Содержание к диссертации
Введение
Глава 1.Аналитический обзор состояния проблемы 11
1.1 Распространенность, этиопатогенез, профилактика и метафилактики мочекаменной болезни 11
1.2. Обзор математических методов прогнозирования, особенности использования нечеткой логики принятия решений при мочекаменной болезни 16
1.3. Звуковая стимуляция и устройства для звуковой стимуляции при лечении мочекаменной болезни 27
1.4. Обзор систем поддержки принятия решений медицинского назначения 29
1.5. Цель и постановка задач исследования 34
Глава 2. Методы анализа данных и принятия решений по прогнозированию мочекаменной болезни на основе нечетких гибридных моделей 36
2.1. Формирование пространства информативных признаков 36
2.2 Методы и средства исследования 60
2.3 Синтез математических моделей прогнозирования возникновения МКБ 66
2.4 Синтез математических моделей прогнозирования рецидива МКБ 74
2.5 Выводы второй главы 78
Глава 3. Разработка аппаратно-программного комплекса прогнозирования и метафилактики мочекаменной болезни 79
3.1 Информационно-аналитическая модель принятия решений по прогнозированию и метафилактике МКБ 79
3.2. Разработка прибора для комбинированной метафилактики МКБ 81
3.3 Алгоритм управления процессами принятия решений 85
3.4. Структура автоматизированной системы поддержки принятия решений при прогнозировании мочекаменной болезни 90
3.5. Выводы третьей главы 96
Глава 4.Резульататы экспериментальных исследований 97
4.1. Способы тестирования математических моделей 97
4.2.Анализ эффективности математической модели по прогнозированию возникновения камнеобразования при мочекаменной болезни 98
4.3 Анализ эффективности математической модели прогнозирования рецидива МКБ 102
4.4. Анализ эффективности прибора для метафилактики МКБ 104
4.5. Выводы четвертой главы 107
Заключение 108
Библиографический список 110
- Обзор математических методов прогнозирования, особенности использования нечеткой логики принятия решений при мочекаменной болезни
- Синтез математических моделей прогнозирования возникновения МКБ
- Структура автоматизированной системы поддержки принятия решений при прогнозировании мочекаменной болезни
- Анализ эффективности прибора для метафилактики МКБ
Введение к работе
Актуальность темы. Мочекаменная болезнь (МКБ) является одним из самых распространенных урологических заболеваний, склонных к рецидивам, и нередко характеризуется упорным, тяжелым течением. Заболеваемость МКБ среди взрослого населения планеты составляет 1-5 %. Мочевые камни ежегодно образуются у 1200-1400 человек из 100 000 населения, а средний риск образования камней на протяжении всей жизни составляет от 5 до 10%. У большинства пациентов МКБ выявляется в наиболее трудоспособном возрасте 30–50 лет. Высокая распространенность и возможность возникновения серьезных, угрожающих жизни осложнений и исходов обуславливают социальную значимость болезни. Медико-экономическое значение проблемы мочекаменной болезни заключается в длительных сроках реабилитации больных и потери трудоспособности. В последнее десятилетие наблюдается рост заболеваемости мочекаменной болезни в большинстве индустриально развитых стран среди всех групп населения. Этому способствуют условия современной жизни: гиподинамия, характер питания, питьевого режима, влияние экологических факторов, что позволило назвать это заболевание болезнью цивилизации. При всей актуальности проблемы, вопросы прогнозирования и ранней диагностики МКБ остаются открытыми.
За последние три десятилетия достигнуты значительные успехи в методах удаления и дезинтеграции конкрементов за счет применения неинвазивных, малоинвазивных и эндоскопических методов. При этом, успехи лечебных малоинвазивных технологий вызвали снижение интереса к исследованиям в области прогнозирования МКБ, что является одной из причин роста заболеваемости. В среднем у первичного пациента с мочекаменной болезнью существует 10% вероятность появления нового камня в течение года или 50% вероятность рецидива в течение 5 лет при отсутствии медицинского обследования и лечения.
Многочисленными исследованиями доказано, что в значительной мере
повысить качество прогнозирования заболеваний можно, используя при
решении этих задач современные математические методы и
информационные технологии. В последнее время применение современных информационных и интеллектуальных технологий становится критическим фактором развития большинства отраслей знания и областей практической деятельности, поэтому разработка и внедрение автоматизированных систем в медицине является одной из актуальных задач.
В связи с этим возникает необходимость разработки и внедрения в
практику врача-уролога современных интеллектуальных и информационных
технологий с использованием математического аппарата и вычислительных
алгоритмов, позволяющих повысить качество прогнозирования и
эффективности профилактики мочекаменной болезни.
