автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Алгоритмизация диагностики опухолевых заболеваний больших слюнных желез на основе компьютерной томографии

На правах рукописи

КОРОБОВ Андрей Владимирович

РГБ Од

^ и.Ы ¿„и АЛГОРИТМИЗАЦИЯ ДИАГНОСТИКИ ОПУХОЛЕВЫХ ЗАБОЛЕВАНИЙ БОЛЬШИХ СЛЮННЫХ ЖЕЛЕЗ НА ОСНОВЕ КОМПЬЮТЕРНОЙ ТОМОГРАФИИ

Специальность 05.13.09 - Управление в биологических и медицинских системах (включая применение вычислительной техники)

АВТОРЕФЕРАТ

диссертация на соискание ученой степени кандидата медицинских наук

Воронеж 2000

Работа выполнена на кафедре «Системы автоматизированного проектирования и информационные системы» Воронежского государственного технического университета

Научный руководитель:

доктор медицинских наук, профессор Губин М.А.

Научный консультант:

заслуженный деятель науки РФ, д-р техн. наук, проф. Львович Я.Е.

Официальные оппоненты:

доктор медицинских наук, профессор Эктов В.Н.

кандидат медицинских наук Олейник О.И.

Ведущая организация:

Тульский Государственный технический университет

Защита состоится 17 марта 2000 г. в 15 30 часов в конференц-зале на заседании диссертационного совета Д 063.81.04. Воронежского государственного технического университета по адресу: 394026 г. Воронеж, Московский проспект, 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан « » 20001

Ученый секретарь диссертационного совета

Пасмурное С.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В последнее время обозначились тенденции к использованию новейших современных методик в медицинской визуализации опухолей слюнных желез. Существует множество разнообразных методов диагностики данной патологии. Однако при их использовании в ежедневной практике возможно возникновение трудностей, связанных с наличием большого количества альтернативных вариантов, отсутствием точных математических методов и алгоритмов оптимизации процесса диагностики и выбора тактики лечения опухолевых заболеваний слюнных желез. Поэтому использование новых информационных технологий для создания медицинских систем автоматизации, объединяющих знания и опыт врачей-экспертов, является важной задачей.

Выбор метода лечения больных злокачественными опухолями слюнных желез и его результаты во многом зависят от распространенности опухолевого процесса. В течение многих лет рентгенологическое исследование оставалось ведущим и, по существу, единственным методом распознавания опухоли этой локализации. Существенным ограничением метода является невозможность точной оценки границ поражения на фоне окружающих тканей. Современная диагностика заболеваний слюнных желез основывается на клинических данных, результатах рентгенологических, радио-нуклидных и других специальных методов исследования.

Организация процессов диагностики и оптимального планирования тактики лечения осложняется спецификой представления знаний в данной предметной области: многие показатели не имеют количественной характеристики, архивная информация, как правило, содержит определенный процент ложных данных, имеет место неоднородность характеристик больных, в результате чего в каждом отдельном случае требуется индивидуальный подход.

Традиционные методики рентгенологической диагностики (рентгенография, пневмография, сиалография, томосиалография, пантомосиалография) обеспечивают получение информативного диагностического изображения, однако схожесть рентгенологической картины различных по природе заболеваний, сложность интерпретации теней затрудняют диагностику различных патологических состояний слюнных желез. В частности, сиалография - основной метод рентгенологического исследования - позволяет распознать слюннокаменную болезнь, воспалительные изменения и сиалозы, опухоли слюнных желез, но в некоторых случаях затруднен анализ полученных сведений. Хирургическое лечение опухолей слюнных желез нередко сопровождается серьезными осложнениями (повреждение ветвей лицевого нерва с параличом мимической мускулатуры, образование стойких слюнных свищей), требующими повторных хирургических вмешательств, иногда и неоднократных. В этой связи точная топическая диагностика и знание морфологической структуры являются необходимым условием, предопределяющим оптимальный результат хирургического лечения опухоли слюнной железы. В отличие от вышеуказанных методов диагностики, ставших в

настоящее время традиционными, внедрение в практику метода компьютерной томографии выявило определенные перспективы в повышении эффективности диагностики и оптимизации тактики хирургического лечения.

В настоящее время мощное развития получила такая область искусственного интеллекта (ИИ), как экспертные системы (ЭС). В их основе лежат программы, предназначенные для представления и применения фактических знаний из специальных областей. Например, совместные усилия экспертов и разработчиков систем позволили создать системы, которые диагностируют свойства объектов, подбирают конфигурацию различных производственно-сбытовых систем. Осознание полезности систем, которые могут копировать дорогостоящие или редко встречающиеся человеческие знания, привело к повсеместным усилиям привело к повсеместным усилиям по расширению и применению этой технологии. Мощное развитие получил также математический аппарат сетевых моделей при разработке имитационных систем, в которых имеют место процессы обработки информационных потоков.

