Введение к работе
Актуальность проблемы. В последнее время наблюдается широкое внедрение компьютерных технологий в область медицины. Быстрыми темпами развивается медицинская нейроинформатика. На базе Института вычислительного моделирования РАН и лаборатории нейросетевого моделирования КрасГМА были разработаны теория и методология применения в медицине самообучающихся экспертных систем на основе искусственных нейронных сетей. Это позволило использовать нейронные сети для диагностики и прогнозирования различных заболеваний. Известны первые результаты по использования ИНС в офтальмологии (Гарькавенко В.В., 2002; Комаровских Е.Н., Лазаренко В.И., Ильенков С.С., 2001; Хомушку М.Д., 2005).
Наболевшей проблемой современной офтальмологии остается первичная открытоугольная глаукома. ПОУГ привлекает внимание офтальмологов всего мира многообразием клинических форм, сложностью патогенеза, трудностью диагностики и лечения, а также серьезностью прогноза и медико-социальной значимостью заболевания (Водовозов AM., 1983; Егоров В.В., 2000; Еричев В.В., 2004; Краснов М.М., 1998; Кунин В.Д.,2000; Лазаренко В.И., 2000; Нестеров А.П., 1995; Bautista-R-D, 1999; Broadway D., Drance H., 1998; Gloster J., 1986; Greve E.L., 1992; Sommer A., 1996; Tiande Sbou et al., 2003). Отмечаются широкая распространенность, неуклонный рост и тяжелые последствия заболевания. Несмотря на многочисленные исследования в этой области, число больных ПОУГ неизменно растет с каждым годом (Исламова СЕ. с соавт., 2004; Южаков А.М., 2003). Одним из приоритетных направлений в решении проблемы глаукомы является раннее прогнозирование клинического течения заболевания с целью профилактики слепоты и стабилизации патологического процесса.
В последнее время появилась возможность привлечь для прогнозирования клинического течения ПОУГ самообучающиеся искусственные нейронные сети, параметрами баз данных которых выступают показатели глаукомы. Нейронная сеть после полного обучения и автоматической минимизации числа обучающих параметров способна прогнозировать клинического течения первичной открытоугольнои глаукомы. На практике это позволяет дифференцировать информацию и значительно сокращает время сбора анамнеза. Это облегчает работу врача и помогает осуществить индивидуальный подход в лечении конкретного больного. Применение самообучающихся искусственных нейронных сетей в прогнозировании глаукомы актуально. Новый метод может быть использован в скрининговых исследованиях, при массовых обследованиях больных глаукомой.
Цель работы
Разработка метода прогнозирования клинического течения первичной открытоугольнои глаукомы.
Задачи исследования
-
Разработать метод нейросетевого прогнозирования клинического течения первичной открытоугольнои глаукомы.
-
Определить наиболее значимые показатели развития неблагоприятного и благоприятного течения первичной открытоугольнои глаукомы для прогнозирования с помощью самообучающихся искусственных нейронных сетей.
-
Изучить изменения клинических показателей у больных первичной открытоугольнои глаукомы и их зависимость от характера течения
заболевания, для последующего обучения искусственных нейронных сетей.
Научная новизна и практическая значимость работы
-
Впервые определены наиболее значимые признаки глаукомы в зависимости от клинического течения при моделировании самообучающихся искусственных нейронных сетей.
-
Впервые обоснована возможность прогнозирования клинического течения первичной открытоугольной глаукомы с помощью самообучающихся искусственных нейронных сетей.
-
Предложен метод нейросетевого прогнозирования, который позволяет определить степень вероятности развития неблагоприятного течения первичной открытоугольной глаукомы.
Основные положения, выносимые на защиту
-
Разработка методики прогнозирования клинического течения первичной открытоугольной глаукомы с помощью искусственных нейронных сетей.
-
Больные первичной открытоугольной глаукомой с благоприятным и неблагоприятным течением заболевания, прослеженного в течение 5 - 10 лет, отличаются выраженностью и частотой патологических изменений глаз. Неблагоприятное течение глаукомы чаще наблюдали у больных с длительным стажем первичной открытоугольной глаукомы, сопутствующими глазными и соматическими заболеваниями.
-
Наиболее важными клиническими признаками при прогнозировании клинического течения первичной открытоугольной глаукомы с
помощью самообучающихся искусственных нейронных сетей являются: окраска диска зрительного нерва, стадия глаукомы, размер экскавации диска зрительного нерва, сужение поля зрения, ВГД, наличие сопутствующих атеросклероза и сахарного диабета. 4. Применение ИНС позволяет правильно прогнозировать клиническое течение ПОУГ в 81,1% случаев, что является основой для скрининговых исследований.
Апробация работы
Результаты исследования доложены и обсуждены на заседаниях кафедры глазных болезней КрасГМА (2001-2006 гг.), на межрегиональных научно-практических конференциях офтальмологов КМЦМГ им. П.Г. Макарова (2001-2006 гг.), на юбилейной научно-практической конференции, посвященной 60-летию А.И.Еременко (Краснодар, 2002), на межотделенческой конференции Московского научно-исследовательского института глазных болезней им. Гельмгольца (2006 г.)
Внедрение в практику
Результаты работы внедрены в клиническую практику КМЦМГ им. П.Г. Макарова (г. Красноярск) и в поликлинике ФГУ «З ЦВКГ им. А.А.Вишневского Министерства обороны РФ» (Москва). Результаты исследования используются в учебном процессе для лекционных и практических занятий по курсу глазных болезней для студентов лечебного факультета КрасГМА.
Объем и структура работы
Диссертация изложена на 116 страницах машинописного текста и состоит из введения, обзора литературы, главы материалов и методов исследования, главы собственных исследований, главы, посвященной нейроинформационной технологии прогнозирования клинического течения глаукомы, заключения, выводов, практических рекомендаций, указателя литературы, который включает в себя 132 отечественных и 27 иностранных источников. Работа иллюстрирована 29 таблицами и 9 рисунками.
Публикации результатов исследования
По материалам диссертации опубликовано 7 печатных работ (1 - в центральной печати), разработаны и подготовлены к печати усовершенствованные медицинские технологии по теме диссертации.