Содержание к диссертации
Введение
1. Пути повышения эффективности диагностики и лечения сердечно-сосудистых поражений с применением новых информационных технологий 11
1.1. Применение новых информационных технологий для автоматизации лечебных медицинских учреждений 11
1.2. Использование методов системного анализа и моделирования для повышения эффективности решения задач прогнозирования, диагностики, и рационализации лечения сердечно-сосудистой патологии 27
1.3 Цель и задачи исследования 35
2. Технология формирования оптимальной информационной базы для классификационно-прогностического моделирования 37
2.1. Повышение качества информационной базы для моделирования на основе алгоритмов предварительной обработки информации . 37
2.2. Формирование оптимального признакового пространства 50
2.3. Рациональный выбор моделируемых величин на основе энтропийных и интегральных оценок 56
Выводы второй главы 61
3. Алгоритмизация процедур дифференциальной диагностики, прогнозирования и выбора рационального лечения 63
3.1. Диагностика на основе методов дискриминантного и кластерного анализа 63
3.2. Формализация оптимизационной модели выбора начального плана лечения 74
3.3. Использование нейросетевого моделирования для прогнозирования течения патологического процесса 82
3.4. Разработка критерия для оценки эффективности лечебных мероприятий 88
Выводы третьей главы 93
4. Рационализация лечения сердечно-сосудистой патологии на основе классификационно-прогностического моделирования 95
4.1. Дифференциальная диагностика и лечение осложнений инфаркта миокарда 95
4.2. Моделирование развития и выбор оптимальной схемы лечения сосудистых поражений при атеросклерозе различных локализаций и сахарном диабете 103
4.3. Прогнозирование течения и выбор эффективного лечения артериальной гипертензии 112
4.4. Рационализация лечения больных с инфекционным эндокардитом. 116
4.5. Прогнозирование динамики и выбор тактики лечения сосудистых поражений при ретинопатии и нефропатии 120
Заключение 123
Литература 125
Приложения 140
- Применение новых информационных технологий для автоматизации лечебных медицинских учреждений
- Повышение качества информационной базы для моделирования на основе алгоритмов предварительной обработки информации
- Формализация оптимизационной модели выбора начального плана лечения
- Дифференциальная диагностика и лечение осложнений инфаркта миокарда
Введение к работе
Актуальность темы. В последнее время в медицинской практике все более широкое применение находят различные электронные справочные системы, системы интеллектуальной поддержки деятельности врача при решении задач дифференциальной диагностики, прогнозирования и выбора плана и тактики лечения. При наличии разнообразного арсенала лекарственных средств и разработанных показаний к их применению практически очень трудно врачу выбрать те препараты, которые будут наиболее полезны больному в конкретной ситуации. Этим качеством владеют лишь опытные врачи с большим стажем практической аналитической работы. Поэтому использование новых информационных технологий для создания медицинских советующих систем, объединяющих знания и опыт врачей-экспертов, является важной задачей.
Проблема формирования базы знаний, включающей различные алгоритмы и модели диагностики, прогнозирования и принятия оптимальных решений при выборе тактики лечения, занимает центральное место при разработке компьютерных систем интеллектуальной поддержки деятельности врача. В связи с этим требуется разработка различных подходов, позволяющих повысить качество и надежность вычислительных процедур. Это возможно при использовании единой методики структуризации архивной информации, ее предварительной обработки, проведения системного анализа полученных данных, построения прогностических и оптимизационных моделей, при этом немаловажным является разработка интегральных показателей, позволяющих комплексно оценить эффективность полученных результатов.
Организация процессов оптимального планирования осложняется спецификой представления знаний в данной предметной области: многие показатели не имеют количественной оценки, архивная информация, как правило, содержит определенный процент ложных измерений, имеет место неодно- родность характеристик больных, в результате чего, в каждом отдельном случае требуется свой подход.
Методы системного анализа и математического моделирования при соответствующей проработке могут быть применены при описании практически любого класса заболеваний. Однако, особый интерес вызывают патологические состояния, приводящие наиболее часто к утрате трудоспособности, инвалидности и смерти. Именно к такому классу болезней относятся заболевания сердечно-сосудистой системы.
Таким образом, тематика диссертации, связанная алгоритмизацией диагностики, прогнозирования и выбора тактики лечения сердечно-сосудистых поражений на основе оптимизационно-прогностического моделирования, является актуальной.