Таким образом, тематика диссертации связана с разработкой алгоритмического обеспечения системы выбора оптимальной диагностической и лечебной тактики при опухолевых заболеваниях слюнных желез.

Работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 «Перспективные информационные технологии в высшей школе» в рамках одного из основных направлений Воронежского государственного технического университета «Биокибернетика, компьютеризация в медицине».

Цели и задачи исследования. Целью диссертации является разработка алгоритмического комплекса эффективной диагностики и выбора оптимальной тактики лечения опухолевых заболеваний слюнных желез в условиях стационара на основе данных компьютерной томографии. Для достижения поставленной цели в работе решались следующие задачи:

исследование специфики автоматизации лечебно-диагностического процесса с учетом использования аппарата экспертных систем и сетевых моделей при решении задач управления процессом планирования диагностики и построения тактики лечения в условиях стационара;

выбор способа описания диагностической ситуации для этапов планирования диагностики и тактики лечения и формирование механизмов ее классифицирования и поиска решения при выборе диагностической методики и способа лечения в зависимости от полученных данных;

разработка сетевой модели функционирования процессов диагностики и построения тактики лечения, генерация вариантов рационального многоальтернативного выбора множеств дифференциально-диагностических признаков, поиск диагностических методик, позволяющих оптимизировать структуру сетевой модели;

разработка алгоритмов функционирования системы управления автоматизированным лечебно -диагностическим процессом;

создание алгоритма функционирования имитационной модели процессов системы планирования диагностики и тактики лечения ;

построение структурной модели экспертной системы управления процессом планирования диагностики и тактики лечения (ЭСУППДТЛ);

реализация результатов в виде алгоритмического комплекса и его внедрение в работу врача при планировании диагностики и разработке тактики хирургического вмешательства.

Методы исследования. В качестве теоретической и методологической основы диссертационного исследования использованы методы математического программирования и построения экспертных систем, теория управления медицинскими и биологическими системами, теория систем, теория искусственного интеллекта, имитационного моделирования, теория сетей Петри, экспериментальные исследования.

Научная новизна. Основные результаты диссертации, выносимые на защиту и имеющие научную новизну, состоят в следующем:

методика динамического компьютерно-томографического сканирования слюнных желез, позволяющая в рамках построения дифференциально-диагностического ряда существенно расширить диагностические возможности распознавания патологических изменений в слюнных железах, сокращающая сроки обследования больных и число используемых диагностических методов;

структурная модель автоматизированного управления системой планирования диагностики и тактики лечения в условиях стационара, отличающаяся интеграцией математического аппарата сетевых моделей и ЭС;

формализация процессов принятия решений по построению диагноза и планированию тактики лечения хирургических заболеваний слюнных желез, характеризующаяся алгоритмическими процедурами обеспечивающими функционирование имитационной модели и способствующими выбору наиболее адекватной тактики лечения при неоднозначной ситуации;

способ описания диагностической ситуации для этапов планирования диагностики и тактики лечения, обеспечивающий ее классификацию и поиск решения при выборе диагностической методики и способа лечения в зависимости от полученных данных и позволяющий характеризовать патологический процесс в целом.

Практическая значимость и результаты внедрения работы. Разработанная модификация метода динамического компьютерно-томографического исследования слюнных желез, позволяет в рамках построения дифференциально-диагностического ряда существенно улучшить дооперационную диагностику гистологических типов опухолевых заболеваний и оптимизировать объем хирургического вмешательства. Методика обработки информации, включающая алгоритмы имитационного моделирования, позволяет получить достоверные формализованные модели системы управления, на основе которых возможна настройка на конкретный процесс планирования диагностики и тактики лече-

пня. Сетевая модель функционирования лечебно-диагностических процессов позволяет учесть различные ситуации, возникающие на объекте управления, и генерировать варианты управляющих воздействий. Разработанный алгоритмический комплекс и модификация метода динамического сканирования внедрены в практическую деятельность отделения челюстно-лицевой хирургии Воронежской областной клинической больницы, отделения лучевой диагностики Воронежского областного клинического лечебно-диагностического центра, что обеспечило высокий функциональный и эстетический результат лечения, позволило сократить общую продолжительность обследования в амбулаторных условиях и сроки временной нетрудоспособности, связанной с лечением в условиях стационара на 20 %.

Результаты внедрения подтверждены соответствующими актами.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийском совещании-семинаре «Математическое обеспечение информационных технологий в технике, образовании и медицине» (Воронеж, 1997), Пленуме российской ассоциации радиологов «Лучевая диагностика и лучевая терапия» (Москва, 1998); Всероссийской конференции «Интеллектуальные информационные системы» (Воронеж, 1999); семинарах кафедры «Системного анализа и управления в медицинских и педагогических системах»; ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. Основные результаты диссертации опубликованы в 6 печатных работах, перечень которых приведен в конце автореферата.

