автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Система интеллектуальной поддержки назначения программ лечения больных гипертензией на основе нечеткого моделирования процедур принятия решений

Зар Ни Мо Вин

Система интеллектуальной поддержки назначения программ лечения больных гипертензией на основе нечеткого моделирования процедур принятия решений

Специальность 05.11.17 — Приборы, системы и изделия медицинского

назначения

Автореферат диссертации

на соискание ученой степени кандидата технических наук

9 ФЕВ 20(2

Курск-2012

005010506

Работа выполнена в ФГБОУ ВПО «Юго-Западный государственный университет» на кафедре биомедицинской инженерии

Научный руководитель: доктор технических наук, профессор

Филист Сергей Алексеевич

Официальные оппоненты: доктор технических наук, доцент

Рыбочкин Анатолий Федорович

кандидат технических наук, доцент Горбатенко Светлана Александровна

Ведущая организация: Тверской государственный технический

университет

Защита диссертации состоится «29» февраля 2012 года в 15:00 часов на заседании совета по защите докторских и кандидатских диссертаций Д 212.105.08 при ЮгоЗападном государственном университете по адресу: 305040, г. Курск, ул. 50 лет Октября, 94, конференц-зал.

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО «Юго-Западный государственный университет»

Автореферат разослан «27» января 2012 г.

Ученый секретарь .

совета по защите докторских и кандидатских диссертаций М)

Д 212.105.08 ^----^ ■— Снопков В.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Одной из наиболее актуальных медицинских проблем в мире и в России является артериальная гипертензия, так как именно эта болезнь является причиной наиболее опасных сердечно-сосудистых заболеваний (ССЗ) -инфаркта миокарда (ИМ) и мозгового инсульта (МИ). По данным рабочей группы Всемирной организации здравоохранения среди населения России в возрасте от 45 до 74 лет свыше 85% случаев смерти от сердечно-сосудистых заболеваний приходится на ИБС и инсульт, а Россия по смертности от этих нозологий находится на одном из первых мест в Европе. Существуют несколько международных методик для определения риска наступления наиболее опасных сердечно-сосудистых заболеваний, например шкала SCORE, фрамингемская шкала, EURO SCORE и т.д. В России разработаны свои национальные рекомендации по диагностике и лечению артериальной гипертонии. Согласно этим рекомендациям, также возможно оценить риск наступления наиболее опасных сердечно-сосудистых заболеваний по данным клинических исследований пациента, что является основой для назначения программы лечения. Для оценки этого риска составляет анализ факторов риска, оценка поражений органов-мишеней и клинических состояний при гипертонической болезни. Однако используемые в подобных системах информативные признаки не всегда удается классифицировать правильно, так как очень часто они являются нечеткими величинами. Повысить точность, оперативность и качество принимаемых решений можно путем внедрения современных систем поддержки принятия решений, опирающихся на новейшие информационные технологии. Это рационализирует подход к ведению больных и повышает эффективность лечения гипертонической болезни.

Технической задачей работы является повышение эффективности определения риска наступления наиболее опасных сердечно-сосудистых заболеваний при гипертонии с целью обоснованного выбора программы лечения. Актуальность темы исследования определяется необходимостью повышения эффективности прогнозирования обострения и оценки тяжести течения гипертонической болезни на основе современных математических методов и информационных технологий, что позволит своевременно начать лечебнопрофилактические мероприятия, планировать индивидуальную тактику ведения больного и за счет этого повысить качество оказания медицинских услуг населению, страдающему гипертонической болезнью.

Работа выполнена в соответствии с федеральной целевой программой «Предупреждение и борьба с социально значимыми заболеваниями (2007-2011 годы)»; с территориальной программой «Профилактика гипертонической болезни» и научным направлением Юго-Западного государственного университета «Медико-экологические информационные технологии».

Объест исследования. Системы медицинского назначения для оптимизации информационных данных, получаемых в медицинском технологическом процессе.

Предмет исследования. Методы и способы нечеткого моделирования процедур принятия решений в диагностике и при назначении программ лечения гипертонической болезни человека.

Содержание диссертации соответствует п. 2 паспорта специальности 05.11.17 - Приборы, системы и изделия медицинского назначения.

Цель работы. Разработка системы интеллектуальной поддержки назначения программ лечения больных гипертензией.

Для достижения поставленной цели необходимо решить следующие задачи:

• на основании данных о факторах риска и поражения органов - мишеней при гипертонической болезни сформировать систему информативных признаков, изучить структуру данных, выбрать адекватный математический аппарат;

• создать метод агрегации факторов риска для прогноза течения

гипертонической болезни;

• разработать решающие правила для оценки риска наступления тяжелых

осложнений гипертонической болезни;

• разработать решающие правила для оценки риска наступления тяжелых

осложнений гипертонической болезни;

• разработать программное обеспечение автоматизированной системы

поддержки принятия решений врача при лечении гипертонической болезни;

• провести апробацию предложенных средств и метода на контрольных выборках.

Методы исследования. Для решения поставленных задач использовались методология искусственного интеллекта, методы системного анализа, теории нечеткой логики принятия решений, экспертного оценивания, статистического анализа и математического моделирования.

Научная новизна исследования. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- метод агрегации частных факторов риска для прогноза течения

гипертонической болезни, отличающийся объединением разнородных признаков и комбинированных показателей, описывающих факторы риска гипертонической болезни, позволяющий повысить точность решений на основе косвенных свидетельств в условиях неполного представления исходных данных с нечеткими границами выделяемых классов;

- система решающих правил для определения количественной оценки риска тяжелых осложнений гипертонической болезни, отличающаяся агрегированием различных типов продукционных нечетких правил, выбираемых в соответствии со структурой входных данных, позволяющая определять тяжесть и динамику заболевания, а также назначать программу лечения гипертонической болезни;

- алгоритм управления процессами принятия решений по прогнозированию, оценке степени тяжести и формированию лечебных рекомендаций при гипертонической болезни, составивший основу построения программного комплекса, поддерживающего работу врача, отличающийся возможностью улучшения параметров нечетких решающих правил, обеспечивающий высокое качество принятия решений по выбранному классу задач и эффективность работы соответствующей системы поддержки принятия решений;

-структура ядра системы поддержки принятия решений врача-специалиста для лечения гипертонической болезни, отличающаяся применением компонентной объектной модели построения программного обеспечения, позволяющая использовать разработанные правила для определения количественной оценки риска тяжелых осложнений гипертонической болезни, а также расширять функциональные возможности и уточнять существующие механизмы расчетов в процессе эксплуатации системы.

Практическая значимость и результаты внедрения работы.

Разработанные решающие правила, метод и алгоритмы составили основу построения системы поддержки принятия решений врача для лечения гипертонической болезни, экспериментальные испытания которой показали целесообразность ее использования в медицинской практике. Применение предложенных в диссертации разработок позволяет создавать информационное обеспечение для проведения лечебно-оздоровительных мероприятий.

Основные теоретические и практические результаты работы внедрены в учебный процесс Юго-Западного государственного университета при подготовке специалистов 200402 «Инженерное дело в медико-биологической практике» (дисциплина «Автоматизация обработки экспериментальных данных»), использованы сотрудниками кафедры терапии Курского государственного медицинского университета при проведении практических занятий «Кардиология», «Функциональная диагностика» и «Терапия», что подтверждено соответствующими актами.

Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания населения, страдающего гипертонической болезнью.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научных конференциях: на XII международной научно-технической конференции «Медико-экологические информационные технологии» (Курск, 2009); на межрегиональной научнопрактической конференции «Инновационные парадигмы в медицине и педагогике» (Курск, 2009); на межрегиональной научно-практической конференции «Информационные технологии в медицинских и педагогических исследованиях» (Курск, 2009); на XIII международной научно-технической конференции «Медикоэкологические информационные технологии» (Курск, 2010); на международной научно-практической конференции «Интегративные процессы в науке» (Москва, 2010), на Всероссийской научно-технической конференции с международным участием «Медицинские информационные системы МИС-2010» (Таганрог, 2010), на XIV международной научно-технической конференции «Медико-экологические информационные технологии» (Курск, 2011).

Публикации. Самостоятельно и в соавторстве по теме диссертации опубликовано 11 печатных работ, из них 3 работы в рецензируемых научных журналах.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 87 отечественных и 32 зарубежных наименований. Работа изложена на 151 страницах машинописного текста, содержит 49 рисунков и 10 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, определены цели и задачи работы, ее научная новизна и практическая значимость, выбраны методы исследования, сформулированы задачи, приведены сведения об апробации и внедрении результатов работы.

В первой главе проанализированы характеристики распространенности гипертонической болезни в мире и современные подходы к решению задач прогнозирования, смертности, диагностики и управления состоянием здоровья

5

людей, страдающих гипертонической болезнью, являющейся причиной наиболее опасных сердечно-сосудистых заболеваний (ССЗ) - инфаркта миокарда и мозгового инсульта. Рассмотрены основные методы, применяемые в существующих системах интеллектуальной поддержки решений врача. Показано, что улучшить качество медицинского обслуживания больных можно при использовании современных математических методов (включая теорию статистики, нейронных сетей, нечеткой логики принятия решений и т.п.) и информационных технологий. Подчеркнута необходимость разработки системы поддержки принятия решений врача с оценкой риска наступления осложнений гипертонической болезни для оптимизации лечения, так как эта болезнь приводит к таким социально значимым заболеваниям, как инфаркты, инсульты, вплоть до смертельного исхода. В заключение главы определяются цель и задачи исследования.

Во второй главе проведен анализ информативных признаков при прогнозировании течения гипертонической болезни, выбран математический аппарат, используемый при проектировании системы, разработан метод агрегации частных факторов риска для прогноза течения гипертонической болезни. При выборе системы информативных признаков для оценки риска наступления осложнений гипертонической болезни принимался во внимание зарубежный опыт, российские национальные рекомендации по диагностике и лечению гипертонии, а также результаты исследования работы врачей в больницах г. Курска.

Информативные признаки для оценки риска осложнений артериальной гипертензии можно разделить на следующие группы: частные факторы риска, оценка поражений органов-мишеней (ПОМ) при гипертонической болезни, наличие ассоциированных клинических состояний (сопутствующих заболеваний -СЗ) и параметры гомеостаза пациента. К наиболее важным частным факторам риска относят информацию о возрасте, статусе курения, наследственности, концентрации глюкозы и холестерина в крови, наличие абдоминального ожирения. Оценку поражения органов-мишеней осуществляют по анализу наличия гипертрофии левого желудочка сердца, концентрации креатинина в плазме крови, скорости клубочковой фильтрации, клиренсу креатинина и т.п. Неполный список сопутствующих заболеваний, влияющих на прогноз течения гипертензии, включает в себя мозговой инсульт, инфаркт миокарда, стенокардию, хроническую сердечную недостаточность, почечную недостаточность, симптомное поражение артерий, гипертоническую ретинопатию и т.д. Основные параметры гомеостаза включают в себя величины систолического и диастолического давления. Отдельно учитывается протекание гипертонии на фоне сахарного диабета и метаболического синдрома, а также у мужчин и у женщин.

Информативные признаки оцениваются медиками вербально, или в лингвистических переменных, например, «возраст старый» или «плохая наследственность» и т.п. Критерии являются нечеткими величинами и могут характеризоваться наличием пограничных состояний, когда невозможно установить точную принадлежность лингвистической переменной соответствующему терму. Поэтому при проектировании системы поддержки принятия решений врача-специалиста для лечения гипертонической болезни в качестве математической основы выбрана нечеткая логика принятия решений. Из множества известных подходов к синтезу нечетких решающих правил был выбран комбинированный подход, в котором объединяются классические методы

построения нечетких решающих правил по Л. Заде, а также методы синтеза нечетких правил, предложенные Э. Шортлиффом.

Совокупность факторов риска, называемую в работе как «агрегированный фактор», согласно национальным рекомендациям по лечению гипертонической болезни врачи классифицируют в термах «нет факторов риска», «один-два фактора риска», «3 или более факторов риска». Эта классификация опирается на бинарные входные признаки вида «есть фактор риска» или «нет фактора риска», является дискретной и при наличии пограничных состояний входных величин может приводить к ошибочным решениям.

Для повышения точности принимаемых решений от бинарного описания входных величин необходимо переходить к нечеткому описанию с соответствующими функциями принадлежности. Тогда наличие у пациентов вышеперечисленных термов можно определить путем построения трех нечетких логических правил. Однако с точки зрения вычислительных ресурсов и возможности модернизации правил (пополнения списка частных факторов риска) более оптимальным является переход от дискретной шкалы «0; 1.. 2; 3 и более фактора риска» к непрерывной шкале агрегированного фактора, что позволит количественно учитывать наличие пограничных состояний.

Для дальнейшего использования агрегированного фактора в технологии оценки состояния гипертонической болезни согласно национальным медицинским рекомендациям, агрегированный фактор необходимо классифицировать на соответствие вышеперечисленным трем термам, которые в данной работе называются: «низкий», «средний» и «высокий». Применение промежуточного непрерывного агрегированного фактора позволяет решить поставленную в работе задачу по повышению эффективности и точности обработки медицинских данных за счет замены дискретных данных на более точные непрерывные данные. Для решения этой задачи с учетом ее специфики и технологии обследования больных гипертонической болезнью в работе предлагается следующий метод агрегации частных факторов риска для прогноза течения гипертонической болезни.

Задачей метода является повышение точности учета факторов риска при прогнозировании течения гипертонической болезни.

1. На экспертном уровне определяется список из N измеряемых частных факторов риска У] , Уз.. Уц (свидетельств, информативных признаков), которые влияют на прогноз течения болезни.

2. Вся область определения фактора риска У/ разбивается на два диапазона с термами о, «есть свидетельство в пользу увеличения риска осложнения заболевания» и та «нет свидетельства в пользу увеличения риска осложнения заболевания». В области определения фактора риска задается функция принадлежности (У,) к терму й>,. На практике очень часто применяют не прямые, а косвенные свидетельства. Например, старый возраст не может быть однозначной причиной осложнений гипертонической болезни. Поэтому применяют взвешенные значения функций принадлежности (субнормальные функции принадлежности), умножая их на коэффициент степени важности признака IV,:

• . О)

3. Вводится промежуточная лингвистическая переменная «агрегированный фактор» Р с термом в «большой» с функцией принадлежности на области

7

определения [0;1] носителя «значение агрегированного фактора» х в виде

формулы:

ft'W =х. (2)

4. Агрегация У, происходит согласно продукционному правилу:

Если (Yi ее?, ИЛИ Y2 е о,... ИЛИ YN 6 fflj mo Fe 0 (3)

В качестве операции S-нормы (нечеткой дизъюнкции) применяется

алгебраическая сумма (вероятностная сумма):

Мы=Ил+М>$-Мл)- (4)

Применение такой S-нормы позволяет получать вклад в агрегированный риск от всех показателей частных рисков.

