и их распространенность в России в ближайшие годы могут быть достигнуты при условии создания и активного внедрения научно обоснованных мер профилактики, обеспеченных адекватной финансовой поддержкой со стороны правительства РФ. Большие надежды для решения этих сложных вопросов возлагаются на новые структуры в лечебно-профилактических учреждениях (ЛПУ) – Центры здоровья, предназначенные для выявления заболеваний на ранних стадиях и оказания своевременной медицинской помощи [34, 77, 86]. Во Владимирской области было открыто 5 сосудистых центров, оснащенных современной техникой. За счет их деятельности количество «госпитальной смертности» снизилось на 6% [66].
В ходе реализации национальных проектов улучшилось техническое оснащение медицинских учреждений нашей страны, пока не удается устранить тенденцию роста смертности от ССЗ. Этому мешает низкий уровень подготовки врачей, отсутствие недорогих систем быстрой и объективной диагностики ССЗ [18]. Поэтому возникает задача создания диагностических медицинских ИС в кардиологии, умеющих анализировать данные полученные при обследованиях, помогающих врачу при формировании диагноза, представляющих результаты своей работы в привычном и понятном для него виде.
Согласно Международному классификатору болезней существует 99 видов ССЗ, каждый из которых имеет более детальную классификацию [88]. По степени опасности болезни сердца можно разделить на две группы: смертоносные и не смертоносные.
К первой группе относится ишемическая болезнь сердца (ИБС), а именно: стенокардия, острый инфаркт миокарда и его осложнения, повторный инфаркт миокарда, хроническая сердечная болезнь сердца и их подвиды.
Ко второй группе заболеваний можно отнести остальные патологии. Однако развитие ИБС начинается именно с них. Поэтому диагностика и прогнозирование изменений не ишемического характера также важна и необходима.
Среди многочисленных заболеваний ССС наиболее часто во врачебной практике встречаются: ИБС и ее формы, артериальная гипертензия, гипертоническая болезнь, атеросклероз различной локализации. К редко встречающимся сердечно-сосудистым патологиям относятся миокардиты, эндокардиты, перикардиты, формы кардиомиопатии и другие патологии воспалительного характера [21].
В большинстве случаев причиной возникновения ССЗ являются факторы риска, оказывающие негативное влияние на состояние организма и усугубляющие его с течением времени.
К не устранимым факторам риска относятся пол, пожилой возраст, наличие сахарного диабета [21,33,48]. Большую предрасположенность к появлению сосудистых патологий имеют пациенты с отягощенной наследственностью (наличие ССЗ у ближайших родственников).
С увеличением возраста опасность возникновения заболеваний сердца возрастает. По статистике ССЗ являются основной причиной смерти у лиц преклонного возраста. Степень риска с возрастом увеличивается, даже если остальные факторы риска остаются в «нормальном» диапазоне.
Сахарный диабет увеличивает риск ССЗ у женщин в 5 раз, а у мужчин – в 3 раза по сравнению с пациентами без сахарного диабета и считается независимым фактором риска. Его наличие увеличивает предрасположенность к ИБС, кардиомиопатиям, диабетическим нефропатиям, ретинопатиям [79, 88].
На риск возникновения ССЗ большое влияние оказывают приобретенные (устранимые) факторы риска. К ним относятся вредные привычки, такие как курение, чрезмерное употребление калорийной пищи, вызывающее ожирение, алкоголизм, малоподвижный образ жизни (гиподинамия), частые стрессы и повышенная тревожность, ночное апноэ (состояние, для которого характерно прекращение лёгочной вентиляции во время сна более чем на 10 секунд) [80]. Курение - один из наиболее важных факторов риска ССЗ. Курение уси-17 ливает эффект других факторов риска ССЗ, таких как возраст, пол, сахарный диабет [89]. Оно повышает риск заболеваний сердца в 1,5-6,5 раза в зависимости от количества выкуриваемых сигарет, увеличивает холестерин липо-протеина низкой плотности (ЛПНП) и артериальное давление как у больных артериальной гипертензией, так и у лиц с нормальным давлением.
Повышенное содержание холестерина в крови (гиперхолестеринемия) увеличивает риск развития ИБС в 2,2-5,5 раза. К факторам риска относится дислипидемия, характеризующаяся изменением соотношения уровней различных фракций холестерина.
Повышенная концентрация триглицеридов в плазме крови увеличивает риск развития CCЗ как самостоятельный фактор и в комплексе с другими связанными факторами риска, такими как ожирение, сахарный диабет.