Структура и объем работы. Диссертация состоит из введения, четырех глав с выводами, заключения., списка литературы из 139 наименований и девяти приложений. Основная часть диссертационной работы изложена на 150 страницах машинописного текста, содержит 35 рисунков, 6 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность работы, дается ее краткая характеристика, показываются основные пути решения сформированных проблем.

В первой главе диссертации рассматриваются особенности методов диагностики заболеваний слюнных желез (ЗСЖ), качественных информационных параметров, получаемых в процессе диагностики ЗСЖ, их сравнительная оценка; определяются основные требования к информационной базе, системам моделирования процесса поддержки принятия решений, прогнозирования исхода и выбора тактики лечения; исследуется сущность процесса подготовки принятия и реализации решений; анализируются математические характеристики моделей процессов планирования диагно-

стики и тактики лечения (ППДТЛ); обосновывается выбор математического аппарата и медицинских методов визуализации - компьютерной томографии (КТ), используемых при построении моделей.

В качестве особенностей диагностики и построения тактики лечения рассматриваются: возможность визуализации опухолевых масс и окружающих тканей; решение вопроса о характере процесса - доброкачественность, злокачественность; выбор характера оперативного доступа и объем операции; назначение до- и послеоперационных курсов лучевой и химиотерапии; многокритериальность выбора решения; необходимость наличия высококвалифицированных экспертов как неотъемлемой части процесса.

В качестве основного метода диагностики предложен метод компьютерной томографии, позволяющий визуализировать опухоль, определить характер ее роста (инфильтративный, экспансивный), заинтересованность в процессе окружающих структур, исключить наличие метастазов в регионарные лимфатические узлы. При анализе средств дифференциальной диагностики ЗСЖ также рассмотрены сиалогра-фия, сцинтиграфия, рентгенография, пантомосиалография, соиография, реография.

На основании проведенного анализа определяются цель и задачи исследования.

Вторая глава посвящена содержательному описанию модели ППДТЛ и функциональному взаимодействию ее элементов, предлагаются принципы классификации исследуемых заболеваний и методов диагностики. На основе полученных результатов производится построение структурной схемы комплексного обследования при использовании дапных КТ для ППДТЛ. Предлагается формализация функционирования экспертной системы управления процессом ПДТЛ на основе математического аппарата сетей Петри и экспертных систем; алгоритм моделирования процессов функционирования системы планирования диагностики и тактики лечения (СПДТЛ).

Рассматривая с системных позиций вопрос разработки математического обеспечения ЭСУППДТЛ, можно сделать вывод, что он имеет несколько сторон:

1. Построение математических моделей нескольких уровней. Это модели настройки на конкретное заболевание, описания текущей ситуации, поиска решений при определении диагноза, включения найденного решения в базу знаний.

2. Влияние специфики заболевания на качественный и количественный состав математических моделей.

3. Соответствие каждой группе ситуаций определенного состава математических моделей всех уровней.

В качестве условий, влияющих на процесс формирования вывода при управлении ППДТЛ, выделим внутреннее состояние СПДТЛ и влияние состояний внешней среды.

В связи с вышесказанным при анализе хирургических заболеваний больших слюнных желез предлагается рассматривать их как совокупность ситуаций, характе-

ризующихся определенным набором условии и правил, применяемых в зависимости от текущего состояния на объекте исследования.

Вследствие вышесказанного предлагается выделение следующих групп хирургических заболеваний слюнных желез (ХЗСЖ): воспалительные заболевания; опухолевые заболевания (явные/скрытые); слюннокаменная болезнь.

В свою очередь, каждая из указанных групп характеризуется значениями соответствующих классификационных признаков (условий, возникающих в ходе функционирования системы): сторона поражения; темп роста опухоли; характер первого симптома; локализация по клиническим данным; лимфатические узлы; окраска кожи над областью поражения; характер кожи над областью поражения; расширение подкожных вен; число пальпирующихся узлов в пораженной железе; характеристика болей; иррадиация болей; признаки поражения лицевого нерва.

Современный уровень развития медицины и совершенствования методов лучевой диагностики позволяет расширить диапазон диагностических возможностей посредством внедрения в клиническую практику таких методов исследования патологии слюнных желез, как дипггальная субтракциоиная сиапография, сиалосцинтиграфия, сонография, компьютерная и магнитно-резонансная томографии слюнных желез, что позволяет дополнить систему классификационных признаков ХЗСЖ следующими па-рдметрами (условиями), имеющими значение для дифференциальной диагностики ХЗСЖ:

обзорная рентгено1рамма: наличие конкрементов, увеличение объема мягких тканей, узурация кости;

лимфография: регионарное лимфообращение, лимфатические узлы; сиалография: изменение диаметра протоков, оттеснение протоков, дефект контрастирования, обтурация главного протока;

сонография: дополнительные образования, эхогенность паренхимы, конкремент, объем железы;

радиосиалография: концентрационная функция, экскреторная функция; изотопное сканирование: площадь изображения железы, форма, наличие холодных очагов;

радиометрия тканевого кровотока: период полувыведения, объемный кровоток; цитологическое исследование: атипичные клетки, элементы воспаления. Существенным ограничением указанных методов является невозможность точной оценки границ поражения на фоне окружающих тканей, что обусловливает внедрение в диагностический процесс КТ исследования как одного из основных в диагностической тактике.

