автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Разработка автоматизированной системы прогнозирования генеративной функции и выбора реабилитационных мероприятий

£ ^РОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ

На правах рукописи

- ь MAP 1995

МАТВЕЕВА Инна Вячеславовна

РАЗРАБОТКА АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ ГЕНЕРАТИВНОЙ ФУНКЦИЙ И ВЫБОРА РЕАБИЛИТАЦИОННЫХ МЕГОПРЙЯТЙЙ

Специальность 05.13.09 - Управление в биологических и медицинских системах ( включая применение 1 вычислительной Техники )

АВТОРЕФЕРАТ ДИССЕРТАЦИИ

на соискание ученой степени кандидата технических наук

Воронеж 1995

Работа выполнена на межвузовской кафедре "Компьютеризация управления в медицинских и педагогических системах".

Научный руководитель член-корреспондент Академии медико-технических наук, кандидат медицинских наук, доцент М.В.Фролов

Официальные оппоненты: доктор технических наук, профессор С.А.Зацепина

доктор медицинских наук В.И.Бычков

Ведущая организация Российский научно-исследовательский институт информационных систем (г. Москва)

Зашита состоится 1995 г. в часов

в котференц-вале на заседании диссертационного Совета Д 063.81.04 при Воронежском государственном техническом университете по адресу: 394026, г.Воронеж, Московский проспект, 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан " " 1095 г.

Ученый секретарь диссертационного Совета канд. техн.наук, доцент - С-М.Пасмурное

: ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Демографическая обстановка, сложившаяся в последние годы, требует более внимательного изучения и поиска кардинальных мер по ее улучшению. Впервые смертность превысила рождаемость и эта тенденция продолжает нарастать. Конечно, большую роль играет ухудшение социально-экономических условий, но кроме этого нельзя не учитывать другой не менее важный фактор - увеличение числа бездетных семей, Бесплодие в браке практически всегда означает социальное, психическое и.очень часто физическое неблагополучие. А яри частоте.бесплодных браков 15 % и выше возникает социально-демографическая проблема государственного масштаба.

Немалую помощь:в диагностике причин бесплодия и его лечении может оказать применение современных компьютерных технологий, автоматизирований Подход, позволяющий объединить многолетний опыт работы в этой области. '

. Выбор, реабилитационных мероприятий при коррекции генеративной функции представляет собой вероятностный неоднородный процесс на уровне индивидуальной неоднородности пациентки, который к тому же осложняется недостатком априорной информации при лечении. Многочисленность 'причин,: ;; снижающих репродуктивную способность женщины, ,также вначительш затрудняет задачу определения врачом оптимальной тактики лечения. Управление:, коррекцией бесплодия, необходимость тех ийи иных рЬабшитационных мероприятий во многом зависят от прогноза генеративной функции пациентки.

■: Таким образом,.актуальность данной работы заключается в необходимости разработки математщеского, алгоритмического и информационного обеспечения для управления лечением гинекологических заболеваний и оцейк» состояния генеративной функции, а также созданий на этой основе автоматизированной системы эффективного прогнозирования генеративной функции и выбора реабилитационных мероприятий. ■ '.■

. Работа выполнена в ссютвет ГКНТ, задание

35.01.08П, одним из основных научных направлений Воронежского государственного технического университета и межвузовской кафедры "Компьютеризации управления в медицинских . педагогических системах" "Виомедкибернетика, компьютеризация в медицине".

Целью диссертации является разработка методов, моделей, алгоритмов и программ для автоматизированной системы прогнозирования г&ёр&изр^. |ункЦии и АьйЬра 'деабишйащвдвод' мероприятий и их

• 2

использование в клинической практике.

Для достижения поставленной цели необходимо решить следующие задачи : . '■■'•'.':

провести анализ методов.моделирования генеративной функции и выбора тактики реабилитационных мероприятий;

разработать методику, алгоритмы и построить математические модели прогнозирования генеративной функции в условиях неоднород-костей; •'

обосновать применение алгоритмов адаптивного выбора тактики лечения;

сформировать библиотеку типовых схем лечения по однородным компонентам математического описания и процедуру выбора лечебных мероприятий на её основе;

разработать структуру автоматизированной системы, её информационное, программное и алгоритмическое обеспечение;

провести верификацию моделей прогнозирования генеративной функции на основе экспертной и статистической информации;

осуществить пробную эксплуатацию автоматизированной системы в клинических условиях и исследование генеративной функции с её использованием.

