автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Разработка и реализация математических моделей неотложных состояний терапевтического профиля на персональных ЭВМ и их применение в клинической практике

О од

! /дял 1998

На правах рукописи

РАДЧЕНКО Станислав Витальевич

РАЗРАБОТКА И РЕАЛИЗАЦИЯ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ НЕОТЛОЖНЫХ СОСТОЯНИЙ ТЕРАПЕВТИЧЕСКОГО ПРОФИЛЯ НА ПЕРСОНАЛЬНЫХ ЭВМ И ИХ ПРИМЕНЕНИЕ В КЛИНИЧЕСКОЙ ПРАКТИКЕ

05.13.09 — управление в медицинских и биологических системах

Автореферат диссертации на соискание учёной степени кандидата медицинских наук

Москва -1998

Работа выполнена в Казанском государственном медицинском университете

Научный руководитель: доктор медицинских наук, профессор, заслуженный врач РФ

И.Г. Салихов

Научный консультант:

доктор технических наук, профессор В.Н. Новосельцев Официальные оппоненты:

доктор медицинских наук, профессор А.Г. Устинов доктор технических наук А.Л. Сергиевская

ведущая организация:

Информационно-консультативный токсикологический центр МЗ РФ ■

Зашита диссертации состоится

1993 г. в

на заседании специализированного Совета Российского государственного медицинского университета (К 084.14.04) по адресу: Москва,

ул. Островитянова, д.1

ч.

С диссертацией можно ознакомиться в библиотеке РГМУ

Автореферат разослан "_"__1998 г.

Учёкьй секретарь специализированного Совета, кандидат медицинских наук, доцент

И.В. Буромский

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. Оказание медицинской помощи при неотложных состояниях (НС) является одним из наиболее сложных и ответственных разделов клиники внутренних болезней. НС, купирование которых находится в компетенции интернистов, составляют 22.1% всех случаев, а острые хирургические заболевания — 21.7%. На долю неотложных терапевтических состояний, значительно угрожающих жизни, приходится 5.2%, хирургических - 4.2% (Harter G., 1976). Оптимальная лечебно-диагностическая тактика врача при КС является результатом не только глубокого уровня знаний, но и достаточного опыта работы врача с соответствующими группами пациентов.

За время обучения в медицинском ВУЗе студенты не сталкиваются с НС, а врачи общей практики встречаются с ними эпизодически. 3 этих условиях использование s клинической практике компьютерных программ-тренажёров на основе математических моделей (ММ) НС позволяет в значительней мере разрешить противоречие между необходимостью пробной деятельности в отношении пациентов и принципом "не навреди". Несмотря на значительное число публикаций, затрагивающих тему компьютеризации обучения в медицине, современные литературные данные не позволяют сделать вывод о том, что разработчиками достигнут заданный в теории уровень развития прикладных систем. Имеющиеся разработки часто воспроизводят исчерпавшие себя методологические подходы, а в случаях с современными системами, основанными на моделях взаимодействия врач—пациент, они не охватывают столь важную сферу, как диагностика и лечение НС терапевтического профиля.

Цель работы. Разработка методики создания компьютерных программ класса тренажёров на основе ММ, описывающих критические состояния в медицине, и оценка её эффективности.

Задачи исследования:

1. Получение основных количественных параметров НС терапевтического профиля.

2. Выявление основных закономерностей течения КС, построение схем лечебно-диагностической тактики зрача з условиях оказания неотложной помоши и формализация имеющихся данных с построением целостных и внутренне непротиворечивых содержательных моделей НС.

3. Разработка математической модели течения НС в отсутствие врачебных вмешательств, а также математической модели взаимодействия врачебных вмешательств и функций организма пациента, находящегося в НС.

4. Создание базы знаний на основе математических моделей КС и знаний, полученных от экспертов.

5. Проведение пробной эксплуатации пакета программ для проверки адекзатности созданных моделей.

6. Изучение возможностей применения созданных компьютерных моделей в научных исследованиях и клинической практике.

Научная новизна работы. Разработан единый методический подход к созданию динамических компьютерных моделей, основанных ка табличных описаниях усреднённых показателей патологического процесса. Впервые создано математическое описание различных этапов и условий течения НС, пригодное для реализации в виде программ-тренажёров на персональных компьютерах (ПК) .

Положения, выносимые на защиту.

1) Правильная структуризация доступных клинических, литературных и экспертных данных позволяет строить адекватные математические и компьютерные модели для наиболее значимых КС терапевтического профиля.

