Математичні моделі, алгоритми і системи збору, обробки та інтерпретації медичної інформації

Размещено на http://www.allbest.ru/

Національна академія наук України

Інститут кібернетики імені В.М. Глушкова

УДК 681.32:537.8

МАТЕМАТИЧНІ МОДЕЛІ, АЛГОРИТМИ І СИСТЕМИ ЗБОРУ, ОБРОБКИ ТА ІНТЕРПРЕТАЦІЇ МЕДИЧНОЇ ІНФОРМАЦІЇ

05.13.06 - автоматизовані системи управління та прогресивні

інформаційні технології

АВТОРЕФЕРАТ

дисертації на здобуття наукового ступеня

доктора технічних наук

ПЕТРУХІН Володимир Олексійович

Київ 2005



Дисертацією є рукопис.

Робота виконана в Інституті кібернетики ім. В.М. Глушкова НАН України

Науковий консультант: член-кореспондент НАН України, доктор технічних наук, професор, заслужений діяч науки і техніки України Войтович Ігор Данилович, Інститут кібернетики ім. В.М. Глушкова НАН України, завідувач відділом.

Офіційні опоненти: доктор технічних наук, доцент, Коваленко Ігор Іванович, Національний інститут кораблебудування ім. адмірала Макарова (м.Миколаїв), завідувач кафедрою програмного забезпечення автоматизованих систем,

доктор технічних наук, Прімін Михайло Андрійович, Інститут кібернетики ім. В.М. Глушкова НАН України, провідний науковий співробітник,

доктор технічних наук, професор, Теленик Сергій Федорович, Національний технічний університет України “Київський політехнічний інститут”, завідувач кафедрою автоматики та управління в технічних системах.

Провідна установа: Національний авіаційний університет України, кафедра прикладної інформатики.

Захист відбудеться “13” квітня 2005 р. о(об) 14 годині на засіданні спеціалізованої вченої ради Д 26.194.03 при Інституті кібернетики ім. В.М. Глушкова НАН України за адресою: 03680, МСП, Київ-187, проспект Академіка Глушкова, 40.

З дисертацією можна ознайомитися в науковій бібліотеці Інституту.

Автореферат розісланий “ 25” лютого 2005 р.

Учений секретар

спеціалізованої вченої ради РОМАНОВ В.О.

Загальна характеристика роботи

Дисертація присвячена розробці й реалізації математичних моделей, систем збору й обробки медичних даних і пов'язана з розробкою нових прогресивних інформаційних технологій дослідження динаміки об'єктів для систем діагностики і прогнозування патологічних станів людини. Її наповнення є взаємозалежна сукупність досліджень і розробок систем збору й обробки медичних даних різного призначення, спрямованих на створення теоретичних основ побудови математичних й інформаційних моделей динамічних систем з метою діагностики й прогнозування функціонального стану людини.

Актуальність теми. За останні роки зріс інтерес до проблем побудови систем медичної діагностики, аналізу медичної інформації, математичних моделей для діагностики й прогнозування різних патологічних процесів. Істотного прогресу досягнуто у зв'язку з бурхливим розвитком систем розподіленого збору й обробки інформації, що обумовлений широким поширенням мережі Інтернет. З'явилися прикладні сервіси в мережі Інтернет, засновані на віддаленій обробці й інтерпретації медичної інформації, широко впроваджується телемедичний сервіс - застосування на практиці методів дистанційного надання медичної допомоги й обміну спеціалізованою інформацією на базі сучасних телекомунікаційних технологій.

До даного класу проблем відносяться і задачі побудови динамічних математичних моделей патологічних процесів, спеціалізованих баз даних і баз знань, нових діагностичних алгоритмів оцінки функціонального стану пацієнта, що також вирішуються у даній дисертації. Таким чином, тема дисертації є актуальною.

В дисертаційній роботі узагальнені результати робіт автора, виконаних в 1978 - 2003 роках.

Зв'язок роботи з основними науковими програмами, планами, темами. Основні результати дисертаційного дослідження були отримані в рамках наукових тем Інституту кібернетики ім. В.М. Глушкова НАН України, у яких дисертант був науковим керiвником або відповідальним виконавцем.

2. Спецтем “Шовк”, “Багатолітник-1”, “Визначення найбільш характерних ускладнень опіків воєнного часу”, “Розробка уніфікованого методу діагностики гострих періодів опікової хвороби і прогнозування її наслідків” (1978-1990рр.).

Ряду тем Інституту кібернетики ім. В.М. Глушкова НАН України: “Розвити теоретичні основи побудови мереж передачі інформації з інтегральним обслуговуванням і провести експериментальні дослідження їх основних компонент” (1991-1995рр.), № ДР 0193U043039; “Розробка принципів побудови телемедичних систем, дослідження їх структур, алгоритмів функціонування” (1995-1997рр.), № ДР 0197U005150; “Дослідження питань реалізації моделей теледіагностики в середовищі мережі Інтернет” (1998-2000рр.), № ДР 0198U000321; “Дослідження і розробка системи представлення та інтерпретації знань у динамічних предметних середовищах” (2001-2005рр.), № ДР 0101U000074.

Частину наукових та практичних результатів також було отримано і реалізовано при виконанні грантів: Фонду “Євразія” - проект К95-0531 “Information integration project (backbone) for the Institute of Cybernetics”, а також Фонду “Відродження” - проект KV-96-REM-3-2397-4-5-1-1 “Підтримка інфраструктури мережі Інтернет в Інституті кібернетики НАН України, що забезпечує сервіс Інтернет для широкого кола організацій освітнього та наукового профілю, некомерційних організацій”.

Мета і основні результати дослідження. Метою дисертаційної роботи є рішення актуальної науково-прикладної проблеми створення нових методів і програмно-технічних засобів у системах діагностики й прогнозування функціонального стану пацієнта на основі комплексу нових математичних моделей, алгоритмів і прогресивних технологій збору, обробки і перетворення медичних даних з урахуванням динаміки розвитку патологічного процесу.