Методы исследования. В работе используются основные положения статистической теории, теории оптимизации, методы математического моделирования, планирования эксперимента, корреляционный анализ, методы сравнительных оценок, а также метод априорного ранжирования влияния факторов.

Научная новизна результатов исследования. Разработана методика построения прогностических моделей генеративной функции, учитывающая неоднородность статистических выборок и клинических признаков. Предложен алгоритм прогнозирования и получены математические модели, позволяющие оценивать генеративную функцию -.а основе анамнестических и клинических данных на всех этапах лечения, разработана человеко-машинная процедура принятия решений при управлении коррекцией генеративной функции, обеспечивающая оптимальное соче-' тание опыта, интуиции, модельной и экспертной информации, априорных знаний врача с возможностями вычислительной техники, предназначенная для обработки информации и выбора управляющих воздействий, схем и методов реабвдятадаонных мероприятий. Предложен алгоритм адг гтивкого шб<э©& ®ат лекарственных препаратов на основе выбора текущей 1$®« даррекции, позволяющий производить настройку -

величины вероятностей изменения дозы по информации, поступающей от врача на текущем шаге управления. Создана структура, алгоритмическое и программное обеспечение автоматизированной системы прогнозирования генеративной функции и выбора реабилитационных мероприятий, представляющая собой комплекс взаимосвязанных функциональных подсистем многоцелевого навначения, обеспечивающих хранение и унификацию историй болезни, оценку генеративной функции как интегрального критерия состояния пациентки на всех этапах лечения, выбор схем лечения из библиотеки типовых схем лечения и адаптивное управление лечебным процессом.

Практическая значимость и результаты внедрения. Автоматизированная система разработана для клинического использования при лечении больных с бесплодием и другими гинекологическими заболеваниями, а также в учебном процессе при подготовке специалистов соответствующего профиля; Создана и внедрена подсистема моделирования, включающая комплекс моделей прогнозирования генеративной функции, которые используются как в рамках автоматизированной системы при выборе реабилитационных мероприятий, так и самостоятельно для автоматизированного исследования генеративной функции, её зависимости от внешних факторов, разработана и внедрена подсистема адаптивного выбора лечебных воздействий при лечении эндоцервикоза и сопутствующих воспалительных заболеваний и гормональных нарушений, а также библиотека типовых схем лечения гинекологических заболеваний и коррекции генеративной функции. Автоматизированная система прогнозирования генеративной функции и выбора реабилитационных' мероприятий внедрена на кафедре акушерства и гинекологии N1 Воронежской государственной медицинской академии им.Н.Н.Бурденко и в Воронежском областном лечебно-диагностическом центре. Материалы диссертации испольвуются в учебном процессе межвузовской кафедры "Компьютеризация управления в медицинских и педагогических системах" при обучении студентов специальности 190500 - "Биотехнические и медицинские аппараты и системы" в курсах "Применение ЭВМ для моделирования процессов в биомедицинских системах"и "Управление в биотехнических и медицинских системах", а также в работе Комитета по здравоохранению администрации Воронежской области.

Ожидаемый: экономический эффект от внедрения составляет 15 тыс.руб. в год (в ценах 1992 года) и 516 тыс.руб. в год (в ценах 1994 года), в т.ч. при долевом участии автора - 5 и 200 тыс.руб.

Апробация работы. Материалы диссертации докладывались и об-

суждались на Всероссийском совещании-семинаре "Высокие технологии в проектировании технических устройств и автоматизированных систем" (Воронеж,1993), на ежегодных научно-практических конференциях Воронежского государственного технического университета (19891993) и на семинарах межвузовской кафедры "Компьютеризация управления в медицинских и педагогических системах".