2) Использование созданных математических моделей в в>еде программ-тренажёров на ПК является эффективным средством отработки врачами и студентами тактики оказания медицинской помощи при неотложных состояниях.

3) Течение и исход НС терапевтического профиля зависит от своевременности и эффективности воздействия не более, чем на 1-3 ведушх фактора патологического процесса.

Практическая ценность работы. Впервые создан рабочий вариант пакета прикладных программ (ППП), оказывающий интеллектуальную поддержку врачу, отрабатывающему тактику Kypaiwr пациентов, находящихся в неотложном состоянии.

Внедрение результатов работы. ППП "ALSU SERIES" ("Algorithmic Supervision SERIES") знедрён в учебный процесс на кафедрах Казанского государственного медицинского университета, в лечебно-диагностический процесс

Республиканского клинического противотуберкулёзного диспансера и клинической больницы №1 г. Казани.

Апробация работы. Результаты диссертационной работы доложены на II съезде ВОКК (20-23 апреля 1989 г., Казань); Всесоюзной конференции "Применение компьютеров в совершенствовании обучения з медицине" (8-12 октября 198 9 г., Киев); II сессии ВАСИЗ (31 мая - 1 июня 1990 г., Казань); Всероссийском семинаре "Экспертные системы и информационные технологии в медицине" (13-14 мая 1992 г., Санкт-Петербург) ; Всероссийской научно-практической конференции "ЭВМ во фтизиопульмонологии" (16-18 марта 1993 г., Звенигород); II Международной конференции "1Т+МЕ'96: Новые информационные технологии в медицине и экологии" (4-13 мая 1996 г., Гурзуф); XXIII Международной конференции "IT+SE'96: Новые информационные технологии в науке, образовании и бизнесе" (15-24 мая 1996 г., Гурзуф).

Разработанное ПО демонстрировалось на выставке программных продуктов в рамках II съезда ВАЦИКК (21-24 ноября 1989 г., Чебоксары); Всесоюзной школе-семинаре медицинских информационных технологий (1-6 апреля 1991 г., Раково); Всемирной выставке информационных технологий CeBIT'92 (10-19 марта 1992 г., Ганновер); Всероссийской выставке "КЕДИНФО 92" (11-15 мая 1992 г., Санкт-Петербург); выставке программных продуктов XXII Международной конференции CAD-95 (9-13 мая 1995 г., Гурзуф).

Структура работы. Диссертация состоит из ззедения, семи глав, заключения, выводов, списка литературы и приложений. Содержание работы иллюстрировано 33 рисунками и 20 таблицами. Список литературы включает 160 отечественных и 80 зарубежных источников.

СОДЕРЖАНИЕ Д ИССЕРТАЦИИ

При разработке"ППП оказалось необходимым выделить среди различных НС те, формализация которых целесообразна в первую очередь. Анализ литературных источников показал, что среди приводимых з современных классификациях НС (Салихов И.Г., 1995) наибольшее практическое значение приобретает моделирование следующих неотложных состояний терапевтического профиля:

1) Анафилактический шок;

2) Отёк лёгких;

3) Синдром нарушения сознания;

4) Отравления ФОЗ;

5) Синдром нарушения ритма сердца;

6) Легочное кровотечение;

7) Тромбоэмболия легочной артерии;

8) Гипертонический криз;

9) Бронхоспастический синдром.

Произведённое структурирование экспертных, литературных данных, данных медицинских документов и собственных клинических наблюдений позволило построить в 1989-94 гг. содержательные модели вышеперечисленных НС, обладающие достаточной полнотой, целостностью и непротиворечивостью для их последующей математической формализации.

ФОРМАЛИЗАЦИЯ СОДЕРЖАТЕЛЬНЫХ МОДЕЛЕЙ НС

ВЫДЕЛЕНИЕ К ИСПОЛЬЗОВАНИЕ ВЕДУЩЕГО ПОКАЗАТЕЛЯ

Множество 1=1, .'.., Я всех зависящих от времени показателей х,(1=1, ..., В) состояния пациента хотя и велико, но конечно. При описании каждого из них в каждый из интересующих нас моментов времени £:, (7=1, ..., М) получаем совокупность, состоящую из (К*М) числовых величин х.]. Эту процедуру приходится многократно повторять для каждой последовательности врачебных действий.