Основні задачі, рішення яких у даній дисертаційній роботі забезпечило досягнення поставленої мети:

* створення мови формалізації досвіду експертів системи представлення й інтерпретації знань у динамічних предметних середовищах, що складає основу методології побудови моделей динамічних систем. Мова дозволяє створювати базу знань динамічних моделей складних патологічних процесів шляхом формалізації експертних знань фахівців, що представляють основу для побудови динамічних комп'ютерних моделей;

* розробка алгоритмів аналізу інформації автоматизованих баз медичних даних (інформаційні технології витягу знань);

* розробка, дослідження й апробація математичних моделей і алгоритмів інтерпретації медичних даних з метою аналізу патологічних процесів з урахуванням їх динаміки;

* розробка алгоритмів оцінки динаміки змін функціонального стану організму людини;

* розробка і дослідження автоматизованих баз даних, призначених для збору й обробки медичної інформації, інтерпретації математичних моделей і алгоритмів, вилучення знань, що містяться у базах даних;

* розробка і дослідження інформаційних технологій керування живучістю територіально-розподілених медичних систем і застосувань на основі моніторингу стану устаткування і програмних модулів глобальної мережі ЕОМ, багаторівневих архітектур “клієнт-сервер” для розробки програмних систем розподіленого збору й обробки даних, математичних моделей, методів і алгоритмів реєстрації і перетворення медичної інформації для систем діагностики і прогнозування патологічних станів людини;

* експериментальна апробація і перевірка розроблених математичних моделей, алгоритмів і програм.

Об'єкт дослідження - процес формування математичних моделей, систем збору, обробки та інтерпретації медичної інформації.

Предмет дослідження - математичні моделі, методи збору, обробки та інтерпретації медичної інформації, які забезпечують рішення задач діагностики й прогнозування патологічних станів людини.

Для рішення поставлених задач важливе значення мали праці В.М. Глушкова, М.М. Амосова, О.М. Білоцерковського, І.Д. Войтовича, Ю.В. Гуляєва, В.М. Єгіпка, Ю.І. Журавльова, М.О. Кузнецова, Б.Н. Малиновського, Г.І. Марчука, Б.Я. Наркевича, В.В. Парина, О.А. Павлова, О.В. Палагіна, А.О. Попова, М.А.Пріміна, І.В. Сергієнка, С.Ф. Теленика, Л.І. Титомира, О.С. Холодова, В.І. Шумакова, В.П. Яценка та інших.

Методи дослідження. Основним методом досліджень є математичне моделювання з подальшою експериментальною перевіркою прийнятих гіпотез. Розв'язання деяких математичних моделей було виконано аналітичним шляхом. Аналіз медичної інформації проводився з використанням методів багатомірного статистичного аналізу даних, цифрової обробки сигналів, автоматизованих баз даних.

Достовірність результатів розв'язання задач забезпечена відповідністю результатів застосування моделей, алгоритмів і систем даним тестових вибірок з історій хвороб і результатам функціональних, клініко-лабораторних досліджень пацієнтів; результати випробувань розроблених алгоритмів і програм також підтверджені, у тому числі, інвазійними методами.

Наукова новизна одержаних результатів. На основі запропонованих математичних і інформаційних моделей, нових методів діагностичної та прогностичної інтерпретації медичної інформації та їх аналізу вперше створені математичний апарат та інструментальні засоби, які складають базу розробки біомедичних автоматизованих систем збору, обробки та перетворення інформації для вирішення задач діагностики захворювань, виявлення патологічних станів організму людини з максимальною швидкістю і достовірністю та прогнозування динаміки їх розвитку.

Уперше запропоновано і теоретично обгрунтовано оригінальний алгоритм порівняльного аналізу послідовних векторелектрокардіограм людини з метою оцінки локальних змін стану міокарда.

Уперше розроблено математичну модель кінетики гепатотропних індикаторів, що забезпечує кількісну клініко-діагностичну інтерпретацію результатів радіонуклідних досліджень печінки, а також автоматизовану базу даних для комплексного рішення питання збору й обробки інформації з цих досліджень. Усе це дозволило досягти більш високого рівня ефективності аналізу патологічних процесів у медицині.

Основні нові наукові результати, які складають зміст вирішення сформульованої проблеми та виносяться до захисту:

* комплекс математичних і інформаційних моделей і нових методів діагностичної і прогностичної інтерпретації медичної інформації, а також математичний апарат і інструментальні засоби, орієнтовані на розробку біомедичних автоматизованих систем збору, обробки і перетворення інформації, що відрізняються максимальною швидкодією і високою вірогідністю стосовно до діагностики, прогнозування, виявлення патологічних станів організму людини;

* мова формалізації досвіду експертів, що складає основу методології побудови моделей динамічних систем, яка дозволяє створювати базу знань динамічних моделей складних патологічних процесів шляхом формалізації експертних знань фахівців. Розроблено інформаційні процедури автоматизації формування висловлень мовою формалізації досвіду експертів на основі аналізу інформації динамічних баз даних, що вирішують задачу автоматизації процесу пошуку причинно-наслідкових взаємозв'язків параметрів;

* інформаційні технології моніторингу функціонального стану серцево-судинної системи людини в гострому періоді інфаркту міокарда шляхом порівняльного аналізу послідовних векторелектрокардіограм (ВКГ), що дозволяють неінвазійними методами вирішувати задачі діагностики і прогнозування стану серцево-судинної системи людини і визначати локальні зміни стану міокарда в ранній термін від початку захворювання. На основі даної інформаційної технології розроблений спосіб діагностики локальних змін стану міокарда, апробований при лікуванні інфаркту міокарда й у спортивній медицині;

* автоматизований телемедичний комплекс векторелектрокардіографічних досліджень, що дозволяє проводити обробку даних функціонального обстеження в середовищі мережі Інтернет, а також автоматизовані телемедичні робочі місця лікаря-цитолога і гістолога, що дозволяють автоматизувати процедури проведення віддалених консультацій пацієнтів;

* нові інформаційні технології кількісної клініко-діагностичної інтерпретації результатів радіонуклідних досліджень печінки, реалізовані у вигляді комплексу програм математичної моделі кінетики гепатотропних індикаторів. Розроблені на основі теоретичної бази способи діагностики функціонального стану печінки і внутріпечінкових жовчних ходів і визначення позасудинного плазмотока печінки, засновані на біологічній інтерпретації створеної математичної моделі, дозволяють одержати кількісну інформацію про глибинні процеси, які відбуваються в печінці, що важливо для виявлення механізмів розвитку ряду патологічних станів і вибору раціонального способу лікування.