5. Для активизации (3) используются соотношения (2) и (4).

6. Для расчета «значения агрегированного фактора» х необходимо активизировать и дефаззифицировать выражение (3). При этом, с целью упрощения вычислительных формул, активизация выражения (3) происходит согласно правилу minimum (Мамдани), а дефаззификация по методу левого модального значения

(5)

Рис. 1. Иллюстрация активизации и дефаззификации нечеткого правила (3) при полученном уровне активизации, равном 0.7

7. Полученное с помощью (5) «значение агрегированного фактора» х является искомым непрерывным агрегированным фактором. Для использования этого значения в технологии оценки состояния гипертонической болезни согласно национальным медицинским рекомендациям, его необходимо классифицировать на соответствие вышеперечисленным трем термам «низкий», «средний» и «высокий». Степень принадлежности полученного значения агрегированного фактора к этим термам можно вычислить с помощью эмпирических функций принадлежности и , график которых приведен на рисунке 2.

Предлагаемый подход упрощает вычислительные процедуры и построение решающих правил по сравнению с традиционными способами.

Предложенный метод агрегации частных факторов риска для прогноза течения гипертонической болезни был использован при построении нечеткой базы знаний соответствующей системы поддержки принятия решений.

(рисунок 1). Тогда можно показать, что где У - знак операции Б-нормы.

Значение агрегированного фактора

^—I-------

0.8 х

Рис. 2.

Пример графиков функций принадлежности агрегированного фактора к термам «низкий», «средний» и «высокий»

Третья глава посвящена разработке решающих правил и алгоритмов программного обеспечения системы под держки принятия решении (СППР) врачей-специалистов для лечения гипертонической болезни.

Одним из основных элементов системы поддержки принятия решений является база знаний, формируемая из соответствующего набора решающих правил. Наборы решающих правил группируются по входным признакам на четыре группы:

- правила для агрегации факторов риска гипертонической болезни;

- правила для определения поражения органов-мишеней;

- правила для определения наличия сопутствующих заболеваний

(ассоциированных клинических состояний); ,

-финальные правила для ■ оценки риска возникновения осложнений гипертонической болезни.

Правила для агрегации факторов риска гипертонической болезни основаны на разработанном методе агрегации частных факторов риска. На основе разведочного анализа, анализа работы МУЗ ГБ БСМП №2 г. Курска, экспертного мнения, а также национальных рекомендаций по диагностике и лечению артериальной гипертонии были получены графики и аналитические выражения соответствующих функций принадлежностей. Для определения агрегированного фактора используются сведения о возрасте пациента, курении, наследственности, концентрации холестерина, триглицеридов и глюкозы в плазме крови, показатели абдоминального ожирения, сведения о наследственной отягощенности. Для каждого из факторов риска строились функции принадлежности к классу

(У,. Для таких факторов риска, как возраст, показатели ожирения вводились коэффициенты, учитывающие половые отличия людей. Например, у мужчин фактором риска является превышение возраста более 55 лет. У женщин этот.же порог составляет 65 лет. Этот фактор является прогностически важным, поэтому согласно экспертному мнению его вес составляет 0.25. Взвешенная, функция принадлежности к определению повышенного суммарного фактора риска

сердечно-сосудистых осложнений при гипертонической болезни от частного фактора риска «возраст» приведена в формулах (6) для мужчин и для женщин.

О если I < 45 0 если I < 55

0.0125 (1-45) если 45 £ ( < 65 > (1^ (О = 0.0125 (» - 55) если 55 £, I < 75 >

0.25 если / 2 65 0.25 если I £ 75

(6)

где 1 - возраст в годах.

Для определения степени поражения органов-мишеней использовалась информация о гипертрофии левого желудочка (ГЛЖ), концентрации креатинина в плазме крови, клиренса креатинина из плазмы крови, а также скорости клубочковой фильтрации (СКФ). Гипертрофия левого желудочка является очень чувствительным и специфичным фактором, позволяющим прогнозировать течение гипертонической болезни. Гипертрофию левого желудочка оценивается или по данным ЭКГ (вычисляются индексы, например, индекс Соколова-Лайона), или по данным ЭхоКГ с расчетом индекса массы миокарда. Нечеткое логическое высказывание, определяющее наличие ГЛЖ цг,(тт,Ы) по индексу массы миокарда тт и индексу Соколова-Лайона й/ вычисляется следующим образом:

рг,{ттМ) = тахОС4, 0'ии),%(и/)), (?)

где Маи (‘тт) * функция принадлежности значения индекса массы миокарда к терму «повышенный», /1ш(й/) - функция принадлежности значения индекса

Соколова-Лайона к терму «повышенный».

Данные концентрации креатинина в плазме крови, клиренса креатинина из плазмы крови, а также скорости клубочковой фильтрации использовались совместно с соответствующими функциями принадлежности к термам «пониженный» и «повышенный» с учетом половых различий нормы. Лингвистическое выражение для вычисления наличия факта поражения органов-мишеней сформулировано следующим образом:

Поражения органов-мишеней это «ГЛЖ» ИЛИ «Креатинин в плазме крови повышен» ИЛИ «Скорость клубочковой фильтрации пониженная» ИЛИ «Клиренс креатинина понижен». (8)

Расчет степени истинности этого высказывания осуществляется в

соответствии с выражением:

. ^л5М=тахСи„,Аь..А*.А*)> (9)

где * результат истинности нечеткого логического высказывания,

определяющее наличие ГЛЖ, - результат функции принадлежности к терму «повышенный креатинин в плазме крови», - результат функции

принадлежности к терму «пониженная скорость клубочковой фильтрации», На ~ результат функции принадлежности к терму «пониженный клиренс креатинина ».

При диагностике и прогнозировании течения гипертонической болезни всегда необходимо учитывать сопутствующие клинические состояния. Так как, как правило, сопутствующие клинические состояния характеризуются либо их наличием, либо отсутствием, то логическое выражение наличия сопутствующих заболеваний можно представить в виде следующего объединения:

Сопутствующие заболевания это «диагноз мозговой инсульт» ИЛИ «транзиторная ишемическая атака» ИЛИ «инфаркт миокарда» ИЛИ

«стенокардия» ИЛИ «коронарная реваскуляризация» ИЛИ «хроническая сердечная недостаточность» ИЛИ «диабетическая нефропатия» ИЛИ «почечная недостаточность» ИЛИ «расслаивающая аневризма аорты» ИЛИ «симптомное поражение периферических артерий» ИЛИ «гипертоническая ретинопатия» ИЛИ

«отек соска зрительного нерва».

