Содержание к диссертации
Введение
1. Общие подходы построения ителлектуальных систем управления для лечения аутоиммунного тиреоидита 9
1.1. Современное состояние и основные принципы диагностики и лечения аутоиммунного тиреоидита 9
1.2. Применение интеллектуальных систем поддержки принятия решений при управлении процессами лечении аутоиммунного тиреоидита 16
1.3. Цель и задачи исследования 25
2. Методика выбора начальной тактики лечения аутоиммунного тиреоидита на основе статистического моделирования 27
2.1. Информационная технология статистического синтеза критериев и алгоритмов принятия решений при лечении аутоиммунного тиреоидита 27
2.2. Статистический анализ количественных признаков групп больных с аутоиммунным тиреоидитом 40
2.3. Разработка регрессионных моделей выбора начальной схемы лечения аутоиммунного тиреоидита 48
2.4. Выбор тактики лечения аутоиммунного тиреоидита на основе дис-криминантного анализа 57
Выводы второй главы 75
3. Моделирование процесса выбора тактики лечения аутоиммунного тиреоидита на основе неиросетевого моделирования 76
3.1. Особенности и принципы управления динамическими медицинскими объектами на основе нейросетевого моделирования 76
3.2. Методика выбора начальной тактики лечения аутоиммунного тиреоидита на основе нейронных сетей 89
Выводы третьей главы 101
4. Реализация методов интеллектуальной поддержки принятия решений при выборе тактики лечения аутоиммунного тиреоидита 102
Заключение 109
Список литературы 111
Приложение 120
- Современное состояние и основные принципы диагностики и лечения аутоиммунного тиреоидита
- Информационная технология статистического синтеза критериев и алгоритмов принятия решений при лечении аутоиммунного тиреоидита
- Выбор тактики лечения аутоиммунного тиреоидита на основе дис-криминантного анализа
- Особенности и принципы управления динамическими медицинскими объектами на основе нейросетевого моделирования
Введение к работе
Актуальность темы. В последнее время в России и, в том числе, в Воронежской области наблюдается повсеместное увеличение заболеваемости аутоиммунным тиреоидитом и вообще йод дефицитными заболеваниями. По обобщенным сведениям, имеется повсеместный рост аутоиммунного тиреоидита и явное его «омоложение» в детской популяции, где одной из причин является неблагоприятная экологическая обстановка.
Своевременная диагностика тиреоидной патологии в детском и подростковом возрасте включает поэтапное решение вопросов о наличии зобного увеличения органа, выявление признаков аутоиммунного процесса в щитовидной железе и других патоморфологических изменений, оценку функциональной активности тиреоидной ткани. С точки зрения применения математических методов, для рационализации терапии аутоиммунного тиреоидита процесс лечения нарушения функций и структуры щитовидной железы является управляемым и наблюдаемым. Следовательно, для его управления необходимо разработать критерии, методы и алгоритмы, оптимальным образом реализующие терапию аутоиммунного тиреоидита, которые до настоящего времени отсутствовали.
Одним из средств повышения эффективности лечения аутоиммунного тиреоидита является автоматизация обработки клинических и лабораторных данных с использованием компьютерных технологий, как средства, позволяющего принять во внимание индивидуальные характеристики больных. Применение математических методов моделирования для лечения пациентов с эндокринной патологией позволит значительно повысить качество лечебного процесса, обеспечивая возможность более глубокого анализа клинической информации.
Таким образом, актуальность темы исследования обусловлена необходимостью разработки методов интеллектуальной поддержки процесса лече-
ния аутоиммунного тиреоидита на основе математических моделей, алгоритмов и современных компьютерных технологий.
Работа выполнена в соответствии с основными научными направлениями ГОУВПО «Воронежский государственный технический университет» «Биомедкибернетика, компьютеризация в медицине» и «Проблемно-ориентированные системы управления» при выполнении научно-исследовательской работы ГБ 2007.27 «Интеллектуализация принятия управленческих решений в медицинских системах при диагностике и лечении».