Апробація результатів дисертації. Результати досліджень, які складають основний зміст роботи, доповідалися та обговорювалися на міжнародних, республіканських конференціях і семінарах: “Актуальні питання сучасної клінічної діагностики” (Москва, 1979); ІІ республіканська конференція “Математичні методи в біології” (Київ, 1979); “Опікова хвороба” (Київ, 1980); “Теоретичні і клінічні основи обмеження зони інфаркту міокарда” (Ялта, 1982); “Моделювання систем у біології і медицині” (Прага, 1982); II з'їзд кардіологів УРСР (Харків, 1983); Всесоюзна конференція по банках даних (Ташкент, 1983); II Всесоюзний симпозіум “Прогнозування в прикладній фізіології” (Фрунзе, 1984); VII з'їзд онкологів УРСР (Сімферополь, 1985р.); II симпозіум з порівняльної електрокардіології (Сиктивкар, 1985р.); симпозіум з застосування математичних методів і ЕОМ у клініко-біологічних дослідженнях (Гагри, 1985); Всесоюзна конференція ”Біоніка і біомедкібернетика-85” (Ленінград, 1986); Всесоюзна науково-технічна конференції “Застосування мікропроцесорів і мікроЕОМ у медичному приладобудуванні” (Москва, 1987); “Прилади і системи в діагностиці і лікуванні захворювань внутрішніх органів” (Желєзноводськ, 1988р.); 14th International congress on electrocardiology (Berlin, 1987); NATO Advanced Networking Workshop “Establishing a Cooperative Framework for Networking in Russia and Other NATO Partners” (1994); ІІ науково-практична конференція “Актуальні проблеми експериментальної медицини” (Київ, 1998); Міжнародна електронна наукова конференція "Високі технології в медицині" (Донецьк, 1999); ІІ і ІІІ міжнародні конференції по програмуванню "УкрПрог'2000" і "УкрПрог'2002" (Київ); ІІІ міжнародна науково-практична конференція по програмуванню, симпозіум “Телемедицина - медичне утворення, наука, охорона здоров'я” (Київ, 2000); XLIV наукова конференція МФТІ “Сучасні проблеми фундаментальних і прикладних наук” (Москва, 2001); виставка “Кібернетика-90” (Софія, 1990); чисельних семінарах наукової Ради з проблеми “Кібернетика”.

Публікації. Матерiали дисертаційної роботи в повному обсязі опубліковано в 30 статтях у вітчизняних фахових виданнях, авторському свідоцтві СРСР на винахід, патенті України на винахід, двох комплексах програм, зданих у Фонд алгоритмів і програм України, а також у рекомендованих для практичного використання двох методичних рекомендаціях Міністерства охорони здоров'я України.

Структура та обсяг дисертації. Робота складається із вступу, шести розділів, висновків, п'яти додатків. Обсяг роботи ? 292 сторінки, включаючи 37 рисунків, 24 таблиці та список використаних джерел, який містить 384 найменувань. П'ять додатків мають обсяг 86 сторінок.



Зміст роботи

модель формалізація алгоритм мова

У вступі обгрунтована актуальність проблеми, яка вирішується, зформульована мета досліджень, розглянуті наукова новизна та практична значимість отриманих результатів, наведені дані про особистий внесок автора, апробацію роботи та публікації.

У першому розділі розглянуто стан проблем у розробці й реалізації математичних моделей, систем збору й обробки медичних даних і досліджень, які пов'язані з розробкою нових, прогресивних інформаційних технологій для систем діагностики і прогнозування патологічних станів людини.

Використання моделей узагальнених динамічних систем актуально в ситуаціях, коли складність досліджуваних систем така, що один фахівець не в змозі охопити усі взаємозв'язки процесів і явищ. Іншою відмінною рисою таких систем є відсутність кількісних законів розвитку процесів досліджуваних об'єктів, відомі лише деякі емпіричні закономірності у вузьких предметних областях, якими володіють експерти-фахівці.

Для дослідження таких об'єктів використовуються методи системного підходу, що припускає чітке визначення об'єкта дослідження, постановку цілей, задання критеріїв для вивчення цього об'єкта і керування ним. На першому етапі побудови моделі досліджуваного об'єкта виробляється його структуризація, розкладання його на окремі підсистеми, блоки, елементи. Виділяються фактори зовнішнього середовища, впливи, що керують досліджуваним об'єктом. Даний етап побудови моделі завершується етапом параметризації - чітко встановлюється сукупність параметрів з областями їхньої зміни, значеннями параметрів у нормі. Основна вимога тут є вимога обліку всіх важливих, з погляду досліджуваної динаміки, параметрів, вибір необхідного ступеня загрублення параметрів.

Після виконання параметризації здійснюється основний етап складання мо-делі - установлення залежностей між введеними параметрами. Тип залежностей визначається точністю існуючих знань про причинно-наслідкові, логіко-динамічні зв'язки даного параметра. Дані знання можуть виражатися у вигляді строгих математичних закономірностей, але для якісних параметрів найчастіше таке знання представляється не у вигляді формул, а у вигляді продукцій

ЯКЩО<ситуація(t)>ТО<прогноз значення параметра(t+?t)>.

Експерт описує різні ситуації, при виконанні яких розглянутий параметр може змінити своє значення. Крім того, може бути зазначений ступінь впевненості експерта в реалізації даного причинно-наслідкового переходу. Ще однією особливістю розглянутих залежностей є їхня неоднозначність, часом наявність взаємосуперечливих залежностей - формалізованого досвіду різних фахівців, що у такому випадку повинні супроводжуватися ваговими коефіцієнтами. За допомогою цих коефіцієнтів дані залежності процедурою висновку будуть інтерпретуватися як вірогідні.

У роботі приведений синтаксис мови формалізації досвіду експертів системи представлення й інтерпретації знань у динамічних предметних середовищах. У даному розділі досліджені питання побудови процедур автоматизації формування висловлень мовою формалізації досвіду експертів.

Досліджено інформаційну технологію витягу знань з динамічних баз даних, що зберігають реалізації “траєкторій” динамічної системи, користуючись якими в автоматизованому режимі фахівець може формалізувати свій досвід при побудові ним причинно-наслідкових, логіко-функціональних зв'язків параметрів досліджуваного складного об'єкта. Зазначена технологія використовує алгоритм визначення інформативності ознак, що характеризують розпізнавальні об'єкти чи явища, значення яких складають непараметричні сукупності, що не мають адекватного числового вираження. Класифікація об'єктів розпізнавання заснована на побудові системи еталонів, що апроксимують навчальну множину об'єктів, і обчисленні відстані до еталонних векторів класів, які будуються на основі обробки об'єктів навчальної вибірки і представляють собою булеві вектори.