Важнейшим прогностическим признаком при прогнозировании исхода гипертонической болезни является артериальное давление. Как известно, артериальное давление определяется систолическим значением давления (САД) и диастолическим значением (ДАД). Для каждого из компонентов определяются термы «нормальное», «повышенное 1-ой степени», «повышенное 2-ой степени», «повышенное 3-ей степени». Например, для систолического давления функции принадлежности к вышеперечисленным термам приведены на рисунке 3. Аналогично строятся функции принадлежности и для диастолического давления.

Рис. 3. Функции принадлежности лингвистической переменной «систолическое давление» к термам «нормальное»

(psadn),

«повышенное 1-ой степени» (psadl),

«повышенное 2-ой степени» (psadl), «повышенное 3-ей степени» (psad3). ad

- артериальное

давление в мм.рт.ст.

Для моделирования врачебной логики разработаны следующие нечеткие продукционные правила для определения степени артериальной гипертензии (А1) по данным систолического и диастолического давления.

f^agn (sad> = min(maX(A<**r > ^dadr ))Д ~ maX^l» f1dad\» Msadl > Mchdl > ^sadZ > Mdadi)) V )

// j(sad, dad) - min(max(uW], Mdai\))Д ~ тах(Л«<2> > A«n> Awi))

p4l(sad, dad) = тт(тах(/(ет„, pd<Kn))\ - roxxSji^, 3, Pdad,)) 0^)

(sad, dad) = тзх(р^г, pdadi) ^ )

График формулы, например, (14) в зависимости от двух переменных систолического и диастолического давления, с учетом заданных функций принадлежности к каждому из термов, приведен на рисунке 4.

Отдельно необходимо учитывать развитие гипертонии на фоне сахарного диабета и метаболического синдрома, при этом прогноз развития осложнений ухудшается. Степень развития сахарного диабета в работе оценивается по концентрации глюкозы в крови с соответствующей функцией принадлежности. Степень развития метаболического синдрома определяется по данным объема

талии, повышенному систолическому и диастолическому давлению, а также биохимическому анализу крови.

Для вычисления «риска наступления тяжелых осложнений гипертонической болезни» область определения этой лингвистической переменной разбивается на четыре пересекающихся диапазона в соответствии с многочисленными литературными источниками: «низкий» (до 10%), «средний» (от 15 до 20%), «высокий» (от 20 до 30%) и очень высокий (более 30%). На этих диапазонах строятся функции принадлежности к термам.

Рис. 4. Значение функции (14) в зависимости от двух переменных:

систолического (SAD) и диастолического (DAD) давления

С учетом вышеприведенных формул, изучения опыта работы врачей больниц г. Курска, зарубежных рекомендаций, а также национальных российских рекомендаций по диагностике и лечению гипертонической болезни была сформулирована модель оценки риска наступления тяжелых осложнений гипертонической болезни в виде следующих нечетких продукционных правил:

Если «агрегированный фактор риска низкий» И НЕТ «поражения органов-мишеней» И НЕТ «сопутствующих заболеваний» И («артериальная гипертензия первой степени» ИЛИ «давление нормальное») И НЕТ «артериальной гипертензии второй степени» И НЕТ «артериальной гипертензии третьей степени» И НЕТ

«метаболического синдрома» И НЕТ «сахарного диабета», то риск низкий; (15)

Если «агрегированный фактор риска средний» И НЕТ «поражения органов-мишеней» И НЕТ «сопутствующих заболеваний» И («артериальная гипертензия первой степени» ИЛИ «артериальная гипертензия второй степени») И НЕТ «артериальной гипертензии третьей степени» И НЕТ «метаболического синдрома» И НЕТ «сахарного диабета», то риск средний; (16)

Если НЕТ «сопутствующих заболеваний» И («агрегированный фактор риска высокий» ИЛИ «поражения органов-мишеней» ИЛИ («агрегированный фактор риска низкий» И НЕТ «поражения органов-мишеней» И «артериальная гипертензия третьей степени») ИЛИ ((«артериальная гипертензия первой степени» ИЛИ «артериальная гипертензия второй степени») И («метаболический синдром» ИЛИ «сахарный диабет»))) то риск высокий; (17)

Ест ((«агрегированный фактор риска средний» ИЛИ «агрегированный фактор риска высокий» ИЛИ «метаболический синдром» ИЛИ «сахарный диабет») И «артериальная гипертензия третьей степени») ИЛИ «сопутствующие заболевания» то риск очень высокий. , /гол

На основе этих правил разработана структура ядра системы поддержки принятия решений (рисунок 5).

Риск осложнений ГБ

Рис. 5. Структура ядра системы поддержки принятия решений: в схеме символом AND обозначена нечеткая конъюнкция, символом OR - нечеткая дизъюнкция, символом NOT - нечеткое отрицание

Каждый модуль ядра построен по принципу компонентной объектной модели и связан с другими модулями посредством специализированных программных интерфейсов. Такой подход позволяет модернизировать отдельные части ядра без изменений других частей, (например, возможно добавлять новые факторы риска, новые информационные признаки, изменять при необходимости параметры функций принадлежности и т.п.). Каждый входной признак описывается объектом класса, наследуемого от одного базового класса, поддерживающего общие интерфейсы. Классы входных признаков содержат функции ввода-вывода информации, данные функций принадлежности и методы фаззификации. Агрегатор поддерживает программный полиморфизм в зависимости от типа входного признака и реализует несколько методов агрегации, в том числе и метод агрегации факторов риска гипертонической болезни, описанный во второй главе.

Нечеткий вывод формул (15 - 18) производится в программной компоненте нечеткого вывода по алгоритму Мамдани, то есть на первом этапе производится фаззификация входных переменных, затем вычисляются степени уверенности посылок правил. Далее находится степень истинности каждого из подзаключений правил нечетких продукций по принципу min-активизации. Затем происходит аккумуляция заключений нечетких правил продукции в результирующую функцию /jE в области рассуждений переменной, описывающей риск осложнений risk по алгоритму тах-аккумуляции (рисунок 6).

На завершающем этапе происходит дефаззификация выходной переменной -риска наступления тяжелых осложнений гипертонической болезни R согласно формуле метода центра тяжести:

100%

J risk ■ nE(risk)d(risk)

^ Ш ■ (19)

| /UE(nsk)d(risk)

о

Согласно оценке риска система предлагает различные схемы лечения конкретного пациента.

Рис. 6.

Пример графика

аккумуляции продукционных правил (13 - 16) в

результирующую функцию рЕ в

области определения переменной «риск

тяжелых осложнений гипертонической болезни» (risk) в

процентах у

j j________ -у конкретного пациента

40 45 Ж 7

risk

На рисунке 7 представлен алгоритм выбора медикаментозной терапии при лечении артериальной гипертензии в зависимости от риска сердечно-сосудистых осложнений, который рассчитывается по формуле (19) при первичном и последующих обращениях. Если при первом поступлении в больницу после проведения обследования риск возникновения осложнений высокий (больше порогового уровня), для лечения применяется комбинация двух препаратов в низких дозах. Если же риск невысокий, то назначается низкодозовая монотерапия.

При повторном обращении если после обследования наблюдается уменьшение риска сердечно-сосудистых осложнений (разница показателей риска до и после назначения лечения выше порогового значения), то предлагается оставить или уменьшить дозу назначенного препарата. Если риск все еще достаточно высокий (разница показателей ниже пороговой величины), в качестве критерия при выборе стратегии лечения рассматривается изменение артериального давления. Если артериальное давление уменьшилось на величину, которая больше пороговой, то комбинацию используемых препаратов оставляют без изменения и только увеличивают дозу. Если же артериальное давление не уменьшилось, или уменьшилось на недостаточную величину, то рекомендуется изменить комбинацию применяемых препаратов.