Степень разработанности проблемы. Проблемам повышения
эффективности прогнозирования камнеобразования на основе
математических методов и моделей посвящен ряд работ зарубежных ученых:
Marshall R.W. (1976), Robertson W.G. (1976), Tiselius H.G. (1982, 1991), Werness P.G. (1985), Ogawa Y (1994),Laube N, Hesse A. (2000). Примером автоматизированных систем подходом к оценке риска МКБ служит система JESS (Joint Expert Speciation System). Данные модели и методы используют анализ обширного перечня физико-химических констант, получаемых на основании дорогостоящих биохимических анализов. При этом они не охватывают всего спектра обменных пролитогенных нарушений, не учитывают выраженность индивидуальных факторов риска, присутствующих у конкретного пациента, достаточно затратны. Это оставляет без оказания специализированной помощи большое количество пациентов, у которых риски возникновения или рецидива мочекаменной болезни остаются недооцененными. В работах различных исследователей (Е. Шортлиф, Воронцов, Шаповалов, Н.А. Кореневский, А.Г. Коцарь, А.В. Новиков, С.П. Серегин и др.) было показано, что большое количество задач прогнозирования в медицине, включая урологические болезни и в частности МКБ, имеют пересекающиеся структуры классов с нечетко определяемыми границами. В этих условиях в качестве математического аппарата адекватного решаемым задачам и клиническому мышлению целесообразно использовать технологию мягких вычислений (L. Zadeh, E. Shortliffe, E. Mamdani, Кореневский Н.А.).
В доступных источниках информации нами был найден ограниченный круг работ, посвященных прогнозированию возникновения и обострения МКБ с использованием технологии мягких вычислений и, в частности нечетких моделей (Коцарь А.Г., Стародубцева Л.В.). Однако использование в этих работах нечетких модификаций модели Е. Шортлифа и выбранные пространства информативных признаков не обеспечивают решение поставленных в работе задач с требуемыми показателями качества. Проведенный анализ показал, что лучшие показатели по времени и качеству решения задач прогнозирования МКБ достигается при использовании такой разновидности технологий мягких вычислений как методология синтеза гибридных нечетких решающих правил, разработанная на кафедре биомедицинской инженерии Юго-Западного государственного университета в сочетании с теорией измерения латентных переменных (Кореневский Н.А., Шуткин А.Н., Серегин С.П.).
Одним из эффективных способов метафилактики МКБ является
использование звуковой стимуляции. Однако этот способ не всегда
обеспечивает ожидаемых эффектов и требует дальнейшего
совершенствования.
Работа выполнена в соответствии с Федеральной целевой программой «Научные и научно-педагогические кадры инновационной России на 2009-2013 гг.», в рамках реализации мероприятия № 1.2.1 «Проведение научных исследований научными группами под руководством докторов наук», в соответствии с Федеральной целевой программой «Предупреждение и борьба с социально-значимыми заболеваниями» 2007-2011 гг., с научными направлениями Юго-Западного государственного университета «Медико-
экологические информационные технологии» и «Моделирование
биологических и медицинских процессов на основе информационных технологий».
Цель работы: повышение качества оказания медицинской помощи
пациентам, имеющим склонность и страдающим мочекаменной болезнью,
путем разработки математических моделей, прибора и алгоритмов
прогнозирования и метафилактики мочекаменной болезни при неполном и
нечетком представлении данных с пересекающейся структурой
прогнозируемых классов состояний.
Для достижения поставленной цели необходимо следующие задачи:
- с учетом этиологии и патогенеза появления и развития мочекаменной
болезни выбрать адекватный математический аппарат исследования;
сформировать пространство информативных признаков и синтезировать математическую модель прогнозирования возникновения мочекаменной болезни;
сформировать пространство информативных признаков и синтезировать математическую модель прогнозировании рецидива мочекаменной болезни;
- разработать информационно-аналитическую модель принятия
решений для прогнозирования и профилактики МКБ;
- разработать прибор для комбинированной метафилактики МКБ;
разработать алгоритм управления процессами принятия решений по рациональному ведению пациентов, имеющих склонность к заболеванию и заболевших МКБ;
разработать структуру системы поддержки принятия решений врача-уролога;
протестировать эффективность предложенных моделей и средств в клинических условиях.
Методы исследования. Для решения поставленных в работе задач
использованы методы лабораторных и инструментальных исследований,
математической биологии и биоинформатики, математического и
компьютерного моделировании, статистики, системного анализа, теории измерения латентных переменных, нечеткой логики принятия решения, экспертного оценивания, биофизики акупунктуры.