Нехай кожен об'єкт складається з n ознак {x1, x2,…,xn}, кожна з яких має кінцеве число значень li. Уведемо наскрізну нумерацію для всіх значень xi.

Нехай маємо розбивку кінцевої множини об'єктів розпізнавання на систему непорожніх неперетинних підмножин - класів заданої розбивки:

;

де К - число класів розбивки, - порожня множина.

Випишемо послідовність індексів, використовуючи наскрізну нумерацію:

1, 2,…, l1, l1+1, l1+2,…, l1+l2,…, l1+ l2+…+ ln (1)

Задамо взаємнооднозначне відображення множини в множину p-мірних бульових векторів ,

де (2)

де - вихідні еталонні вектори класів r і q, (r ? q).

Якщо , де - нульовий вектор, то еталонні вектори залишаються без змін. У противному випадку проводиться порівняння імовірностей P_jr і P_jq значень для тих компонентів, для яких виконується умова =1. Якщо p_jr < p_jq, тоді j-ій компоненті вектора присвоюється значення “0” і j-ту компоненту вектора залишаємо без зміни, тобто одержуємо . Якщо P_jr > P_jq, тоді = 1, = ; якщо P_jr = P_jq, тоді значення j-их компонент змінюємо довільним чином, тобто ; або .

Таким чином будуються еталонні вектори класів, покомпонентними кон'юнкціями яких є нульовий вектор “ ”.

Класифікація об'єктів розпізнавання провадиться шляхом обчислення відстаней до еталонних векторів класів: , де - еталонний вектор класу r, r = 1,2,…,К; - бульовий p-мірний вектор об'єкта контрольної групи, n - кількість ознак описів об'єкта.

За критерієм мінімуму відстаней визначається приналежність розпізнаваного об'єкта до того чи іншого класу. У випадку рівності відстаней класифікація не визначена. При вилученні знань з динамічної бази даних у процесі формалізації свого досвіду експертом визначається вибірка історій хвороби (записів бази даних), на основі аналізу яких будуть формуватися гіпотези наявності причинно-наслідкових зв'язків і їхня структура. Формується також контрольна вибірка записів, що використовується для проведення випробувань гіпотез. Спочатку процес витягу знань починається з фіксації списку параметрів, взаємозв'язки яких будуть досліджуватися за допомогою процедур обчислення коефіцієнтів інформативності, а також наступних процедур усікання даного списку до варіанта списку найбільш інформативних параметрів, що забезпечує прийнятну точність рішення задачі класифікації досліджуваних об'єктів. Наступний важливий етап є розбивка областей зміни значень параметрів. Пропонується спочатку виконати розбивку областей зміни значень на максимально можливу кількість інтервалів (з урахуванням точності виміру даного параметра), а потім провести процедуру агрегації інтервалів області зміни значень параметра з урахуванням побудованих еталонних векторів (виконати процедуру об'єднання - “склеювання” однакових рядків у побудованій прогнозній карті, а також зв'язану з цим процедуру укрупнення інтервалів області зміни значень параметра.

Потім проводиться випробування наявних еталонних векторів на контрольній вибірці об'єктів. Якщо точність рішення задачі класифікації на контрольній вибірці за допомогою побудованих еталонних векторів виявиться незадовільною, то процес побудови еталонних векторів повторюється, при цьому вибирається вже інша множина ознак.

Даний вибір - еврістична процедура, заснована на використанні досвіду фахівців у досліджуваній предметній області для формулювання висловлення мовою представлення досвіду експертів. ). Блок-схема алгоритму вилучення знань представлена на рис.1. Побудовані в такий спосіб еталонні вектори, довжина інтервалу часу реалізації подій, що класифікуються, надійність класифікації - усе це є вихідні дані для формулювання висловлення мовою представлення досвіду експертів.

Розроблені в процесі дисертаційного дослідження інформаційні технології обчислення інформативності параметрів і класифікації об'єктів були використані для аналізу інформації баз даних комбустіологічної інформації з метою створення алгоритмів медичного сортування опікових хворих і прогнозування наслідків опікового шоку. Для цього була розроблена комбустіологічна (опікова) база даних, сформована на основі інформації з близько 400 формалізованих історій хвороби. Вивчалася прогностична значимість показників, що характеризують стан хворого при поділі опікових хворих на класи зі сприятливим (клас 1) і несприятливим (клас 2) наслідками.

Аналіз комбустіологічної інформації відбувався шляхом послідовних наближень - визначався варіант прогнозної карти фіксацією списку параметрів, що задовольняють названим вище критеріям, потім виконувалося тестування прогнозної карти, оцінка результатів (якості) класифікації. Процес далі міг повторюватися на новій ітерації до одержання задовільних результатів рішення поставленої задачі (як представлено на блок-схемі, що описує алгоритм витягу знань з динамічних баз даних).

При цьому для використання у клінічних умовах карта містила 19 показників, а для прогнозування наслідків при масових ураженнях карта була спрощена й в останньому варіанті містить всього 8 ознак (табл. 1).

У прогнозній карті використовуються тільки ті показники, значення яких можна реально визначити з урахуванням надзвичайності ситуації при прийнятті рішень у процесі сортування на етапах медичної евакуації, коли може бути відсутній кваліфікований персонал і залучається середній медичний персонал, а в окремих випадках (при великих вогнищах поразки) і санітари. Прогнозна карта була випробувана на контрольній вибірці з 50 історій хвороби, обраних довільним чином з бази даних. Випробування побудованої прогнозної карти дали правильний результат у 91 відсотках випадків.

Отримані результати мають самостійне значення - розроблені програмні процедури дозволяють проводити аналіз комбустіологічної інформації не тільки з метою аналізу причинно-наслідкових зв'язків параметрів, вони також застосовні для розробки карт прогнозування наслідків різних патологічних станів.

Нижче наведений приклад запису висловлення мовою формалізації досвіду експертів, сформований на основі застосування інформаційних технологій і описаного вище аналізу інформації бази даних (табл. 1).