Если получать множество х^ с помощью фармакокинетиче-ских моделей, то величину Я приходится брать небольшой, ограничиваясь обычно не более чем 3-5 переменными, что для описания состояния пациента в-критической ситуации очевидно мало. Кроме того, в динамических моделях возникает ряд сложностей в связи с тем, как именно моделировать решения

врача. Поэтому б работе предложен другой подход. Ок основан на предположении о том, что среди всех показателей х1 можно найти такой (или S таких), от которых все остальные (или наиболее важные из них) зависят функционально.

В случае S=1 описываем изменение вс времени только этого одного показателя (названного ведущим (main) и обозначенного здесь как х1г', причём если x(mi=x,t то 1 =1) , а значения остальных (1=2, ..., R) в те же моменты времени привязываем к нему с помощью статических зависимостей:

х, = Fix,; А), (1)

1 = 2, . . ., R ,

т.е. в каждый момент времени значения зсех показателей определяются значением ведущего показателя х<п'=х, в этот же момент времени. Правила построения хх = F(x:*";А) могут быть достаточно сложными — как алгебраическими, так и логическими. Символ "А" означает дополнительное множество данных и знаний, используемых при логическом определении значений х.. В частности, в А включается и экспертная информация о предыстории процесса — анамнез, сведения о предыдущих состояниях пациента, о решениях и действиях, предпринятых врачом и т.д.

Результатом моделирования по формуле (1) являются совокупности F(x1; А), построенные для каждого Х1 и каждого возможного решения врача. Ядром кзазистатической модели становится таблица соответствия значений всех нужных для работы показателей значениям ведущего показателя (табл. 1). Работа с готовой квазистатической моделью представляет собой динамический процесс перехода от таблицы к таблице в зависимости от решений, принимаемых пользователем на каждом шаге, определяемом достигнутым значением дискретного времени. Процесс едет следующим образом: в начальный момент времени t.: определяется основной показатель хР. Ему соответствует начальная таблица х,\ 1=2, ..., R. Таблица предъявляется пользователю, который принимает решение о лечении, что в квазистационарной модели означает выбор А°.

После этого происходит переход к моменту t,. Сначала определяется значение х,~ и по нему для принятого решения врача выбирается таблица x.L - F(x/, А'"), 1 = 2, ..., R. Очевидно, что в модели заранее рассчитаны все таблицы для

множества возможных решений А°. Процесс "лечения" продолжается до исхода.

Сам ведущий показатель (в этом примере — один, но в общем случае их может быть несколько) при построении модели в обоих случаях выделяется путём экспертных оценок, логического или статистического анализа ранее полученных клинических данных. Например — активность ацетилхолинэстеразы (рис. 1) . Выбираемые в клинической практике конкретные показатели состояния х1(Ь), на требуемое изменение которых направлены врачебные вмешательства, в терминах создаваемых моделей будут называться целевыми функциями.

Табл. 1

Статическая математическая модель отравления ФОБ при преимущественном проявлении поражения М-холинореакгивных структур (основной клинический вариант)

АХЭ АД чсс псс | чд Зр Сл Ко Су Со ХД | Св ж

4 35 38 10 8 0 9 8 6 12 10 | 5 0

5 40 42 9 48 1 8 7 6 12 9 5 0

6 94 44 8 46 1 7(1) 7 6 11 8 5 0

7 101 40 7 43 1 7 9 6 И 8 4 0

8 108 32 6 40 2 6 6 5 10 7 4 0

9 115 36 5 34 2 6 6 5 10 7 3 0

10 122 39 5 28 2 6 5 4 9 6 2 0

11 129 45 4 21 2 3 5 4 9 5 2 0

12 136 62 4 27 3 3 < 3 9 5 0

13 140 66 3 32 3 4 ч 3 7 5 4

14 150 68 -> 38 3 5 4 3 7 4 1 4

15 157 90 2 ! 37 4 6 4 3 7 4 2 4

16 164 115 2 [ 36 3 6 3 2 6 3 4

17 171 125 2 33 4 6 2 5 3 3 3

18 180 130 2 31 2 б 3 2 4 3 3 3

19 160 88 1 30 2 7 1 1 3 "> 3 3

20 160 66 1 28 1 7 2 1 2 2 т 2

21 145 70 1 26 1 7 1 1 1 1 1 2

22 120 74 1 24 1 8 1 1 0 1 0 2

23 115 76 0 16 4 9 0 0 0 0 1 0

Главным этапом построения ММ НС явилось выяснение закономерностей изменения ведущего показателя во времени, т.е. вида зависимости xl,">=f(t) . При моделировании изменений ведущего показателя для основных НС различных форм и степеней тяжести были получены данные, примеры которых приведены на рис. 1 - 4.

