автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Сравнительная оценка методов диагностики и прогнозирования исхода заболевания (на примере инфаркта миокарда)

prö од

1 1 ноп «SS

. АКАДЕМИЯ ЕАУК РЕСПУБЛИКИ УЗБЕКИСТАН Научно-производственное объединение "Кибернетика"

На пеанах рунопис:'

ледул тт лк.ад х&рбзгд .

СРАВШ1ТЩЫ1ДЯ ОЦЕНКА ЖГОДОЗ ДИАШЗСТИКИ И ПРОГНОЗИРОВАНИЯ ИСХОДА ЗАБОЛЕВАНШ (НА ПРШЗРЕ ICKAFKTA'МИОКАРДА)

Специальность: 05.13.09 - Управление в биологических и кедиципских системах (включая применение ничислительной техники)

Автореферат

диссертации па соискание ученой степени кандидата технических наук

Ташкент - ISS6

Работа выполнена в Институте кибернетики яаучко-произ-водатлеиного объединения "Кибернетика" АН ГУз.

Научный руководитель: доктор технических каук,

профессор ЛИЛОВА и.Т.

Официальное оппонента: доктор технических наук,

профессор КАДУРОВ 2.К.

.кандидат физико-иатекатичоских наук старший лаучнш! сотрудник ХУШЛЛАЕВ P.A.

Ведущая организация: Ташкентским Госуштесситет.

Защита состоится " /¿5 " о К по я$ря I9S6 г. в_час.

па заседании специализированного совета Д 0X5.12.01 в научно--произЕОдстЕенном об^диионии "Кибернетика" Академии наук Республики Узбекистан по адресу: 700143, Ташкент, ул.Файзулли Ходкаега, 34.

С диссертацией иояно ознакомиться в библиотеке Института кибернетика HITO "Кибернетика" АН Р/з.

Автореферат разослан "О?г.

Учений секретарь специалязи рога ¡inore совета, доктор технических каук, профессор Á '¿S Искаилов ¡.I.A.

СЕ«ЛЯ ХЛРАКТШЮ'Р/ДчА. ЖССКтаЦЛСНКОЙ РЛБОШ

Актуальность токи, гаепроотрциеипооть сордечно-сису-дпстах заболеЕашш, несштря иа пшиш/лемие меры по профилактике и лечению заболеваний, продолжает увеличиваться, •захвать-вая новые слои населения, в том числе молодого, работоспособного возраста. Данные эпидемиологических обследований , проводимых в разных странах мира еще раз подтверждает, что рост заболеваемости и смертности пациентов от сердечно-сосудистых заболеваний обусловлен е не малой степени несвоевременно проведенным диагностированием болезни и прогнозированием его развития. В последние десятилетия как область медицинской ииформатшта сформировался предает прогностики заболеваний (0.П.Минцер, 0.Ы.Бслоцсскоескнй, Ю. Гельфанд и др.). Подхода, используемые при.этом, можно разделить на две основные группы, - статистический и подход, базирующийся на иатекатическом моделировании развития заболевания. В рамках обоих подходов исследуются самые разные Метода получения квалийицировашюго диагноза, и прогноза течения заболевания.

Действительно, широкое в' пользование математических. моделей е медицине о6ълсняр:ся прежде всего тем, что'математическая модель позеоля- г систематизироватьфактп, получение разными исследователями и касающиеся каких-то отдель- . 1шх сторон изучаемого объекта. Совместное их рассмотрение в математической модели позволяет анализировать динамику спстеш в целом, проводить эксперименты с математическо^ моделью, заведомо неосуществимые,на реальном жиеом объекта.'

В целях диагностики разрабатываются (тематические модели и программы для объективной оценки тяжести больного по набору клинико-лабораторнкх показателей, создание так называемого персонального параметра (Г.И.Марчук, И.Б.Пбго-жев, С.М.Зуев и др.).

Статистическио метода диагностика и прогнозирования такие широко используются в клинической практике и научных исследованиях. ;' ;.:•" . л;':.--./ л^.^/-■

Однако проблема сравнительной оценки эффективности упомянутых методов, яелявдэяся очень важной для любого научного исследования, до сих пор оставалась мало изученной.

В. этой связи возникла необходимость на едином, представительном наборе клинических данных как на^полигонеаоравндгьгцва-вышеописанных подхода. При этом указав на границы применения каждого из подходов, развить теоретически^,положения, позволяющие снять выявленные в сравнительном исследовании ог-рэнинения.

Цель работы; Целью диссертации является:

- систематизация методов и средств прогноза исхода заболевания ;-'....

- разработка или модификация математических моделей, программ для объективной оценки тяжести состояния больного;

- разработка программного обеспечения для прогнозирования исхода Ж на разные.сроки по разным видам осложнений ;

- разработка метода и программы построения персонального параиетра больных с ИМ';.

- построение базы данных больных с ИМ; .

- проведение трех серий вычислительных экспериментов с целью оценки прогностической:значимости коэффициента правдоподобия, индекса тяжести и персонального параметра на соответствующих выборках из БД;

- анализ подученных результатов и выработка реко;левда-вдй к использованию перечисленных методов прогнозиройания.

Научная новизна. Предложена и обоснована методология сравнительного анализа индекса тяжести, персонального пара- • метра, результатов математического моделирования, исслодуе- . мого заболевания.» коэффициента правдоподобия, с целью выяв- . лення ограничений я. перспектив' использования упомянутых не-' тодов в диагностике и прогнозе исхода инфаркта миокарда.

Разработана база данных на 1237 пациентов, программное обеспечение реализации каждой, из с ревнива слаис методик, .проведены необходимые -вычислительные : эксперимента. ,

Дана интерпретация Т1олученных. результатов и выработшш рекомендации по применении в кавдом конкретном случае кето- ■ дак диагностики и прогнозирования.