Рис. 7. Алгоритм выбора медикаментозной терапии

Четвертая глава посвящена программной реализации системы интеллектуальной поддержки назначения программ лечения больных гипертензией и результатам экспериментальных исследований.

На основе разработанного метода, алгоритма и процедур разработана система интеллектуальной поддержки принятия решений врача, которая решает задачи управления процессами прогнозирования, оценки степени тяжести,

профилактики и лечения гипертонической болезни с учетом основных факторов риска, степени поражения органов-мишеней и наличия сопутствующих заболеваний. Структура системы приведена на рисунке 8.

| Пациент _•_~~^а| Врач |

Подсистеме Ф «торы риске

Подсистема

визуалиэаци

ия«иых

Подсистема типовых с х'вмс лечения

Подсистема выбора схемы леаения

Би*)хшя*

Электр о км ой истории болезни Технические методы диагностических и

Подсистема Данных фиэ иологнче ской лечебных воздействий Блек решающих правил

Результаты диагностики

диагностики

Рис. 8. Структура системы интеллектуальной поддержки принятия решений врача для лечения гипертонической болезни

Назначение групп препаратов в этой системе происходит по алгоритму, который учитывает сведения о пациенте, таких, как его клинические состояния, наличия факторов риска и степени поражения органов мишеней. Также учитываются показания к применению препаратов, абсолютные и относительные противопоказания. Пример пользовательского интерфейса рекомендованных групп препаратов подсистемы типовых схем лечения в конкретной клинической ситуации приведен на рисунке 9.

ц~,д-.',..,11.,,..|3д—ими—тии—ни——ни—ш

Г ит» препв^мяоо Пимам к приникши ГЯХ СД. Папиме. ХСН. КБС Зтнвсительмыв гфвгмволмеэмм АЛсочатим протееопосаэетя Выгод Моамо нззнмлгь

ГЛХ СД. Пожшм. ХСН. К6С Можно ндзимяъ

Бмигар рвавтероа АТ1 I вшмрмттм. ИЮ. ХСН Можю и*зиг«т»

Ачрегвш («итвгожсты «катерок*) ХСН Можионмимяъ

Дидотам тестяные Пожилые, ХСН ГЛЖ. Пожми* цряшщ Можзнвзмчлъ —

ВШИИИИИИ — - шишв

♦И® |И»*»*И*»Имиовмч ' * ______

Рис. 9. Пользовательский интерфейс рекомендованных групп препаратов в конкретной клинической ситуации

На этом рисунке отмечены группы препаратов, которые можно назначать конкретному больному, группы препаратов, которые не рекомендуется назначать и группы запрещенных к назначению препаратов. Группы выделяются разными цветами, причем в таблице сразу отмечается причина абсолютных и относительных противопоказаний.

Для проверки разработанных в третьей главе решающих правил формировались репрезентативные контрольные выборки, по которым рассчитывались такие показатели качества «срабатывания» решающих правил, как прогностическая значимость положительных и отрицательных результатов наблюдений (ПЗ* и ДЗ"), диагностические чувствительность, специфичность и эффективность (ДЧ, ДС и ДЭ соответственно).

Для оценки качества работы правил определения риска наступления тяжелых осложнений гипертонической болезни была создана выборка из 66 пациентов, проходивших лечение в стационаре больницы «МУЗ БСМП» г. Курска с диагнозом «гипертоническая болезнь». Эксперты разделили всю выборку на три группы со средним, высоким и очень высоким риском. Результаты работы правил на контрольной выборке приведены в таблице 1.

Распределение результатов наблюдений подсистемы

Таблица 1. оценки риска

Обследуемые Результаты исследования Всего

Положительные Отрицательные

Очень высокий риск п=29 28 1 29

Не очень высокий риск п=37 1 г36

Высокий риск п=20 18 2 20

Не высокий риск п=46 2 44

Средний риск п=17 16 1 17

Не средний риск п=49 1

ПрИ Отнесении наилюденпп г. lpyuuu ~ »—-—-------j-------

осложнений при гипертонической болезни мы получили следующие показатели параметров качества: ДЧ=0,96; ДС=0,97; П3+ =0,96; ПЗ =0,97; ДЭ=0,96. При отнесении наблюдений к группе высокого риска мы получили следующие показатели параметров качества: ДЧ=0,90; ДС=0,95; ПЗ =0,90; ПЗ -0,95, ДЭ=0,93. При отнесении наблюдений к группе среднего риска мы получили следующие показатели параметров качества: ДЧ=0,94; ДС=0,97; ПЗ+=0,94; ПЗ =0,97; ДЭ-0,96.

Для сравнения качества работы предложенных решающих правил на этой же выборке больных исследовалось качество работы методики SCORE, которую используют в качестве стандартной экспресс-оценки риска у больных сердечнососудистыми заболеваниями, к которым можно отнести и гипертоническую болезнь. Для этого сравнивались группы очень высокого и высокого риска по SCORE и группа умеренного риска. Результаты качества работы методики SCORE на созданной выборке приведены в таблице 2. Сравнение результатов приведено в таблице 3. При отнесении наблюдений к группе очень высокого риска по методике SCORE мы получили следующие показатели параметров качества: ДЧ=0,86; ДС=0,94; П3+ =0,92; ПЗ' =0,89; ДЭ=0,90. При отнесении наблюдений к группе высокого риска мы получили следующие показатели параметров качества:

ДЧ=0,75; ДС-0,82; П3+ -0,65; ПЗ' =0,88; ДЭ=0,80. При отнесении наблюдений к группе среднего риска мы получили следующие показатели параметров качества: ДЧ=0,76; ДС=0,93; П3+ =0,81; ПЗ' =0,92; ДЭ=0,89.

Таблица 2.

Распределение результатов наблюдений модели оценки риска неблагоприятного прогноза гипертонической болезни по методике SCORE___________________

Обследуемые Результаты исследования Всего

Положительные Отрицательные

Очень высокий риск п=29 25 4 29

Не очень высокий риск п=37 2 35 37

Высокий риск п=20 15 5 20

Не высокий риск п=46 8 38 46

Средний риск п=17 13 4 17

Не средний риск п=49 3 46 49

Таблица 3.

Сравнение показателей качества работы решающих правил определения риска развития осложнений гипертонической болезни и по стандартной методике SCORE

Используемая модель оценки Показатели качества работы разработанных решающих правил определения риска развития осложнений гипертонической болезни (*) и по стандартной методике SCORE

ДЧ ДС ПТ ПТ ДЭ

* SCORE * SCORE * SCORE * SCORE * SCORE

группа очень высокого риска 0,96 0,86 0,97 0,94 0,96 0,92 0,97 0,89 0,96 0,90

группа высокого риска 0,90 0,75 0,95 0,82 0,90 0,65 0,95 0,88 0,93 0,80

Группа среднего риска 0,94 0,76 0,97 0,93 0,94 0,81 0,97 0,92 0,96 0,89

Анализ полученных результатов показывает, что по всем исследуемым классам состояний удалось достичь приемлемых для практики результатов, так как во всех случаях наблюдается увеличение параметров качества диагностики. Этот результат можно объяснить использованием гораздо большего объема информации при использовании разработанных решающих правил определения риска развития осложнений гипертонической болезни. Таким образом, можно сделать вывод о том, что при недостатке информации (скрининге) методика SCORE показывает приемлемые результаты. А при достаточно глубоком обследовании пациента (стандартном обследовании в стационаре) эффективнее использовать предлагаемые нечеткие правила оценки риска наступления осложнений гипертонической болезни. Как видно из приведенных данных, результаты контрольных испытаний имеют достаточные величины для рекомендации полученных решающих правил для практического использования.