Рис.1. Динамика ведущего показателя при отравлении ФЭЗ (актив-нссгь ацетилхолинэстеразы в первые двое суток отравления), рассчитанная при стационарных условиях (приём внутрь 200 мл карбофоса при массе тела пациента, равной 70 кг).

15 3 0 4 5 6 0

Рис. 2. Достижение одной и той же критической концентрации иммунных комплексов на основе 1дЕ (ведущего показателя) в разное время определяет различия клинических форм анафилактического шока.

При обычном динамическом моделировании кривая на рис. 1 функционально приближена некоторой моделью — например, в фармако-кинетическтсх моделях - суммой экспонент при соответствующем подборе Ь и :

I

х, = Е ехр(-аX) (2)

к= 1

Рис.

4.3. Данные, полученные при анализе зависимости о&ьема форсированного выдоха за 1 с (%% от должного) от времени в качестве ведущего показателя при остром приступе бронхоспазыа. Степень тяжести брон-хоспазма нарастает от кривой 1 к кривой 4.

Рис. 4.4. Изучение динамики объёма невосполненной кровопотери в качестве ведущего показателя позволило выявить 5 основных клинических вариантов легочного кровотечения. Данные представлены для стационарных условий - масса тела пациента 70 кг, начало кровотечения при ДД 120/70 мы рт.ст. Отрезки, отложенные на оси абсцисс, указывают на время, прошедшее с начала наблюдения за пациентом

В нашей модели вместо решения уравнения (2) для организации процесса моделирования используется сама исходная кривая (рис. 1), построенная по клиническим данным. Начальный момент t0=0; последующие моменты t., можно определить как границы интервалов времени, когда активность АХЭ снижается на величину А, тогда:

t, = arg [х. (0) - х, (t) =Д], t2 = arg [x, (t.)- x,(t)=A],

= arg [x, (t.) - X. (С) =Д] .

Например, при Д=25 имеем для рис. 1 £,=0.5; £2=2.2; t3=4.0(Ч.;. Для этих моментов должна быть построена совокупность таблиц. Другой способ задания последовательности моментов Бремени - разбиение оси £ с шагом 5: тогда £J - jS. Это приемлемо в основном на этапе построения исследовательского прототипа модели.

В задаче упрощения описания изменений х. (t) необходимо в момент времени £=£, выбрать интервал времени до £.,, так, чтобы переменные получали заметные приращения: max и))1 ^ Д<5

tj<tj+l <tmax

где величина А:>0 определяется эмпирически. Поскольку динамические свойства систем со сложной иерархией включают "быстрые" и "медленные" компоненты (Ломов С.А., 1981; Saksena V.R., O'Reilly J., Kokotovic P.V., 1983), выбранный в ММ интервал времени для отсчёта не может быть постоянной величиной даже для одного и тоге же показателя. В общем случае выбранный для отсчёта интервал времени должен подразумевать определение х (t) с тем, чтобы не пропустить его клинически значимое отклонение от предыдущего значения.

В действительности каждый из показателей состояния организма не может функционально зависеть от одного единственного фактора, однако данное упрощение является продуктивным для построения ядра ММ при следующем дополнении. Пусть условие х1 = f(x""'(t)) выполнено не для всех i , так, что оно не выполнено для хг В этом случае в модели делается допущение, что X, зависит от некоторых эндогенных факторов

x,(t)=fl(ui(t)) ,

где и,(t) принадлежит подмножеству эндогенных управлений, i =1,...,L (рис. 5).

3 большинстве случаев достижение ведущим показателем каких-либо величин не имеет самостоятельного значения для возникновения осложнений, наступления смерти и т.д., так как не является их причиной. Поэтому з модель НС необходимо внесение в качестве параметров критических величин наиболее важных функций организма, определяющих границы совместимости с жизнью. Значения этих параметров совпадают или практически совпадают для моделей всех НС при условии использования одного и того же конечного множества причин смерти. Величины отклонения от заданных параметров для конкретного КС могут быть предстазлены в виде переменных ММ.

Для определения границ диапазонов значений совместимости с жизнью были Еыбраны показатели и их критические значения , определённые ранее, которые представлены в табл. 2.