Предложены новые модификации агрегирования показателей (кланичеоких и лаборатрршх)'да, основе оценки информативности отдельных показателей ;и их специалышх наборов.

Ппактическая ценность , : '

- получеш формулы прогностических показателей для гль'л^'.та ¡.локаода ;

- разработаны рекомендации по кодированию историй болезни с учетом еозмоиносгоЗ разных шкал; .

- на основе предварительной статистической обработки а оценки информативности выделены наиболее значимые прогностические показатели, на основе методах проводился прогноз трс-тл сравниваемыми методами; .

Основные результат ди с с е рта ци о ш ой работы могут быть использованы для решения задач диагностики и прогнозирования целого ряда заболевании, в том числе в не кардиологического профиля, например, вирусного гепатита.

Апробация работа. Основные результата работа докладывались на:

- Республиканской конференции "Проблемы информатика и управления, перспективы их решения", (Ташкент, 19%) ;

- семинарах лаборатории "Моделирование и управление в биомедсистемах" (1994-1396 гг.) ;

Публикации. По теме диссертации опубликовано ,3 статьи, 3 тезиса на РесггубликанскоО конференции (Ташкент, 1996) и I тезис - Лондон (1996).

Структура диссертации. Диссертация состоит из введения, трех глав, заключения, пряло-.ений и списка использое.-шноЗ литературы. Общий объем 16'' страниц, объем приложен^ 39 страниц»

СОДЕРШШИЕ РАБОТЫ

Во введении обосновывается актуальность задачи, являющейся темой диссертации, указывается преимущества использования аппарата математического моделировааия и статистика при решении задач диагностики и прогноза. Приводится краткое содержание дисеертационной работа.

Первая глава работы посвящена обзору математических кетодов прогноза. Вначале (§ 1.1) вводится и обсувдается понятие нлиническо.' прогностики и с этих позиций рассматриваются рад вопросов, которые развиваются в настоящей диссертации.

Медицинское прогнозирование делится на три основных направления: медицинское клиническое прогнозирование,прог-

нозирование состояния здорового "человека и эпидемиологи- ' ческое прогнозирование. Предметом данной работы является клиническая прогностика, а именно: прогнозирование течения болезни и ее исхода. Последнее требует объективного анализа явлений, определяющих наследуемый процесс, что обусловливает необходимость применения системного подхода к рассмотрению. прогнозируемых процессов'^ причин их вызывавших, во всем многообразии связей внешнего и внутреннего харак-иера. ' . , -у ■

'..■. Знание сущности рассматриваемого явления, анализ его. : этиологии, структура а динамики способствует:оптимальному выбору исходных даашх, полнота и достоверность которых : . существенно влияют на качество.прогноза. ,

В § 1.2 обсуждаются метода выбора прогностических показателей. В идеале прогностические заключения должны строится на основании оценки„всех необходимых Сведений о больном. ■:>.-.V..: . ч,.'; .^ 'Лч ,

Однако по целому' ряду причин.'реально необходимо делать отбор показателей ; при этом, возмошш два альтернативных подхода. Первый.- отбор признаков из множества йервичных, рассматривается в разделе 1.2.Г, Широко распространенные две схема отбора рассматриваются как элементы общей процедуры выбора информативных 'признак ов-регрессоров. Такая процедура может иметь, в частности, циклический характер; найденные в результате информативное подпространство можно назвать локально-оптимальным.• Метод МШ. А.Г.ИЕахненко имеет важные преимущества перед простой схемой последовательного добавления признаков, однако достаточно сложен.

Отмечается оригинальность подхода Г.С.Лбова, - алгоритмы случайного адаптивного поиска.

Однако, учитивая косвенность и зашуклейкость исходных данных, теоретически мохно утверждать, что отбор из'них'ии-йор:-,'.атив1ШХт часто не эсйектиЕен. ,

Поэтому раздел 1.2.2 главы посвящен проблеме сжатия исходных признаков в набор из небольшого числа обобщенных "■признаков с тем, чтобы затей строить на базе их искомое уравнение регрессии. Сущность подхода состоит в построении небольшого числа функций п< рр'ичних признаков , которые поз-

воляют воспроизводить огромную исходную информацию. Реализуется данная идея методами компонентного и факторного анализа, а такие новыми методами инвариантного и функционального' шкалирования.

Обсуждаются известные процедуры, пути их кодификации применительно к конкретным задачам, решаемым ё настоящей работе. ' .

Следующий раздел главы, - § 1.3 посвящен статистическим методам прогнозирования. -

Приводится выражение средней ошибки :

Из условии минимизации которой следует, что

(2)

где в левой часта выражения.(2)'выписав коэффициент правдоподобия, существенно используемый е работе.

Здесь. ^ (х) , - условные плотности вероятнс-

ти распределения признака . % по двум классам,'-. .,

- априорные вероятности появления объектов из классов; К, , \\г ;

И , С 4.4 И

С^ , - потери, связанные с иргвильными решениями и ошибками I и П рода. Описана процедура последовательной дихотомии и связанная с-ней процедура выстраивания порогов, проистекающая из максимизации. (2) . Упоминается критерий Бай'еса, минимаксный критерий, который для .наихудших значений априорных вероятностей дает хотя и осторожную, но гарантированную величину среднего риска..Если же неизвестны распределения априорных вероятностей, используется критерий Неймана-Пирсона. ,' '

Прогнозированию на основе математической модели посвящен § 1.4 главы, где анализируются методология школы Г.И. ¡.'¡арчука. Строится собственно математическая модель, описывающая процесс изменения фазовых переменных:

Х-ДШ.Ч^Ш"•• ■ (3)

С улетом управления (лечения) модель переписывается в звде систем дифференциальных уравнений с запаздыванием:

■ - Л .