Работа выполнена в рамках НИР ГБ 2004.27 «Управление процессами диагностики и лечения на основе информационно-интеллектуальных технологий» в соответствии с одним из основных направлений Воронежского государственного технического университета «Биокибернетика, компьютеризация в медицине» и «Проблемно-ориентированные системы управления».
Целью работы является разработка комплекса моделей и алгоритмических процедур, позволяющих повысить эффективность диагностики, прогнозирования и лечения заболеваний сердечно-сосудистой системы за счет интеллектуализации принятия решений врачом на основе оптимизационно-прогностического моделирования.
Для достижения поставленной цели необходимо решить следующие задачи: провести анализ особенностей функционирования компьютерных систем автоматизации лечебно-диагностического процесса, оценить возможность применения методов системного анализа и моделирования для повышения их эффективности; предложить технологию формирования информационной базы для моделирования, процедуры структуризации архивной информации и ее предварительной обработки с целью исключения недостоверных сообщений, восстановления целостности и оптимизации признакового пространства; разработать алгоритмы построения моделей, обеспечивающих решение задач дифференциальной диагностики, прогнозирования и выбора оптимального начального плана и тактики лечения; реализовать предложенный комплекс алгоритмических процедур при построении моделей диагностики, прогнозирования и лечения заболеваний сердечно-сосудистой системы; провести оценку эффективности разработанного комплекса моделей и алгоритмов.
Методы исследования. Для решения поставленных задач использовались: основные положения теории вероятностей и математической статистики, теории управления биологическими и медицинскими системами, методы математического моделирования, кластерного и дискриминантного анализа, априорного ранжирования, оптимизации,
Новизна исследований: В диссертации получены следующие основные результаты, характеризующиеся научной новизной: алгоритмические схемы предварительной обработки архивной информации, позволяющие выявить и исключить недостоверные сообщения, восстановить пропущенные значения, выбрать оптимальное признаковое пространство, характеризующееся минимальной размерностью при достаточной информативности; процедура оценки значимости диагностических признаков, основанная на использовании энтропийных и интегральных оценок; алгоритм построения моделей дифференциальной диагностики, основанный на методах дискриминантного и кластерного анализа, позволяющий выделить однородные группы больных, характеризующиеся различными эталонами параметров, обеспечивающими идентификацию состояния вновь поступивших объектов; оптимизационная модель выбора начального плана лечения, с учетом значимости, совместимости и стоимости отдельных воздействий, отличающаяся алгоритмом поиска, являющимся модификацией метода «ветвей и границ»; технология построения прогностических моделей на основе нейронных сетей, обучаемых по модифицированному алгоритму «обратного распространения ошибки».
Практическая значимость работы. В результате проведенного исследования предложен комплекс моделей и алгоритмов, охватывающих все этапы лечебно-диагностического процесса: диагностика, прогнозирование, выбор лечебных мероприятий; алгоритмы предварительной обработки статистической информации позволяют значительно повысить точность построенных моделей.
Разработаны модели дифференциальной диагностики, прогнозирования и выбора тактики лечения для ряда заболеваний сердечно сосудистой системы: осложнения острого инфаркта миокарда, атеросклероз различной локализации, гипертоническая болезнь, инфекционный эндокардит, микроангио-патии. Результаты апробации доказали эффективность построенных моделей и возможность их использования в клинической практике.
Результаты проведенных исследований апробированы и внедрены в деятельность Воронежской областной клинической больницы №1.
Теоретические и практические результаты работы, реализованные автором в комплексе программных средств выбора оптимальных лечебных мероприятий, внедрены в учебный процесс на межвузовской кафедре «Систем- ного анализа и управления в медицинских и педагогических системах» Воронежского государственного технического университета.
Результаты внедрения подтверждаются соответствующими актами.
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях и семинарах: V Межрегиональной научно-практической конференции кардиологов Центрального федерального округа России «Стабильная ИБС: особые клинические ситуации тактики врача» (Воронеж, 2005); международной научной конференции «Современные проблемы прикладной математики и математического моделирования» (Воронеж, 2005); научно-методических семинарах кафедры системного анализа и управления в медицинских системах Воронежского государственного технического университета (2003-2005 гг.).
Структура и объем работы. Диссертация состоит из введения, 4 глав и заключения. Работа содержит 124 страницы, включая 17 рисунков, 13 таблицу, приложение и список литературы из 152 наименований.