При объемном процессе в проекции расположения слюнной железы проведение нативного компьютерно-томографического исследования позволяет получить ответ на следующие важные для планирования тактики лечения вопросы:

отношение объемного процесса к железе (внутри/внежелезистая локализация);

принадлежность образования к одной из четырех групп на основе качественного анализа его структуры (солидная, кистозкая, кистозно-солидная, жировая структура);

взаиморасположение и взаимоотношение образования с окружающими органами и структурами.

При рассмотрении выделенных групп хирургических заболеваний слюнных желез наибольшую трудность вызывает получение данных о качественном характере новообразования.

В случае явных опухолевых заболеваний больших слюнных желез применение компьютерно-томографического исследования уже на начальных этапах обследования позволяет получить следующие классификационные признаки различных по гистологическому строению опухолей: односторонность/двусторонность поражения; количество узлов (один, два, более); бугристость контуров; форма образования (правильная, неправильная); плотность образования (тканевая, жировая, жидкостная); характер строения (солидное, кистозное, кистозно-солидное); наличие кальцинатов; ин-вазивность (четкость, нечеткость контуров); характер накопления контрастного вещества при внутривенном введении контрастного агента.

В ряде случаев вышеуказанных классификационных признаков недостаточно для определения степени злокачественности опухоли, принадлежности ее к тому или иному типу различных по гистологическому строению новообразований. Поэтому является целесообразным применение модификации метода компьютерной томографии в виде динамического сканирования на заранее заданном уровне при одновременном внутривешюм введении контрастного вещества. Это позволяет при последующей послойной денситометрии и графическим отображении зависимости плотность/время в зоне интереса получить следующие динамические и статические характеристики новообразований: процент максимального повышения плотности объемного образования .К. = —х100%; время повышения плотности опухоли до максимальных

значений (т„; время снижения плотности образования до значения 50 % от максимального /,,2; степень увеличения плотности опухоли на момент окончания исследования К2 = —-—х100%; анализ скорости увеличения плотности опухоли (//.')

за время исследования (анализ производной функции плотности по Хаунсфилду), наличие критических точек на графике плотность/время, анализ скорости снижения плотности (Н2); сопоставление графика плотность/время для опухоли с графиком плотность/время для крови в сонной артерии, принимая за точку начала отсчета времени для измерения значений /тах момент повышения плотности крови в артерии.

Исходя из вышеприведенного анализа предлагается следующая схема КТ исследования пациентов с ХЗСЖ (рис. 1).

Рис.1 Схема применения КТ исследования при планировании диагностики

ХЗСЖ

Рассмотрим построение структурной модели, основанной на представлении знаний правилами, при помощи которой было бы возможно производить настройку ЭСУППДТЛ на реальные процессы формирования плана диагностики и выбора тактики лечения. Сетевая модель должна быть объектно ориентирована, то есть учитывать следующие факторы: связь конкретных методов исследования с группами заболеваний больших слюнных желез; условия, при которых возможно применение той или иной совокупности методик; взаимосвязь между сходными по этиопатогенетиче-ским признакам заболеваниями; наличие методов, позволяющих предотвратить или значительно уменьшить побочные влияния разного рода внешних и внутренних факторов при проведении исследований. Способ вывода должен иметь средства для определения наличия классификационных признаков той или иной группы ХЗСЖ путем анализа соответствующих факторов и в зависимости от этого предлагать ту или иную методику исследования. В связи с этим предлагается сетевая модель, в которой причинно-следственная связь описывается при помощи структуры, которая напоминает построение сети Петри. Узлами такой сети являются классы условий и управляющие выводы (соответственно позиции и переходы сети). Структурой данной сети является совокупность множеств

где Р - множество условий (позиций); Т - множество управляющих выводов (переходов); Я - множество классов правил; / = 1{Р, Д,Г) -функция входных инциденций; 0 = 0(Р,Я,Т)- функция выходных инциденций; ра- начальная маркировка сети. Заметим, что рассмотренная выше структура является ни чем иным как доской объявлений рассматриваемой ЭС. Сформированная сетевая структура функционирует н; основе правил, аналогичных правилам возбуждения переходов в классических сетя> Петри.