■ = V(ili), JLtt-T),U(t), х) , t >0

= 0>i> - Т mas. (4).

где Т = { ц , ... , Т - вектор запаздываний, £ £ Р^ -вектор параметров модели ; Xmaï = max ТЛ, .. -, Ift} ;

F(.} , Ф(.) - заданные функции.

По данным , содержащим значения

Есех показателей состояния в момент времени t^ , ... ,

tv , модель (4) идентифицируется и используется затем для нахождений УД U., t) , описывающих динамику состояний больного для каждого варианта больного. Для определения наиболее оптимального лечения (управления) решается задача оптимального управления, например, как задача минимизации некоторого функционала от управлений :

3(u)=SjoUU), aCU)d-t —min ' (5)

где Т - продолжительность рассматриваемого процесса,

|0 (ХЩ,йлЩ) - заданная функция, отратающ&я-цели управления процессом.

В идеальной схеме модели предполагалось, что данные наблюдений принципиально позволяют определить значения всех ее параметров для каждого больного. Однако реально это бывает трудно сделать, т.к. при десятках параметров модели число наблюдений недостаточно для идентификации. Поэтому идея иметь один, обобщений параметр, а значения остальных параметров находить по данным групповых наблюдений, получила реализацию Еведанием понятий индекса тяжести, темпа функционального восстановления, персонального параметра,. Но проблема, будут ли достаточно полно учтены при этом индивидуальность каждого больного к можго ли будят использовать для индивидуального прогноза идентифицированную таким способом модель, плохо изучена а именно поиску ответа на этот вопрос посвящена данная работа. -

В заключительном • параграфе главк I представлены нсэой---вше решения задач диагностики и прогноза на основе"искусственного интеллекта (ИИ). Из анализа системы \АЧ С i дела-

ется вывод о целесообразности использования более простого л наделкой конструкции, - синдрома» Кардиологические экспертные систсмы типа ) основываются на оценке чувствительности, специфичности и прогностячеоких свойствах разных симптомов, связанных с диагюзом. Структура знаний данной ЭС базируется на триаде "система - орган - болезнь", •механизм вывода использует байесовскую статистику и методы ■ Ш; . недостатком системы является вопросник-диалог о врачом, удлиняющий время принятия'решения, Интерес к этой системе обусловлен ее успешным применением при ишег/лиеской болезни сердца (ИБО), инфаркте миокарда, гипертонии.

Отмечается такие компьютерная программа ( -\-leart Fa.t-fcu.re Рго^гага ), которая работает как "интеллектуальная звуковая панель", помогая кардиологу проводить диагностику по симптомам, предсказывающим эффект терапии. Списаны такие новые модели РЮВ/Т для оценки факторов риска ИБС.

Делается заключение, что верифицированная и гибкая экспертная система для прогноза- и диагностики- - з кардиологии----предмет дальнейших, исследований.

Вторая глада работы несет основную теоретическую нагг-рузку, в салу чего содержит новые предложения по решении •. ключевых проблем диагностики а клинического прогнозирования.

.ПеовыЗ параграф главы (§ 2.1) появящен проблеме кода-' рования симптомов. Рассмотрены некоторые тидн шкал с тем, чтобы теоретически -обосновать выбор наиболее адекватной шкалы душ конкретной задача, поскольку при любой сравнительной оценке разных подходов к диагностике вопрос об измерениях симптомов представляется ваяшым. Из определений шкал, - абсолютной , отношений, интервалов, порядка и наименования•выписанных здесь по убыванию их'Ьилы", следует, что логично было бн использовать.абсолютную шкалу. Однако реально это сделать не всегда возможно, к тому же слабые шкалы более помехоустойчивы. Поскольку а работе использованы и качеот-. Бенине и количественные сш/лтокн, обоснована цзлесообраз- • пость использования порядковой ординальной шкалы. Градации такси шкалы упорядочены щаду. собой некоторым асишегричшк (в окшчно от номинальной шш) образом в том смысле, что о'.:иоиенио, сук'зствуш'ее мекду и 11 ^ из цкеет мес-

та козду У.} и ■■,". . Таи отношение ■ "сильнее; чем" "означает, что соли > х3' » то ис справедливо Хг /,..'.• Свойство транзитивности выполняется, и это позволяет расположить У, , , вдоль континуума по убывающей . (возрастающей) степени выраженности. '': v,.-.

В заключение napaipacj-a рассматриваются два способа уни-ynx'aiçîï! стал, :Онтриз.ацвд и .оцифровка поминальных и порядковых переменных, которые использованы в работе.

Следующим раздел главы (§ 2.2) содержат обсуждение идеи обобщения (группировки) .признаково е целью получения эф$ек~ ■" тиеного прогностического ^юказателя.скшочееым моментом в тзаз-глботае таких процедур обобщения ость выбор мер:;, определяющей тесноту связи.;для-'любой'пары сравниваемых элементов . группируемого мнокоства. Показано, что выбор в качестве меры сшзи.мекду.^ булейыми-признак^д. расстояния ^ . по, Хемлжнгу . аналогичен выбору в качестве таковой меры для .числовых^ дакных: коэ$фвдиента:кЬрредации. Оценка общей тесноты связи лйбой . совокупности' признаков превращается в самостоятельную ; трудную комбинаторную задачу. Решение этой задачи является, '; однимиз главным элементов, процесса решения .более широких задач группировки и .поиска,и^ормативных признаков. 'Поэтому вдиозертацш .-предложена простейшая форма постанов- . ки задачи, о ^выделении .наиболее информативного признака из заданной их совокупности в вида: .

mcu max ГТ Plt5)it) , , 1 <- ' & isti itel i ъ (5)

где j)(ts, it) - мера близости, двух признаков внутри группы. Критерий (5) позволяет выделить информативные признаки из исходных, интегрирование яе исходных,признаков достигается использованием'-.следующей конструкции. В аовокупностп_{^^( , . . . , ¿7 } ; признаков выбирается пороговая функция вида:

' ч

F(6^, ■ ■ ■ >6iv И) = fi), (6)

где оператор ' S^U. определяется, как обычно:.