Цель и задачи исследования. Целью диссертационной работы является разработка методов и моделей, направленных на повышение эффективности лечения аутоиммунного тиреоидита на основе оценки клинических и лабораторных признаков с применением современных информационных технологий.
Для достижения поставленной цели необходимо решить следующие задачи:
повести статистически анализ значимости клинических и лабораторных признаков, влияющих на выбор начальной тактики лечения аутоиммунного тиреоидита;
проанализировать взаимосвязь между клиническими признаками и начальной тактикой лечения аутоиммунного тиреоидита на основе корреляционно-регрессионного анализа;
разработать математические классификационные модели для каждой схемы лечения аутоиммунного тиреоидита на основе дискриминантного анализа;
реализовать систему интеллектуальной поддержки принятия решений при организации терапии аутоиммунного тиреоидита на базе нейросетевого моделирования;
создать pi апробировать информационно-программный комплекс для обеспечения рациональной терапии аутоиммунного тиреоидита для повышения эффективности лечебного процесса в клинических условиях.
Методы исследования. Для решения поставленных задач в работе были использованы методы системного анализа, теории управления, основные положения теории вероятностей и математической статистики, нейросетево-го моделирования, экспериментальные исследования.
Научная новизна результатов исследования. В работе получены следующие основные результаты, характеризующиеся научной новизной:
методы интеллектуальной поддержки принятия решений при лечении аутоиммуного тиреоидита, ориентированные на анализе клинических, лабораторных и инструментальных данных;
методика оценки наиболее информативных признаков патологии щитовидной железы, позволяющая повысить эффективности лечения аутоиммунного тиреоидита;
математические модели классификации пациентов с патологией щитовидной железы, позволяющие планировать выбор рациональной схемы лечения аутоиммунного тиреоидита;
нейросетевая модель оценки выраженности аутоиммунного тиреоидита, учитывающая индивидуальные клинические особенности пациентов при планировании лечебного процесса;
структура и информационное обеспечение интеллектуальной компьютерной системы выбора схемы лечения аутоиммунного тиреоидита, обеспечивающие интеграцию различных методов и моделей рационального принятия решений в зависимости от ситуации.
Практическая значимость и результаты внедрения. На основе использования различных статистических методов выявлены наиболее информативные признаки патологии щитовидной железы, влияющие на выбор тактики лечения аутоиммунного тиреоидита. Разработана комплексная методи-
ка лечения аутоиммунного тиреоидита на ранних стадиях на основе созданных математических моделей, позволить повысить эффективность процесса принятия решений лечащим врачом.
Разработанная автоматизированная система поддержки принятия решений при выборе тактики лечения аутоиммунного тиреоидита на основе многовариантного моделирования апробирована в консультативном отделе детей Воронежского областного клинического консультативно-диагностического центра.
Материалы диссертации внедрены в учебный процесс на кафедре системного анализа и управления в медицинских системах ГОУ ВПО «Воронежский государственный технический университет».
Апробация работы. Основные положения и научные результаты диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийской конференции «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2007, 2008); Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 2007, 2008); научно-тематическом семинаре «Проблемно-ориентированные системы управления» (Воронеж, 2007, 2008); научно-методическом семинаре кафедры «Системный анализ и управление в медицинских системах» ВГТУ (Воронеж, 2007-2009).
Публикации. По материалам диссертации опубликовано 10 научных работ, в том числе 2 - в изданиях, рекомендованных ВАК РФ.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и приложения, списка литературы из 116 наименований, изложена на 110 страницах и содержит 14 рисунков и 11 таблиц.
Во введении обосновывается актуальность темы диссертационной работы, сформулированы цель и задачи исследования, изложены основные научные положения, определена практическая значимость, приведены сведения об апробации и внедрении работы.
