Содержание к диссертации
Введение
Глава 1. Автоматизированные медицинские информационные системы для массовых профилактических обследований в кардиологии 12
1.1. Функциональные исследования в условиях кардиологического скрининга 12
1.2. Автоматизированная обработка данных клинических функциональных исследований (на примере электрокардиограмм) 21
Глава 2. Метод коллективного распознавания 31
2.1. Формирование коллектива алгоритмов 31
2.2. Определение весовых коэффициентов 35
2.3. Меры близости для анализа описания и сравнения характеристик состояния сердечно-сосудистой системы 41
Глава 3. Построение диагностических алгоритмов количественной оценки состояния сердечно-сосудистой системы на примере гипертрофии левого желудочка 44
3.1. Математические модели электрокардиографической диагностики 44
3.2. Переход от качественного описания к количественным показателям 46
3.3. Анализ кардиосигналов коллективом решающих правил (на примере гипертрофии левого желудочка) 50
Глава 4. Построение алгоритмов количественной оценки состояния сердечно-сосудистой системы на примере идентификации хронической сердечной недостаточности 68
4.1. Хроническая сердечная недостаточность 68
4.2. Модель для формализованного описания развития хронической сердечной недостаточности с учетом степени тяжести доклинических и клинических проявлений на основе гемодинамических характеристик ремоделирования левого желудочка 76
4.3. Идентификация хронической сердечной недостаточности коллективом решающих правил
Заключение 102
Литература 103
- Функциональные исследования в условиях кардиологического скрининга
- Определение весовых коэффициентов
- Переход от качественного описания к количественным показателям
- Хроническая сердечная недостаточность
Функциональные исследования в условиях кардиологического скрининга
В настоящее время сердечно-сосудистые заболевания (ССЗ), в том числе и ишемическая болезнь сердца (ИБС), являются основной причиной заболеваемости, инвалидности и смертности в большинстве стран мира [8,60,99,100,101,134,157,163,165,174,119,182,183].
ССЗ - наиболее частая причина преждевременной инвалидизации и временной нетрудоспособности популяции. ИБС, ГБ, некоронарогенные поражения сердечно-сосудистой системы (ССС) и их осложнения наносят обществу большой социальный ущерб, поражая самые деятельные круги населения [46, 73, 98, 125,132]. Поэтому борьба с ССЗ является не только одной из важных задач медицинской науки и практического здравоохранения, но и социальной и экономической проблемой [131, 148].
Остановить рост, уменьшить распространенность, снизить смертность от ССЗ можно только с помощью системы научно-обоснованных массовых профилактических мероприятий [132,136]. Решению этой важнейшей задачи здравоохранения способствуют массовые профилактические обследования населения на базе амбулаторно-поликлинических учреждений, кардиологических диспансеров и консультативно-диагностических центров [27].
Первые эпидемиологические исследования населения, начатые в СССР с середины 60-х годов, ставили своей целью определение распространенности ССЗ и их связи с факторами риска. Только исходя из результатов таких исследований стало возможным научно-обоснованное планирование мероприятий по первичной и вторичной профилактике основных ССЗ [75, 102].
При проведении массовых профилактических обследований населения использовались наиболее простые и доступные эпидемиологические методы диагностики ССЗ и выявления факторов риска (ФР): опрос по кардиологической анкете для выявления стенокардии напряжения, антропометрические измерения, стандартизованыые записи артериального давления (АД), биохимические исследования крови по определению липидного профиля, кодирование ЭКГ по Миннесотскому коду [63,137, 145, 116].
В последнее десятилетие на этапе углубленных кардиологических обследований с целью диагностики преморбидных и латентно протекающих ССЗ в популяционных исследованиях нашли применение некоторые специальные методы функциональной диагностики: ЭКГ-нагрузочные пробы, сцинтиография с таллием, ЭхоКГ, ультразвуковое сканирование сердца и др. [30,29,31,108,170,171,184].