Любая непосредственная причина смерти может быть легко интерпретирована в терминах превышения тем или иным показателем из табл. 2 соответствующей критической величины.

Тайл. 2.

Средние значения критических величин универсальных показателей

жизнеспособности пациента используются в моделях всех НС_

Наименование жизненно-важного показателя Минимальное критич. значение Максимальное критич. значение

систолическое АД (мм рт ст ) 35 260

ЧСС (мин') 30 240

ЧДД (мин) 2 60

состояние сознания (Со, у.е.) 1 —

состояние ритма и проводимости сердца (Яу, у.е.) 0 —

удельный О ЦК (л/кг) 0.047 0.14'

ОФВ! (% от должного) 16.6 —

насыщение тканей кислородом (у с.) 1 неизвестно

СИ (л/мин*кг) 0.75 —

* — по данным экспертов диализного центра г.Казани

ОПИСАНИЕ ДЕЙСТВИЯ ОСНОВНЫХ ГРУПП ВОЗМОЖНЫХ ВМЕШАТЕЛЬСТВ Концептуальная схема построения модели любого НС, учитывающей развитие клинической картины во времени с одновременным описанием действия врачебных вмешательств, содержащей необходимые упрощения, отражена на рис. 5.

К факторам, усложняющим модель, относятся: 1) учёт фар-макокинетики и фармакодинамики препарата; 2) учёт взаимодействия препаратов (вмешательств); 3) изменение чувствительности органов-мишеней пациента к препарату

(вмешательству). Рассмотрим возможности формализации для каждого из указанных фактороз.

Рис. 5. Концептуальная схема суперпозиции квазистатических (х^1^), х.(1:)) и статических функций (1, 2, 3) и (х'0, х'., ... х'„) в итоговую динамическую модель неотложного состояния, учитывающую ьмсгообразие ятрогенных воздействий.

В услозиях быстрой и частой смены обстановки (ситуация НС) динамика эффектов не представляет самостоятельного интереса. Таким образом, действие препарата может рассматриваться, как величина сдвига наблюдаемой функции с запаздыванием во времени (рис. 6). Применённый подход основан на упрощении описания развития наблюдаемого эффекта введения препарата, а не изменения его концентрации, и поэтому в равной степени приемлем для моделирования немедикаментозных средств воздействия.

В соответствии с концептуальной схемой, ранее принятой для построения ММ (рис. 5), действие любого вмешательства может быть описано через изменение значения основного показателя:

F^ = Fz ± Af^x™ (t,)), где F,r, — новое значение ведущего показателя, F. — предшествующее значение ведущего показателя, Afn(x!r"'(t,)) — смещение ведущего показателя, соответствующее моменту времени t., под действием вмешательства за номером п, либо через изменение функции других органов и систем:

f, = f0 ± &f(x),

где г: — текущее значение клинического показателя, г, — вновь устанавливаемое значение того же показателя, Af — зависящая от х величина сдвига, f (х) — функция, определяющая текущий фактор зависимости.

Изменение чувствительности пациента к действию вмешательств во времени объясняется многими причинами, и в большинстве случаев сводится к её уменьшению. В терминах предложенной для описания эффектов вмешательств модели такое уменьшение приводит к нарушению условий стационарности, а именно:

max Af(x)*const, max Af(x)=f(t).

Рис. 7 содержит пример упрощённого толкования нестационарности модели, которое эффективно при её реализации на ЭВМ.

Принцип описания эффектов вмешательств в виде причинно-временных зависимостей (Zhu М., 1985; Дрожжин В.В., Запотылок А.Н., 1939) может служить основой для разработанного нами весьма эффективного метода оценки результатов множественного взаимодействия применяемых средств лечения.

Метод, смысл которого поясняется в рис. 8, применим при следующих допущениях:

1) действие всех применяемых средств не является строго одновременным;

2) известны хотя бы качественные попарные эффекты взаимодействия средств внутри группы по принципу "каждый с каждым".

Знание качественных характеристик позволяет приблизительно определить количественные параметры взаимодействия А

и В путём последовательного уточнения эмпирически выбранно го значения экспертами во время численных экспериментов исследовательским прототипом модели.

О I нач I оконч. время

Рис. 6. При построении модели используется параметризация описания развития эффекта вмешательства во времени пу-

тём представления через мгновенное достижение целевой функцией максимального значения с запаздыванием, соответ-ствушдам длине отрезка |0^ч| .