Научная новизна исследования. В диссертации получены следующие результаты, характеризующиеся научной новизной:
система информативных признаков, отличающаяся тем, что их состав и структура оптимизирована с использованием теории измерения латентных переменных с моделью Г. Раша, позволяющая сократить время и затраты на принятие решений по ведению выбранной категории пациентов;
математические модели прогнозирования возникновения и рецидивов МКБ, отличающиеся использованием нечеткой гибридной иерархической структуры, позволяющие обеспечивать приемлемое для практической медицины качество принятия решений при минимальном наборе информативных признаков;
- информационно-аналитическая модель и алгоритм управления
процессами принятия решений по рациональному ведению пациентов,
отличающиеся использованием технологии мягких вычислений с
использованием гибридных нечетких иерархических моделей, структурой
связи информационных блоков и авторской разработкой профилактики,
позволяют обеспечивать гибкую смену тактики ведения пациентов в
зависимости от их индивидуального состояния и образа жизни;
- прибор для комбинированной метафилактики МКБ, отличающийся
наличием последовательно включаемых режимов ультразвуковой и звуковой
стимуляции структур, способных аккумулировать камни, параметры которых
определяются индивидуальными состояниями этих структур, позволяющий
повысить эффективность проводимых лечебно-оздоровительных
мероприятий;
- структура системы поддержки принятия решений врача-уролога,
отличающаяся содержанием базы знаний, включающей подсистемы
обучения, прогнозирования и формирования рекомендаций по проведению
лечебно-оздоровительных мероприятий, со множествами гибридных
нечетких решающих правил, позволяющая улучшить качество оказания
медицинской помощи пациентам, предрасположенным и страдающих МКБ.
Практическая и теоретическая значимость работы состоит в развитии и интеграции технологии мягких вычислений, основанной на гибридных математических моделях, теории нечеткой логики принятия решений, теории уверенности, теории измерения латентных переменных в решении задач повышения качества медицинского обслуживания населения, в частности больных, предрасположенных и страдающих мочекаменной болезнью путем нового поколения систем поддержки принятия решений врача-уролога.
Математические модели прогнозирования позволяют оценить
уверенность в возможности появления и рецидива исследуемого класса
заболеваний. Информационно-аналитическая модель и алгоритмы
управления процессами принятия решений обеспечивают оценку состояния пациентов и формируют рациональные схемы их ведения.
Предложенные в работе модели прогнозирования, оценки
эффективности профилактики и лечения с приборным обеспечением составили основу построения системы поддержки принятия решений, позволяющей поднять на новый уровень оказание медицинских услуг населению, предрасположенному и страдающему мочекаменной болезнью.
Положения, выносимые на защиту.
-
Система информативных признаков, состав которых оптимизирован методами теории измерения латентных переменных с моделью Г. Раша, позволяет сократить время и затраты на сбор информации для решения поставленных задач.
-
Математические модели прогнозирования возникновения и рецидива МКБ, построенные с использованием гибридных нечетких моделей, обеспечивают уверенность в принимаемых решениях не менее 0,9, что
позволяет рекомендовать их к использованию в медицинской урологической практике.
3. Прибор для комбинированной метафилактики мочекаменной
болезни, сочетающий ультразвуковую и звуковую стимуляцию структур
организма, аккумулирующих камни, обеспечивает повышение
эффективности камневыведения естественным путем.
4. Информационно-аналитическая модель и алгоритм управления
обеспечивают функционирование системы поддержки принятия решений
врача-уролога, использование которой позволяет повысить качество
медицинского обслуживания пациентов, предрасположенных или
страдающих мочекаменной болезнью.
Достоверность результатов исследования обеспечена корректностью применения современных методик сбора и обработки исходной информации, правильным подбором объектов наблюдения, достаточным объемом исследуемой выборочной совокупности, использованием апробированного математического аппарата, построением клинических исследований в соответствии с 1b -2b уровнями достоверности по шкале Оксфордского центра доказательной медицины, непосредственным участием автора в получении исходных данных и результатов исследования, и подтверждается проверкой результатов на достаточных объемах объектов с известными исходами наблюдения, опытом практической реализации результатов исследования в практике, обсуждением результатов исследования на международных и всероссийских научных конференциях, публикациями результатов исследования в рецензируемых научных изданиях.
Апробация и результаты внедрения работы. Предложенные в работе модели и алгоритмы внедрены в учебный процесс кафедры биомедицинской инженерии ФГБОУ ВО «Юго-Западный государственный университет» по дисциплине «Технические методы диагностических исследований и лечебных воздействий», используются в клинической практике ОБУЗ «Курская городская клиническая больница скорой медицинской помощи», а также в практике отделения медицинской реабилитации ОБУЗ «Курская городская больница №1 имени Николая Сергеевича Короткова».