Решение по управлению, полученное при помощи ЭС, может не всегда устраивать врача, принимающего решение, кроме того, могут возникать случаи, когда ситуация при помощи этих средств либо не может быть описана, либо отнесена к какому-либо классу. В этом случае предлагается модификация и развитие теоретического аппарата сетей Петри для построения функциональной модели СПДТЛ.

Модификация сетей Петри представлена в виде совокупности множеств N = {Т,Р,1,О,Ы,/^,р,К,р0), где Т- множество переходов (методик), которые могут возникнуть (использоваться) в системе ПДТЛ; Р - множество позиций (классификационных признаков заболеваний), каждое из которых соответствует определенному подмножеству переходов (методик) в качестве «пред»- или «пост»-условий (признаков заболеваний) выполнения той или иной методики; Дг - интервал времени имитации; /-функция графика наполнения сети маркерами (обеспечение достаточности классификационных признаков заболевания для проведения соответствующей методики); г, р-функции состояния переходов и позиций сети;К- множество времен окончания обработок переходов (методик), возбужденных (проводимых) в текущий момент времени; ц, - начальная маркировка модифицированной сети Петри (исходная диагностическая ситуация).

В лечебно-диагностической системе всегда может возникнуть «конфликт» между методиками. Для разрешения подобного рода ситуаций предлагается использовать способ формирования приоритетов конфликтующих переходов (методик). Обозначим через Рг, приоритет / -го перехода.

В третьей главе излагается алгоритм многоальтернативного выбора управляющего вывода; рассматривается структурная модель ЭСУТЩДТЛ.

Принятие решения о выборе управляющего вывода ЭС (УВЭС) связано с решением задачи оптимального выбора единственно правильного решения. При этом решение должно указывать на степень уверенности в принимаемом решении. Рассмотрим процедуры для определения оценки предпочтительности многоальтернативного выбора на множестве дискретно распределенных критериев.

» N

Пусть Л = |>„ -множество ситуаций, отображаемых на множество альтернатив

л-1

V

А = иа„. Каждая ситуация (альтернатива) определяется дискретным набором колите!

чественных значений критериев Р(/,и), где / = ],/ -индекс критерия; и = 1,ЛГ -индекс альтернативы. Критерии Р(},п) образуют ряд дискретных распределений на количе-

I _

ственной шкале критериев Е , причем

Предполагается, что для данных распределений принцип монотонности, т.е. предпочтительность принятия альтернативы а „ при оценке ситуации ¿„ , монотонно растет (убывает) по мере роста (убывания) соответствующих оценок Р{г,п) на

шкале Е . Обозначим через степень предпочтительности альтернативы а„ перед

N

прочими. Величину 5 = 1 - 2 Я, будем интерпретировать как степень интеграль-

А-1

ной тождественности альтернатив.

Вычисление численных оценок степени предпочтительности альтернатив и их интегральной степени тождественности 5 сводится к алгоритму многоальтернативного выбора управляющего вывода.

Заметим, что оптимальный выбор признакового пространства в значительной мере обеспечивает эффективность и качество функционирования систем выбора УВЭС. Критерием оптимальности является минимизация числа оцениваемых параметров при условии обеспечения достаточной информативности выбранной параметрической системы. Для этого вводится приведенная непараметрическая оценка степени сходства, вычисляемая следующим образом: значения признаков альтернатив сравнения а р, а ? приведем к единице:

Р » = Р „у^Х Р • > 1 " = 9 пу/2 Я п , т.е. формируются два дискретных

распределения признаков р,,д, с суммарными весами, равными единице, X Р» = X ?, = ' ; аналогично расстоянию по Хэммингу определяется инте-

V п V к

гральная разница в значениях нормированных признаков распределений <1 = XI ¡Рл - ЯИ|; вычисляется значение степени сходства 5 = 1 — <3 .

VII

Данный метод по сравнению с другими методами минимизации информативной избыточности наиболее прост и доступен для алгоритмизации.

Основой ЭСУППДТЛ является структурная модель управления, которая отражает общие концепции построения общей схемы обследования и взаимодействия ее основных частей. Можно выделить две основные категории задач, решаемых в ходе функционирования ЭСУППДТЛ: настройка на конкретную диагностическую задачу и формирование управляющего вывода. Данные категории, в свою очередь, могут быть представлены в виде следующих подзадач:

моделирование: описание текущего состояния СПДТЛ; формирование и коррекция классов однозначных ситуаций; формирование и коррекция модели имитации функционирования; классификация правил; формирование и коррекция сетевой модели доски объявлений (СМДО);

поддержка и принятие решения: поиск управляющего вывода в случае однозначных ситуаций; многоальтернативный поиск; классификация управляющего вывода; имитация функционирования СПДТЛ.