В первой главе рассматривается современное состояние, классификация, методы диагностики и лечения аутоиммунного тиреоидита. Проанализированы пути повышения эффективности лечения аутоиммунного за счет применения интеллектуальных систем поддержки принятия решений.
Во второй главе представлена информационная технология статистического синтеза алгоритмов принятия решений при лечении аутоиммунного тиреоидита. Изучена количественная зависимость начальной схемы лечения аутоиммунного тиреоидита, в виде дозировки препарата L-тироксина от клинических проявлений заболеваний на основе корреляционно-регрессионного анализа. Разработаны классификационные модели для каждой схемы лечения аутоиммунного тиреоидита.
В третьей главе рассмотрены вопросы моделирования процессов лечения аутоиммунного тиреоидита на основе нейросетевых технологий. Выявлена значимость клинических и диагностических признаков при назначении схемы лечения аутоиммуного тиреоидита.
В четвертой главе приведены структура компьютерной системы автоматизированного выбора методов лечения аутоиммунного тиреоидита на основе многовариантного моделирования и результаты апробации и внедрения.
В заключении приведены основные результаты работы.
В приложении представлены акты внедрения.
Современное состояние и основные принципы диагностики и лечения аутоиммунного тиреоидита
Начало двадцать первого века ознаменовалось во всем мире прогрессом на пути преодоления йодной недостаточности. Благодаря усилиям со стороны Международного детского фонда ООН, Всемирной Организации Здравоохранения и Международного совета по контролю за йоддефицитны-ми заболеваниями, множества других правительственных и общественных организаций проблема дефицита йода была признана глобальной и социально значимой для человечества [27, 54, 89].
Интенсивные исследования в детской тиреоидологии привели к появлению веских оснований для пересмотра ранее существовавших приоритетов, касающихся распространенности аутоиммунного тиреоидита и хронологических сроков его дебюта. По обобщенным сведениям, имеется повсеместный рост АИТ и явное его «омоложение», даже в детской популяции. За последние годы во многих районах Воронежской области наблюдается нарастание недостаточности йода. Одной из причин является экологическое неблагополучие в области.
Своевременная диагностика тиреоидной патологии в детском и подростковом возрасте включает поэтапное решение вопросов о наличии зобного увеличения органа, выявление признаков аутоиммунного процесса в щитовидной железе и других патоморфологических изменений, оценку функциональной активности тиреоидной ткани [8, 36, 110].
Заболевание аутоиммунный тиреоидит включает в себя несколько форм, в связи с чем его следует подразделять на следующие классы (рис. 1.1).
Говоря о причинах развития рассматриваемого заболевания, необходимо отметить, что иммунная система организма вырабатывает антитела к своей собственной щитовидной железе. Было установлено, что при этом заболевании выявляются антитела к тироглобулину и к перокспдазе щитовидной железы (микросомальному антигену). Аутоиммунный тиреоидит имеет тенденцию проявляться в виде семейных форм болезни [17, 40].
Одного лишь наличия антитироидных антител еще недостаточно для повреждения структуры щитовидной железы. Имеются многочисленные данные, подтверждающие участие механизмов клеточного иммунитета в патогенезе заболевания. Для развития аутоиммунного процесса в щитовидной железе недостаточно одного факта высвобождения антигенов в кровь, как считалось раньше. При подостром тиреоидите почти постоянно наблюдается выход антигенов (тироглобулина) щитовидной железы в кровяное русло, однако это не ведет к развитию аутоиммунных процессов, которые наблюдаются при аутоиммунном тиреоидите. У родственников лиц, страдающих аутоиммунным тиреоидитом, выявляются другие аутоиммунные заболевания: диффузный токсический зоб, пернициозная анемия, инсулинзависимый сахарный диабет, надпочечниковая недостаточность аутоиммунного генеза, ги-попаратироз и другие заболевания [23, 39, 79].