Основные положения диссертационной работы были представлены и обсуждались на Международных научных конференциях и симпозиумах: Медико-экологические информационные технологии (Курск, 2015, 2016); Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации (Курск, 2015, 2017); Физика и радиоэлектроника в медицине и экологии – ФРЭМЭ'2016 (Владимир – Суздаль, 2016 г.); Энергосбережение и эффективность технических систем (Тамбов, 2017 г.), а также на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск) и Всероссийского НИИ автоматики им. Н.Л. Духова (г. Москва).
Публикации. По материалам диссертации опубликованы в 12 научных работах, в том числе 1 монография, 5 публикаций в рецензируемых научных журналах и изданиях.
Структура и объем работы. Диссертация состоит из введения, 4 глав и заключения, изложенных на 130 страницах машинописного текста, иллюстрирована 29 рисунками, 16 таблицами, содержит список литературы из 203 наименований.
Обзор математических методов прогнозирования, особенности использования нечеткой логики принятия решений при мочекаменной болезни
В настоящее время насчитываются сотни математических методов, нашедших успешное применение в медицинских исследованиях [1, 2, 3, 9, 11, 13, 14, 16, 19, 20, 21, 25, 31, 33, 36, 42, 43, 44, 45, 46, 49, 52, 55, 60, 64, 68, 69, 74, 80, 81, 86, 88, 91, 98, 102, 106, 108, 115, 119, 130, 132, 137, 138, 146, 147, 160, 168, 169, 170, 171, 172, 173, 177, 178]. Значительное место в решении медицинских задач занимает теория распознавания образов [3, 17, 18, 22, 24, 34, 72, 73, 82, 186, 187, 188, 189, 193, 199]методами которой решаются задачи прогнозирования.
Как показано в первом разделе, прогнозирование возникновения МКБ и е рецидивов сложно и мало результативно. В основном при прогнозировании МКБ используют результаты исследования биохимического анализа мочи, структуры камня.
Для этого также нужно получить химический состав мочи, представить химические реакции в организме в алгебраической форме, разработать систему уравнений для расчета равновесного состава мочи.
Однако результаты такого моделирования не учитывают другие факторы камнеобразования в организме человека и технически трудновыполнимы. А от выбора конкретных методов прогнозирования зависит результат моделирования, адекватность синтезированной модели реальному процессу.
Насчитываются сотни методов прогнозирования, имеющие свои достоинства и недостатки. В зависимости от степени однородности их возможно разделить на простые (однородные по содержанию) и комплексные методы. По характеру используемой информации все методы, также возможно разделить на фактографические (основываются на фактической информации о развитии прогнозируемого объекта), экспертные (методы, основанные на обобщении мнений экспертов о поведении объекта) и комбинированные методы [1, 19, 32, 34, 37, 45, 102, 103, 106, 107, 132].
Экспертные методы уступают по точности прогнозирования, но являются предпочтительными при неопределенности в исходной информации. Использование экспертных методов прогнозирования предпочтительно при отсутствии статистических данных, либо, когда статистическая информация имеется, но существуют сомнения в е достоверности, не поддается прогнозу группа факторов, влияющих на развитие прогнозируемого процесса, когда часть информации о прогнозируемом объекте не поддается количественному измерению, а также, если получение статистической информации требует значительных ресурсных или финансовых затрат. Экспертные методы также целесообразно использовать при долгосрочном прогнозировании динамично изменяющегося процесса, поскольку в данном случае снижается достоверность статистических методов [12, 16, 27, 33, 103, 106, 109, 118, 189].
К наиболее широко распространенным методам прогнозирования количественных показателей сложных систем возможно отнести [9, 31]:
1. Экспоненциальное сглаживание, используемое для краткосрочных, а также среднесрочных прогнозов. Данный метод отличается простотой, ясностью математических формулировок, а также при использовании данного метода объем данных не имеет значения. К недостаткам метода необходимо отнести отсутствие гибкости, а также требуемая тонкая настройка сглаживающих функций, что само по себе является достаточно сложной задачей;
2. Регрессионные методы, используемые для среднесрочного прогнозирования. Достоинствами данного метода является простота, а также быстрота получения результата. Однако, данный метод обладает низкой адаптивностью линейных моделей и сложностью определения вида функциональной зависимости, также невозможностью произвести моделирование нелинейных процессов.
3. Авторегрессионные методы используются в среднесрочном прогнозировании. К достоинствам данного метода возможно отнести простоту реализации, однако он обладает низкими адаптационными свойствами, линейностью. При использовании данного метода невозможно моделировать нелинейные процессы. Затруднения использования вызывает также большое число параметров модели, идентификация которых неоднозначна и ресурсоемка.