Публикации. По материалам диссертационной работы опубликовано 8 печатных работ.

Структура и объем работы. Диссертация состоит из введения, четырёх глав, заключения, приложения, где приводятся материалы яо внедрению, листинги программ и результатов расчета, содержит список литературы иа 71 наименования, изложена на 121 странице машинописного текста, в котором приведено 14 рисунков и 16 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

В первой главе проанализированы основные методы коррекции генеративной функции, и показано, что одним из перспективных направлений в повышении эффективности процесса лечения является автоматизация выбора реабилитационных мероприятий с п' чощью человеко-машинных процедур принятия решений. При управлении коррекцией бесплодия и оценке результативности лечения предлагается использовать прогноз генеративной функции как интегральную количественную оценку состояния репродуктивной системы женщины.

Генеративная функция как объект управления имеет ряд особенностей. Она зависит от многих признаков таких, как возраст пациентки, длительность бесплодия, характер менструальной функции, наличие гинекологических заболеваний, предшествовавшие беременности и их исход и представляет собой объект исследования о неоднородными характеристиками на уровне индивидуальной неоднородности. Часть факторов и показателей, определяющих генеративную функцию, не имеет количественных оценок. По степени влияния факторы являются неравнозначными. Лечение бесплодия направлено на устранение отдельных патологий женской репродуктивной системы. Оценка генеративной функции либо не производится, либо проводится врачом интуитивно, является субъективной и при дальнейшем выборе тактики лечения не , учитывается. Принятие решений о выборе цели, вида и дозы лечебных воздействий ос-ществляется врачом в. условиях неполкой априорной информации. Отсутствие автоматизированной системы кос,, ^кции генеративной функции не позволяет дать комплексный всесторонний анализ

... 5

причин бесплодия и затрудняет выбор оптимальной схемы реабилитационных мероприятий.

.'• Таким образом, к особенностям коррекции. генеративной функции относятся : неоднородность характеристик больных; отсутствие количественных оценок генеративной функции и ряда определяющих её факторов и показателей; наличие неопределенностей в принятии решений; не учитывается оценка, генеративной функции при планировании реабилитационных мероприятий; отсутствие автоматизированной системы прогнозирования и коррекции.генеративной функции.

Исходя из Особенностей объекта исследования, предлагается для оценки генеративной функции разработать математические модели, а .процедуру принятия решений.

.; ВО второй главе предлагается методика моделирования генеративной функции, получены прогностические модели и алгоритмы прог-'йоввдрваийй;:; Представлена /структура автоматизированной подсистемы моделирования и её основные компоненты. Входными данными для подсистемы моделирования: являются экспертная информация от врача, статистические' данные изподсйстеш историй болезни и данные гаш-йтееского. обследования пациентки .(возраст, длительность бесплодия, : характер' менструальной функциизаболевания и т .д.). Выходной ин-'фррмарей'^иш*^ фтодииу

• «сей •'срйсвйгго.ос^и; вхойных.. покаайтелей, опре-. дваяющйх генеративную функцию, методом априорного ранжирования были выделены 4 наиболее существенных: возраст, ;бесплодие, менструальная функция кзаболевания. ; ^

функци? и -ойецка.•• За', весовое значение

признака яриншался./натуральный логарифм отношения частоты его в сравнивавши.материалу. Так как ранее /такая оценка проводилась;без; Отчета неравнозначности признаков, то была проведена корректировка значений показателей с помощью нормированных коэффициентов. / :,; . ■.... ... ■ ..

Математическое ■ 'огшсанйе■;. у V Г (х) генеративной функции без учета существенной неоднородности характеристик обладает вначи-тыльной .-чмйимрс^ьй!; я;:/нязкьй-;'¿>^б1й"Ьпрообноо^ю.'-. Поэтому возникает ЗДЬбЖ^рШО^^ •. по однородным

■ . Ги-. ■ '

'компонентам у - Г (х), т.е. выявления условий Г1,...,Гк, при которых выборки иг одномерной нормальной популяции выходной переменной у принадлежат соответственно однородным компонентам

Г1 Гк

Г (х),...,Г (х). Можно выделить 3 подхода для учета неоднородности генеративной функции.