Во введении обоснована актуальность темы исследования, определены цель и задачи работы, методы решения сформулированных задач, отмечены основные результаты исследования, выносимые на защиту; определена их научная новизна и практическая значимость; приведены сведения об апробации и внедрении результатов работы.
Первая глава посвящена анализу путей повышения эффективности диагностики и лечения сердечно-сосудистых поражений с применением новых информационных технологий. Рассматриваются достоинства и недостатки компьютеризации лечебно-диагностического процесса. Представлены основные направления поддержки деятельности врача - приведены основные этапы врачебной деятельности и соответствующие им технологии интеллектуальной поддержки. Предложена структура системы, обеспечивающей полноту и качество сбора медицинской информации о больном, поддержку выполнения врачом лечебно-диагностической работы, показано, что ее использова- ние должно способствовать улучшению ведения медицинской документации, повышению эффективности диагностического процесса, более успешному и оптимальному в экономическом плане лечению больных. Особое внимание должно уделяться формированию базы медицинских знаний, включающей диагностические алгоритмы, модели прогнозирования и выбора тактики лечения. Приведены основные этапы разработки системы интеллектуальной поддержки деятельности врача.
Рассматривается вопрос использования методов системного анализа и моделирования для повышения эффективности решения задач прогнозирования, диагностики и рационализации лечения сердечно-сосудистой патологии. Представлен обзор математических методов, использование которых целесообразно и эффективно на отдельных этапах исследовательского процесса.
Во второй главе рассмотрен вопрос формирования оптимальной информационной базы для классификационно-прогностического моделирования биомедицинских систем. Рассмотрен алгоритм преобразования качественных характеристик в численные оценки, основанный на использовании лингвистических переменных и экспертного оценивания; алгоритм заполнения пробелов, являющийся модификацией ZET-алгоритма; алгоритмы фильтрации информации, позволяющие на основе классификационных методов рассчитать достоверность параметров, характеризующих объект и исключить из дальнейшего рассмотрения объекты, обладающие недостаточной информационной достоверностью; методы оценки значимости информационных характеристик, основанные на корреляционном анализе и энтропийных оценках; алгоритм оптимизации признакового пространства, позволяющий отобрать минимальное количество характеристик для дальнейшего моделирования с минимальной потерей общей информативности; методика построения интегральных оценок.
В третьей главе представлены алгоритмические процедуры дифференциальной диагностики, прогнозирования и выбора лечебных мероприятий.
Рассмотрена возможность медицинской диагностики с использованием методов дискриминантного и кластерного анализа, предложен алгоритм построения формализованных моделей заболеваний. Сформирована оптимизационная модель выбора начального плана лечения с учетом значимости, совместимости и стоимости отдельных воздействий; предложен метод ее решения, основанный на модификации алгоритма «ветвей и границ». Предложена технология построения прогностических моделей на основе нейронных сетей, обучаемых по модифицированному алгоритму «обратного распространения ошибки». Разработан набор интегральных оценок эффективности лечебных мероприятий, позволяющих проводить оценку как по одному критерию, так и по нескольким с учетом значимости отдельных показателей и скорости их нормализации.
В четвертой главе приводятся результаты практического использования разработанных моделей и алгоритмов при решении задач дифференциальной диагностики, прогнозирования и выбора лечения таких заболеваний сердечно-сосудистой системы как: осложнения инфаркта миокарда, сосудистых поражений при атеросклерозе различных локализаций и сахарном диабете, артериальной гипертензии, инфекционного эндокардита, сосудистых поражений при ретинопатии и нефропатии. Приведены результаты апробации построенных моделей, показавшие их эффективность и возможность использования в клинической практике.
В заключении рассмотрены основные результаты работы.
В приложениях приведены оптимизационные и прогностические модели, фрагменты информационных баз, а также акты внедрения результатов диссертационной работы.