4. Нейросетевые методы обладают возможностью моделирования нелинейных процессов, высокими адаптационными свойствами, а также масштабируемостью. К недостаткам можно причислить отсутствие гибкости, сложность выбора архитектуры нейронной сети, высокие требования к непротиворечивости обучающей выборки, невозможность добавления нейронов в процессе самообучения нейронной сети, неясность в выборе числа слоев и элементов в слое, а также и ресурсоемкость процесса обучения;
5. Экспертный подход обладает неограниченным сроком прогнозирования, возможностью прогнозирования в условиях наличия неопределенности в исходной информации, возможностью причинного анализа. Однако, субъективное мнение отдельного эксперта или небольшой группы экспертов может оказать влияние на общее мнение и привести к ошибочному прогнозу, отрицательное влияние на решение экспертной группы в отдельных случаях может оказать количество замечаний «за» и «против».
6. Прогнозирование по аналогии применяется для установления качественной и количественной аналогии с целью изучения опыта, результатов и т.п. при краткосрочном и среднесрочном прогнозировании. Данный метод отличается лингвистической простотой реализации, а также резким ухудшением результатов в случае нелинейности. Имеется вероятность возникновения ситуации, когда отсутствует аналог;
7. Комбинированные методы применяются для любого срока прогнозирования и определяются методами, входящими в состав комбинированной системы.
Реальные системы обладают значительной сложностью, что делает невозможным учесть влияние некоторых факторов, а также не всегда возможно получить точные результаты измерений, что приводит к появлению некоторой степени неопределенности. Становится целесообразным использование аппарата теории не четких множеств, таких как методы нечеткого регрессионного и авторегрессионного анализа, нечеткого нейросетевого анализа и анализа нечетких тенденций.
Нечеткая логика является обобщением классической формальной логики и теории множеств и была предложена Л. Заде для приближенного и нечеткого описания процессов и систем [36, 37, 51, 56, 57, 98, 107, 128, 129, 130, 137, 138, 146, 160, 177, 178, 194, 195, 202, 203].
В качестве элементов нечеткого множества А выступают некоторые числовые переменные х и характеристические функции А(х), характеризующие в интервале [0,1] степень принадлежности (соответствия) х нечеткому множеству А. В современной литературе функцию А(х) называют функцией принадлежности х к А. Иными словами нечеткое множество А на множестве Х (где Х – универсальное множество) есть совокупность упорядоченных пар вида А={А(х),х} , где хХ, а А: Х [0,1]. Функция принадлежности в этом случае отображает элементы любого универсального множества Х в интервал [0,1][36, 98, 130, 146, 202, 203].
Функции принадлежности выражаются либо числами в интервале [0,1], либо в виде лингвистических переменных [37, 130, 146].
Существенное отличие методов теории нечеткой логики, как отмечают специалисты в области нечеткой логики и системного анализа, от методов теории вероятности состоит в том, что неопределенность связана не со случайностью, а с имеющимися неточностями и размытостями, и функция принадлежности при этом выражает субъективную возможность наличия у элемента х свойств, позволяющих отнести его к множеству А [130, 146].
Как и для обычных множеств, для нечетких множеств определены основные логические операции, такие как объединение и пересечение, рассматриваемые как обобщение обычных множеств [37, 107, 108, 146].
Существуют различные виды форм кривых для задания функций принадлежности. Наиболее популярными являются: треугольная, трапецеидальная и гауссова формы кривых для функций принадлежности [129, 146].
Синтез математических моделей прогнозирования возникновения МКБ
Анализ структуры данных используемых для прогнозирования возникновения МКБ (класс совм) показывает, что в соответствии с общей методологией синтеза гибридных нечетких решающих правил (ГНРП), решающая гибридная структура как минимум является двухуровневой.
На первом уровне определяются величины функций принадлежности классу высокий риск появления МКБ - juвм(хt) и на втором уровне производится агрегация частных решений с определением величины прогностической уверенности Uвм.