`ПАРАМЕТРИ': ВЗРСТ - ВІК ( <60: >60 ),

`РОЗМІРНІСТЬ': (РОКІВ);

ОПО - ЗАГАЛЬНА ПЛОЩА ОПІКУ У ВІДСОТКАХ ( <30: >30 );

ОДП - ОПІК ДИХАЛЬНИХ ШЛЯХІВ ( Є: НЕМАЄ );

СОЗН - СВІДОМІСТЬ (ЯСНА: СПЛУТАНА: МАРЕННЯ: ВІДСУТНЯ);

ЧДД - ЧИСЛО ДИХАЛЬНИХ РУХІВ ( <22:>23 );

АДС - АРТЕРІАЛЬНИЙ ТИСК СИСТОЛІЧНИЙ ( <100: >101 );

АДД - АРТЕРІАЛЬНИЙ ТИСК ДІАСТОЛІЧНИЙ (<60: 61 - 100: >101);

ПУЛС - ПУЛЬС ( <100: >101 );

`ГОЛОВНИЙ': СХ - СТАН ХВОРОГО (СМЕРТЬ: ЗАДОВІЛЬНИЙ);

`НЕХАЙ': Y(t) = ЯКЩО (ВЗРСТ(t) =1 `И' ОПО(t) = 1 `И' ОДП(t) = 2 `И' (СОЗН (t) = 1 `ИЛИ' СОЗН (t) = 3) `И' ЧДД (t) = 1 `И' АДС(t) = 2 `И' АДД (t) = 2 `И' ПУЛС (t) = 1) `ТО' 1`ІНАКШЕ'2;

`ВИСЛОВЛЕННЯ': `C ВІР' (0.91) `ЯКЩО' Y (t )= 2 `ТО' СХ(t + 3 `ДНІ') = 1`ІНАКШЕ' СХ(t + 3 `ДНІ') = 2;

Описані алгоритми обчислення інформативності параметрів і класифікації об'єктів були використані також для аналізу інформації кардіологічної бази даних у гострому періоді інфаркту міокарда з метою виявлення ранніх стадій лівошлуночкової недостатності й виявлення оптимальних гемодинамічних режимів, що забезпечують сприятливий плин захворювання. З цією метою також була створена автоматизована система збору й обробки даних з базою даних на основі формалізованої карти клініко-фізіологічних досліджень хворого. Було проведене визначення прогностичної значимості ознак у задачі класифікації хворих за критерієм поширення зони некрозу і за критерієм розвитку лівошлуночкової недостатності.

У третьому розділі досліджена математична модель, призначена для оцінки функціонального стану гепатобіліарної системи людини й інтерпретації даних радіологічного дослідження. Математична модель кінетики радіофармпрепарату (131J-БР) в організмі людини є багатокамерною. Під терміном “камера” мається на увазі анатомічна чи фізіологічна одиниця організму, в якій досліджується зміна концентрації радіоактивного препарату в часі, а швидкість переходу цієї речовини між камерами характеризується кількісними константами, що обчислюються. Схема досліджуваної моделі представлена на рис. 2.

Детектор Д1 реєструє криву активності над областю печінки, що являє собою суму активностей камер У, B*, P, G, F. Гепатограма на 60-й сек. відбиває кількість 131J-БР у крові печінки в початковий період і приймається за точку відліку.

Детектор Д2 над областю серця реєструє криву кліренсу крові. Остання являє собою складну криву, що відбиває стан практично всіх камер моделі. Через те, що дана модель не враховує процес розведення індикатора в крові, то початкова ділянка кривої кліренсу не розглядається, а відновлюється шляхом багатоекспоненціальної екстраполяції, виходячи з амплітудних даних із третьої по десяту хвилину.

Камера В - відбиває внутрісудинний обсяг усієї крові. Умовно з цієї камери виділений підпростір У*, що являє собою кров у судинах печінки, і підпростір У - позапечінкова кров. У цілому вся камера В являє собою камеру змішування, де час перемішування 131J-БР нехтувально малий в порівнянні з часом його виходу. Прийнято допущення, що закон зміни концентрації для крові в печінці й у позапечінковій крові той самий.

Камера Р - камера змішування, являє собою паренхіматозні клітини печінки.

Камера F - представляє екстраваскулярний простір у печінці й служить у моделі камерою затримки. Індикатор надходить не тільки в жовчні ходи, але також частково й у міжклітинний простір печінки, особливо при патології, а звідти по лімфатичних шляхах через час затримки N повертається назад у кров.

Камера G - це камера затримки, що відбиває жовчні капіляри і жовчні ходи печінки. У них індикатор затримується на час N1.

Позасудинний чи екстраваскулярний простір у моделі представлено у виді двох камер: ЕКУ - камера змішування, ЕК - камера затримки. Камера ЕКУ являє собою міжклітинний простір, а камера ЕК - лімфатичні шляхи. Передбачається, що концентрація індикатора на виході камери ЕК повторює закон концентрації на вході, але з затримкою у часі на період N.

Камера У - являє собою позапечінковий жовчний простір, жовчні шляхи і жовчний міхур. Ця камера в наших дослідженнях не розглядалася, вона представлена для того, щоб показати вихід індикатора з печінки.

Обмеження і допущення математичної моделі:

* експонентний показник кривої активності крові приблизно дорівнює сумі коефіцієнтів виходу індикатора з крові в клітини печінки та в екстраваскулярний простір;

* обсяг усіх зазначених просторів, між якими відбувається розподіл індикатора, протягом дослідження залишається постійним - усі тканини розглядаються як гомогенні камери і концентрація індикатора в них залежить тільки від часу;

* швидкість зміни концентрації індикатора усередині кожної з камер є лінійна функція концентрацій індикатора в камері, що розглядається, у зв'язаній з нею камері, тобто всі коефіцієнти пропорційності постійні й розглядаються як відповідні константи швидкостей переходу між камерами;

* концентрація індикатора в крові печінки й у крові серця однакова, починаючи з третьої хвилини, амплітуда активності кривої гепатограми, починаючи з 60-ї секунди, відбиває вихідну активність крові печінки;

* індикатор, що надходить із крові в екстраваскулярний простір, повертається назад у кров по лімфатичних шляхах із затримкою у часі.