Например, однородные компоненты можно сформировать по отдедь- • ним качественным признакам, -а в качестве переменных рассматривать возраст пациентки и длительность бесплодия. Для привнака Ое- (характер менструальной функции) выделены следующие покааатели : г* -менструальная функция не нарушена, га - нерегулярные менструации, гэ - альгоменорея, гд - ановуляторные циклы, гэ - гипоменструадь-ный синдром. А для признака Ог (заболевания) показатели: Гб - аа-болеваний нет, гу - аппендэктомия, га - острое воспаление придатков матки, гд - хроническое воспаление придатков матки, по - по-ликистогные яичники. Так как часть показателей являются неперекре-щиваюидамися, т.е. по своему физиологическому смыслу не могут определять однородную компоненту (острое к хроническое воспаление придатков, менструальная функция не нарушена и гипоменструальный синдром я т.д.), то целесообразно формировать биоднородные компоненты, то есть однородные по двум прививкам. Тогда прогностическая оценка генеративной функции пациентки формируется следующим образом :

ы ГоП __

н (ф = f (ю, р - о*. 1 - та , (и

где X = Чх1,...,хп> - вектор показателей? гр, гх - качественные неуправляемые показатели, принадлежащие двум различным качественным признакам % и Ог; Р, Ь - число показ гелей, р * 1.

Другой вариант декомпозиции можно провести введением количественных показателей уровней вектора, характеризующего неоднородность качественных переменных. Например, в качестве 3-й входной переменной кроме количественных х* - возраст и хг - бесплодие взять некий индекс биоднородной компоненты, определяемый как сумма весовых гнзчекий показателей качественных факторов:

Хз » + Т1> * 100, (2)

где гр и Г1, р > 1 - весовые вивнеж» показателей, полученные по статистической выборке.

Кроме того .в основу декомпозиции может быть положен анализ -статистических выборок значений выходной переменной. При этом использовался принцип дихотомии с разделениеминтервала значений индексов биоднородных компонент на 2 группы и г(2> а проверкой

однородности выборок у(1) и у <2), соответствующих этим группам.

Для оценки однородности выборок рассматриваются две гипотезы: На - выборки у(р) неоднородны по дисперсии; Нг - выборки у(р) однородны по дисперсий. Оценка количества информации для различения в пользу На против Нг рассчитывается по следующей формуле :

о Му Зг

I (На:Н2) - 1ое- , (3)

■ ' у*1 2 . Бу2 .

где №у - число элементов выборки у СЮ, принадлежащих у-й группе р ,

(у ■ 1,р); Е Иу - К; оценка дисперсии, рассчитанная по выборке

у=1 .■■■■..■■.•.

уСкЗ (к = 1,Ы); Бу2 - оценка дисперсии, расчитанная по выборке уСкЗ (к ■ 1,Иу)■ В качестве приближения к распределению оценки информации 21 (Н1: Нг) использовалось нецентральное ^-распределение с (р-1) степенями свободы.

Для получения прогностических моделей использовались методы планирования эксперимента и регрессионный анализ. В случае декомпозиции с введением в модель индекса биоднородной компоненты проводился пассивный эксперимент с объемом выборки N = 60.

В результате;расчета получены следующие математические модели генеративной функции:

линейная .модель -У = 34.4877 - 0.8996X1 - 1.861x2 + 0.444х3, (4)

для которой все ■ коэффициенты уравнений статистически значимы : ^расч > Ько. Ь кр = 2.0003 яри числе степеней свободы = 59 и уровне значимости д = 5 %; коэффициент множественной корреляции ЙМ= 0.98; Ррасч= 0.02141 < Ркр= 1.76 при £4 * 56, {2 = 59, Ч = 5 %;

квадратичная модель -У = 9.9612 + 0.8356X1 - 0.5181X2 + 0.3736хэ - 0.0219ха2 - (5) - 0.095X1X2 - 0.001X1X3 + 0.18Х22 " 0.0051X2X3 + 0.0005хз2, для которой 1расч > Ям = 0.99; Трасч3 0.01850 < Ркр= 1.76 при Й « 50, 1г - 59, ц « 5 %.