Первые три признака определены системой градаций, для каждой из которых эксперты определяют вклад в прогностические решения, на основании которых были получены следующие функции принадлежности
Признак х4 характеризует уровень психоэмоционального напряжения, который непосредственно не измеряется. Это сложное понятие, которое определяется набором индикаторных переменных, получаемых в ходе специальных исследований. В работах [64, 77, 92, 141] было показано, что для задач аналогичных решаемой в данной работе хорошие результаты удается получить, если уровень ПЭН определяется тремя составляющими: субъективными тестами Спилбергера-Ханина; показателями внимания; электрическим сопротивлением БАТ «связанными» с психоэмоциональным напряжением. В работах [64, 77, 92, 135] приводятся выражения и показываются методы расчета и аппаратное обеспечение для расчета уровня ПЭН в соответствии с формулой YP = Fp{YTJBJБ ) (2.1) где YT - уровень ПЭН рассчитываемой по тестовым методикам; YB - уровень ПЭН, рассчитываемый по показателям внимания (переключаемость, концентрированность и устойчивость внимания); YБ - уровень ПЭН рассчитываемой по величине электрического разбаланса БАТ связанных с ПЭН (точки R8, VB20, Р9). Для решения задачи определения Uвм эксперты используя технологию Дэлфи и рекомендации [49, 77] построили график функции принадлежности juвм{х 4) с базовой переменной YP = x4 (рисунок 2.11).
С учетом того, что уровень ПЭН не вносит определяющий вклад в показатель уверенности возникновения МКБ, jueM(x4) может быть рассчитана по меньшему числу показателей, например по величине электрического разбаланса БАТ R8, VB20, Р9. Методы расчета уровня ПЭН по различным составляющим выражения (2.1) можно найти в работах [48, 52, 61, 77, 86, 135, 141, 169, 170, 171, 172].
Признаки х5, ..., х9 определены системами градаций, для которых функции принадлежности были получены аналогично признакам x1, ..., х3.
Идея использования биологически активных точек (признак хп) для прогнозирования появления МКБ базируется на том, что их энергетическая реакция на возможное заболевание появляется задолго до возникновения клинических проявлений [50, 72, 73, 86, 96, 97, 104, 105]. Общая теория синтеза нечетких решающих правил использующих информацию об энергетической сбалансированности меридианных структур по величине отклонения сопротивлений от номинальных значений изложена в работах [50, 65, 72, 73].
В соответствии с общими рекомендациями для прогнозирования возникновения МКБ были отобраны точки, имеющие связь с ситуацией «болезни мочеполовых органов», «заболевания почек»: III 25,28; IV 10,11; VII 22,23,28,31,32,33,34; VIII 2,5,6,7,10,11,12,13,14,16; XI 25,26,27,28,29; XII 1,2,3,4,5,8,9; XIII 4. Эти точки классифицированы по их локализации на основании знаний об иннервации почек. Известно, что почки иннервируются из парного почечного сплетения, образованного чревными нервами, ветвями чревного сплетения с находящимися в них волокнами блуждающих нервов, афферентными волокнами нижнегрудных и верхнепоясничных спинномозговых узлов. Аксоны почечных симпатических предганглионарных нейронов, которые заканчиваются синапсами на постганглионарных нейронах, выходят из двух последних грудных (T10 - T12) и двух первых поясничных (L1 – L2) узлов грудного и поясничного отделов симпатического ствола. Тела некоторых почечных симпатических предганглионарных нейронов могут быть расположены в предшествующих грудных (T4 - T8) узлах. Их аксоны проходят по симпатическим стволам к последним грудным (T10 - T12) узлам и выходят из них типичным образом по грудным чревным нервам к предпозвоночным узлам брюшного аортального сплетения. Таким образом, репрезентативными зонами для электропунктурной диагностики являются билатеральные паравертебральные точки кососегментарных по симпатической иннервации почек дерматомов Т10-L2 (точки: III28; VII22,23; VIII 11,12,13,14,16; XI 25,26; XIII4). С учетом этого, из списка точек исключены точки, располагающиеся за пределами вышеперечисленных дерматомов. Из множества отобранных точек с использованием алгоритмов поиска диагностически значимых точек описанных в работах [58, 72, 73] были отобраны наиболее информативные точки: III28; VII23; VIII16; XI25; XIII4. Полученный список точек уточнен с учетом Шу- и Мо-точек. Шу-точки спины (бэй шу сюэ или шу сюэ) это двенадцать от срединной линии, в которые вливается Ци соответствующих цзанфу-органов. Системе Шу-точек в настоящее время придается большое значение. При патологии сегментарно связанных с определенными Шу-точками внутренних органов эти точки становятся болезненными и над ними меняется ИК-излучение и электропроводность. При этом Шу-точки нередко реагируют раньше других точек. Информативность возрастает при одновременном исследовании Мо-пунктов груди и живота, т.е. точек Манака. Мо-точки располагаются в непосредственной или сегментарной близости от пораженного органа, преимущественно в области зон кожной гипералгезии Захарьина-Геда. Возникающая в этой точке боль, которая обычно усиливается при давлении на нее и сопровождается снижением электрокожного сопротивления против обычного над ней, является как бы сигналом тревоги пораженного органа [86]. Данными точками для заболевания почек являются VII23(Шу-точка), VIIIR16(Мо-точка).