Исследования в данном напрвлении подтверждают, что использование комплекса неинвазивных функциональных методов для углубленных кардиологических обследований позволяют повысить эффективность скрининга в плане раннего выявления ССЗ и обеспечить контроль и управляющие воздействия, способствующие их предупреждению и лечению.
В литературе обсуждается накопленный на базе крупных консультативно-диагностических центров и кардиологических диспансеров, опыт проведения многоэтапных кардиологических обследований населения с использованием на начальном этапе элементарных доврачебных процедур скрининга для экспресс-оценки функционального состояния организма, установления индивидуального перечня факторов риска и выявления лиц с вероятной сердечно-сосудистой патологией, а также комплекса функциональных методов исследований на этапе углубленных кардиологических обследований для обеспечения постановки диагноза и рекомендаций по лечению [94,93].
Несмотря на то, что такие методы функциональной диагностики как ЭКГ-нагрузочные пробы, рентгено-радиологические методы, ЭХОКГ и ультразвуковое сканирование сердца прочно вошли в клиническую практику, целесообразность их практического применения в процессе массового кардиологического скрининга до настоящего времени является предметом дискуссии в основном по причинам сложности процесса обработки результатов исследования и больших экономических затрат на исследование.
Использование современной вычислительной техники и эфективных устройств съема и отображения информации позволяет преодолеть препятствие по обработке многочисленных оцениваемых данных, а также снять проблему занятости значительного числа квалифицированных специалистов в профилактических осмотрах контингентов практически здоровых лиц [164].
Показано, что автоматизация кардиологического скрининга обеспечивается на базе автоматизированных медико-диагностических комплексов со встроенными вычислителями и анализаторами, включенными в вычислительную сеть медицинской информационной системы [1,2,7,15,44,49,53,54,66,180,186].
Для создания эффективной профилактической кардиологической службы здравоохранения большинством специалистов в этой области предлагается рассмотреть следующие основные принципы построения базовой модели центра массовых кардиологических обследований населения: 1) создание многоуровневой системы массовых кардиологических обследований, 2) использование на этапе углубленных кардиологических обследований комплекса специальных неинвазивных функциональных методов исследования, адекватных обследуемому контингенту практически здоровых лиц и пригодных для доклинической диагностики ССЗ и прогнозирования риска развития ССЗ, 3) возможность проспективного наблюдения [10,44,94,130,152,154,164]. Разработка архитектуры автоматизированного медико-технического комплекса (АМТК) кардиологического профиля рассматривается с системных позиций формирования информационных потоков и проектирования локальных вычислительных: систем. К отличительным особенностям медицинских информационных систем, предназначенных для массовых скринирующих обследований, большинство исследователей относят высокую пропускную способность, четко сформированные информационные потоки, обеспечивающие своевременное поступление данных на автоматизированное рабочее место (АРМ) врача, на информатор пациента и в банк данных [7,56,55].
На всех этапах реализации проектов указанных систем, по мнению многих авторов, определяющую роль играет разработка методического информационного обеспечения, систем кардиологического скрининга, и, в частности, построение адекватных моделей диагностического процесса, учитывающих наличие или отсутствие заболевания или течение его в атипичной форме, а также возможность прогнозирования риска его развития [152,169].
Определение весовых коэффициентов
Математические модели электрокардиографической диагностики позволяют сознательно применять математические методы при анализе электрокардиограмм. Математические модели электрокардиографической диагностики дают теоретическую основу для автоматической интерпретации электрокардиограмм. Например, формальное описание манипуляций, которые выполняет врач с ЭКГ, можно рассматривать как математическую модель, используемую для написания машинных программ интерпретации ЭКГ. такого рода программы получили широкое распространение уже в первые годы применения ЭВМ в кардиологии. Широко известен Миннесотский код ЭКГ. Эта модель приспособлена к нуждам эпидемиологии и имитирует врача-электрокардиолога в ситуации, когда он распределяет электрокардиограммы по нескольким заданным категориям.