При разбиении интервала значений индексов биоднородных компонент (хз) на две части:, 159 < хз< 210 и Р < хз < 159 математические модели были получены для двух выборок с числом элементов N1 «= 17 и N2 - 43.

По формуле (3) была проведена оценка однородности выборок.

Оценка количества информации для различения в пользу Н^ против Иг КНг-Нг) = 24.4558. Расчетное значение х2 = 48.9116 > х2кр= 3.841 при числе степеней свободы р-1=1, то гипотеза % (выборки у(1) и у(2) неоднородны по дисперсии) не принимается., следовательно, выборки у"-1 и у(2) однородны и. дальнейшего разбиения не 'требуется.

При использовании третьего подхода прогностические., модели генеративной функции были построены по каждой биоднородной компоненте грг1 (м = 25). Проводился полный факторный эксперимент, позволяющий получить математическое описание в виде неполноквадратичной модели. В качестве базовых уровней выбирались средние значения для возможных интервалов изменения факторов: = 28 лет (возраст), Х26 = 5 лет (длительность бесплодия); шаги варьирования: XI = 3 года, хг = 2 года. Получены следующие модели прогнозирования генеративной функции, адекватные статистическим данным:

Г1Г6 : У = 86.5208 + 0.6042ха + 6.4375X2 - 0.3185X1X2;

Гаг? : У = 96.5833 + 0.2917X1 + 4.6667х2 - 0,2817X1X2; (6)

Г5Г10: У = 49.8125 - 1.375X1 - 5.9792хг + 0.1667X1X2.

В зависимости от выбранного метода декомпозиции разработаны алгоритмы моделирования генеративной функции, а тетехе алгоритм определения её уровня с использованием полученных моделей, анамнестических и клинических данных.

В третьей главе рассмотрены вопросы алгоритмизации процедуры принятия решений при выборе тактики реабилитационных мероприятий. При лечении бесплодия и коррекции генеративной функции врачу ари-ходится выбирать из множества вариантов наилучший яри налички ограничений ва управляющие воздействия (дозы препаратов, продолжительность терапевтических процедур) и на показатели, характеризующие состояние пациентки (данные различных анализов). Возникает аа-дача оптимизации процесса лечения, в которой можно наделить 3 уровня принятия решений:

1) выбор текущей цели лечения;

2) выбор схемы лечения (видов лечебных мероприятий)

3) выбор догы лечебного воздействия.

Формализуем процесс принятия решений на каждом шаге. Для этого построим адаптивную процедуру поиска решений, в ходе которой на основе текущей информации раскрывались бы возникающие неопределенности. ■

В общем случае каждому заболеванию соответствует достаточно

универсальная схема лечения, в рамках которой врач с учетом индивидуального состояния больной выбирает ввд и последовательность лечебных воздействий. Поэтому система автоматизированного выбора реабилитационных мероприятий включает в себя библиотеку типовых схем лечения, которая содержит совокупность возможных схем для каждого конкретного заболевания. Выбор лечебных воздействий из библиотеки осуществляется по следующей схеме (рис.1).

Предварительно проводится классификация пациенток по биодао-родным компонентам. Далее формируются все возможные варианты лечения для данной компоненты. Для получения начальных значений вероятностей Pj° (j « 1,п), с которыми каждое воздействие может быть

использовано для конкретного больного ^Р^0 » 1), лечебные воздействия ранжируются. Далее вводится случайная величина S, принимающая значения 1,п и задаётся правило, по Которому осуществляется переход от одного вида воздействия к другому на каждом этапе наблюдения больного. Первым используют воздействие с наибольшей вероятностной мерой Pi =» max(Pj°) . На следующем этапе по величине эффекта производится коррекция Рj и выбор воздействия в соответствии со значением случайной величины г. При коррекции величины вероятностей используются су; 'ения врача об эффекте j-ro лечебного воздействия на 1-й (1«1,ш) показатель и объективные данные об изменении 1-го показателя при }-м воздействии. Настройка величин вероятностей осуществляется по двухуровневым адаптивным алгоритмам.