Применение новых информационных технологий для автоматизации лечебных медицинских учреждений
Большинство существующих подходов к автоматизации лечебных медицинских учреждений базируется на автоматизацию документооборота, учете экономической работы учреждения и решение разрозненных медицинских задач (аптека, лаборатория, ОПК, диетическое питание, функциональная диагностика и т.п.). Созданы и продолжают создаваться отдельные диагностические аппараты и системы контроля состояния здоровья пациентов на основе использования новых компьютерных технологий. Успешно разрабатываются системы архивирования и передачи медицинских изображений PACS (Picture Archiving and Communication Systems) обеспечивающие работу с ними. Отработаны технологии телемедицины и телеконференций. Динамично развивается рынок медицинских информационных систем, позволяющих повысить оперативность и эффективность использования медицинской информации. Однако в разработке подсистем автоматизированной диагностики, прогнозирования и выбора тактики лечения, интегрированных с компьютеризованной историей болезни, достигнуты наименее значимые успехи. Создание территориальных и национальных компьютерных сетей позволило вместо «электронной истории болезни» предложить интегрированный подход, при котором лечащий врач может получить всю информацию о состоянии здоровья пациента и процессе его лечения, собранную в группе связанных медицинских учреждений - концепция компьютеризованной истории болезни (computerized patient record - CPR), однако средства интеллектуальной поддержки деятельности врача проработаны недостаточно. Принципиальными недостатками имеющихся подходов к компьютеризации лечебных учреждений, с точки зрения клинициста, являются следующие основополагающие принципы: I) автоматизируется преимущественно учет - экономической работы, больных, анализов, медикаментов и т.д.; 2) решаются задачи, связанные с расчетом отдельных параметров состояния больного; 3) интеллектуальные (экспертные) системы применяются при решении отдельных задач диагностики и планирования лечения болезней, а не больного; 4) решение задач автоматизации осуществлялось различными коллективами программистов; 5) лечебно-диагностические процессы автоматизировались частично и бессистемно. Практически не решаются задачи использования компьютерных программ для совершенствования работы врача по качественному сбору полной медицинской информации о больном во время опроса, осмотра и обследования пациента, совершенствования врачебного мышления, прежде всего при работе с обобщающими врачебными понятиями — симптомами, симптомо-комплексами, клиническими синдромами (поддержка интеллектуальной деятельности врача). До настоящего времени основной технологической деятельностью врача остается печатание букв, слов и выражений. В лучшем случае вместо печатной машинки врачам предлагают использовать компьютер, но и в этом случае большая часть врачебного времени расходуется на обдумывание и составление фраз, а не на анализ клинической картины заболевания. Таким образом, для повышения эффективности врачебной деятельности требуется существенная коррекция технологии работы врача. Резюмируя недостатки автоматизации медицинских лечебных учреждений важно подчеркнуть несколько основных положений: 1) лечебно-диагностический процесс, выполняемый лечащим врачом по сохранению и восстановлению здоровья больного оставался вне поля зрения автоматизации; 2) отсутствовала научно-методическая проработка клинических аспектов автоматизации лечебно-диагностического процесса; 3) отсутствовал единый системный подход к проектированию и созданию автоматизированной системы различных лечебных учреждений. Документооборот, реализуемый на основе использования вычислительной техники различных поколений освободил лечащего врача от вычислений статистических показателей работы отделений за год, но не мог повлиять ни на качество медицинского обслуживания, ни на качество лечебно-диагностической работы в отделениях, ни на качество оформления медицинских документов. Улучшение качества ведения медицинской документации и повышение эффективности лечебно-диагностического процесса, могут быть достигнуты только тогда, когда автоматизация будет ориентирована на поддержку лечебно-диагностической работы. Для решения этой задачи предлагается использование системы компьютерных технологий поддержки интеллектуальной деятельности врача. Основное назначение системы не заменить врача при принятии решений, а повысить эффективность использования его интеллектуальных возможностей, улучшить качество принимаемых решений, не допустить появления врачебных ошибок. Использование системы призвано помочь лечащему врачу провести полноценное обследование больного, правильно диагностировать заболевание, осуществить прогноз тяжести течения и осложнений заболевания, выбрать оптимальную тактику лечения и др. Концепция автоматизации лечебно-диагностического процесса предусматривает необходимость создания условий для последовательного непре 14 рывного пополнения истории болезни пациента, поступающего на лечение, медицинскими данными, характеризующими самого больного, его заболевание, проводимое обследование и лечение на всех этапах оказания медицинской помощи С данными, записанными на индивидуальном носителе (электронный чип, дискета, магнитная карта и др.), больной поступает в приемное отделение, где собранные данные считываются с помощью специальных устройств дежурным врачом. При необходимости медицинские данные пополняются результатами дополнительного обследования (врачебного, лабораторного, рентгенологического и т.д.), что позволяет дежурному врачу приемного отделения определить точное место госпитализации больного (отделение интенсивной терапии и реанимации или одно из коечных отделений), способ эвакуации, сделать неотложные лечебные и диагностические назначения. Основной объем медицинских данных о пациенте направляется на хранение в архив медицинских документов и в компьютерную базу данных о больных. Таким образом, реализация концепции автоматизации лечебно-диагностической работы позволит иметь компьютерную историю болезни, что существенно улучшит обмен медицинской информацией о больном между лечащими врачами.