Диагноз основывается на клинической картине и данных лабораторных исследований. Наличие среди других членов семьи аутоиммунных заболеваний подтверждает возможность аутоиммунного тиреоидита. Если титр антител к тироглобулину в сыворотке крови 1:100 и выше, а титр антител к ти-реоидной пероксидазе выше 1:32, то без сомнения можно сказать, что у обследованного имеется аутоиммунный тиреоидит. В этом случае нет необходимости в биопсии щитовидной железы. Для выяснения сомнительного титра антител в крови показана тонкоигольная биопсия щитовидной железы, помогающая правильной диагностике.
В течение первых лет заболевания жалобы и симптомы, как правило, отсутствуют. В последующем характерна различная степень гипотиреоза, которая может сопровождаться признаками уменьшения размеров щитовидной железы. Тиреоидит с клинической картиной тиреотоксикоза, как правило, встречается в первые несколько лет развития заболевания, носит временный характер и в дальнейшем по мере разрушения и уменьшения функционирующей ткани щитовидной железы он сменяется на некоторое время эутиро-зом, а затем — гипотиреозом [27].
Основные жалобы больных связаны с увеличением щитовидной железы: чувство затруднения при глотании, затруднение дыхания, нередко небольшая болезненность в области щитовидной железы. В зависимости от функционального состояния щитовидной железы аутоиммунный тиреоидит разделяют на эутиреоидный, гипотиреоидный, и гипертиреоидный. Наблюдается симметричное увеличение железы, она, как правило, плотной консистенции и при пальпации определяется неровность - неодинаковой плотности и эластичности поверхность, узловатость.
Информационная технология статистического синтеза критериев и алгоритмов принятия решений при лечении аутоиммунного тиреоидита
Процесс проектирования систем информационной поддержки принятия решений в области медико-биологических исследований, с одной стороны, определяется разработкой моделей мышления врача при постановке диагноза (т.е. созданием экспертной системы), а с другой стороны, развитием математического моделирования медицинских систем и процессов, а также использованием различных алгоритмов распознавания для классификации и постановки диагноза. Наиболее перспективным направлением в данной области исследований является разработка систем поддержки принятия решений, ориентированных не на автоматизацию функций лица, принимающего решения (ЛПР), а на представление ему помощи в поиске оптимального решения. Под системой информационной поддержки принятия решений (СИППР) в медицине понимается интерактивная человеко-машинная система, концептуально объединяющая алгоритмические и эвристические методы решения плохо формализованных задач в медицине, предназначенная для снятия неопределенности процесса принятия решения до некоторого множества возможных альтернатив, представляемых лицу, принимающему решение [93].
Аппарат реализации СИППР, как в медико-биологических исследованиях, так и в технике, опирается на одни и те же принципы и базируется на единой аппаратно-технической основе. Однако информационные аспекты методологии синтеза таких систем в технике и биомедицине имеют различия, обусловленные в первую очередь характером первичных данных: коррелированность диагностических показателей и индивидуальные особенности выраженности одних и тех же показателей у различных лиц.
С учетом основных особенностей медико-биологических данных предлагается информационная методология синтеза СИГШР в медицине, представленная в табл. 2.1. В данной методологии можно выделить шесть основных этапов.
Процесс синтеза системы информационной поддержки принятия решений начинается с разработки ее иерархической структуры (этап 1) на основе системного анализа проблемы, стоящей перед СИППР, и ее декомпозиции на подзадачи по критериям существенности и элементарности, что приводит к получению иерархической структуры. Эта структура будет совпадать со структурой разрабатываемой СИППР, т.е. каждая подзадача будет отождествляться с отдельным блоком системы.
После того, как построена структура СИППР и определены все ее элементарные подзадачи, необходимо сформировать информативные признаки (этап 2), отражающие индивидуальные различия объектов по диагностируемому признаку. Данный этап является трудоемкой и плохо формализуемой задачей, требующей от исследователя глубоких профессиональных знаний. Поэтому составление информативных признаков возможно лишь экспертными методами [93].