Увеличение массы тела сопровождается повышением риска общей сердечно-сосудистой заболеваемости и смертности. Степень ожирения определяется согласно индексу массы тела (ИМТ) (1.1) (таблица 1.1):
Выделение объекта исследования на портретах сердца
Внедрение и использование системы скрининга сердца Кардиовизор в медицинских учреждениях страны поддержано в рамках национального проекта «Здоровье». Поэтому, а также в силу своей доступности, Кардиовизор является широко распространенным.
Основной задаче кардиолога при анализе результатов обследования является интерпретация портрета сердца с учетом значений дисперсионных характеристик и построение на их основе предварительных диагноза и прогноза. А также выявление характерных значений параметров Кардиовизора при различных ССЗ для дальнейшего применения полученных знаний на практике.
Исследование показателей дисперсионного картирования ЭКГ осуществлялось авторами работ [129,131] для контроля эффективности проводимого пациентам лечения. Согласно полученным результатам дисперсионные характеристики применимы для оценки терапии, а также позволяют количественно оценивать общую динамику состояния сердца пациента и судить о структуре электрофизиологических изменений.
В [16,42,96,111,128,129,130,131,145,146] приведены результаты испытаний системы Кардиовизор для определения его диагностических возможностей, чувствительности и специфичности при обследовании здоровых пациентов и пациентов с различными сердечно-сосудистыми патологиями. Выявлены характерные значения индекса миокарда, индекса ритма при ишеми-ческой болезни сердца, артериальной гипертензии, различных локализациях инфаркта миокарда, гипертрофии левого желудочка.
В работах [146], кроме значений индекса миокарда и индекса ритма, исследовались значения элементов кода детализации при исследуемых ССЗ. Динамика значений элементов кода детализации G1,G2,...,G9 при нагрузочных пробах и их связь с изменением параметров ЭКГ-сигнала исследовалась в [67, 68].
Связь изменений дисперсионных характеристик со значениями лабораторных анализов крови у здоровых пациентов и у пациентов с патологией исследовалась в работе [34,154]. Достоверное увеличение значений индекса миокарда выявлено у больных пациентов.
Оценка состояния ССС при стрессовых ситуациях, влиянии физических нагрузок проводилась в [150,152] с помощью системы Кардиовизор как прибора контроля за состояние организма для выявления рисковой группы лиц.
Изменения дисперсионных характеристик специфичны при сопутствующих заболеваниях (сахарном диабете, отягощенной наследственности), что подтверждают исследования [12,152,153].
По результатам исследования применения прибора Кардиовизор выявлена его высокая способность разграничения состояний «норма» и «патология» на ранних и поздних стадиях заболеваний. Прибор имеет чувствительность 90 % и специфичность 63% при выявлении ИБС. Его показатели являются достоверными при скрининговых обследованиях на выявление наличия отклонений в работе сердца.
Метод дисперсионного картирования ЭКГ лежащий в основе системы Кардиовизор является перспективным направлением анализа электрических сигналов сердца. Он позволяет учитывать микро изменения в работе сердца, появляющиеся на ранних стадиях патологических изменений.
Достоинством использования системы скрининга сердца Кардиовизор является визуализация результатов исследования в форме наглядной для врача и пациента. Преимуществом обследования является широкая распространенность и доступность прибора на территории Российской и Федерации, а также его небольшая стоимость, по сравнению с другими программно-аппаратными комплексами, предназначенными для проведения обследования [76]. Обследование производится за короткое время (2-3 минуты) и не требу- ет от пациента специальной подготовки. Однако при интерпретации результатов обследования состояния сердца пациента с помощь системы Кардиовизор возникает ряд недостатков, отмечаемых в работах [63,76]: 1. Портрет не обладает достаточной специфичностью для выявления причины и характера изменений в миокарде; 2. Патология миокарда намного более сложна и многогранна, чем обобщающее понятие «ишемия миокарда», являющееся основным диагнозом системы Кардиовизор; 3. Неоднозначной является многофункциональная характеристика «ишемия миокарда» и ее представления с точки зрения ЭКГ-изменений; 4. Отсутствует понятие, какой из ишемических форм и зон поражения миокарда соответствует максимальное значений дисперсионных характеристик; 5. Интерпретация изменений в окраске портрета сердца при нескольких ССЗ затруднена в связи с отсутствием описания зависимости их локализации и значений дисперсионных характеристик; 6. Необходима количественная раздельная оценка получаемых значений дисперсионных характеристик с выработкой нормативных значений по возрасту, полу, диапазонам изменений при функциональных пробах для проведения диагностики состояния сердца. На основе сопоставления реальных измерений со статистической обработкой возможен переход к исследованию тщательно отобранных «узких» клинических патологий.