Повышение качества информационной базы для моделирования на основе алгоритмов предварительной обработки информации
Процесс сбора и предварительной обработки информации является определяющим при классификационно-прогностическом моделировании с точки зрения качества полученных моделей. Невозможно получить объективные оценки на основе неполного или неполноценного материала. Поэтому на этапе сбора первичного материала необходимо как предварительное планирование этого процесса, так обработка информационной базы с целью повышения качества и достоверности собранной информации [116, 149, 170].
Первоначально отобранные характеристики по существу нередко являются ориентировочными, ив дальнейшем иногда возникает необходимость их заменить или уточнить. Подобные коррективы приходится вносить почти на всех этапах математического моделирования, и необходимость в них, в частности, зависит от качества фактического материала.
Основную информацию, на базе которой формируются модели заболеваний, получают путем анализа архивной и текущей информации, результатов мониторинга, исследования результатов лабораторных и клинических исследований, проведения эксперимента. Показатели, измеренные в качественной шкале для дальнейшей обработки необходимо преобразовать в численные оценки. Аналитическим, экспериментальным или другим путем необходимо установить, какие параметры доступны управлению, какие нет.
На первом этапе формируется структура информационной базы. Экспертами устанавливается перечень показателей, описывающих состояние больного при данной патологии — данные анамнеза, лабораторных и клинических исследований. При этом, если сбор информации сопряжен с большими затратами или требуется использование инвазивных методов исследования, целесообразно сократить перечень исследуемых показателей, отобрав самые значимые. Определение значимости показателей производится на основе экспертных оценок с использованием метода априорного ранжирования. Этап формирования исходной базы данных является наиболее трудоемким, так как связан с обработкой больших объемов архивной, нормативно-справочной документации, проведением экспериментальных исследований. Необходимое количество объектов базы данных зависит от количества учитываемых параметров и требуемой точности. Использование многих методов обработки информации, моделирования и оптимизации невозможно без применения средств вычислительной техники. В связи с этим целесообразно формирование компьютерной базы данных с использованием специализированных инструментальных систем или стандартных статистических пакетов (Statistica, StatGraphics), СУБД (Access) и электронных таблиц (Excel). Использование специализированных инструментальных систем более предпочтительно, так как позволяет учесть при их разработке особенности объекта исследования и интегрировать в рамках единого программного комплекса не только средства управления базой данных, но и разработанные алгоритмы и модели. Для дальнейшей обработки информация, содержащая фиксированные смысловые (лингвистические) значения сообщений должна быть преобразована в численную [103]. Преобразование предлагается осуществлять следующим образом. Сообщения, имеющие два возможных варианта (типа «Да», «Нет»), преобразуются соответственно в 1 и 0. Если сообщение может принимать более двух различных лингвистических значений Li (г -1,1; I 5: 3), используется метод экспертных оценок. Перед N экспертами (N 2), ставится вопрос: «Насколько значение L более значимо, чем L j (і = 2,/) » Ответы для каждой пары формируются в форме лингвистической переменной информацией, возникают «пробелы», обусловленные неполнотой представленных данных, при этом отсутствие даже одного показателя влечет за сбой невозможность использования при моделировании всей информации о больном. Для устранения данной проблемы целесообразна разработка алгоритма заполнения пробелов. Существуют различные алгоритмы заполнения пробелов: метод заполнения средним арифметическим — самый простой, но не самый точный метод, согласно которому рекомендуется заполнять пробелы средними значениями величин, имеющихся в данном столбце; методы Барлетта, основаные на уравнениях многомерной линейной регрессии; итеративный метод resampling, в котором вместо пропуска подставляется набор значений, и при каждом значении из этого набора строится уравнение многомерной линейной регрессии; методы предсказания пропусков, основанные на нейросетях; методы прогнозирования, основанные на оценках максимального правдоподобия (МП-оценках). Однако, все эти методы действуют глобально: в них предполагается, что зависимость заданного (например, линейного) типа реализована на всех объектах, поэтому и в оценивании зависимости участвуют все строки и столбцы. Нами предлагается к использованию локальный алгоритм, предназначенных для заполнения пробелов, основанный на алгоритме ZET. В основе алгоритма лежат три предположения. Первое (гипотеза избыточности) состоит в том, что реальные таблицы имеют избыточность, проявляющуюся в наличии похожих между собой объектов (строк) и зависящих друг от друга свойств (столбцов). Если избыточность отсутствует (как, например, в таблице случайных чисел), то предпочесть один прогноз другому невозможно. Второе предположение (гипотеза аналогичности) состоит в утверждении, что, если некоторая пара объектов близка по значениям (и-1) свойств, то она близка и по «-ному свойству.