Программы интерпретации электрокардиограмм, согласованные с формальным описанием обычной процедуры "расшифровки" ЭКГ в клинике, полезны с разных точек зрения. Прежде всего, такие программы работают быстрее, чем врач. Можно изготовить достаточное количество автоматических систем, в которых заложены программы, копирующие хорошего электрокардиолога, чтобы стала разрешимой задача массового обследования населения для выявления сердечно-сосудистых заболеваний на ранних стадиях. Разработчики программ сталкиваются со значительными трудностями того же типа, что и в других задачах моделирования интеллектуальной деятельности. Поэтому наряду с попытками копировать приемы электрокардиографистов естественны усилия развивать модели, более привычные для инженеров и математиков, нежели для врачей. Эти усилия оправданы, поскольку модели врача не дают вполне удовлетворительного решения проблемы автоматизации диагностики. ЭВМ помогают развивать имитационные модели - уточнять границы нормы и патологии в терминах, которыми пользуются электрокардиологи. Кроме того, известны попытки вообще отойти от старых понятий (зубцы, интервалы, сегменты) и построить новые системы признаков или информативных электрокардиографических параметров. Новые признаки отыскиваются эмпирически, методами математической статистики и распознавания образов, на основе больших коллекций электрокардиограмм. Следует отметить и биофизический подход к интерпретации ЭКГ. Его можно рассматривать как синтез современных представлений об электрической активности сердца и нужд клинической электрокардиографии. Именно в рамках биофизического подхода получили развитие электрические эквивалентные генераторы сердца. Эквивалентный генератор — это математическая модель, положенная в основу биофизического подхода, теоретическая основа его алгоритмизации.
Итак, можно выделить по крайней мере три сильно различающихся между собой подхода к интерпретации ЭКГ при помощи ЭВМ: имитация врачебной процедуры — врачебный подход; эмпирический поиск признаков — информационный подход; интерпретация в терминах биофизики - биофизический подход. Известные исследования представляются некоторыми комбинациями названных подходов и тяготеют, как правило, к одному из них. Математические модели трех основных подходов различны. Их обоснования тоже различны. Чтобы получить разносторонне обоснованные процедуры автоматического анализа ЭКГ, желательно сопрячь достоинства всех трех подходов.
Математические модели информационного подхода — это чаще всего вероятностные модели. Не следует противопоставлять врачебный и информационно-физический подходы. Их связи очевидны. Врачебный подход вобрал в себя опыт клиницистов практиков и достижения медицинской науки. В своих эмпирических поисках медики пользуются биофизическими представлениями, хотя в достаточно упрощенном; виде трудно провести резкую грань между врачебным и биофизическим подходами, тем более, что оба они нуждаются в статистическом уточнении, т.е. связаны с информационным подходом. Примером плодотворных связей врачебного и биофизического подходов служит векторный анализ ЭКГ в том виде, как его используют клиницисты. Он состоит в том, чтобы по величине зубцов и интервалов ЭКГ, т.е. по традиционным врачебным электрокардиографическим параметрам, составить представление о величине и ориентации "вектора сердца" в разные фазы сердечного цикла.
Преимущества врачебного подхода: обработка уникальных ЭКГ, дифференциальная диагностика — обработка пограничных случаев. Одна из основных целей построения математических моделей реальных систем - найти способ обработки имеющейся информации для выбора рациональных вариантов управления системой. Очень часто, и особенно при исследовании медицинских систем, значительное количество информации о системе может быть получено от людей, имеющих опыт работы с данной системой и знающих ее особенности, имеющих представление о целях функционирования системы и т.п. эта информация носит субъективный характер, и ее представление в естественном языке , как правило, содержит большое число неопределенностей типа «высокий зубец», «низкий», «сильно увеличен» и т.п., которые не имеют аналогов в языке традиционной математики. Вместе с тем наличие математических средств отражения нечеткости исходной информации позволило бы построить модель более адекватную реальности. Поэтому необходимо формализовать диагностический процесс анализа электрокардиограмм. Можно выделить следующие этапы формализации диагностического процесса: 1. Формирование множества входных параметров анализа ЭКГ, выделение критериев, симптомокомплексов , уточнение диагностических порогов для критериев, формирование оценочных шкал и словарей диагностических заключений. 2. Формирование диагностических правил, алгоритмов получения промежуточных и окончательных диагностических заключений. 3. Создание и развитие обучающих систем. — этап интеллектуальной поддержки деятельности врача средствами получения, представления и вывода знаний.