В заключении сформулированы научные и практические результаты исследования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

Предлагаемая работа посвящена решению научных и практических задач, связанных с повышением качества медицинского обслуживания пациентов, страдающих гипертонической болезнью. В ходе проведенных исследований

получены следующие основные результаты.

1. На основании сведений о факторах риска и поражения органов - мишеней при гипертонической болезни определена система информативных признаков, проведен разведочный анализ структуры данных, на основании чего был выбран математический аппарат нечеткой логики принятия решений для поставленных в работе задач.

2. Разработан метод агрегации частных: факторов риска для прогноза течения гипертонической болезни, позволяющий , повысить Точность решении на основе косвенных свидетельств в условиях неполного представления исходных данных с

нечеткими границами выделяемых классов. ,

3. Разработана система решающих правил для определения количественной оценки риска тяжелых осложнений гипертонической болезни, позволяющая определять тяжесть и динамику заболевания на основе информации о факторах риска, поражения органов-мишеней, наличия сопутствующих заболевании.

4. Разработан алгоритм выбора медикаментозной терапии при лечении артериальной гипертензии в зависимости от риска сердечно-сосудистых осложнений, который рассчитывается по разработанной методике при первичном и последующих обследованиях пациента, алгоритм назначения групп препаратов в зависимости от сведений по определенным показаниям, относительным и

абсолютным противопоказаниям.

5. Разработана система поддержки принятия решении врача для лечения гипертонической болезни, использующая алгоритмы управления процессами принятия решений с определением риска возникновения тяжелых осложнений течения гипертонической болезни. Программное обеспечение системы поддержки принятия решений включает дружественный для врача интерфейс и позволяет рационально планировать лечебно-оздоровительные мероприятия у пациентов,

страдающих гипертонической болезнью.

6 Проведена апробация предложенных методов и средств на контрольных выборках. Экспериментальная проверка качества нечеткого решающего правила прогнозирования возникновения сердечно-сосудистых осложнений гипертонической болезни в сравнении с правилами SCORE показала улучшение основных показателей качества более чем на 5 %. Показана эффективность предложенных средств и метода при лечении гипертонической болезни.

гтггпк- НАУЧНЫХ РАБОТ. ОПУБЛИКОВАННЫХ ПО ТЕМЕ ТТИССЕРТАШМ:

Публикации в рецензируемых научных журналах и_нзданиях

1 Зар Ни Мо Вин. Разработка методов анализа динамики распространенности гипертонической болезни в Курской области / Зар Ни Мо Вин, Агарков Н. М. II Известия ЮФУ. Технические науки. Тематический выпуск. Таганрог. Изд-во I Ш

ЮФУ. 2010. №8(109). С. 75-80. „

2. Зар Ни Мо Вин. Агрегация факторов риска гипертоническои болезни в

системах поддержки принятия решений / Зар Ни Мо Вин, Кореневскии Н. А.,

Кузьмин А.А., Кузьмина М.Н. // Современные проблемы науки и образования. 2011. № 5. URL: www.science-education.ru/99-4950.

3. Зар Ни Мо Вин. Применение нечеткой логики в системах поддержки принятия решений для лечения гипертонической болезни / Зар Ни Мо Вин, Кузьмин А.А., Кузьмина М.Н. // Системный анализ и управление в биомедицинских системах. 2011. Т. 10. № 4. С. 904-907.

Статьи, труды и материалы конференций

4. Зар Ни Мо Вин. Компьютерная система по ведению больных с гипертонической болезнью / Зар Ни Мо Вин, Агарков Н. М. // Медикоэкологические информационные технологии - 2009: сб. матер. XII Международная научно-техническая конференция. Курск, 2009, С. 47-48.

5. Зар Ни Мо Вин. Информационные технологии в управлении качеством медицинской помощи // Инновационные парадигмы в медицине и педагогике -2009: сб. матер. Материалы межрегиональной научно-практической конференции. Курск, 2009. С. 42-43.

6. Зар Ни Мо Вин. Качество медицинской помощи больным гипертонической болезнью / Зар Ни Мо Вин, Агарков Н. М. // Информационные технологии в медицинских и педагогических исследованиях - 2009: сб. матер. Материалы межрегиональной научно-практической конференции. Курск, 2009. Часть 1. С. 3-5.

7. Зар Ни Мо Вин.' Прогнозирование распространенности гипертонической болезни в Курской области на основе нейронной сети / Зар Ни Мо Вин, Агарков Н. М., Зо Зо Тун.// Медико-экологические информационные технологии - 2010: сб. матер XIII Международная научно-техническая конференция. Курск, 2010. С. 5761.

8. Зар Ни Мо Вин. Сравнительный анализ многослойной нейронной сети и радиальной базисной нейронной сети при классификации кардиоциклов электрокардиосигналов / Зар Ни Мо Вин, Зо Зо Тун, Филист С.А. // Медикоэкологические информационные технологии - 2010: сб. матер. XIII Международная научно-техническая конференция. Курск, 2010. С. 88-92.

9. Зар Ни Мо Вин. A multilayer perceptron-based medical decision support system for diseases / Зар Ни Mo Вин, Aung Ко Ко Oo И Medical-ecological information technologies - 2010: сб. матер XIII international scientific and technical conference. Kursk, 2010. P. 62-67.

10. Зар Ни Mo Вин. Компьютерная система поддержки принятия решений

врача акушера-гинеколога / Зар Ни Мо Вин, Будник И.В. // Интегративные процессы в науке - 2010: сб. матер. Материалы международной научнопрактической конференции. Москва, 2010, С. 15-17. -

11. Зар Ни Мо Вин. Исследование распространенности гипертонической болезни в Курской области // Медико-экологические информационные технологии 2011. XIV Международная научно-техническая конференция. Курск, 2011, С. 252257.

Подписано в печать 26.01. 2012 г. Формат 60x84 1/16.

Печатных листов 1,1. Тираж 100 экз. Заказ № 1.