Формализация оптимизационной модели выбора начального плана лечения
Процесс формирования информационной базы для моделирования включает следующие этапы: формирование перечня исследуемых показателей; сбор фактического материала, разработка базы данных; преобразование качественных характеристик в количественные оценки; заполнение пробелов; фильтрация информации; выбор основных контролируемых показателей, характеризующих состояние медицинской системы; анализ значимости модифицируемых и немодифицируемых факторов, влияющих на состояние здоровья; оптимизация признакового пространства; формирование однородных групп больных. 2. Повысить качество информационной базы для моделирования возможно за счет предварительной обработки статистической информации, включающей алгоритмы преобразования количественных характеристик в численные оценки, восстановления пробелов, фильтрации информации с целью исключения недостоверных сообщений. 3. Точность моделей, построенных на основе статистических методов в значительной мере зависит от количества учитываемых параметров, поэтому уже на этапе исследования целесообразно осуществить выбор оптимального признакового пространства. Критерием оптимальности является минимизация числа измеряемых параметров при условии обеспечения достаточной информативности выбранной параметрической системы. 4. Моделирования состояния больного необходим выбор наиболее информативных показателей на основе энтропийных оценок или вычислении суммы коэффициентов взаимной информации, либо иных показателей связи. В случае, когда нет отдельного показателя, адекватно описывающего состояние больного, а по нескольким показателям оценка затруднена, разрабатывается интегральный показатель, являющийся сверткой нескольких невзаимосвязанных составляющих с учетом их значимости. 5. В случае, если в исходную выборку вошли объекты, принадлежащие различным классам, производится выделение однородных групп на основе методов кластерного анализа и информационных оценок неоднородности. Решение важных для практического здравоохранения задач ранней дифференциальной диагностики схожих по симптоматике заболеваний, прогнозирование течения патологического процесса, оценка и сравнение эффективности фармакологических воздействий, выбор адекватной индивидуальной терапии, управление процессом лечения требуют создания специальной системы математического и программного обеспечения, ориентированной на этот класс задач. Диагностика - типичный кибернетический процесс, связанный со сбором, передачей, хранением и переработкой информации. Важным принципом кибернетической диагностики является стремление к получению максимальной информации при ограниченном объеме исследований и их строгой последовательности, когда каждое следующее диктуется результатами предыдущих. С любым новым исследованием информационная энтропия уменьшается и при полной определенности диагноза обращается в нуль. Основные задачи вычислительной диагностики состоят в постановке объективного диагноза на основе медицинского опыта, выяснении достаточности медицинской информации для установления диагноза, в выработке рекомендаций по оптимальному маршруту диагностического обследования. Успешное применение персональных компьютеров для диагностики заболеваний требует выполнения ряда условий: 1) выделение заболеваний, которые целесообразно диагностировать с помощью компьютера (острые заболевания, требующие срочного врачебного вмешательства, а также заболевания, редко встречающиеся или представляющие трудности для распознавания); 2) стандартизация и унификация оценки показателей и терминологии; 3) упорядочение системы документооборота; 4) установление вероятностей различных признаков в разных симптомокомплексах для определения их значения в диагнозе; 5) разработка методов оптимального квантования информации; 6) рациональная систематизация и кодировка обнаруживаемых симптомов; 7) составление матриц с полным перечнем заболеваний определенных групп и с указанием симптомов, встречающихся при них; 8) разработка и подбор диагностических алгоритмов, обладающих достаточно высокой разрешающей способностью и др. С точки зрения системного анализа установление диагноза и прогноза заболевания можно интерпретировать как процесс распознавания образа, т.е. отнесения рассматриваемого наблюдения к одному из известных классов. Поэтому естественно, что наибольшее распространение при диагностике и прогнозировании заболеваний получили алгоритмы, основанные на теории распознавания образов. В кардиологии наибольшее распространение получили вероятностные алгоритмы, основанные на использовании формулы Байе-са; поиск клинического прецедента; методы оптимальной линейной фильтрации, последовательного статистического анализа по Вальду, фазового интервала, разделения в пространстве признаков, дискриминантного и кластерного анализа, деревьев решений. При проведении нашего исследования в качестве базовых были выбраны алгоритмы дискриминантного и кластерного анализа.