SoU, всли a>0 m

'J {JO, OG.-i! U< 0 Ki)

Формула (?) показывает, /что если вектор 0 .и порог ft фиксирована, то F однозначно определяется через значения [ , ... , • Если ие какой-нибудь из

этих параметров является неопределенным, то возникает необходимость постановки задача для его доопределения. Такие задачи а способы ах решения рассмотрены в следугоцем разделе главы-,- в § 2.3. Их решение - эт'о, процесс экстремизации тех' или иных критериев как функций от б" и ft . Предложен критерии е гиде:

где iftql -мощность -ой группы в разбиении R- мпогсество индексов исходных признаке®, \ составляющих группу {Ц .Из (8)-следует точная формулировка задачи поиска группировки признаков на заданное число неяере— секавдххся непустых групп: аавдаг .такую пару ( R. , <о, ) из всех возможных'допустимых пар, на которой критерий' Ф(Я/<Я - достигает максимума.

Однако из-за сложности, получения-точного решения задач предложен алгоритм локальной оптимизации (8), для чего.вво- -дится понятие <f\ -окрестности произвольной допустимой пары (Я,^) . Тогда задача поиска локального экстремума формулируется в в;де: - ' ' -

фи^сп- max -

(Rm, о'(11)еМ\б"> О)

Если такая пара будет найдена, - то. полученная при этом группировка будет оптимальной в окисле локальной экстремизации' . выбранного критерия. Затек описынается решение задачи виде--леняя в каядой группе самого информативного признака,' для чего используется критерий (5) оценки тесноты.связи внутри групто. Пен этом предложены две процедуры, одна из которых

связана с выбором центра группы,"а вторая -" с выбором порода. Приведена процедура выбора оптимального значения порога, а также предложен критерий, рос троения информативного признака, который можно было'бы рассматриаать как аналог критерия построения первой главно^ компонента в случае числовых данных.

В следующем разделе главы (§ 2.4) обсуждается возможность использования в качестве, прогностических показателей индексов .тяжести (ИТ), .как обобщенного показателя типа регрессора. Теория индексов тякести. достаточно полно опубликована е работах,, поэтому в диссертации обосновывается их применимость н конкретной задаче. Действительно, в условиях наличия большого числа историй болезни, где зафиксированы, в основном,- клинические признаки течения заболевания, представляется целесообразным использовать только клинический, индекс тяжести. -

Поскольку ИТ можно интерпретировать как состоятельные обобщенные показатели, то, при согласовании-всех доступных управлений состоянием больного с достижением в каждый момент оптимального (в данном случае минимального) значения ИТ,'принятая программа управления будет выполняться устойчиво. При этом вое возникающие случайно отклонения от нее будут устраняться наиболее быстро, а намеченные управлением состояния будут достигаться за ми-шшатьно возможное время. Делается вывод, что ИТ эффективно используются для анализа общих закономерностей изучаемых патологий, но пока еще трудно их "настроить" на реального больного по данным, полученным в начале болезни. Поэтому становится интересным использовать идею пер-, сонального параметра И.Б.Погожева, что и обсуждается в заключительном разделе второй главы (§2.5).

Вводится определение персонального параметра:

ж т;

где ЛК, Ш - средние продолжительности пульсации от -того источника соответственно для исследуемого организма и "нормы" ; М - общее число щульсациоиного источников двапепия у каждого из сравниваемых организмов.

Тогда из (10) можно вывести формулу безразмерного персонального параметра :

Р = h. - Ш > - tv- мл

U XV . ... (id

Из анализа зон взаимодействия жидкостей в организме следует, что относительную среднюю скорость циркуляции жидкостей в исследуемом организме по с равнению-с "нормой" можно описать персональным параметров

Если'считать, что з состоянии покоя средние скорости кровотока пропорциональны средней величине основного обмена, а зависимое га> последней от возраста определяется,' известным уравнением Кланбера, то:

Q % 1 --0,004 (Т -Tt)

(13)

Ш1П

Q. ~ ехр[-П.ссА(Т -Т.,)] ~ Q0 ехр(0'°0АТ)

Инфаркт миокарда относится к так называемы маловероятным процессам, когда влияние малых, но систематических из-мененпй параметров VIL доляно проявляться особенно резко. Из анализа особенностей таких процессов выводится формула вероятности умереть в течение года от заболевания сердечно-сосудистой системы. Обоснованность применения послед-

ней базируется • на литературных дшш^х: 6 ^езуяътатах соответствующих вычислителышх.: экспериментов по сравнению с .демо* графической статистикой, и подчиняется известному ураЕнению смертности Го:/дорца-.'.;е2:кома. : •

. Третья глада работа содер;яит результата вычислитель- : шх экспериментов,; и интерпретацию полученных результатов. . ...'-'-....Первый раздел работы ( § 3.I) состоит из описания использованного в работе клинического материала. Клинические данные езяты из .литературных данных ; (Л.Б.Штейн) .которые в-овое время были собраны, в архивах .трех клиник:'НИИ скорой помощи им.Н.Б.СклифосоЕского;(Ыосюза),ПШ скорой помощи им. Ю.Джанелидзе . больницы им.. В . И .Ленина.. (Ленинград). Кодированию подлежали только те/историй болезни, которые принадлежали , больным-,■,- имевшим инфаркт.'мао1(арда ne : ранее, чем в 1972^77 гг. После тщательного "экспертного обсуждения были -отобраны 39 признаков, из которых был отградуирован по ординаль-

ной порядковой' шкале./:;у'-://'.;;;:

■ Из 1237 больных'.798 человек (65,6%) перенесло инфаркт с одним или несколькими осложнениями ; гладкое течение отмечалось у 439 мукчпн (2?£) и 104 ;;:енщлн {д,5%). Из предварительного. распределения больных по 39 симптомам виднр; что "пол" и "возраст", априори"..имеют значительную прогкост;:-ческую ценность.