Экспериментальное исследование индивидуальных моделей оценки возможных изменений состояния сердца
Количество информации о различных заболеваниях увеличивается с появлением новых методов и технологий обследования человека. Поэтому ее ручная обработка становится трудновыполнимой. Для решения задачи анализа большого объема различных видов информации используются разнообразные математические методы. Этот подход не только облегчает точное количественное описание определенной задачи путем построения той или иной подходящей модели, но и дает средство к ее решению [49].
Математическое моделирование различных физиологических и патологических процессов является в настоящее время одним из самых актуальных направлений в медицинских научных исследованиях.
Перспективным является применение средств математического анализа в кардиологии при диагностике заболеваний и оценке возможных изменений состояния сердца. Для этого используются статистические методы, которые дают полное решение задачи во всех случаях, когда исследователя не интересует внутренняя сущность процессов, лежащих в основе изучаемых явлений. При этом существует большое число существенных взаимозависимых факторов, каждый из которых в значительной мере подвержен естественной изменчивости. Только с помощью правильно выбранного статистического метода можно точно описать, объяснить и углубленно исследовать всю совокупность взаимосвязанных результатов измерений, получить диагностическое решение и выявить особенности развития ССЗ у конкретного пациента.
Для построения математических моделей исследуемых заболеваний Г1,Г2,...,Г8 используется регрессионный анализ, описанный в Приложении
А7. Исходной для построения моделей обучающей выборкой является матрица D , содержащая сокращенное пространство признаков (Приложение А19). Размер анализируемой матрицы 217116. Рассмотрим построение регрессионной модели состояния сердца Y1. В качестве выходной величины будем использовать два исхода: 0 - у пациента не наблюдается заболевание У1, 1 - у пациента имеется заболевание Y1. В этом случае матрица D дополняется новым параметром 7, описывающим состояние данного пациента и принимает вид (Приложение А19, таблица А19.1). В случае, когда отклик модели является дихотомическим, уравнение регрессии имеет вид (А7.4): Ут= 0+1f1h,.,1616) ,/ = 1,2,...,2171 1 + е (3.1) Построение регрессионных моделей заболеваний осуществляется в несколько этапов: Этап 1: Корреляционный анализ позволяет выявить и оценить взаимовлияние параметров работы сердца друг на друга, определить силу взаимосвязи между ними. Коэффициенты корреляции вычисляются в соответствии с А6.1. В результате расчетов получена следующая корреляционная матрица по обучающей выборке (таблица 3.1): ТаблицаЗ.1 - Коэффициенты взаимокорреляции,xlО" d[ d 2 d 3 d\ d e d 7 d d d\o d u d u d u du d{5 die
Расчет коэффициентов регрессии осуществляется в соответствие с методом наименьших квадратов, описанном в Приложении А7 [49]. В результате вычислений были получены следующие коэффициенты регрессионной модели:
Для оценки информативности и возможности применения полученной модели на практике необходимо провести ее анализ.
Этап 3: Оценка и информативности регрессионной модели. В соответствии с (А8.4 - А8.7) были получены характеристики регрессионной модели заболевания Y1: Д= 0,934, Дн= 0,929, Дmin= 0,589, срд = Пусть Н0 - гипотеза о том, что коэффициент детерминации незначим, а Н1 - гипотеза об его статистической значимости. Число степеней свободы в к1 - соответствует количеству анализируемых параметров =16, а число степеней свободы к2 определяется как разность количества наблюдений и количества факторов к2 =2171-16-1 = 2154. При заданном уровне значимости 0,01 в результате сравнения рассчитанного критерия Фишера срд = 2347 с табличным значением (рд = 1,48 выявлено, что
Рд Рд . Следовательно, принимается гипотеза Н1 о значимости коэффициента детерминации при выполнении (А8.9) и надежности полученной математической модели. По (А8.8) видно, что зависимость между значениями признаков и диагнозом объясняется с информативностью 93%.