В построенной модели используется не более 2 значения из 13 возможных отношений причинно-временных зависимостей, представленных соотношением временных интерзалов:

1. (А.->Вг.) РАНЬШЕ (Се->0е,)О и<9;

2. (Ат (->)Ви) РАНЬШЕ_С_ПЕРЕКР (С9->О01) С? г:<0<±1<01,

где В — эффект от применения А в момент времени ^ Б — эффект от применения С в момент времени 9.

Поскольку действие одного вмешательства (а) рассматривается, как отрезок определённой длины на оси времени, прохождение которого сопровождается заданным отклонением значения целевой функции от предшествующего значения, то результат его совместного действия с вмешательством Ь можнс представить отрезком меньшей длины (аЬ), являющегося пересечением отрезков а и Ь. Такое пересечение можно считав новым самостоятельным вмешательством, на протяжении действия которого отклонение целевой функции от исходного значения меняется на величину, задаваемую переменной модели. Значение соответствующей переменной при отсутствии прямые данных определяется при опросе экспертов. Применение

следующего средства (с) потребует описания его взаимодействия только с одни:л условным "препаратом" (аЬ) , и т.д. Указанный подход позволяет учитывать и адекватно отображать возможное взаимодействие 10-15 вмешательств из списка в 40-60 возможных.

Рис. 7. Пример аппроксимации графика сложного изменения чувствительности к дипироксиму в течение первых суток отравления ФОЗ тремя линейными функциями, значения каждой из которых легко вычисляются на всей области определения. По оси ординат отложены значения приращения активности АХЭ, соответствующие в/в введению 1 мл 15% р~ра дипирсксима.

Возврат к динамической модели, в которой в качестве входных используются данные статической моделей, происходит при суперпозиции нескольких статических функций, производящейся в зависимости от достигнутых значений дискретного времени. Поэтому ядром динамической компьютерной модели в готовой программкой системе, в отличие от исходной ММ, становится функция отсчёта дискретного времени.

Работа программного счётчика псевдореального времени основывается на работе счётчика реального времени с

последующим пересчётом в выбранном масштабе (например, I минута псевдореального времени за 1 секунду реального). Дл; организации программного счётчика реального времени в наибольшей степени подошли возможности недокументированное ВЮБ-прерывания 1Сп. Его использование в прикладной программе-тренажёре даёт возможность вести отсчёт времени с минимальным размером кванта времени, равным 0.1 с. Алгоритм интеграции статических моделей вокруг программного таймере приводится на рис. 9.

I I

I——ч t

2 )

3 )

I-1

I---

H h

abc

Рис. 8. Параметризация эффекта вмешательства позволяет построить эффективную модель взаимодействия, для которой количество взаимодействующих средств не является критичным. В конце работы с конкретной моделью генерируется протокол, в котором фиксируется следующая информация: клинический исход, число допущенных тактических ошибок, ошибки е диагностике, общее время, затраченное на работу с виртуальным пациентом, и общая оценка действий пользователя по традиционной пятибалльной шкале. Созданный ППП представляет

* )

:обой оригинальный законченный продукт, принадлежащий к слассу, имеющему общие черты с экспертными системами по Daким признакам, как использование базы знаний, базы правил 1 наличие машины вывода заключений. Отличиями ППП от традиционных медицинских обучающих программ являются применение сонцепции "электронного пациента", отсутствие жёсткой схемы зозможных действий пользователя и возможность пробной деятельности по принципу "что будет, если..." в реальном зремени.

Рис. 9. Упрошенная блок-схема динамической компьютерной модели НС на примере программы INKERSРАСЕ WAR.

ПРОБНАЯ ЭКСПЛУАТАЦИЯ ППП ALSO SERIES

Исследовательский прототип ППП подвергался а- и р-тес тированию экспертами, принимавшими участие в создании баз; знаний системы, а также сторонними экспертами.

10т

1 2 3 4 5 8

Номинации оценки

КЩ Тренажер Schwid Н и O'Donnel D (1990) | | Тренажео ALSU SERIES

Ряс. 10. Результаты анкетирования студентов 4-6 курсов лечебного факультета (50 чел.) по оценке качества созданных компьютерных моделей в сравнении с результатами аналогичного анкетирования анестезиологов для оценки тренажера 5сЪм1с1 Н. и 01 Е>оппе1 О.

Средние оценки округлены до значений, кратных 0.25 балла.