Параграф : 3.2 главы посвящен оценке информативное™ ■ признаков, которые будут использованы в работе. Показано, что подсчет полезности вклада.признака в критерий информативности, эффективен по приращению д^ Так, для нормально, распределенных классов с математическими описаниями m , m j : и одинаковыми коЕариациями, дивергенция Лвычисляется по формуле:

MmL-mpV4mL-mp (15)

где V V- матрица ковариации,'. Т - знак транспонирования.. '/ /V ;

. 'Оценка качества признаков по- (15) особенно удобна, . когда чиоло, признаков, велико, а выборочные распределения аппроксимируются нормальными-законами. В случае, если последние. даже; и,отличаются от нормального закона,' реальная, ^надежность прогноза будет ненамного хуке, чем найденная при

..допущении нормальности распределения.-Именно поэтому в работе, как г во многих медицинских исследованиях использо- .' вана формула Кульбака, поскольку основой ее является оценка дивергенции.

Тем не менее, в саботе проворена нормальность'распределения выборок для двух упомянутых.вшэ групп больных: подсчнтиваготся выборочные коэффициенты асспмкетрнн- ( и эксцесса ( , а также их среднеквадратпческие отклонения Тд к Тг „ для заданного уровня (}, ( = = 0,095) определяется с помощью таблицы величина" -

- квантиля ( V ) нормального распределения. Если при = 2,56 хотя бы одно из неравенств:

I (п) 1 -с Ъ'а • . (16)

. (17);

окажется нарушенным, то гипотеза о нормальном характере . случайной величины отвергается с уровнем значимости, .оцениваемой по формуле: .■■■..' ''

2(1 - <р - 2(г- .'(18)

Для ^ = 0,095 формула (18) примет вид неравенства ••' С,Г < X < 1,55.

Для двух групп были раздельно подсчитаны информативкости всех 39 признаков ; :'из сравнения последних с информг,- ' тканоетыо признаков на всем массиве -данных еыяЕлеш наиболее важные в прогностическом отношении. Именно для этой группы признаков дополнительно была пронесена гипотеза о, пор:.:лл ьлости распределения.

Оказалось, что гипотеза выполняется только, для признака "возраст" в группе больных с острой левояелудочковой. .' недостаточностью,

. Корреляционный'анализ клинического материала с проверкой значимости выборочного -ког^лищента корреляции г:о ,Стью-денту ( I*0,054) показал, что значш.гим» оказались С10 связей из ?Зо, но только а' II: случаях.вз'!"^,кор)реляцй01шая'. связь оказалась более или менее значительной . ; -' ■

•'Енот определена'дозесвтельше интсгволв = 0,672;

. = 0,816 для 95 ког#шщвнтст, наиболее важных в содержательной .отношении и для II ( . '-ря '» 0,174; = ' = 0,318), имеющих наиболъаое числовое ввракенне. Б таблице I приведен список признаков, имеющих достоверно значимые корреляционные связи

Таблица 1

Признаки,Корреляционная связь между который! оказалась значительной

'15: Пг, ич'нак .'Коэффициент

_____I ____:ко£реляции_ _

1 Сознаний атрий-вентакуляркая' блокада 0,31

2 ■ Систолическое .артериальное'давление ~

коллалс 0,31

3 Сознание -.фибрилляция ' 0,34

4 Диагностической артериально-пульоовое

давление *. . • : 0,41

5 Диабет .-''сахар ■крови . .0,41

6 Сознание; - клиническая смерть ' 0,43

7 йибсплл^цня - шнлшчоская смерть 0,54 3 Длительность - характеристика приступов

. .„стенокардии 0,61 9 Количество ранее перенесенных инфарктов,

когда, в прошлом был перенесен инфаркт 0,72

10 Систолическое артеркачвноо - пульсовое' давление 0,75

11 Систолическое -.диагностическое артериальное давление ■ ■ ' _ .0,71

Параграф 3.4 главы содержат результаты прогноза исхода й-ослоаиенаЗ "ин&а'ргда каокарда методом максимизации правдоподобия. раз подчеркнем, что в основу его заложено до-' юденав докпоаровзоие генотипа как решающего (Такте л, обусловливающего как.развитие заболевания, так к его •■'.ход.

лоз тему на основании данных обследования больного в доаь^йовтуплешш.получа^к с помощью -разработанных программ ■ответы ка следующгё вопросы:.будут ли у данного больного какое-либо осложнение в лзбой срок болезни; : если будет, . то какое именно ослокнекае (аритмия, острая -деЕог.елудочкоЕая

недостаточность (ОШ), !гро;.;боэибояая, повторный инфаркт каоаардд,. разрвв сердца, (Гщбршшцая, смерть) в' какой срок цоквт развиться любое ослолношю. Била выбраны 6- сроков гул-реядёния пастудлеикя события: 24 часа, 48"часов. 163 часов (педеля), 505 часа (три асдвяа), 1008 -¡асов • (ассть недель) И.9999 часов (весь срок лрейнватш больного в■ стационаре.