Информационно-структурная модель представляет сбой сложную схему, основными элементами которой являются блоки переработки информации, информационные потоки и пр. Таким образом, разработку и анализ структурной модели необхо-

димо проводить на основе системного подхода и анализа СПДТЛ. Это позволяет выработать единый методологический подход к автоматизации экспертной системы управления ППДТЛ, заключающийся в следующих этапах: декомпозиции процесса диагностики на подсистемы; определении задач для каждой подсистемы; формировании взаимосвязей между подсистемами, реализующих логическую последовательность управления; рассмотрении взаимосвязей подсистем с внешней средой.

Информационная модель СПДТЛ как совокупность подсистем дискретного процесса диагностики и планирования тактики лечения врачом представляет собой логику лечебно-диагностического процесса и является, по сути, информационным графом программного обеспечения системы.

Четвертая глава содержит рассмотрение характеристик клинических наблюдений; описание метода динамической компьютерной томографии; анализ практической реализации разработанных алгоритмов функционирования ЭСУППДТЛ; результаты апробации системы в условиях лечебно-диагностического центра.

После построения предложенной логической модели планирования диагностики и тактики лечения появляется возможность идентификации структуры комплексного обследования для вновь поступившего больного. В сложившейся ситуации требуется разработка такого алгоритмического аппарата, который имел бы средства: для определения принадлежности состояния больного к одной из групп заболеваний (формирование множества классификационных признаков) на основании данных, получаемых при первичном осмотре; корректировки множества получешшх классификационных признаков путем проведения метода КТ диагностики; получения дифференциального диагноза.

Таким образом, в данном случае имеет место планирование хирургического вмешательства под наблюдением врача-эксперта, роль которого заключается в корректировке информации в ходе КТ исследования.

При проведении КТ исследования применялась следующая последовательность методик:

1) нативное исследование как базовая методика для любого вида КТ;

2) в зависимости от данных, полученных в результате нативного исследования, использование такой специальной методики, позволяющей раскрыть характерные структурные особенности рассматриваемых заболеваний как динамическое КТ исследование.

Нативное исследование в общем случае имеет следующую структуру: на первом этапе производится сканограмма; по сканограмме строится план исследования: определяется угол наклона Гентри; выбирается толщина среза и шаг томографа (рис.2).

Рис.2. Сканограмма.

Нами было определено, что при выборе наклона угла Гентри наиболее оптимальной плоскостью прохождения срезов при исследовании поднижнече-люстных желез является плоскость, параллельная нижнему краю тела нижней челюсти. При этом мышечное дно полости рта практически полностью попадает в один срез, что облегчает определение объемного воздействия опухолей на окружающие структуры. При исследовании околоушных желез наиболее оптимальной была плоскость, параллельная основанию черепа. Использовалась толщина среза 5 мм с шагом стола 5 мм, время сканирования 2,8 с, напряжение на рентгеновской трубке 120 кВ, сила тока 90 мА. Общее число срезов не превышало 15.

В случае опухолевых заболеваний применяется динамическая компьютерная томография (ДКТ) - методика без шагового сканирования на уровне наибольших опухолевых масс при синхронном введении 50 мл омнипака-300 автоматическим инъек-тором на заранее определенном уровне. Скорость введения контраста составила 2.мл./с. Для четкого выявления артериальной фазы первые три минуты исследования временной интервал между сканами составил 10 с. Для фиксации паренхиматозной фазы общая продолжительность процедуры составила 10 мин.

Из общепринятых мер по уменьшению вредного влияния побочных факторов на объем и качество получаемой информации можно указать следующие: 1) освобождение зоны интереса от нательных металлических и других рентгенне-прозрачных предметов; 2) строго симметричная укладка пациента; 3) предупреждение пациента о соблюдении неподвижности, что ликвидирует двигательные артефакты.

В результате проведения вышеуказанных методик определяются классификационные признаки, характеризующие принадлежность заболеваний к одной из групп ХЗСЖ. Полученные критерии являются качественными и связаны с наглядно-образными механизмами восприятия визуальной информации врачом. Получаемые критерии также являются основными при определении дифференциального диагноза.

В основу работы были положены 52 клинических наблюдения и компьютерно-томографические исследования. Возраст обследованных пациентов составил от 17 до 72 лет. По половому признаку исследуемая группа разделилась следующим образом: 17 мужчин и 26 женщин. При анализе заболеваемости хирургическими заболеваниями околоушных слюнных желез отмечается относительное преобладание в исследуемой группе женщин в возрасте от 51 года до 60 лет. В группе с острыми воспалительными заболеваниями слюнных желез преобладали пациенты в возрасте до 50 лет. Полиморфная аденома (рис.3) встречается во всех возрастных группах, однако, пик заболеваемости приходится на возраст от 51 года до 70 лет. В обоих выявленных

случаях аденолимфому (рис.4) возраст пациентов превышал 60 лет. Для гемангиомы (рис.5) наиболее характерен молодой возраст пациентов (до 30 лет), что обусловлено, более вероятно, врожденным характером данного заболевания

Злокачественные новообразования слюнных желез (рис.6), как первичного, так и метастатического характера, наиболее характерно возникновение у пациентов старше среднего возраста(более 60 лет).