Дифференциальная диагностика и лечение осложнений инфаркта миокарда
Проблема выбора тактики целенаправленного воздействия на развитие и прогрессирование атеросклеротических сосудистых поражений связана в первую очередь с неопределенностью изменения как самого состояния больного, так и влияния лекарственных препаратов. Такое положение дел в первую очередь обусловлено отсутствием четко выделенных закономерностей прогрессирования сосудистых поражений.
Не всегда возможно установить прямую зависимость между факторами риска и состоянием пациента. При прогнозе состояния больного наиболее важным оказывается не конкретное значение факторов риска, а фактор времени, т.е. как долго продолжалось негативное воздействие на организм больного. В такой ситуации при построении моделей необходимо учитывать и время воздействия факторов риска на больного.
При определении риска развития атеросклероза необходимо учитывать, что большинство факторов риска тесно взаимодействуют и оказывают усиливающее влияние друг на друга, поэтому их следует рассматривать в совокупности. Выбор сдерживаемых факторов определяется исходя из механизма действия применяемых препаратов, противопоказаний к их использованию, стоимости, длительности проводимой терапии.
В связи с этим, задача, связанная с анализом факторов риска, моделирования развития и выбора оптимальной схемы лечения сосудистых поражений при атеросклерозе различной локализации и сахарном диабете является актуальной и своевременной. Проведенное исследование включало следующие этапы: - формирование информационной базы по каждой локализации атеросклероза; - предварительная обработка информации с целью исключения недостоверных сообщений и исключения параметрической избыточности; - анализ значимости факторов риска; - построение прогностических моделей развития атеросклероза; - разработка оптимизационной модели выбора рациональной схемы лечения. При этом исследовались следующие варианты атеросклероза: атеросклероз сонных, коронарных артерий, сосудов нижних конечностей, атеросклероз на фоне инсулинозависимого и инсулинонезависимого сахарного диабета [17, 19-30,32, 128, 129, 143-146]. На основе архивной информации были сформированы следующие информационные базы: БД «Диабет I» (атеросклероз на фоне инсулинозависимого сахарного диабета) — 104 человека; БД «Диабет II» (атеросклероз на фоне инсулинонезависимого сахарного диабета)- ЮЗчеловек; БД «Коронарография» (атеросклероз коронарных артерий) - 384 человека; БД «Ноги» (атеросклероз нижних конечностей) - 187 человек; БД «Сонные» (атеросклероз сонных артерий) - 205 человек. По каждому пациенту регистрировалось более 60 показателей, полный их перечень с указанием используемых обозначений, единиц измерения, функциональных границ и тенденции изменения при патологии приведен в приложении 4. Фильтрация информации производилась для каждой из пяти анализируемых баз, соответствующих различным локализациям атеросклероза. На втором этапе для определения степени достоверности сообщений использовалось выражение (2.14). По каждой информационной базе были построены гистограммы распределения степеней достоверности объектов, исходя из которых были определены пороговые значения степени достоверности объектов. Вычисление оценки значимости факторов риска, связанных с атеро-склеротическим поражение включает выбор наиболее информативного показателя, отражающего тяжесть заболевания и оценку степени взаимосвязи (коэффициентов корреляции) факторов риска с ведущим показателем (Y). Для выбора наиболее информативного показателя, отражающего тяжесть заболевания, оценивалась взаимосвязь всех имеющихся показателей с использованием корреляционного анализа и по каждому показателю вычислялась сумма коэффициентов корреляции. В качестве ведущего предлагалось использовать показатель, для которого вычисленная сумма окажется максимальной.
![Анализ, моделирование и алгоритмизация процесса диагностики вертебрально-базилярной недостаточности на основе инструментальных методов исследования [Электронный ресурс]](/i/i/4465/168237.png "Анализ, моделирование и алгоритмизация процесса диагностики вертебрально-базилярной недостаточности на основе инструментальных методов исследования [Электронный ресурс] Кривцова Людмила Ивановна")