Надежность полученных решаю.;:« лраплл бняа проверена ш 501 истории болезни. Результате экзамена .сведены в таблицу 2 (iго срока;.: прогнозам) и в табл. 3 (по видам' ос' локношш ).

■ "' Таблица 2 ■

Надежность решающих правил по с posas!, прогноза '

Срок : Вероятность .правильного ота ета_____

упрездення: в часах : Обучение ___ __Э^амен — — — — —

-----i. 1-Й K-SPS. _2-й_класо

24 0,730 0,731 0,679 ■ 0,701 7

48 0,723 0,725 0,614 ' .0,097 7

168 0,724 0,724 0,706 0,687

504 0,717 0,712 0,704 ■0,659

1008 0,721 ' 0,723 0,707 .0,630

9S99 0,739 0,743 0,733 • 0,647

-, Таблица 3 Надеяность рзжаюадх прарпл по видам ссдожнеииЗ

I-

Срок упрездекия в часах

Фибрилляция

Суграя левокелудоч-ковая недостаточ ноеть

Хроштская с о рдочиая недостаточность

Аритмия ■

Тромбоэмболия

Разрыв

Повторный ш-йаркт Исход

Вероятность зрерильного ответа_ _ _ _ 'jOáyaoiuiÉ _ 1___ЭКЗ£К6Н___

С,'722 0,723 0,567 0,735

0,753 0,788

0,692 0,683 0,729 0,826 О, 769 0,803

0,691 0,081 0,728 0,026 0,703 0,807

0,667 0,768

0,773 , 0,6-14

3,480 0,077 7 Új'669 - ■

0,553

0.5G0--

0,707

0,805

0,779

0,633.

Из таблиц Zи 3' следует, что в целом надежность прогноза не очень высока,. что ■определяется неучетом прогностического фона, под которым понимается фиксированное лечение поступивших больных. Поскольку кардиологу . трудно оперировать с 39 признаками, то после экспертной оценки было оставлено -21, 12, II и т.д..до четырех признаков. Надежность решающих правил пса разном числе признаков подсчитывалась на эк-заменуюяюй выборке. Из анализа результатов следует-, что наиболее оптимален набор из 7 признаков. Следующий раздал главы (§3.5) посвящен анализу результатов прогнозирования исхода и осложнений ИМ по индексу тяжести (ИТ). Приводится формула ИТ и результаты расчета ИТ для следующих групп. Группа ¡i I - больше с гладким течением (420 больных) ; &Г

- аритмия, 1-е сутки (14? больных) ; -аритмия, 2-е сутки (144 больных) ; 05 - аритмия, первая неделя (107 . больных) ; G;, - аритмия, с первой до третьей недели (88 больных) ; G5 - аритмия, о третьей до шестой недели (58

■ больных). Группа Qv — острая левоиелудочковая недостаточность, ■ 1-е' сутки ,(136 больных) ; - ОЖН,-. 2-е сутки (82' больных),■•/' . Q5 - ОЛЖН, 1-я неделя (69 больных) ; QА *

- олен, с первой по треть».неделю (56. больных) ; '. Qs -СШ,. с третьей по шестую неделю "(27 больных).. Ставится задача определить по ИТ, -разовьется ли из какие сроки у больного одно из двух рассматриваемых осложнений, - аратшя, 0JISH, или течение ИМ будет гладким. Вторая'.,'цель, как бы сопутствующая прогнозу ,■ состоит в том,' чтобы' оценить среднюю тенденцию изменения ИТ во времени: от первых суток до иеоти недель. Дяя целей прогноза били сформулированы II обучающих к контролыих выборок, и проведены две серии вычисли тельных экспериментов (ВЭ). .'■

Первая .серия экспериментов состоит собственно в решении задачи распознавания;' конечной целью этой серии ВЭ было определение вероятности правильного ответа на экзамгче по всем группам G^ 05 ■ Q4 Qs- . Предварительно проверяется гипотеза компактности из соотношения внутриклассовой . диспзрзан к расстояния .-.'.еаду центрами классов. В среднем, металаосoesе расстояние по группам ~ Gs равно 0,5302, а- дасперопя D,72; : межклассовое расстояние ме;:;ду грушами Q, - Q; равно coc-ToóTCTSeiiKo С,43о'? п .0,284. Следовательно, г::потеза компактное т.: ае выполняется, .что сразу н екгза-

лось на результатах распознавания, реализуемого .кед миними-задия евклидова расстояния до центров классов. Среднее значение вероятности правильных ответов в группе,с аритмией = = 0,32, с ОЛЖН = 0,02. Предлагается использоват: дня ИТ процедура подсчета расстояний на раздвигающих метриках.

Вторая серия ВЭ состояла.е том, чтобы установить достоверность и степень различая- между ИТ, вычисленных в разияе. сроки наблюдения. Традиционно для этих 'целей.• аслользорслея.-. критерии' -Ь Стьюдента,' которки сильно, обусловлен- предпо- ; ' ложением о нормальности. распределения.: Поэтому-.'-сначала': по'.''.' "процедуре,- описанной выше, проверяется нормальность распре-- . делений всех II групп'; результаты приведены ,в табл.' 4.

- Таблица 4-

Проверка гипотезыпо реальности- распределения - -.''- ;, : '-

Наименование : _Г£уппн_ __

Значение (16)

- Значение, (17)

0,117 <0,304 : . ^ 1,68 0,60 -

с, 0, 518 > 0,506 1,10 0,98 .

С, 0,197 <0,512 1,72 0,993.