Одним из факторов, отрицательно влияющих на. генеративную функцию, являются эндоцервициты и эрозии шейки матки (8ШМ), особенно в сочетании с воспалйтельньши заболеваниями и гормональными нарушениями. Исходя из единых возбудителей (трихомонаДы, хламидии, и т.д.), их доли и общей реакции тканей на воздействие микроорганизмов , изменения кислотности pH и других признаков, эндоцервициты по уровню влияния на генеративную функцию можно объединить с хроническими воспалениями придатков матки и для оценки уровня генеративной функции при эндоцервикозе использовать прогностические модели (4),(5).Процедура выбора тактики реабилитационных мероприятий при коррекции генеративной фунвдот была расекгатрена на пргааере лечения ЭШМ, Для лечения применялись подимерлекарственные комплексы на основе гелевых сорбентов, насыщаемые антибактериальными или гормональными свойствами в зависимости от вида заболеваний.

Ведущим показателем, характеризующим процесс регенерации является площадь эрозии (у). В ходе лечения необходимо приблизить его к желаемому значению у* * О. В формализованном виде это будет выглядеть следующим образом:

ti * (У. - У>*)2 - min. (7)

Влияния на процесс принятия решений показателей, противоречащих у, можно избежать введением условия, обеспечивающего минималь-

вое изменение площади эрозии от шага к шагу :

- (У*-1 - yk)2 - min. (8)

где к - номер гага.

Таким образом, задача формирования оптимального лечебного вов-действия сводится к нахождению компромисса между критериями fi и fg.

Для получения недостающей априорной информации было формализовано мнение врача в веде:

А-+1 - "волнует медленное уменьшение площади эровии, дозу необхо-

ходимо увеличить"; А--1 - "лечение идет в желаемом темпе, дозу необходимо сохранить".

Настройка вероятностей привлечения критериев fi и fg проводилась с помощью двухуровневых адаптивных алгоритмов:

, ---j pgk „ t . ptk4 если A . +1. (в)

^ 1 + г> pgk—1 ^

Р^к , -—---- t ptk „ j _ p2k> всли А . -1- (10)

1 + тг

Y* - тр-* exp(l/k slgn£Ak_1 AkJ). (11)

В соответствии с текущими значениями Рг и рг проводился расчет „оаы лечебного воздействия. Если на к-м шаге лечения врач отдает предпочтение вида А - -<-1, то величина дозы препарата определяется по формуле

и,к - щ*-1 + ак (ук - уж). (12)

Величина вага а!1 определяется следующим образом:

ак - ак_1 ехр{ — э1йп[(ук - уж)(Ук-1 - У*)3>, (13) к

где у11, ук"1 - площадь эрозии соответственно № £к!-м и [к-13-м гагах лечения.

боли на к-м ваге А - <-1, то величина доем препарата остается прежней:

и*к«и*к-*. (14)

Резуда тирующая доза препарата рассчитывается в соответствии о текущими внечениями вероятностей Р1 и рг по формуле

и1рввк - Рг^* + рв*^*""1, (16)

к-1

где и^, л^" -1 - величины дозы препарата соответственно на :СкЗ-м и [к-13-у шагах лечения.

Начальная доза лекарственного воздействия задается лечащим врачом либо определяется по моделям лечения эрозий йейки матки.

Схема алгоритма адаптивного выбора тактики лечения эрозий шейки матки приведена на рис. 2.

а ч а л о^у

г— 2 -<-

Определение состава полимер-лекарственного • комплекса

Определение начальной дозы лекарственного воздействия

Математические модели процессов лечения

эшм

г- 5 —

Задание начальных зна-. чений вероятностей | , рг и коэффициента ао

г-а• ■■•■■•■. :■-■

Расчет коэффициента а и дозы препарата по двухуровневым; адаптивным алг-м

Настройка вероятностей привлечения критериев

Р1 И Р2

Рис.