С учетом вышеизложенного в список диагностически значимых точек включены пять точек: VII23; VIII16, III28, XI25, XIII4. Указанные точки расположены на различных меридианах, иннервируются из разных дерматомов, имеют различный список «мешающих» ситуаций, что обуславливает высокую специфичность прогнозирования патологии почек, в том числе и мочекаменной болезни при одновременном изменении энергетических характеристик этих точек.
В качестве энергетической характеристики БАТ, согласно рекомендациям [72, 74], было выбрано их сопротивление, измеряемое на переменном токе частотой 1 кГц при силе тока 2 мкА. Для контроля величины сопротивления БАТ использовались аппараты типа «Рефлекс 01-03» и автоматизированный лечебно-диагностический комплекс кафедры биомедицинской инженерии, описанный в работах [72, 73].
На контрольной выборке здоровых людей, не имеющих МКБ был определен диапазон номинальных сопротивлений в 110, …, 130 кОм.
В течение годичного наблюдения за людьми, имеющими предпосылки к заболеванию МКБ по данным признакам х1,…х10 было произведено сопоставление сопротивлений БАТ со временем появления клинических признаков заболевания. Используя эту информацию в соответствии с рекомендациями [72, 73] была построена прогностическая таблица, по строкам которой были вписаны имена БАТ, по столбцам диапазоны сопротивлений соответствующие частоте появления заболеваний. Элементами таблицы служат частные коэффициенты уверенности КУкj , что у пациента возникнет МКБ, где к – номер диапазона сопротивлений, j – номер БАТ (таблица 2.7).
Структура автоматизированной системы поддержки принятия решений при прогнозировании мочекаменной болезни
Анализ литературы показал, что существующие системы поддержки принятия решения (СППР), включая системы ориентированные на прогнозирование и раннюю диагностику мочекаменной болезни (МКБ) полностью не решают поставленных в работе задач. В связи с этим нами была разработана структура программного обеспечения СППР, которая решает задачи прогнозирования возникновения и рецидива мочекаменной болезни, а также сформируют рекомендации по рациональной тактике проведения лечебно-оздоровительных мероприятий для выбранного класса заболеваний. Структурная схема предлагаемой системы поддержки принятия решений приведена на рисунке 3.4.
Структура СППР базируется на универсальной оболочке интеллектуальной системы, разработанной на кафедре биомедицинской инженерии ЮЗГУ для решения различных медицинских задач ориентированной на использование систем гибридных нечетких решающих правил [51, 63, 77].
В схеме рисунка 3.4 взаимодействие врача с СППР осуществляется через интерфейс пользователя, который реализует функции компьютерного диалогового режима взаимодействия врача с базой данных (БД) и базой знаний (БЗ), обеспечивает удобную для пользователя графику (средства графики) и обеспечивает функционирование информационно-справочной системы на языке лица, принимающего решение (ЛПР).
Оценка параметров внимания пациента, измерение электрических характеристик его БАТ и возможно РН производит аппаратура контроля состояний пациента.
Измеренные значения электрических характеристик БАТ, параметров внимания и РН необходимые для решения задач прогнозирования передаются в базу данных через е систему управления (СУБД) и драйвер связи (ДС).
Взаимодействие между всеми программными модулями и врача с СППР обеспечивается соответствующим алгоритмом управления.
Одной из важных составляющих универсальной оболочки СППР является подсистема обучения, в которой для решения поставленных в работе задач задей-ствуется блок разведочного анализа, интеллектуальный пакет RUMM2020, обеспечивающий задачи оценки и формирования пространства информативных признаков и блок синтеза нечетких решающих правил (НРП), определяющий форму и параметры функций принадлежностей и модели их агрегации. При наличии обучающих выборок достаточного объема этот блок решает задачи изменения полученных математических моделей в сторону уменьшения ошибок прогнозирования.
Подсистема прогнозирования содержит два основных блока решающих задачи прогнозирования возникновения и рецидива МКБ с указанием химического состава камней, которые могут возникать у пациента или вызвать рецидив заболевания. Подсистема формирования рекомендаций по ведению пациентов (в реализуемом варианте по метафилактике возникновения и рецидивов) использует как традиционно используемые и хорошо отработанные методики и оригинальные модели так и техническое обеспечение предложенное в данном разделе.
В качестве иллюстрации работы СППР врача-уролога рисунки 3.5, …, 3.7 иллюстрируют различные режимы и окна пользовательского интерфейса.