Математичний опис камер моделі. Передбачається, що у вихідний момент часу активність у всіх камерах дорівнює нулю, крім камери В, де активність - В0. Кінетика 131J-БР описується системою із шести диференціальних рівнянь:

При дослідженні розглянутої моделі нами було виділено чотири часових періоди. У період дослідження при 0 < t ? N1 система являє собою систему звичайних диференціальних рівнянь, тому що у всіх рівняннях невідомі функції є функцією одного аргументу. Рівняння матеріального балансу 131J-БР3 для цього періоду мають вигляд:

При дослідженні розглянутої моделі нами було виділено чотири часових періоди. У період дослідження при 0 < t ? N1 система являє собою систему звичайних диференціальних рівнянь, тому що у всіх рівняннях невідомі функції є функцією одного аргументу. Рівняння матеріального балансу 131J-БР3 для цього періоду мають вигляд:

Далі, при t > N1 досліджувана модель являє собою систему рівнянь із запізнювальним аргументом, оскільки невідомі функції входять при різних значеннях аргументу. Тут при t > N1 система має ще три періоди в силу особливостей описуваних нею кривих. У другий період дослідження N1 < t ? N система диференціальних рівнянь має вигляд:

Третій період дослідження визначається проміжком часу N < t ? N + N1 і описується такими рівняннями:

Четвертий період дослідження описується такими рівняннями:

де, як і вище, К1, К2, К01, V - коефіцієнти кінетики, а B(t), ЕКУ(t), EK(t), P(t), G(t), F(t) - активності 131J-БР. Рішення рівнянь на часовому інтервалі від 0 до 2N:

За допомогою процедур ідентифікації моделі можна одержати значення інформативних параметрів моделі, що забезпечують найбільший збіг теоретичних і експериментальних кривих. Розподіл часу дослідження на періоди дозволяє конкретизувати ділянки ураження, а визначення точок переходу при інтерпретації зареєстрованих кривих різними математичними моделями дає можливість одержати нові кількісні показники, що визначають заключний діагноз.

Використовуючи знайдені значення А0 і К, обчислюється середня похибка апроксимації: . Якщо вона перевищує похибку виміру активності кліренсу крові, то значення Тj приймається за час плазмотока, у противному випадку значення Тj збільшується і процес апроксимації повторюється.

У процесі дослідження реєструються криві кліренсу крові над областю серця й гепотограми над областю правої частки печінки протягом часу максимально можливого проходження індикатора по внутріпечінкових жовчних шляхах. Обробляючи значення даних кривих, можна визначити час проходження індикатора по внутріпечінкових жовчних шляхах. Для цього по відрізку кривої кліренсу крові після завершення періоду розведення індикатора в крові знаходиться експонентний показник кривої кліренсу крові з умови мінімуму виразу , де AK(i) - зареєстровані значення активності 131J-БР у крові в інтервалі часу від завершення періоду розведення індикатора в крові до моменту його рециркуляції в кров (відповідно Т1 і Т2), К - експонентний показник кривої кліренсу крові, А0 - параметр. Потім визначається початкова ділянка кривої гепатограми такої максимальної довжини, яка апроксимується зворотною експонентою зі знайденими раніше параметрами К та А0, а також частка активності, що вносить у гепатограму кров, яка знаходиться у печінці й реєструється датчиком, установленим над областю правої частки печінки. Тобто послідовно розглядаються початкові ділянки кривої гепатограми AG(ti), ti, Є [1,Тj], де Тj ? довжина початкового відрізка кривої гепатограми в хвилинах, причому Т1 ? Тj ? Т2, де Т1 - мінімально можливий час проходження препарату-індикатора по внутріпечінкових жовчних шляхах, Т2 - максимально можливий час проходження препарату-індикатора по внутріпечінкових жовчних шляхах. Таким чином, з умови мінімуму виразу

визначаються величини параметрів AG0, ? і середня похибка апроксимації:

Якщо обчислена в такий спосіб середня похибка апроксимації перевищує похибку виміру гепатограми (з урахуванням похибки виміру активності частини печінкової крові), то значення Тj приймається за час проходження препарату-індикатора по внутріпечінкових жовчних шляхах. У противному разі довжина початкового відрізка кривої гепатограми збільшується, повторюються вищеописані процедури ідентифікації значень параметрів AG0 і ?, обчислення середньої похибки апроксимації, порівняння її з похибкою виміру і т.д.

Розроблена модель дає більш повне пояснення фізіологічної і біологічної сутності глибинних процесів, що відбуваються в організмі людини при введенні малих доз індикатора і дозволяє витягти необхідну інформацію для визначення функціонального стану системи.

Підхід, застосований для побудови розробленої моделі, можна використовувати також для дослідження інших функціональних систем.

Результати дослідження моделі кінетики гепатотропних індикаторів в організмі людини дозволяють підвищити точність і інформативність дослідження функціонального стану гепатобіліарної системи, а також скоротити час обстеження пацієнта. Їхньою перевагою є мінімальна травматичність, безпека проведення і простота дослідження, скорочення термінів, відмовлення від використання контрастної речовини, а також можливість автоматизації обстеження.

Проведено успішне випробування моделі на базі кафедри медичної радіології Київського інституту удосконалення лікарів Мінздраву України. Клінічні випробування моделі й системи ідентифікації її параметрів були проведені на даних радіонуклідного дослідження печінки для 103 пацієнтів у віці від 21 року до 56 років. У роботі наведені результати випробувань і експериментів з моделлю, акт про впровадження моделі в клінічну практику, а також акти випробувань діагностичної значимості способів діагностики функціонального стану печінки і внутріпечінкових жовчних шляхів і способу визначення позасудинного плазмотока печінки. У додатку наведений опис комплексу програм, що реалізує розроблену математичну модель.

У четвертому розділі представлений комплекс програм (експертна система) автоматизованого скринінгу організованих контингентів населення, призначений для рішення задач автоматизації збору й обробки даних при проведенні масових профілактичних обстежень робітників та службовців промислових об'єднань, інших підприємств і організацій з метою виявлення захворювань жовчновивідної і сечовивідної систем, шлунково-кишечного тракту й онкологічних захворювань. Метою застосування даної експертної системи є виявлення прихованих форм плину захворювання на першому етапі обстеження, а також виявлення присутніх факторів ризику вищеперерахованих захворювань. Застосування експертної системи дозволяє скоротити час прийому лікарем, звільнити лікаря від трудомісткої роботи, зв'язаної з опитуванням пацієнта, допомогти лікарю правильно установити діагноз, зробити відповідні призначення і дати необхідні рекомендації. При цьому з'являється можливість керування і планування процесом надання лікувально-профілактичної допомоги в спеціалізованих медичних закладах, тому що в разі потреби пацієнти направляються у клініку в плановому порядку, а не по швидкій допомозі.