При выборе признаков не только по их способности дифференцировать людей с различными патологическими состояниями, но и по некоторым другим критериям (атрибутам) целесообразно использовать метод анализа иерархий, предложенный Саати, который в условиях многокритериальности объединяет аналитический подход, опирающийся на алгебраическую теорию матриц, с экспертными процедурами [14, 35].
Процесс принятия решения с помощью метода анализа иерархий связан с вычислением приоритетов (весов) признаков в целях выбора наилучших. Для оценки весов признаков экспертами осуществляется их попарное сравнение относительно каждого критерия.
Выбор тактики лечения аутоиммунного тиреоидита на основе дис-криминантного анализа
Для построения математических моделей выбора тактики лечения аутоиммунного тиреоидита был применен дискриминантный анализ, позволяющий прогнозировать, к какой схеме лечения будет принадлежать тот или иной пациент.
Дискриминантный анализ является разделом многомерного статистического анализа, который позволяет изучать различия между двумя и более группами объектов по. нескольким переменным одновременно. Дискриминантный анализ - это общий термин, относящийся к нескольким тесно связанным статистическим процедурам. Эти процедуры можно разделить на методы интерпретации межгрупповых различий -дискриминации и методы классификации наблюдений по группам [49, 60].
Дискриминантный анализ используется для принятия решения о том, какие переменные различают (дискриминируют) две или более возникающие совокупности (группы). Медик может регистрировать различные переменные, относящиеся к состоянию больного, чтобы выяснить, какие переменные лучше предсказывают, что пациент, вероятно, выздоровел полностью (группа 1), частично (группа 2) или совсем не выздоровел (группа 3). Методы классификации связаны с получением одной или нескольких функций, обеспечивающих возможность отнесения данного объекта к одной из групп. Эти функции называются классифицирующими и зависят от значений переменных таким образом, что появляется возможность отнести каждый объект к одной из групп [60, 98]. Основной целью дискриминации является нахождение такой линейной комбинации переменных (в дальнейшем эти переменные будем называть дискриминантными переменными), которая бы оптимально разделила рассматриваемые группы. Линейная функция называется канонической дискриминантной функцией с неизвестными коэффициентами Д. Здесь dkm - значение дискриминантной функции для т го объекта в группе к; хікт - значение дискриминантной переменной х, для т го объекта в группе к. С геометрической точки зрения дискриминантные функции определяют гиперповерхности в /7-мерном пространстве. В частном случае при/? = 2 она является прямой, а при/? = 3- плоскостью. Коэффициенты Д первой канонической дискриминантной функции выбираются таким образом, чтобы центроиды различных групп как можно больше отличались друг от друга. Коэффициенты второй группы выбираются также, но при этом налагается дополнительное условие, чтобы значения второй функции были некоррелированы со значениями первой. Аналогично определяются и другие функции. Отсюда следует, что любая каноническая дискриминантная функция d имеет нулевую внутригрупповую корреляцию с Если число групп равно g, то число канонических дискриминантных функций будет на единицу меньше числа групп. Однако по многим причинам практического характера полезно иметь одну, две или же три дискриминантных функций. Тогда графическое изображениее объектов будет представлено в одно-, двух- и трехмерных пространствах. Такое представление особенно полезно в случае, когда число дискриминантных переменных/? велико по сравнению с числом групп g. Для получения коэффициентов Д канонической дискриминантной функции нужен статистический критерий различения групп. Очевидно, что классификация переменных будет осуществляться тем лучше, чем меньше рассеяние точек относительно центроида внутри группы и чем больше расстояние между центроидами групп. Разумеется, что большая внутригрупповая вариация нежелательна, так как в этом случае любое заданное расстояние между двумя средними тем менее значимо в статистическом смысле, чем больше вариация распределений, соответствующих этим средним. Один из методов поиска наилучшей дискриминации данных заключается в нахождении такой канонической дискриминантной функции d, которая бы максимизировала отношение межгрупповой вариации к внутригрупповой [60, 98]
Особенности и принципы управления динамическими медицинскими объектами на основе нейросетевого моделирования
Стремление повысить эффективность функционирования сложных динамических систем за счет перехода в новую стадию требует научного обоснования этих процессов для перехода к рациональному управлению, анализа характеристик ситуации в целом, новых подходов к оценке эффективности и качества их функционирования. В основе интегрированных показателей должны лежать динамические представления о процессах, протекающих в социальных системах, что требует принципиально новых методов накопления информации и ее аналитической обработки [29, 65, 77].