: 0,551 < 0,588 1,10 1,13 ■';

С, 0,047 < 0,645 ' 1,517 . 1,2288

0,166 < 0,783 2,20 1,44

0, 0,505 < 0,£62 •■;.'' 0,7241 ' 1,69

0,899 ,> 0,668 . 1,3471 1,204

V • 0,002 < 0,721 ■ 5,447 1,3542

0,251 <0,793 1,142 1,466

а5 0,454 < 1,082 1,979. 1,8304

и затем, в табл. 5 приведены значения следующих пар групп:

£ -критерия для

Таблица 5

2шры выборок ^ |

рг ' п* 04 , 8г

а,, а,,

о, о,

Значения : Табличное :

. „на ¿ровно.

~ 3,874 - - 147' " .144 ■ , ~ 1,960

2,03 107 . .88 1,960

36,52 88 ■ 68

3,С88 136 - -82 •;; 1,90

7,735 / 82 с 9 1,93

'■> г со Ы , -V и , 69: &3 '.- Г«ез ''

0.537 Г/о Г

Из табл. 4 следует, что, 'во-первых, многие группы не подчиняются нормальному закону распределения,' поэтому' к данным табл. 5 следует относиться осторожно. Рекомендуется для' дсух-пар Еыбасок . С5 и 0.г, для уточнения пси-.моцить непарам&тричеоиие критерии различия, е частности 0. -критерий.

Заключительный раздел глава (§ 3.6) представляет результаты прогнозирования на'основе персонального параметра. Как было показано ранее, в главе II, ЕсроятностьРлеталыюго исхода при МЛ обусловлена двумя независимыми событиями: Евро- . ятиостыо возникновения потенциально опасчого локального недостатка в кровоснабжении группы кдетоа сердечной ткани а вероятностью того, что возникший, локалы-шп недостаток в кровоснабжении для группы клеток не будет устранен за время, при котором -еще не разовьются необратимые деструктивные процессы в сердечной мышце. В-общей виде имеем

= + НО

(19)

где ИЬ - персональный параметр, -определяемый по уравнению Клаиберга, а , 8 - параметры, определяете методом наименьших квадратов. . •

В расчетах были приняты а = 4,9, 8= 7,34, 'исхода из даншх по Венгрии, где смертность, вызванная инфарктом миокарда, приближается к уровню смертности в СССР в период, когда баян -собрана истории болезни., обработанные е - настоящей' работе. ,

В табл. 6 приведены значения ЭДЦ и вероятность летального исхода по разным возрастая« группа«, рассчитанных на 1237 историях болезни. ;

Таблица 6

ЙОЗРЗСТ

Бесоятность смертности

ни

Вероятность смертности по иц

< 40 . 0,0526 0,886 0,04

40-50 0,0789 0,8187 0,15

50-50 0,236 0,7557 0,45

60-70 0,473 0,6976 0,92

>70 0,157 0,6703 0,88

Из анализа табл^ 6 следует, что вероятность Р летального исхода сильно отличается от (Такта и это есть отправная точка дальнейших исследований проблемы персонального параметра в связи с заболеваниями сердечяс~с.роулистами заос-лсваяилми.

В пр^лояении I пр^удона база даншх.

В прилокеклп П праведеш катрвди прогнозных коэффициентов исхода и осложнений инфаркта .миокарда.

В прилокзшш Ш - расчетные значения индексов тяжести для II групп. ■ •

3 заключении сформулирован® оснолннс результаты диссертации.

1. На основании теоретического анализа двух базовых подходов к диагностике и прогнозировании,-статистическому ц па основе математического моделирования делается вывод о неие-следованносги вопроса сравнительной оценки методов, алгоритмов в решении достаточно слоеной задачи прогноза динамического процесса, такого как развитие осложнений и исход инфаркта ¡диокарда. .

2. Особенностью статистического подхода к прогнозированию является учбт индивидуальности больного, но в то время присутствует громоздкость процедур пересчета прогностических коэффициентов при расширении объема выборки, сильная зашумленность , связанная с кодированием, неучет характера рас- ' предоленкя исходных данных. Разработанной комплекс программ. на языке PASCAL, серии ВО, надешюстд. раиавдих правил, построенная на максимизации коэффициента правдоподобия, под-твеездают адекватность этого подхода к аспекто шщивидуаль-ного прогноза состояния больного, ■

■ 3. Математическая модель - идеальный инструмент прогноза, однако в силу сложностей ее идэптпйгаохцт, практически нереэлизуем. В связи с.этим тенденция к построспцз интегрального (обобщенного) показателя ш:ояастсл в использовании индексов такестп состояния больного. Показано г> эксперименте, что даже на больших продстешитодьяых сибэркох, индекс тя':;сс-\и,как прогиоотичеорий показатель не работоспособен.

4. Показано так>;:е, что персональный параметр, который ость обобщенный показатель состояния организма, тайна не мо~ кет быть использован б качестве шшвздуал&ного лрошос-тэтос-кого показателя. •

5.'Исходя из результатов, описапщх в пп.З и 4 теоретически показаны' другие пути, построения -агрегированных показателей ,' которые, учитывают вопросы кодирования показателей, их унификацию, структуру исходных массивов данных.

6. Разработана база дашшх: на 1237 историй болезни ■ больных инфарктом миокарда,- проерамка прогноза 1И,';программы проверки шда статистических критериев, расчета индексов тяжести, персонального параметра, процедур распознавания.

Проведены числеише эксперименты, разработаны рекомендации к применению разных методов к прогнозу инфаркта миокарда, что мокег быть использовано и для других заболеваний.

Основные результаты выполненных исследований и разработок опубликованы -в следующих работах:

I. Система управления реляционными клиническими данными для гепатодогических исследований. Труды конференции "Системный анализмоделирование и управление 'сложными процессами, и объектами". Ташкент. 1994 г. стр. 94. :

■2. Математические'метода исследования дифференциальном диагностики хронических гепатитов у-детей. Вопросы кибернетики. Л. 153. 1996. Стр. 100-106.' ' '

3. ^те^оАо^о^ ]сг . Клои/Ьё^е Пол .