1U-T-

1 2 3 4 5 6

Номинации оценки Тренажер Schwid Н и O'Donnel D (1990) ¡ ¡ Тренажер ALSU SERIES

Рис. 11. Результаты анкетирования врачей (30 чел.) по оценке качества созданных компьютерных моделей в сравнении с результатами аналогичного анкетирования анестезиологов для оценки тренажёра БсЬлас! Н. и 0'0оппе1 Б. Средние оценки округлены до значений, кратных 0.25 балла.

(З-Еерсия ППП, помимо экспертов, тестировалась врачами учреждений практического здравоохранения г. Казани и студентами 4-6 курсов. Анкетирование участников тестирования производилось по модифицированному методу (табл. 3), применявшегося 5с1~л«.с! Н. и 0'Эог.пе1 О. для экспертизы собственного компьютерного тренажёра по анестезиологии (1990). Результаты анкетирования приводятся на рис. 10, 11.

Табл. 3.

Список номинаций для экспертной оценки ППП путём анкетирования.

Номер 1 | 2 3 4 1 5 1 6

Номинация реализм фи- 1 обучающий зиологич. и | эффект фармакологии. | моделей | прогнозирующие способности в оценке состояния простота использования интерфейс пользователя ясность представления клинической ситуации

РЕЗУЛЬТАТЫ ЭКСПЛУАТАЦИИ ППП ALSU SERIES

Оценка эффективности применения ППП была сделана при сравнении результатов тестирования двух групп студентов 4-5 курсов лечебного факультета КГМУ, изучающих тему "Бронхиальная астма" (БА). Студентам опытной группы (48 чел.) до тестирования предоставлялась возможность однократной работы с программой-тренажёром по лечению бронхоспазма, входящей в состав ППП. Студенты контрольной группы изучали соответствующую тему только традиционными способами. Каждому сту-пенту было задано по 30 неповторяющихся вопросов по теме "Бронхиальная астма", результаты тестирования округлялись до целых значений по пятибалльной шкале. Распределение количества студентов контрольной и опытной групп в зависимости от полученных при тестировании оценок представлены на гистограммах (рис. 12 и 13) .

2 3

оиенка в баллах

Рис. 12. Результаты тестирования студентов по теме "Бронхиальная астма", проводившегося после изучения материала традиционным способом.

26-,

20-

£ 15-

10-

5-

122

щ

1 2 3 4 5

оценка в баллах

Рис. 13. Результаты тестирования студентов по теме "Бронхиальная астма", проводившегося после однократней работы с ППП. Различия между результатами тестирования опытной и контрольной групп статистически достоверны (р<0.01).

Обучающий эффект работы с ППП для экспертов оказался невысоким (отсутствие роста доли отличных оценок, незначительный (с 7 9.16% до 83.33%) рост доли хороших оценок) . Эксперты демонстрировали превосходство при имитации системой более тяжёлых приступов БА (рис. 14).

Возможность получения данных, касающихся выживаемости не только определённого объёма знаний, но и той их части, которая в первую очередь необходима различным категориям Ерачей для эффективного применения на практике, также демонстрирует преимущество использованного метода реализации математических моделей НС.

1 30"

й 25 ■

20 •

. 15 ■

_врачи (1) ординаторы (2) интерны (3) студенты (4)

1 ! ' I

| | | Впервые возникший приступ БА Астматический статус |

Рис.14. Сравнение результатов виртуального лечения бронхоспастиче-ского синдрома, достигнутых различными категориями пользователей в зависимости от тяжести состояния пациентов.

Длительная пробная эксплуатация ППП ALSU SERIES врачами нескольких клиник г. Казани, а также его применение в учебном процессе КГМУ з период с 1993 по 1997 г., позволили зыявить интересную закономерность, касающуюся оптимизации течебной тактики при НС.

Рис. 15 иллюстрирует тенденцию к снижению положительных результатов лечения при увеличении количества применяемых :редств. Данная тенденция наблюдалась уже при однократном ■прохождении через систему 30 пользователей всех категорий. Наблюдавшееся распределение количества пользователей (рис. 16), получивших высшую оценку при работе с ППП, в зависимости -от индекса использования лечебных средств [табл. 4), подтверждает указанную тенденцию как в группе :тудентов (32 чел.), так и в объединённой группе врачей, '.ключающей интернов, ординаторов и экспертов (24 чел.) .