В настоящее время особую актуальность приобретают интеллектуальные системы управления, ориентированные на работу в условиях неполноты или нечеткости исходной информации, неопределенности внешних возмущений и среды функционирования, требующие привлечения методов и технологий искусственного интеллекта.
Концептуальная архитектура любой интеллектуальной системы управления (ИСУ) должна содержать следующие основные блоки: база знаний с развитыми механизмами вывода на знаниях; интеллектуальный блок, формирующий постановку и общий план решения задачи; интеллектуальный блок, формирующий конкретный план решения задачи; системы объяснения; интерфейс с пользователем.
Построение любой ИСУ должно соответствовать следующим пяти принципам организации интеллектуальной управляющей структуры: - наличие тесного информационного взаимодействия управляющих систем с реальным внешним миром и использование специально организо ванных информационных каналов связи; - принципиальная открытость систем для повышения интеллектуальности и совершенствования собственного поведения; - наличие механизмов прогноза изменений внешних условий и собственного поведения системы в динамически меняющейся внешней среде; - построение управляющей системы в виде многоуровневой иерархической структуры в соответствии с правилом: повышение интеллектуальности и снижение требований к точности по мере повышения ранга иерархии в системе; - сохраняемость функционирования (возможно, с некоторой потерей качества или эффективности) при разрыве связей или потере управляющих воздействий от высших уровней иерархии управляющей структуры. Разработка ИСУ может базироваться на четырех различных информационных технологий: технологии экспертных систем; технологии нечеткой логики; технологии ассоциативной памяти; технологии нейросетевых структур. Отличительной особенностью технологии экспертных систем является возможность работы с формами явного представления знаний, включая продукционные правила, предикаты, семантические сети и фреймовые структуры. Направление в развитии ИСУ основанное на применении технологии нечеткой логики, ориентировано на обработку логико-лингвистических моделей представления знаний. Модели такого типа предназначены для формализации неточных, размытых в смысловом отношении суждений и стоятся с использованием обобщенных категорий, задающих классификацию исходных понятий на уровне нечетких множеств [44, 65]. Технологии ассоциативной памяти предполагают использование механизмов восстановления целостных образов по их отдельным элементам и сводится к работе с многомерными массивами данных. Один из перспективных подходов к организации обработки неявных форм представления знаний связан с применением технологии нейросетевых структур (нейросетевое моделирование). Эта технология построения ИСУ предполагает формирование однородных структур, состоящих из множества взаимосвязанных элементов с заданной характеристикой преобразования сигналов. Совокупность знаний, закладываемых в процессе обучения такой структуры, определяется настройкой коэффициентов межэлементных связей и позволяет обеспечить надежную классификацию предъявляемых примеров. При этом важнейшей особенностью нейросетевых структур является их высокое быстродействие, достигаемое за счет параллельности обработки информации при их аппаратной реализации [29].
Искусственным нейроном называется простой элемент, состоящий из взвешенного сумматора и нелинейного элемента, сначала вычисляющий взвешенную сумму V входных величин ХІ : размерность пространства входных сигналов.
Затем полученная сумма сравнивается с пороговой величиной Wo, вслед за чем вступает в действие нелинейная функция активации/ Коэффициенты {Wi) во взвешенной сумме обычно называют синаптическими коэффициентами или весами. Саму же взвешенную сумму V мы будем называть потенциалом нейрона /. Выходной сигнал тогда имеет вид/(Т).