Переход от качественного описания к количественным показателям
Логику врача-кардиолога зачастую моделируют средствами математической логики (булевой алгебры), и тогда методы вычисления формализованного заключения по ЭКГ являются методами вычисления значений некоторых булевых функций уі= фі (хі, Х2,.„). Значению «единица» і-й функции (уі = 1) соответствует диагностический вывод о наличии болезни с номером і. Входными параметрами, или аргументами, являются двоичные переменные хь х ..., которые соответствуют истинности утверждений о том, что некоторый параметр ЭКГ находится в заданных пределах. Пример утверждения такого рода: «Длительность интервала QRS превышает 0.13 с». Если это утверждение истинно, т.е. соответствующая переменная xs-1, то у пациента имеет место блокада левой ножки пучка Гиса. Таким образом, в этом случае булева функция, которая соответствует данному типу блокады, есть одноместная тождественная функция ф; (х) = Xj Разумеется, далеко не всегда удается на ЭКГ такие параметры величина которых столь непосредственно связана с диагностическими выводами. Обычно функции соответствия ф сложнее и имеют несколько аргументов. Число аргументов и число функций довольно значительны, и потому для удобства вычислений решающему правилу придается вид логического дерева, оконечным ветвям которого соответствуют те или иные диагностические заключения.
Интересные задачи возникают при необходимости модифицировать решающее правило, чтобы принимаемые решения в большей мере соответствовали диагностическим заключениям врача электрокардиолога. Корректировать параметры, от которых зависят значения двоичных аргументов, и менять структуру логического дерева можно не только единовременно, но и непрерывно в процессе эксплуатации решающего правила при появлении примеров, которые не укладываются в ранее сформированное решающее правило. Здесь оказываются полезными рекуррентные алгоритмы обучения классификации.
Принадлежность данной ЭКГ классу "ГЛЖ" по выделенному набору входных параметров определяется принадлежностью каждого выделенного критерия (группы критериев) классу "ГЛЖ". Следует отметить, что элементы вектора диагностических критериев х = (xl,x2,...) могут также иметь различные весовые коэффициенты важности для данного правила (высказывания).
Рассмотрим процесс решения коллективом решающих правил задачи анализа электрокардиосигналов с целью классификации ЭКГ на диагностические классы: «Гипертрофия левого желудочка», «возможно гипертрофия левого желудочка», «гипертрофия левого желудочка отсутствует». Основной целью данного исследования являлось выяснение вопросов, связанных с организацией коллективного решения с помощью предложенных алгоритмов классификации. Материалом для обучения коллектива и проверки качества этого обучения служили образцы электрокардиосигналов из архива CSE (150 штук) [12].
Был организован коллектив, состоящий из пяти алгоритмов диагностики гипертрофии левого желудочка: алгоритм, работающий в системе электрокардиоанализатор компьютерный ЭК12К-01 «Альтон»; алгоритм, работающий в системе IBM; алгоритм, работающий в системе Mortara, алгоритм по Romhilt-Estes; алгоритм на основе признаков гипертрофии левого желудочка, разработанных З.И. Янушкевичусом и 3 .И.Шилинскайте.