р|/1)Сеес!-спй "<?{ in.tern.alion.at. con.fecen.ce Т^дЫе*'

гошм, й-ьб' шсу,.те/ \

4. Модель "сиядромной диагностики и лечения заболевании сердечно-сосудистой системы. Вопросы кибернетики. # 154. 1996 г. Стр. 95-102.

5. Сравнительная оценка методов прогнозирования исхода заболевания '(пример, инфаркта миокарда). Сб. Вопросы моделирования и шиюркатизации экономики. Вып. 13. Ташкент, 1996 г. Стр. 147-151.

: , 6. Сравнительная оценка методов.прогнозирования исхода заболевания. Сб.трудов "Проблеет информатики и управления, перспектива их решения".- Ташкент, 1996. Стр. 102.

7. О надежности правил прогнозирования исхода инфаркта миокарда. Труда коий. "Современные н.-облеш алгоритмизации". Ташкент, 1995. С.ЗОЗ-ЗСЛ. ;

"Касалл.;каинг бошланишини диагностика ва .. прогнозлаштнриг; усуллари билзн. таадослаб' .' О'а^олзш (инфаркт лиокард и то ли да)" мавзуи-даги диссертация ииинмнг

Бугуиги нунгэ, шубхасиз, дизгностикадз, дзволаида. ва . касалликнинг ривоаланишиии аницлаида компьютер тизиалар:ш цуллаш нуда иух^ш..' Бу иа^эдга эришиш учун математик услублар сунънй интеллект ус'ул-ларигача, бунда компьютер за^оадари' -уз'оодэ 'яойлаигаа. фойдаланув-чиларга зеелеконсультацияаи таикил атишга асос о'улиб.фаод икяашдайк. Инфаркт миокард - юрак-томир тизими касаддшшршншг энг.куп 'тарная- . гаи гури, шунинг у'чун фак,ат клиник ыатериаллар асосида иапэтилзетган услублар еамарэ/шлигини солиитириш бугунгача иозпк .муаммо о'улиб ко- ' лппти. ■'■■;'. ..

Бу надо иккитз ва у а дал иртнк, диагностика 'ва. прагноздаитнрии усулларини - статистик ва математик моделлаштириш - солистириб ба-хрлав курсатилган. Касаллик варакреи учун кодификатор иилаб чицйлг^» ! uwi'OpMainB о'елгилар аярахиб олинган, уларнинг коррвляцаяси тадширил-ган , инфарктнинг б хил зура'Иаиининг бошшнишиш 5 хил вацтда диагностик на ирогиЬзлаитирии компьютер тизииларида куридган. Атайан' 5 хил ёв latíaцага ажратиб олинган II гурух касаллар учуй клиник ¡г.!/;«« оуирлигя, иахсус парзметрлзр куркб Чйциягац. Косзляикианг параимр-дари курио чш^илган. Касаллшшииг уивоклзиишида иахеий прогиоэлгн;-тириш бяр неча марта статистик балашишга асосланган. игаряак инд«|-:ск ва ыахеий параыетрларни о'ир гурух -касаллшшиаг оцибагини гахиивен еа>;олаш учуй ишлагиы маъцул, лекин ботта касал учун эмас.

/вдов гашкрри, бу шдд уиуилавтиралган курсаткачлар csnisoau' бу;',а-. ча тизимли анализ ус уди билан ниги ижод наяйдалара курсатнлгаи.

SUMMARY

of Ph.D thesis by

ABDEL HAMEED AHMAD HARBOOD "Comparative evaluation of diagnostic and prognostic methods for disease out come (after the example of acute myocardial infarction)rt

Actuality of computer systems applications for diagnosis, treatment, prognosis of disease development is doubtedly today.

Diapason of mathematical "ibols using for solution mentioned tasks are very wide, i.e. includes statistical methods and methods of artiffici.il inteligence. Moreover the Health Networking Systems (Health Telematics tools) are active using as a teleconsultation base for remote districts. However, up till now was't hold comparative study of using mathematical methods effectiveness for acute miocardial infarction.

This dissertation represent comparative evaluation of two most vvellknown and widely using methods, - statistical and mathematical modelling in problem of miocardial infarction outcomes solution.

So was designed spccial cod format in order to create according data base for 1237 patients; it was checked correlative links and revealed significant features; it was realised computer system for diagnosis and predict of infarction' six complications at different time moments. It was designed the clinical markers of patient's for 11 special selecting group of patients, and calculated the "persona.1 parameter's" value for 5 different age groups of patients.

The main results of our study consist of guidance for physicians of effective using the mathematical tools in diagnosis and prognosis of acute myocardial infarction patients, three computer'programmes for prognosis, and results of theoretical study of new structural methods for designing integral prognostic features.

БОСМАХОНАГА ТОГШ'ИРИЛДИ 9 6 fl.

БОСИШГА РУХCAT ЭТИЛДН^с?. 09.96"- KOF03

БИЧИМИ 60\84 1/16. ОФСЕТ liOCMA УСУЛИ. ДАЛОВН 70 НУСХА. ВУЮРТМЛ 66

S3 P ФЛ «КИБЕРНЕТИКА» И114 Б СИГА ЦЛРЛШЛИ КИБЕРНЕТИКА ИНСТИТУТИНИНГ БОСМАХОНАСИДА

' ЧОП ЭШДГЛН. -OOU3. ТОШКЕНТ. Ф. ХУЖАЕВ. КУЧ Н'.И 34 УЛ.