2

В соответствии с рассмотренным алгоритмом было проведено лечение 7 пациенток гинекологического отделения областной клинической больницы, у которых была эрозия шейки матки и сопутствующие инфекционные заболевания. Результаты лечения больной Т. представлены графически.на рис.3.

Рис. 3

—---изменение площади эрозии шейки матки по информации врача;

----изменение площади эрозии шейки матки .по модели лечения

Для полного заживления эрозии потребовалось 5 инсуффляций о интервалом в 3 дня. При использовании традиционных методов лечение аналогичного случая занимает 1 - 1.6 месяца. Расход лекарственных средств сокращается в среднем на 30 %. У пациенток оценивался уровень генеративной функции до и после лечения. Так, у больной Т. до лечения он составлял ?6 1, а после - 94 то есть налицо эффект коррекции генеративной функций.

В четвертой главе рассматривается структура, техническая реализация, программно® й информационное обеспечение автоматизированной системы (АС) прогнозирования генеративной'функции и выбора рв-абшштецйотаю: мэрощда-зий. Структурная схема АС представлена Hé рис.4. 8 состав системы входа® информационные подсистемы: клинических исследований (2), историй болезни (4), библиотека типовых ехем лечэвш а та»« подсистемы моделирования (7) и автомати-еированного выбора лечоОмых воздействий (б). Источниками информации является пациентка (1) и лечащий врач (S).

Техническая реализация АО проведена с использованием языка Turbo Pascal 7.0 и СУ8Д FoxPro 2.0. Система функционирует на IBM

Рис.4

PC XT/AT и совместима компьютерах, под управлением MS DOS версии 3.30 и шве.

Пробная эксплуатация АС проводилась на баэе гинекологического отделения областной клинической больниц». Бьцо проведено лечение 7 пациенток с ЭШ и сопутствующими заболеваниями.

Кроме того, с помощью АС было проведено исследование зависимости генеративной функции от местожительства и экологических условий региона, генеративный мониторинг г.Воронежа и Воронежской области. Ik> данным подсистеад историй болезни проведено обследование 302 пациенток гинекологического отделения Воронежской городе-

кой больницы скорой медицинской помощи. В зависимости от экологической обстановки и наличия статистических данных было выделено 8 регионов по городу и 17 по области. Существенность различий между выборками оценивалась по критерию Стыодента, однородность дисперсий выборок по критерию Фишера. Выявлена тесная обратная связь между генеративной функцией женщин и модулем техногенной нагрузки региона (1? = -0.69); Зависимость генеративной функции от местожительства можно проиллюстрировать следующей диаграммой (рис.5).

ГФД 70 60 50 40 30

ю ь о

I

1

■

I I

1

ж

1

II

I

1

■

I 1

■

I

I

■I

■

I

1

Й

I

3

■4

1 г 3 4 б Рис. 5

1 - р-н заводов СК. шинного, В0ГРЭС; ("рабочей зона"); 3 - Ленинский р-н; 5 - Советский р-н; б - Яелезнодорожный 8 - Северный мкр I- "р-н ипподрома"; 8 ■ местность)

1

■ I

2 - Комиитерновский р-н 4 - Левобережный р-н; р-н; *"' - Центральный р-н; область в целом (сельская

Анализ показывает, что средний уровень генеративной функции в сельской местности (74.68 К) значительно превышает её уровень в Во. даеже (52.66 .%) . По городу генеративная ситуация лучше всего в Северном микрорайоне и "районе ипподрома" (64.7 X) к Центральном районе (06,76 %). Низкий уровень наблюдается в рабочей зоне Шагаю-

терновского района (47.55 %) и районе заводов СК, шинного, ВОГРЭС, который является зоной риска по генеративной ситуации и требует усиленных мер профилактики бесплодия в этом регионе (36.79 X).

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Предложена методика декомпозиции математического описания генеративной функции по биоднородным компонентам с учетом ее вероятностного характера, неоднородности показателей пациенток, качественного выражения ряда'признаков.