Анализ эффективности прибора для метафилактики МКБ
Для оценки клинической эффективности с применением разработанного нами устройства для неспецифической метафилактики нами учитывались: частота рецидива МКБ в течение года после проведения стационарного лечения, состояние тонуса верхних мочевых путей, кристаллурия в анализе мочи.
Для этого были составлены три группы больных по 50 человек.
Первую группу составили 50 больных МКБ, которым в стационаре урологического отделения были удалены конкременты из мочевыделительной системы различными методами (литокинетическая терапия, ДЛТ, КЛТ, открытая операция). Как правило, у всех больных отмечено рецидивное течение заболевания, количество рецидивов в году от 1 до 3. Группу больных составили 31 мужчина и 31 женщина. У 34 больных конкременты располагались в мочеточнике, и причиной госпитализации был приступ почечной колики. После лечения в стационаре больным была рекомендована схема лечения и профилактики рецидива. В основном рекомендации сводились к увеличению приема жидкости и мочегонных трав. Как правило, пациенты рекомендации не выполняли или выполняли систематически.
В течение года у 26 больных возник рецидив МКБ и эти больные были госпитализированы повторно в стационар. При обследовании у всех больных выявлены рецидивы камней. У 17 больных конкременты от 0,4 до 0,7 см в диаметре выявлены в мочеточнике, у 23 больных выявлялась массивная кристаллурия, часто урамурия и мелкие конкременты чашечно-лоханочной системы. По данным УЗИ у больных с рецидивными камнями выявлялась гипотония чашечно-лоханочной системы.
Вторую группу с аналогичным течение заболевания составили 50 больных, которым после выписки из стационара в амбулаторных условиях с целью профилактики рецидива камней проводилась стимуляция верхних мочевых путей звуковыми волнами слышимого диапазона, которые были модулированы низкочастотными колебаниями. В группу вошло 29 мужчин и 21 женщина. Профилактические курсы звуковой стимуляции проводились от 2 до 4 раз в год. В процессе наблюдения за больными, особенно после курсов звуковой стимулыции в анализах мочи отмечалось усиление кристаллурии, у 28 больных отходил песок и мелкие конкременты, но, как правило, приступов почечной колики не отмечалось.
В этой группе клинически значимые конкременты рецидивировали у 17 больных, что послужило причиной повторной госпитализации.
Третью группу, аналогичную по составу и клиническому течению заболевания составили также 50 человек, которым проводили неспецифическую метафилактику разработанным нами устройством с применением ультразвуковых волн в сочетании со звуковыми волнами слышимого диапазона.
В этой группе курсы проведены 2-4 раза в течение года. Клинически значимый рецидив возник у 7 больных, которые были госпитализированы повторно в стационар.
В период проведения курса метафилактики у 12 больных без приступов почечной колики отошли конкременты до 0,7 см в диаметре, у остальных в начале лечения отмечена обильная кристаллурия, которая к 6-8 сеансу проходила и анализ мочи нормализовался. Ни у одного больного из 43 больных без приступа почечной колики не было выявлено гипотонии чашечно-лоханочной системы. У 7 больных после первых сеансов возникли боли в поясничной области, не интенсивные, при дообследовании у этой группы больных выявлены рецидивные камни мочеточника до 1,0 см в диаметре. После прохождения курса лечения в течение 2-3 недель конкременты самостоятельно отошли у 5 больных, двум больным произведено эндоскопическое удаление конкрементов.
Таким образом, клинически значимый рецидив МКБ
- в первой группе, где не проводилось целенаправленной метафилактики возник у 26 больных – 52%;
- во второй группе, где метафилактику проводили звуковыми волнами слышимого диапазона, рецидив возник у 17 больных – 34%;
- в третьей группе больных, где метафилактику проводили разработанным нами устройством с применением ультразвуковых и звуковых волн клинически значимый рецидив возник у 7 больных МКБ – 14%.
Проведенные нами исследования свидетельствуют о необходимости проведения и профилактического лечения у больных мочекаменной болезнью, которые снижают рецидивы камнеобразования.
Наименьшее количество рецидивов МКБ возникло при использовании разработанного нами устройства.
Комбинированное применение ультразвуковых волн и звуковых волн слышимого диапазона для метафилактики рецидива МКБ позволило снизить количество рецидивов до 14%. Проведение профилактических курсов разработанным нами устройством не обременительно для пациентов, хорошо переностится, способствует безболевому отхождению конкрементов до 1,0 см в диаметре, а повышение тонуса чашечно-лоханочной системы способствует отхождению песка, солей и препятствует образованию крупных конкрементов. Противопоказанием является нарушение проходимости мочеточника и размеры камня более 1,0 см в диаметре при выраженной гипотонии.