Хроническая сердечная недостаточность
Процесс развития гиперфункции и гипертрофии миокарда левого желудочка (ЛЖ) может быть описан моделью, рассматривающей перенапряжение миокарда ЛЖ как следствие его структурно функциональной перестройки (ремоделирование) с композицией из 3-х компонент (гипертрофия, дилятация, перегрузка). При этом, переход от нормы к патологии моделируется как изменение интенсивности функционирования миокардиальных структур, а перегрузка и ранняя гипертрофия миокарда классифицируются как стадия напряжения механизмов адаптации и компенсации при сохранении достаточного функционального резерва. В качестве интегральной характеристики функционального перенапряжения ЛЖ использован показатель, ассоциированный с глобальной сократимостью миокарда, а именно: снижение уровня фракции выброса (ФВ) ЛЖ менее 50%. Кроме того, учитывался и тот факт, что снижение систолической функции является маркером диастолических расстройств и всегда сопровождается нарушениями диастол ического наполнения сердца. Изолированная диастолическая недостаточность (ДН) идентифицировалась при наличии нарушения расслабления или заполнения ЛЖ при нормальной или незначительно сниженной сократительной способности миокарда (ФВ более 50%). Диагностика диастолической дисфункции (ДД) ("гипертрофический» или «псевдонормальный» спектр) и изолированной ДН («псевдонормальный» или рестриктивный спектр кровотока) оценивалась по критериям Канадской классификации по спектру трансмитрального кровотока по данным эходопплерографии. В качестве способа расчета ФВ левого желудочка использована объем - корригированная формула Teichholz. (геометрия вытянутого эллипсоида). В нее включены исходные параметры: конечно диастолический (КДР) и конечно - систолический (КСР) размеры полости левого желудочка, измеренные в М - режиме. Диагностические критерии ГЛЖ с учетом типа структурно-функциональной перестройки и функционального перенапряжения, адаптированные к условиям кардиологического скрининга, приведены в таблице 4.2. Как видно на таблице 4.2, проанализированы следующие варианты ГЛЖ» отражающие различные типы структурно-функциональной перестройки: Локальный (ранний) симметрический (преобладание толщины МЖП (ТМЖП) над толщиной задней стенки ЛЖ (ТЗСЛЖ); однако их соотношение не более 1.5). Концентрический (перегрузка давлением во время систолы -«постнагрузка» - развитие равномерной гипертрофии всех стенок ГЛЖ, но без увеличения полости ЛЖ); Эксцентрический (перегрузка объемом во время диастолы -«преднагрузка» - увеличение полости ЛЖ преобладает над увеличением толщины стенок ЛЖ). В соответствии с задачами диагностики ранних стадий ГЛЖ нами выделены дополнительно типы ранней и определенной ГЛЖ, отражающие не только характер адаптационно-компенсаторных изменений в условиях длительного процесса перестройки (изменения структуры и функции при переходе от нормы к патологии), но и степень этих изменений.
Апробация разработанных систем принятия решений для оценки раннего перенапряжения ЛЖ и идентификации ХСН проведена с применением методологии медицины доказательств по результатам хорошо организованных клинико-эпидемиологических исследований [78,79,80,81].
Полученные результаты применения разработанной системы признаков и критериев для оценки распространенности ГЛЖ и ХСН в условиях кардиологического скрининга представлены на рис. 4.3. и рис. 4.4.
Так, оценка распространенности ГЛЖ и ХСН среди представительной, случайной выборки участников ликвидации последствий аварии (ЛПА) из Московского регистра (п=395, отклик 77%) в сравнении с контрольной группой - представительной, случайной выборки популяции мужчин неорганизованного населения одного из районов г. Москвы (п= 382, отклик 70%) показала следующее.
Согласно полученным результатам стандартизованная по возрасту распространенность ГЛЖ в выборке участников ЛПА по сравнению с контрольной группой (рис.4.3) - достоверных различий не имеет (28,6% против 26,3%). Однако выявлены достоверные различия по степени развития ГЛЖ: так, среди «ликвидаторов» преобладает определенная ГЛЖ (концентрический и эксцентрический типы ГЛЖ), в то время, как среди пациентов в группе сравнения - ранняя ГЛЖ (локальный, симметричный тип), что свидетельствует о более выраженных структурно-функ-циональных изменениях миокарда в когорте «ликвидаторов».
Стандартизованная по возрасту распространенность ХСН в указанных группах по степени тяжести ее проявлений представлена на рис.4.4. Как видно на рис.4.4., стандартизованная по возрасту распространенность клинически выраженной ХСН в неорганизованной популяции мужчин составляет 2,8%, а среди участников ЛПА частота встречаемости ХСН возрастает до 8,6%.