Юго-Западный государственный университет,

305040, г. Курск, ул. 50 лет Октября, 94 Отпечатано в ЮЗГУ

61 12-5/1685

Юго-Западный государственный университет

На правах рукописи

Зар Ни Мо Вин

Система интеллектуальной поддержки назначения программ лечения больных гипертензией на основе нечеткого моделирования процедур принятия решений

Специальность 05.11.17 - Приборы, системы и изделия медицинского

назначения

Диссертация на соискание учёной степени кандидата технических наук

Научный руководитель:

Доктор технических наук, профессор Филист Сергей Алексеевич

Курск 2012

СОДЕРЖАНИЕ

Список сокращений.................................................................................................4

ВВЕДЕНИЕ..............................................................................................................8

Глава 1. АНАЛИЗ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ ПРИ ЛЕЧЕНИИ ГИПЕРТОНИЧЕСКОЙ БОЛЕЗНИ.........................................14

1.1 Методы системного анализа при изучении гипертонической болезни. 15

1.2 Информационные технологии дифференциальной диагностики и прогнозирования течения гипертонической болезни....................................21

1.3 Цель и задачи исследования.......................................................................36

Глава 2. МЕТОДЫ СИНТЕЗА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ НЕЧЕТКОГО ПРОГНОЗИРОВАНИЯ ОБОСТРЕНИЯ И ОЦЕНКИ СТЕПЕНИ ТЯЖЕСТИ БОЛЬНЫХ ГИПЕРТОНИЧЕСКОЙ БОЛЕЗНЬЮ.........................38

2.1 Выбор системы информативных признаков для системы поддержки принятия решений врача при лечении гипертонической болезни...............38

2.2 Метод анализа частных факторов риска для прогноза течения гипертонической болезни.................................................................................49

2.3 Метод синтеза нечетких решающих правил для определения поражения органов-мишеней при гипертонической болезни..........................................58

2.4 Выводы второй главы.................................................................................66

Глава 3. СИНТЕЗ НЕЧЕТКИХ РЕШАЮЩИХ ПРАВИЛ И АЛГОРИТМОВ ДЛЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ВРАЧА ПРИ ЛЕЧЕНИИ ГИПЕРТОНИЧЕСКОЙ БОЛЕЗНИ..................................................67

3.1 Синтез нечетких решающих правил для агрегации факторов риска гипертонической болезни.................................................................................67

3.2 Синтез нечетких решающих правил для определения поражения органов-мишеней...............................................................................................75

3.3 Синтез нечетких решающих правил для оценки риска возникновения осложнений гипертонической болезни...........................................................86

3.4 Разработка алгоритмов управления процессами принятия решений по формированию лечебно-профилактических рекомендаций.........................96

3.5 Выводы третьей главы.............................................................................. 103

Глава 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ И РЕЗУЛЬТАТЫ ТЕСТИРОВАНИЯ РАЗРАБОТАННЫХ СРЕДСТВ И МЕТОДА..................104

4.1 Программная реализация системы поддержки принятия решений врача для лечения гипертонической болезни.........................................................104

4.2 Методы тестирования системы поддержки принятия решений врача для лечения гипертонической болезни................................................................108

4.3 Тестирование подсистемы учета факторов риска и модели оценки поражения органов-мишеней.........................................................................110

4.4 Тестирование подсистемы оценки риска наступления осложнений при гипертонической болезни...............................................................................120

4.5 Оценка качества подсистемы управления процессами принятия решений по формированию лечебно-профилактических рекомендаций .130

4.6 Выводы четвертой главы..........................................................................134

ЗАКЛЮЧЕНИЕ...................................................................................................135

БИЛИОГРАФИЧЕСКИЙ СПИСОК..................................................................137

Список сокращений

АН - ангиотензин II

АБ - адреноблокатор

АГ - артериальная гипертония

АГП - антигипертензивные препараты

АГТ - антигипертензивная терапия

АД - артериальное давление

АК - антагонисты кальция

АКС - ассоциированные клинические состояния

АКТГ - адренокортикотропный гормон

АО - абдоминальное ожирение

АПФ - ангиотензинпревращающий фермент

АРП - активность ренина в плазме крови

АСЛПУ - автоматизированная система лечебно-профилактического учреждения

АТЭКМП - Автоматизированная технология экспертизы качества медицинской помощи

БА - бронхиальная астма

БРА - блокатор рецепторов ATI

ВНОК - Всероссийское научное общество кардиологов ГБ - гипертоническая болезнь

ГК — гипертонический криз ГЛЖ — гипертрофия левого желудочка ДАД - диастолическое артериальное давление ДН - диспансерное наблюдение

ЕОГ - Европейское общество по артериальной гипертонии

ЕОК - Европейское общество кардиологов

ЖЭ - желудочковая экстрасистолия

ИААГ - изолированная амбулаторная АГ

ИАПФ - ингибитор ангиотензинпревращающего фермента

ИБС — ишемическая болезнь сердца

ИКАГ - изолированная клиническая артериальная гипертензия ИМ - инфаркт миокарда

ИММЛЖ — индекс массы миокарда левого желудочка ИМТ - индекс массы тела

ИСАГ - изолированная систолическая артериальная гипертензия

КМП - качество медицинской помощи

КТ - компьютерная томография

ЛЖ - левый желудочек

ЛПР - лицо, принимающее решение

ЛПУ - лечебно-профилактические учреждения

ЛСК - линейная скорость кровотока

МАГ - магистральная артерия головы

МАУ - микроальбуминурия

МИ - мозговой инсульт

ММЛЖ - масса миокарда левого желудочка

МРА - магнитно-резонансная ангиография

МРТ - магнитно-резонансная томография

НМК - нарушение мозгового кровообращения

НРС - нарушений ритма сердца

ОЖ — образ жизни

ОКС — острый коронарный синдром

ОХС — общий холестерин

ПМА - передняя мозговая артерия

ПОМ — поражение органов-мишеней

РМОАГ — Российское медицинское общество по АГ

САД - систолическое артериальное давление

СИ - суточный индекс

СМА - средная мозговая артерия

СМАД — суточное мониторирование АД

СОАС — синдром обструктивного апноэ во время сна

СППМР - система поддержки принятия медицинских решений

СППР - система поддержки принятия решений

срАД - среднегемодинамическое артериальное давление ССЗ — сердечно-сосудистые заболевания ТГ - триглицериды ТД - тиазидные диуретики

ТЗСЛЖ - толщина задней стенки левого желудочка

ТИА - транзиторная ишемическая атака

ТИМ - толщина интима-медиа

УЗИ - ультразвуковое исследование

ФИЛ - коэффициент фетоиндоантильных потерь

ФК - функциональный класс

ФР - фактор риска

ФТ - физические тренировки

ХОБЛ — хроническая обструктивная болезнь легких

ХПН - хроническая почечная недостаточность

ХСЛВП — холестерин липопротеидов высокой плотности

ХСЛНП — холестерин липопротеидов низкой плотности

ХСН - хроническая сердечная недостаточность

ЦВБ — цереброваскулярные болезни

ЭКГ — электрокардиограмма

ЭКМП - экспертиза качества медицинской помощи

ЭхоКГ — эхокардиография

ВВЕДЕНИЕ

Актуальность темы. Одной из наиболее актуальных медицинских проблем в мире и в России является артериальная гипертензия, так как именно эта болезнь является причиной наиболее опасных сердечнососудистых заболеваний (ССЗ) - инфаркта миокарда (ИМ) и мозгового инсульта (МИ). По данным рабочей группы Всемирной организации здравоохранения среди населения России в возрасте от 45 до 74 лет свыше 85% случаев смерти от сердечно-сосудистых заболеваний приходится на ишемическую болезнь сердца (ИБС) и инсульт, а Россия по смертности от этих нозологий находится на одном из первых мест в Европе. Специалисты, решающие задачи повышения качества оказания медицинских услуг населению, отмечают важность эффективного прогнозирования и диагностики гипертонической болезни. Оперативность, стоимость и качество принимаемых решений можно обеспечить путем применения современных информационных технологий, опирающихся на методологию системного анализа. Это рационализирует подход к ведению больных и повышает эффективность лечения гипертонической болезни.