ю

5

¡5 15 и

сг

тр

1 2 3 4 5

Ср балл при однократном прохождении через систему 30 пользователей всех категорий

□ Нарушения ритма сердца О Легочное кровотечение

и Бронхосластический синдром О Отравление ФЭ5

Рис. 15. Обратная зависимость между количеством применяемых средств лечения и его эффективностью наблюдается в разных группах КС.

.15—1

10-

и:

12 3 4

индекс применения лечебных средств

5

Рис. 16. Врачи достигают лучших результатов лечения НС при применении ограниченного количества средств.

Табл.«

Каждому значению индекса применения лечебных средств соответствует диапазон, границы которого означают мин, и макс, количество разных групп вмешательств

Значение индекса применения лечебных средств (у.е.) 1 2 3 4 5

Количество групп одновременно применяемых средств 1-3 4-6 7-9 10-12 13-15

ВЫВОДЫ

1. В результате исследований .построены новые целостные содержательные модели основных неотложных состояний терапевтического профиля и предложена уточнённая классификация клинических вариантов и форм соответствующих заболеваний и синдромов. Проведённая структуризация доступных и полученных данных необходима и достаточна для построения адекватных математических моделей неотложных состояний.

2. Разработанный при создании пакета программ методический подход к оценке и суперпозиции статических функций 1риемлем для построения применимых на практике компьютерных лоделей сложных динамических систем по эмпирическим данным, з том числе и для более широкого класса патологических гтро-1ессов в медицине.

3. Созданный на основе построенных математических мо-(елей пакет прикладных программ-тренажёров повышает эффек-'ивность обучения тактике лечебно-диагностических действий :ри неотложных состояниях.

4. Структура и выживаемость профессиональных знаний начительно различается среди врачей различной квалифика-ии. Продемонстрировано, что отличительной особенностью кспертов является способность к эффективному применению наний з особо сложных ситуациях.

5. 3 экспериментах с моделями показано, что эффектив-ость лечения неотложных состояний терапевтического профиля эусловлена адекватным воздействием не более, чем на 1-3 араметра патологического процесса, что отражает свойства южных систем, находящихся в состоянии аварийного травления.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Применение компьютеров в совершенствовании обучени на кафедре внутренних болезней.// Тезисы докладов Всесоюз ной конференции "Применение компьютеров в совершенствована обучения в медицине". — Киев, 1989 — с. 34-36. (В соавт. Салиховым И. Г., Бомбиной JI. К., Ерёминым С. А.)

2. Применение компьютеров в повышении эффективное! обучения и контроля на кафедре внутренних болезней. — кн.: Организация контроля в медицинском ВУЗе. — Казань 1989 — с.70-71. (В соавт. с Салиховым И.Г., Бомбиной Л.К. Ерёминым C.h.)

3. Контрольно-обучающая система "Рецепт". — В кн.: Ол тимальные методы обучения и контроля в медицинском ВУЗе. Казань, 1991 - с.24-25. (В соавт. с Бомбиной Л.К. Ерёминым С.А.)

4. Использование вычислительной техники з преподавай^ фтизиопульмонслогии в медицинском институте. //Туберкулёз экология. -1994, №1 - с.23-24. (В соавт. с Визелем A.A. Галковым Е.М., Нулевым М.Ф.)

5. Реализация математической модели отравления ФОВ у персональной ЭВМ. //Тезисы докл. II международной конфере!-ции "Новые информационные технологии в медицине и экологи* — Гурзуф, 1996 — с. 104 (В соавт. с Ерёминым С.А. Халитовым Ф.Я.)

6. Автоматизированная обучающая система "Популяиионнг генетика". — В кн.: Труды XXIII Международной конференщ* "Новые информационные технологии в науке, образовании бизнесе". - Гурзуф, 1996 - с.207-208 (В соавт. Фросиным В.В., Шевчуком A.A.)

7. Проблемы моделирования нарушений ритма сердца f персональных компьютерах. — В кн.: Научно-практическая ко.1 ференция молодых учёных. Тезисы работ. /Под ред Анохина В.А. и Яхина К.К. - Казань, 1997 - с.18-19 (В сс авт. с Ерёминым С.А., Ахметовым О.Г.)

8. Реализация математической модели ХПН на ПЭВМ. //Те зисы докладов III Международной конференции "Новые информ; ционные технологии в медицине и экологии" — Ялта, 1997 с.128-131 (В соавт. с Мухаметзяновым И.Ш., Ерёминым С.А Ахметовым О.Г.)