2. Получен комплекс прогностических моделей, позволяющий оценивать генеративную функцию в зависимости от формы представления клинических данных о заболеваниях и менструальной функции пациентки (в количественном выражении индекса биоднородной компоненты или в качественной форме).

3. Разработаны алгоритмы моделирования и прогнозирования генеративной функции и автоматизированная подсистема с их использованием, которая в диалоговой форме даёт врачу возможность оценивать состояние репродуктивной системы на различных этапах лечения.

4. Сформирована библиотека типовых схем реабилитационных мероприятий при коррекции генеративной функции и процедура выбора лечебных воздействий «а ее основе.

5. Предложен алгоритм адаптивного выбора дозы лекарственных препаратов при лечении эрозий шейки матки и эндоцервикозов в комплексе с воспалительными заболеваниями а гормональными нарушениями, а тайке автоматизированная диалоговая подсистема выбора тактики лечения, ориентированная на пользователя-непрограммиста (врача).

6. Разработана структура, : информационное и программное обеспечение автоматизированной системы прогнозирования генеративной функции и выбора реабилитационных мероприятий. Техническая реализаций АС проведена на базе IBM PC/AT с применением средств программирования Turbo Pascal 7.0 и СУБД FoxPro 2.0.

7. Исследование зависимости состояния репродуктивной системы от внешних факторов показало наличие тесной обратной связи между уровнем генеративной функции и техногенной нагрузкой региона.

8. Результаты исследований используются в клинической практике, в учебном процессе при обучении студентов по специальности 190500 - Биотехнические и медицинские аппараты и системы, а также при планировании лечебно-профилактических мероприятий .региона в Комитете по здравоохранению администрации Воронежской области.

Основное содержание диссертации изложено в следующих работах:

1. Адаптивный подход к решению задачи коррекции гене'ративной функции / И.В.Бородина, И.Н.Коротких, Л.А.Максимова, В.Г.Сурков, М.В.Фролов // Компьютеризация в медицине.- Воронеж, 1091.- С.22-26.

2. Матвеева И.В. Программное и алгоритмическое обеспечение прогнозирования генеративной функции // Компьютеризация в медицине.- Воронеж, -1992.- С. 138-141.

3. Исследование генеративной функции с использованием прогностических моделей биоднородных компонент в автоматизированном режиме / и.Н.Коротких, И.В.Матвеева, О.В.Родионов, М.В.Фролов // Компьютеризация в медицине,- Вороне», 1993.- С. 138-142.

4. Алгоритм группового ранжирования для оценки показателей прогнозирования / П.В.Варанов, И.В.Матвеева, М.Д.Михайлова, М.А.Чернышкова // Tes. докл. Всероссийского совещания-семинара "Высокие технологии в проектировании технических устройств и автоматизированных систем". - Вороне», 1993.- С. 68-69.

5. Матвеева И.В., Михайлова М.Д., «ролов М.8. Верификация математических моделей процесса заживления эрозии шейки матки // Высокие технологии в медицинской диагностике. - Воронеж, 1994. -С. 57-6?.

6. Формирование библиотеки типовых схем лечения в автоматизированной системе управлений реабилитационными мероприятиями / И.Н.Коротких, И.В.Матвеева, М.Д.Михайлова, М.В.Фролов // Высокие технологии в технике и медицине. - Воронеж, 1994.- С. 35-45.

7. Матвеева И.В., Михайлова М.Д., Фролов М.В. Имитационный и адаптивный подход к выбору тактики лечения вровки шейки матки // Компьютеризация а медицине. - Воронеж, 1994.- С. 4-8.

8. Матвеева И.В., Михайлова М.Д., Фролов М.В. Декомпозиция математического описания процесса лечения зровии шейки матки // Онтдаизация и -моделирование в автоматизированных системах. -Воронеж, 1894,- С. 4-10. ^

ЛР N 020419 ОТ 12.02.92.

Подписано к печати 10.02.95.

Убл.печ.л. 1.0. Тщюк \ экз. Заказ » ЬЬ .

Воронежский государственный технический университет

394028 Воронеж, Московский пр., 14

Участок оперативной полиграфии ВГТУ