Состояния «родственные» опухолевым заболеваниям слюнных желез встречаются в разных возрастных группах. Так, для кист челюстно-лицевой (рис.7) области наиболее характерен молодой возраст пациентов, что можно объяснить преобладанием дизонтогенетических механизмов в этиопатогенезе данной патологии. Для других «родственных» опухолевым заболеваниям состояниях возраст пациентов из числа наблюдаемых колебался в пределах от 30 до 50 лет.

ного протока

Таким образом, в возрасте до 30 лет наравне с относительно высокой (36,4 %) заболеваемостью доброкачественными опухолями, довольно часто встречаются такие объемные процессы челюстно-лицевой области, как киста щитоподъязычного протока (рис.8) (27,3 %), гемангиома (18,2 %). В возрасте от 31 до 50 лет структура заболеваемости больших слюнных желез представлена практически всеми доброкачественными опухолями (66,6 %), воспалительными заболеваниями (16,6 %) и состоя-

пнями, «родственными» опухолевым процессам слюнных желез (16,6%), Причем наибольший удельный вес по численности среди всех заболеваний имеет полиморфная аденома (55,5%). Злокачественных новообразований больших слюнных желез среди обследованных пациентов в вышеуказанной возрастной группе не выявлено. В более позднем возрасте возрастает удельный вес злокачественных новообразований больших слюнных желез. В обследованной группе среди пациентов в возрасте старше 51 года процент заболеваемости злокачественными опухолями слюнных желез как первичного, так и вторичного характера составила 23,8 %, доброкачественными - 65,9%. При проведении анализа данных динамического сканирования для каждого заболевания были получены характерные значения вышеуказанных параметров. Для полиморфной

аденомы получены следующие значения показателей: =45-60%, £ = б мин,

-> со, К2 = К^, высокая в начале с тенденцией к образованию плато на графике __I

г

нзчгю шгьекщтп

- 1 '

10 12 Шн. гэ*

[о чкьекшш

• | 2 4 & в 19 1?

ннъсьиин

Ал

ч_

ч

г 4 С 8 18 К тн,

начало шгьгкчдп!

1

Л—~

ь в 1а 12 шн.

я! 2 4 Е а 1> 12 ШН.

Рис.9.Графики зависимости плотность/время для некоторых гистологических типов опухолей слюнных желез и рядом расположенных областей.

к концу исследования (рис.9,А). Для аденокистозного рака К^ = 65%, /тах = 30 сек., = 5мин, К2= 37%, средние значения Н1 и Н2 (рис.9,В). Для цилнидромы = 200%, ?тах -> 0, 2 = 3 мин, К2 = 46%, высокие значения Н\ , средние значения Н2 (рис.9,С). Для лимфомы К1 = 33%, /тах = 10 сек., /1/2 > 10 мин., К2 = 21%, высокие значения Н| , низкие значения Я, (рие9,0). Для доброкачественного лимфо-эпителиалыюго поражения слюнной железы К1 = 72%, /\пах =10 сек, ~ 1 мин. 10 с,

К2 = 0, высокие значения Я, и Я2 (рис.9,Е). Для хемодсктомы К, =313%, 'та1 = 0 с, 1112 = 1 мин 20 с,ЛГ2 = 73 %, высокие значения //,' и Н2 (рис.9,Р).

На практике ЭСУППДТЛ была включена как часть в АСУ Воронежского областного клинического лсчебно-диагностического центра с использованием клинической информации отделения чешостно-лицевой хирургии Воронежской областной клинической больницы и данных компьютерной томографии отдела лучевой диагностики для автоматизации процесса комплексного обследования, что подтверждено соответствующими актами. Во время функционирования ЭСУППДТЛ в рамках комплекса решались задачи настройки на реальную лечебно-диагностическую ситуацию, генерации вариантов управляющих выводов. Многоальтернативный поиск проводился непосредственно лицом, принимающим решение (ЛПР).

Построение имитационной модели функционирования движения информационных потоков на основе модифицированных сетей Петри происходило по следующим этапам:

- изучение особенностей задачи «Построение дифференциально-диагностического ряда»;

- выделение событий, происходящих в исследуемой системе, условий их возникновения и причинно-следственных связей между ними.

В ходе генерации вариантов управляющих выводов выявлялись следующие ситуации: различная загрузка различных участков структурной схемы задачи, срывы графиков "пополнения" позиций сети и вследствие этого простой отдельных участков.

Использование разработанного методического комплекса позволило значительно повысить качество диагностики за счет предложенного метода динамического ска1шрования при одновременном болюсном внутривенном введении контрастного вещества, что позволило получить экономический эффект в результате получения наиболее достоверных данных о морфологии ЗСЖ в дооперационном периоде.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Проведен анализ существующих программных средств управления, их структуры и возможностей. Исследована специфика СПДТЛ. Выявлена малоэффек-тивность применения традиционных средств для автоматизации многокритериального управления ППДТЛ.