Для вирішення задач опитування при заповненні бази даних нами були розроблені спеціальні мови, за допомогою яких описувалася структура діалогу. Створені мови прості і ними може користуватися кінцевий користувач. У даному розділі також досліджені проблеми побудови й реалізації інформаційних моделей предметної області медичних інформаціних систем та інтерактивних режимів взаємодії з ЕОМ. Всі операції, що виконуються користувачем та ЕОМ між двома слідуючими один за одним усталеними станами, визначають крок діалогової взаємодії (крок діалогу). На кожному кроці діалогу в користувача є альтернатива вибору напрямку розвитку діалогу, тобто визначення наступного кроку. Послідовність кроків діалогу визначає маршрут діалогу. Повний набір можливих маршрутів діалогу складає його сценарій. Розробка методики опису сценарію діалогової взаємодії користувача з ЕОМ є необхідною умовою процесу проектування діалогових систем. З метою проектування діалогових систем при описі сценарію діалогової взаємодії користувача з ЕОМ запропоновано відображати його у вигляді графа, вершини якого ототожнюються з подіями, які означають, що повідомлення видане з ЕОМ користувачу чи очікується відповідь користувача, а ребра - з напрпрямками переходів до наступних вершин. У графі виділяються також початкова та кінцева вершини, що визначають відповідно початок і кінець діалогу. Граф сценарію діалогу дає чітке уявлення про динаміку діалогу, причому уніфікація опису структури діалогу дозволяє вирішити задачі типізації та автоматизації проектування діалогових систем.

У п'ятому розділі досліджені автоматизовані телемедичні комплекси віддаленого консультування й інформаційні технології моніторингу функціонального стану серцево-судинної системи при інфаркті міокарда. Розроблено методику автоматизованого розрахунку маси ураженого міокарда, що дозволяє вірогідно судити про плин гострого періоду захворювання. З її допомогою проводиться прогнозування динаміки активності сироваткової креатинфосфокінази (КФК). Математична інтерпретація цього процесу може бути описана класом параметричних функцій вигляду: , де b - (момент часу піка активності) х (величина активності КФК у момент піка); с - час виникнення піка; d - стандартне відхилення; t - час.

На практиці часто зустрічаються випадки, коли хворий або пізно госпіталізований, або перший забір проб крові для визначення серійної активності сироваткової КФК почали робити пізно. У цьому випадку відсутній початковий відрізок кривої. Для його апроксимації нами був уведений додатковий часовий параметр а, що ретроспективно визначає початок підвищення активності сироваткової КФК (початкову частину кривої) - рис.3.

де а - часовий параметр. Автоматизована система діагностики й прогнозування розміру інфаркту міокарда по динаміці активності КФК була апробована і впроваджена в ряді кардіологічних клінік України. З її допомогою оброблені дані, що отримані більш ніж із 300 історій хворих, що страждають гострим інфарктом міокарда. Додатково нами було обґрунтоване використання запропонованої моделі для діагностики важкості перебігу опікової хвороби. Під час опікового шоку в крові хворого підвищується активність КФК, що пояснюється її утилізацією і викидом у кров з уражених (обпалених) ділянок. Застосовуючи запропоновану модель, можна об'єктивно й кількісно оцінити величину опікової поразки тканин організму людини.

Вищеописаний підхід до оцінки динаміки розвитку зони некрозу при інфаркті міокарда має певні недоліки: він є інвазійним (заснований на серійних заборах крові хворого) і не дозволяє оперативно визначати зміни стану міокарда, тому що реальні зміни в міокарді приводять до зміни активності КФК у сироватці крові тільки через 8-12 годин.

Актуальною тому є розробка способів діагностики змін станів міокарда на основі аналізу інших характеристик серцево-судинної системи, що реалізовано в способі оцінки локальних змін стану міокарда на основі порівняльного аналізу послідовних ВКГ.

Програмний комплекс забезпечує ввід даних ВКГ, їх попередню обробку, ідентифікацію комплексів P, QRS, T, фільтрацію шумів, розпізнавання опорних точок t1 - t6 кардіоциклу (рис.6), морфологічний аналіз, розрахунок просторово-часових характеристик, діагностичну інтерпретацію ВКГ.

Запропоновані інформаційні технології моніторингу стану серцево-судинної системи можуть бути також застосовані до обробки даних магнітокардіограм. Крім того, у розділі представлені результати досліджень, принципи побудови, конкретні конфігурації і програмове забезпечення автоматизованих робочих місць лікаря-цитолога і гістолога, що дозволяє автоматизувати процедури проведення віддалених консультацій пацієнтів.

У додатках приведений текст запитальника анкети автоматизованого збору даних анамнезу при масових профілактичних обстеженнях організованих контингентів населення, 22 документи про впровадження, отриманих у процесі дисертаційного дослідження прикладних результатів, описи програм, 8 актів випробувань розроблених способів діагностики.



Висновки

У дисертаційній роботі науково обґрунтовані й розвиті нові інформаційні технології, що забезпечують рішення важливої науково-технічної прикладної проблеми - розробки інструментальних засобів, математичних моделей, методів і алгоритмів реєстрації, обробки і перетворення медичної інформації для систем діагностики і прогнозування патологічних станів людини. На основі теоретичних і експериментальних досліджень розроблені нові інформаційні технології і відповідні інструментальні засоби, що забезпечують наукові й методологічні основи побудови автоматизованих систем переробки медичної інформації і керування. У роботі отримані такі теоретичні і практичні результати:

1) розроблена і досліджена мова формалізації досвіду експертів, що складає основу методології для побудови динамічних комп'ютерних моделей у системі представлення й інтерпретації знань у динамічних предметних середовищах з використанням процедури недедуктивного висновку. Мова дозволяє створювати базу знань динамічних моделей складних патологічних процесів шляхом формалізації експертних знань фахівців, вона використовує якісні параметри - параметри, здатні приймати лише кінцеві множини значень, звичні для фахівців інформаційної моделі предметної області. Використання розробленої мови актуальне в ситуаціях, коли складність досліджуваних систем така, що один фахівець не в змозі охопити всі причинно-наслідкові, логіко-динамічні, темпоральні взаємозв'язки досліджуваних процесів і явищ. Присутність динаміки в розглянутих предметних областях - істотна характеристика розробленої мови. Розроблені і досліджені інформаційні процедури автоматизації формування висловлень мовою формалізації досвіду експертів на основі аналізу інформації динамічних баз даних, користуючись якими фахівець в автоматизованому режимі може формалізувати свій досвід при побудові ним причинно-наслідкових, логіко-функціональних зв'язків параметрів досліджуваного складного об'єкта. Реалізовано інформаційну технологію формування записів мовою формалізації досвіду експертів, яка використовує алгоритм обчислення інформативності ознак, що характеризують розпізнавані об'єкти чи явища, значення яких складають непараметричні сукупності;