С учетом сказанного, актуальность темы исследования определяется необходимостью повышения эффективности прогнозирования обострения и оценки тяжести течения гипертонической болезни на основе современных математических методов и информационных технологий, что позволит своевременно начать лечебно-профилактические мероприятия, планировать индивидуальную тактику ведения больного и за счет этого повысить качество оказания медицинских услуг населению, страдающему гипертонической болезнью.

Работа выполнена в соответствии с федеральной целевой программой «Предупреждение и борьба с социально значимыми заболеваниями (20072011 годы)»; с территориальной программой «Профилактика гипертонической болезни» и научным направлением Юго-Западного

государственного университета «Медико-экологические информационные технологии».

Цель работы. Разработка метода, моделей и алгоритмов для систем поддержки принятия решений врача-специалиста, обеспечивающих повышение качества прогнозирования обострения и оценки степени тяжести гипертонической болезни за счет применения лингвистических нечетких решающих правил, использующих разнородную информацию о различных факторах риска, биохимическом анализе, поражении органов-мишеней и о сопутствующих заболеваниях.

Для достижения поставленной цели необходимо решить следующие задачи:

на основании данных о факторах риска и поражения органов -мишеней при гипертонической болезни сформировать систему информативных признаков, изучить структуру данных, определить цель исследования и выбрать адекватный математический аппарат;

• создать метод анализа факторов риска для прогноза течения гипертонической болезни;

• разработать решающие правила для оценки риска наступления тяжелых осложнений гипертонической болезни;

• разработать алгоритмы управления процессами принятия решений врача при лечении гипертонической болезни;

• разработать программное обеспечение автоматизированной системы поддержки принятия решений врача при лечении гипертонической болезни;

• провести апробацию предложенных средств и метода на контрольных выборках.

Методы исследования. Для решения поставленных задач использовались методология искусственного интеллекта, методы системного анализа, теории нечеткой логики принятия решений, экспертного оценивания, статистического анализа и математического моделирования. Для

синтеза и проверки качества работы нечетких решающих правил использовалась система компьютерной математики собственной разработки.

Научная новизна исследования. В диссертации получены следующие результаты, характеризующиеся научной новизной:

- метод анализа частных факторов риска для прогноза течения гипертонической болезни, отличающийся агрегацией разнородных признаков и комбинированных показателей, описывающих факторы риска гипертонической болезни, позволяющий повысить точность решений на основе косвенных свидетельств в условиях неполного представления исходных данных с нечеткими границами выделяемых классов;

- система решающих правил для определения количественной оценки риска тяжелых осложнений гипертонической болезни, отличающаяся агрегированием различных типов продукционных нечетких правил, выбираемых в соответствии со структурой входных данных, позволяющая определять тяжесть и динамику заболевания, а также выбирать схему лечения гипертонической болезни;

алгоритм управления процессами принятия решений по прогнозированию, оценке степени тяжести и формированию лечебных рекомендаций при гипертонической болезни, составивший основу построения программного комплекса, поддерживающего работу врача, отличающийся возможностью улучшения параметров нечетких решающих правил, обеспечивающий высокое качество принятия решений по выбранному классу задач и эффективность работы соответствующей системы поддержки принятия решений;

-структура ядра системы поддержки принятия решений врача-специалиста для лечения гипертонической болезни, отличающаяся применением компонентной объектной модели построения программного обеспечения, позволяющая использовать разработанные правила для определения количественной оценки риска тяжелых осложнений гипертонической болезни, а также расширять функциональные возможности

и уточнять существующие механизмы расчетов в процессе эксплуатации системы.

Практическая значимость и результаты внедрения работы.

Разработанные модели, метод, решающие правила и алгоритмы составили основу построения системы поддержки принятия решений врача для лечения гипертонической болезни, экспериментальные испытания которой показали целесообразность ее использования в медицинской практике. Применение предложенных в диссертации разработок позволяет разработать информационное обеспечение для рационального проведения лечебно-оздоровительных мероприятий.

Основные теоретические и практические результаты работы внедрены в учебный процесс Юго-Западного государственного университета при подготовке специалистов 200402 «Инженерное дело в медико-биологической практике» (дисциплина «Автоматизация обработки экспериментальных данных»), использованы сотрудниками кафедры терапии Курского государственного медицинского университета при проведении практических занятий «Кардиология», «Функциональная диагностика» и «Терапия», что подтверждено соответствующими актами.

Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания населения, страдающего гипертонической болезнью.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих научных конференциях: на XII международной научно-технической конференции «Медико-экологические информационные технологии» (Курск, 2009); на межрегиональной научно-практической конференции «Инновационные парадигмы в медицине и педагогике» (Курск, 2009); на межрегиональной научно-практической конференции «Информационные технологии в медицинских и педагогических исследованиях» (Курск, 2009); на XIII международной

научно-технической конференции «Медико-экологические информационные технологии» (Курск, 2010); на международной научно-практической конференции «Интегративные процессы в науке» (Москва, 2010), на Всероссийской научно-технической конференции с международным участием «Медицинские информационные системы МИС-2010» (Таганрог, 2010), на XIV международной научно-технической конференции «Медико-экологические информационные технологии» (Курск, 2011)

Публикации. По материалам диссертации опубликовано 11 печатных работ, перечень которых приведен в конце автореферата. Из них 3 работ в журналах, рекомендованных ВАК РФ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и библиографического списка, включающего 87 отечественных и 32 зарубежных наименований. Работа изложена на 150 страницах машинописного текста, содержит 48 рисунков и 8 таблиц. ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы исследования, определены цели и задачи работы, ее научная новизна и практическая значимость, выбраны методы исследования, сформулированы задачи, приведены сведения об апробации и внедрении результатов работы.

В первой главе проанализированы распространенность гипертонической болезни в России и современные подходы к решению задач прогнозирования, смертности, диагностики и управления состоянием здоровья людей, страдающих гипертонической болезнью. Показано, что улучшить качество медицинского обслуживания этих больных можно при использовании современных математических методов, включая теорию статистики, нейронных сетей, нечеткой логики принятия решений и информационных технологий. В заключении главы определяются цель и задачи исследования.

Во второй главе осуществляется выбор системы информативных признаков и математического аппарата для решения задач определения

частных факторов риска, поражений органов-мишеней и оценки степени тяжести гипертонической болезни, разрабатывается метод получения решающих правил и методов синтеза решающих правил принятия решений по прогнозированию степени тяжести гипертонической болезни.

К третьей главе осуществляется синтез нечетких решающих лингвистических правил для агрегирования факторов риска и оценки степени тяжести гипертонической болезни, разрабатываются лингвистические модели исследуемого заболевания, алгоритм управления процессами принятия решений по формированию лечебно-профилактических рекомендаций при ведении больных с гипертонией, и основные элементы системы поддержки принятия решений врача для лечения гипертонической

болезни.

и црткептой главе приводятся результаты экспериментальных

исследований, проверяется качество работы полученных решающих правил и

показывается целесообразность использования полученных в работе

результатов в медицинской практике.

Н чаключении сформулированы научные и практические рез