2. Предложен алгоритм, обеспечивающий генерацию управляющих выводов путем имитации процессов управления лечебно-диагностическими процессами, автоматизированную поддержку принятия решений в условиях функционирования экспертной системы управления СПДТЛ.

3. Разработан способ описания диагностической ситуации для этапов планирования диагностики и тактики лечения, обеспечивающий ее классификацию и поиск решения при выборе диагностической методики и способа лечения в зависимости от

полученных данных и позволяющий характеризовать патологический процесс в целом.

4. Построен алгоритм, позволяющий осуществить выбор управляющего воздействия на основе рационального многокритериального выбора.

5. На основе системного анализа построена структурная модель ЭСУППДТЛ, которая реализует решение основных задач экспертного управления.

6. Предложена методика динамического компьютерно-томографического сканирования слюнных желез, дающая возможность в рамках построения дифференциально-диагностического ряда существенно расширить диагностические возможности распознавания патологических изменений в слюнных железах, сокращающая сроки обследования больных и число используемых диагностических методов.

7. Разработан алгоритмический комплекс ЭСУППДТЛ, позволяющий решать следующие задачи: построение формализованной модели управления лечебно-диагностическим процессом; настройку системы управления на конкретный лечебно-диагностический процесс; описание текущей ситуации при помощи аппарата ЭС модифицированных сетей Петри; осуществление поиска управляющих выводов; реализацию рационального многокритериального поиска управляющего воздействия; сохранение информационной базы в случае возникновения сбоев в функционировании системы.

8. Применение разработанных моделей и алгоритмов в условиях планирования диагностики и тактики лечения ХЗСЖ снизило затраты на лечебно-диагностический процесс, ускорило обработку информации и сократило время обследования в целом.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИИ ИЗЛОЖЕНО В СЛЕДУЮЩИХ

ПУБЛИКАЦИЯХ:

1. Коробов A.B., Сысоев М.М. Компьютерная томография в диагностике хирургических заболеваний слюнных желез // Актуальные вопросы современной медицины: Межрегион, сб. науч. тр. Воронеж, 1997. Ч.З. С. 312 -314.

2. Губин М.А., Коробов A.B., Сысоев М.М. Диагностика хирургических заболеваний слюнных желез: эволюция методов исследования и перспективы их развития // Математическое обеспечение информационных технологий в технике, медицине и образовании: Тез. докл. Всерос. сов.-сем. Воронеж, 1997. 4.1. С. 124-125.

3. Коробов A.B., Петросян С.Л., Сысоев М.М.. Роль компьютерной томографии в процессе диагностики и планировании хирургического лечения опухолей околоушных слюнных желез // Материалы пленума российской ассоциации радиологов: Тез докл. М., 1998. С. 151.

4. Коробов A.B., Петросян С.Л., Сысоев М.М. Алгоритмизация процесса диагностики и тактики хирургического лечения опухолей околоушных слюнных желез на основе компьютерной томографии // Опыт работы диагностических центров: сб. науч. тр. ассоциации диагностических центров. М., 1998. С. 122.

5. Коробов Л.В., Сысоев М.М. Компьютерная томография в процессе диагностики и планировании хирургического лечения опухолей околоушных слюнных желез // Материалы науч.-практ. конф. «Актуальные вопросы челюстно-лицевой хирургии и стоматологии»: Тез докл. СПб., 1997. С. 185.

6. Губин М.А., Коробов A.B. Динамическая компьютерная томография с бо-люсным введением контрастного вещества в дифференциальной диагностике опухолей челюстно-лицевой области// Материалы науч.-практ. конф. «Актуальные вопросы КТ к МРТ диагностики»: Тез докл. М., 1999. С. 36-37.

7. Воронин А.И., Коробов A.B., Львович Я.Е. Автоматизированная система диагностики и лечения хирургических заболеваний больших слюнных же-лез//Межвузовский сборник научных трудов «Компьютеризация в медицине», Воронеж, ВГТУ, 1999, с.107-112.

8. Коробов A.B., Львович Я.Е. Организация процесса диагностики и выбора тактики лечения хирургических заболеваний больших слюнных желез с использованием модифицированных сетей Петри// Межвузовский сборник научных трудов «Высокие технологии в технике, медицине и образовании», Воронеж, ВГТУ, 1999,

9. Петросян С.Л., Коробов A.B. Роль динамической компьютерной томографии в диагностике хирургических заболеваний околоушных и подчелюстных слюн-

с.158-162.

ных желез//Консилиум. Воронеж. 1999. № 11. С. 50-52.

Издательство

Воронежского государственного технического университета 394026, Воронеж, Московский проспект, 14.