Для различия пациентов имеющих заболевание Y1 и пациентов, у которых Y1 не наблюдается необходимо вычислить пороговое значение величины Y1, которое позволит отнести результаты обследования пациентов к первому или второму случаю. Для этого расчета порогового значения воспользуемся выражением (А8.10). В данном случае, количество наблюдений относящихся к первому классу составляет 6=268, а объем общий объем выборки N=2171
Экспериментальное исследование алгоритмов диагностики ССЗ
Оценим ошибки первого и второго рода по отношению к результатам распознавания ССЗ по данным экзаменационной выборки: а) оценка ошибок при использовании алгоритма диагностики на основе дискриминантного анализа Фишера При диагностике ССЗ пациентов экзаменационной выборки получено, что вероятность ошибок первого рода по таблице 4.2 составляет 1/304 100%=0,3%. б) оценка ошибок при использовании алгоритма диагностики на основе метода ближайших соседей При диагностике ССЗ пациентов экзаменационной выборки получено, что вероятность ошибок первого по таблице 4.4 рода составляет 9/304 100%=2,9%. 4.5.6.2 Ошибки второго рода а) оценка ошибок при использовании алгоритма диагностики на основе дискриминантного анализа Фишера При диагностике ССЗ пациентов экзаменационной выборки получено, что вероятность ошибок второго рода по таблице 4.2 составляет 16/2450 100%=0,65%. б) оценка ошибок при использовании алгоритма диагностики на основе метода ближайших соседей При диагностике ССЗ пациентов экзаменационной выборки получено, что вероятность ошибок второго рода составляет 17/2450 100%=0,69%.
При сравнении ошибок первого и второго рода, вычисленным по результатам распознавания ССЗ на обучающей и экзаменационной выборках выявлено уменьшение ошибок первого рода и увеличение ошибок второго рода. Данная тенденция объясняется отклонением значений исследуемых признаков пациентов от эталонных (полученных по обучающей выборке), что является закономерным для практического использования.
При диагностике ССЗ большую роль играют контролируемые и неконтролируемые факторы риска, которым подвергается пациент. Поэтому при построении моделей заболеваний целесообразно группировать результаты обследований пациентов в соответствие со значением этих факторов. Данный подход позволяет наилучшим образом описать математически заболевание.
Прогнозирование ССЗ на основе математических моделей Для проведения экспериментального исследования алгоритмов прогноза ССЗ была сформирована экзаменационная прогнозная выборка содержащая результаты обследований 156 пациентов в возрасте от 40 – 70 лет. У каждого из них состояние ССС наблюдалось в течение нескольких лет и содержит от 2 до 8 результатов обследований. Возраст пациентов обусловлен высокой вероятностью возникновения и развития ССЗ в этом периоде.
Оценка будущих изменений осуществлялась на основе анализа динамики изменений значений признаков пациента и моделей заболеваний (Приложение А26) с помощью созданной системы ДССЗ и традиционным спосо-бом– кардиологом вручную. Прогноз осуществлялся на ближайшие 3, 6 и 12 месяцев. Результаты исследования приведены в таблице 4.6:
По таблице 4.6, по результатам использования индивидуальных прогнозов на экзаменационной прогнозной выборке получено, что созданная система осуществляет прогнозирование верно в среднем 72% случаев. Прогноз врача-специалиста оказался верным в среднем 46% случаев. Наилучшим образом, и система, и врач-специалист прогнозируют стабильные состояния пациентов, когда заболевание не развивается. Возникновение новых и видоизменения ССЗ лучше прогнозирует система в 63 и 61% случаев, соответственно, врач определяет данные состояния в 42% и 39%, соответственно. В таблице 4.7 приведены результаты прогноза состояний ССС по заболеваниям на 2, 6 и 12 месяцев:
Таким образом, результаты сравнения прогностических возможностей врача-специалиста и разработанной системы показали: система осуществляет прогноз на 15% и более. Наилучшим образом в обоих случая определяются стабильные состояния пациента.
При оценке возникновения новых заболеваний вероятность правильно го прогноза системы составляет 63%, врача-специалиста 42%. При эволюции заболеваний вероятность правильного прогноза системы составляет 61%, врача-специалиста 39%. Полученные результаты использования индивидуальных прогнозных моделей являются достаточно высокими и позволяют применять их на практике. Минимальная вероятность правильной оценки возможных изменений через 2 месяца системой составляет не менее 73%, врачом-специалистом – не менее 61%. Минимальная вероятность правильной оценки возможных изменений через 6 месяца системой составляет не менее 61%, врачом-специалистом – не менее 52%. Минимальная вероятность правильной оценки возможных изменений через 12 месяцев системой составляет не менее 59%, врачом-специалистом – не менее 39%.