2) розроблені, досліджені і доведені до рівня практичної реалізації нові інформаційні технології для діагностики й кількісної клініко-діагностичної інтерпретації результатів радіонуклідних досліджень печінки, реалізовані у виді комплексу програм математичної моделі кінетики гепатотропних індикаторів. З цією метою була розроблена і досліджена багатокамерна математична модель кінетики радіофармпрепарату в організмі людини, що забезпечує кількісну клініко-діагностичну інтерпретацію результатів радіонуклідних досліджень печінки, а також автоматизована база даних для збору й інтерпретації інформації з цих досліджень. Використання способів діагностики функціонального стану печінки й внутріпечінкових жовчних ходів і визначення позасудинного плазмотоку печінки, заснованих на біологічній інтерпретації створеної математичної моделі, дозволяє одержати кількісну інформацію про глибинні процеси, що відбуваються в печінці - циркуляцію й обмін позасудинної рідини, що важливо для виявлення механізмів розвитку ряду патологічних станів і вибору раціонального способу лікування. Їхньою перевагою є мінімальна травматичність, безпека проведення і простота дослідження, скорочення термінів, відмовлення від використання контрастної речовини, а також можливість автоматизації обстеження. Проведено успішні випробування математичної моделі й інформаційних технологій на базі кафедри медичної радіології Київського інституту удосконалення лікарів Мінздраву УРСР;

3) розроблені й обґрунтовані інформаційні технології моніторингу функціонального стану серцево-судинної системи людини в гострому періоді інфаркту міокарда, що дозволяють вирішувати задачі прогнозування розвитку захворювання й об'єктивізувати процедури оцінки якості й адекватності проведених лікувальних заходів. Розроблено інформаційну технологію автоматизованого розрахунку маси ураженого міокарда в динаміці, що дозволяє вірогідно судити про плин гострого періоду інфаркту міокарда. З її допомогою забезпечується прогнозування динаміки активності сироваткової КФК для оцінки динаміки кількісних показників маси ураженого міокарда в гострому періоді. Обґрунтовано також використання даної технології для об'єктивної, кількісної оцінки величини опікової поразки тканин організму людини. Результати досліджень узагальнені в методичних рекомендаціях “Прогнозування плину гострого інфаркту міокарда” Міністерства охорони здоров'я України. Розроблено інформаційну технологію і спосіб порівняльного аналізу послідовних векторелектрокардірограм людини, що дозволяє забезпечувати неінвазійними методами моніторинг стану серцево-судинної системи людини. На основі алгоритму порівняльного аналізу послідовних векторелектрокардірограм людини розроблений спосіб діагностики локальних змін стану міокарда в ранній строк від початку захворювання. Спосіб апробовано при лікуванні інфаркту міокарда й у спортивній медицині;

4) розроблено засоби інформаційного забезпечення системи автоматизації збору й обробки кардіологічних, комбустіологічних, онкологічних і інших медичних даних. Розроблено бази даних відповідних формалізованих історій хвороби, вирішена задача розробки й випробування алгоритмів аналізу інформації, створення простих і надійних алгоритмів прогнозування динаміки патологічних станів людини. З метою рішення проблеми медичного сортування опікових хворих досліджені алгоритми прогнозування перебігу опікової хвороби і її наслідків. У розробленій і дослідженій прогнозній картах використані тільки ті показники, значення яких можна реально визначити з урахуванням надзвичайності ситуації при прийнятті рішень у процесі сортування на етапах медичної евакуації, коли може бути відсутнім кваліфікований персонал і для сортування хворих залучається середній медичний персонал, а в окремих випадках (при великих вогнищах поразки) і санітари;

5) за допомогою запропонованих у роботі інформаційних технологій витягу інформації з динамічних баз даних розроблені карти прогнозування стану хворих інфарктом міокарда в гострому періоді за критеріями поширення зони інфаркту міокарда і розвитку лівошлуночкової недостатності, що дозволило обґрунтувати принципи оптимізації гемодинаміки за допомогою диференційованої терапії хворих інфарктом міокарда в залежності від вихідних гемодинамічних синдромів. З цією метою була створена автоматизована система збору й обробки даних і база даних на основі формалізованої карти клініко-фізіологічних досліджень хворого інфарктом міокарда. Результати досліджень відбиті в методичних рекомендаціях Міністерства охорони здоров'я України “Автоматизована система аналізу кардіологічної інформації хворих інфарктом міокарда”;

6) розроблено автоматизовані телемедичні комплекси проведення векторелектро-кардіографічних досліджень, а також автоматизовані телемедичні робочі місця лікаря - цитолога і гістолога, що адаптовані до реальних середовищ мережі Інтернет в Україні, дозволяють автоматизувати процедури проведення віддалених консультацій пацієнтів і забезпечують обробку даних фукнціонального обстеження. Розроблено й експериментально апробовано комплекс програм для збору даних анамнезу організованих контингентів населення, що проходять масові профілактичні обстеження, запам'ятовування і збереження зібраної інформації в архіві, аналізу зібраної інформації за алгоритмами лікарської логіки, складання тексту висновку для пацієнта і лікаря;

Ефективність розроблених моделей, алгоритмів реєстрації, обробки і перетворення медичної інформації підтверджена їхніми успішними випробуваннями і впровадженнями в Україні, Росії й інших країнах.

Під науковим керівництвом автора успішно захищені чотирі дисертації: 3 - з технічних наук (К.Ю. Бабенко, А.А. Пантелеймонов, С.П. Пачін), 1 - з біомедичної кібернетики (В.І. Буряк).

Автор глибоко вдячний академіку В.М. Глушкову за постановку проблеми дослідження.



Основні положення дисертації опубліковані в таких працях

...