WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

МАРЧУК Юрий Владимирович

МОДЕЛИ, МЕТОДЫ И ПРОГРАММЫ ДЛЯ РАЗВИТИЯ МЕДИЦИНСКОЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПРОГНОЗА РЕТИНОПАТИИ

Специальность 05.13.18 - Математическое моделирование, численные методы и комплексы программ

Автореферат диссертации на соискание ученой степени кандидата физико-математических наук

Екатеринбург – 2012

Работа выполнена в ФГАОУ ВПО «Уральский Федеральный Университет имени первого Президента России Б.Н.Ельцина» и в Государственном бюджетном учреждении здравоохранения Свердловской области детской клинической больнице восстановительного лечения Научно-практическом центре «Бонум»

Научный консультант: - доктор технических наук, профессор Гольдштейн Сергей Людвигович Научный консультант: - доктор медицинских наук, профессор Блохина Светлана Ивановна

Официальные оппоненты: - доктор физико-математических наук, профессор Вараксин Анатолий Николаевич - кандидат физико-математических наук Турчик Владимир Юрьевич

Ведущая организация: - Федеральное государственное бюджетное учреждение науки Институт математики и механики Уральского отделения РАН, г. Екатеринбург

Защита состоится 29 мая 2012 г. в 17.00 часов на заседании диссертационного совета Д 212.285.13 при ФГАОУ ВПО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина» по адресу: 620002, г. Екатеринбург, ул.

Мира, 19, аудитория I главного учебного корпуса (зал ученого совета).

С диссертацией можно ознакомиться в читальном зале библиотеки ФГАОУ ВПО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина».

Отзыв на автореферат в одном экземпляре, заверенный гербовой печатью, прошу направить по адресу: 620002, г. Екатеринбург, ул. Мира, 19, ФГАОУ ВПО «Уральский федеральный университет имени первого Президента России Б.Н. Ельцина», ученому секретарю университета.

Автореферат разослан 28 апреля 2012 года.

Ученый секретарь диссертационного совета Д 212.285.13, кандидат физ.-мат. наук, профессор Рогович В.И.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы Существующие медицинские информационные системы прогноза ретинопатии недоношенных новорожденных (МИС ПРН) - одного из тяжелых заболеваний, приводящих ребенка к быстро наступающей слепоте, обеспечивают лишь «грубый» неоперативный прогноз. А для эффективного лечения необходим своевременный прогноз с «тонким» разделением степеней тяжести. Это требует развития прототипа МИС ПРН в части моделей, методов и программного обеспечения.

Теоретическим основам математического моделирования в медицине и применению моделирования для решения актуальных практических задач, в т.ч. в области НИОКР медицинских интеллектуально-информационных систем, посвящены работы как зарубежных ученых (Р. Беллман, Christine L. Tsien, N.

Lavraс и др.), так и отечественных (С.А. Айвазян, А.А. Генкин, Е. В. Гублер, В. Дюк, М. Ю. Охтилев, Б. В. Соколов, Л. Б. Штейн, В. Эмануэль, Р. М. Юсупов и др.). Значительный вклад в развитие данной тематики внесён уральской школой (А.Н. Вараксин, С.Л. Гольдштейн, В. С. Казанцев, Н.Н. Красовский, Вл.Д. Мазуров, В.Д. Мазуров и др.).

Результаты применения математического моделирования в медикобиологических исследованиях и их информационно-программная поддержка свидетельствуют о существенном вкладе технических дисциплин в эффективность работы врачей, и особенно-исследователей с объектами высокой сложности.

Диссертация выполнена в рамках социального заказа от медицинских учреждений научно-практического типа на выполнение работ по моделированию и реализации систем информационно-программной поддержки медицинской деятельности в соответствии с программами министерства здравоохранения Свердловской области (тема №1150-пп «Развитие здравоохранения Свердловской области на 2007 – 2015 гг.» от 29.12.2006 г.), кафедры вычислительной техники УрФУ (тема № 3775 «Системная, информационная и компьютерная поддержка нечетких технологий»), грантами правительства Свердловской области (государственный контракт № 7-8/07 от 07.05 2007 г. «Разработка модели медико-социальной профилактики тяжелых нарушений зрительного анализатора у недоношенных детей»), ГБУЗ СО ДКБВЛ Научно-практического центра «Бонум» (договор № 694 от 13.12.2007 «Разработка пакета средств информационно-методической поддержки прогнозирования риска развития ретинопатии у недоношенных детей»).

Объект исследования - модели, методы и программы для развития МИС ПРН.

Предмет исследования - развитие моделей, методов и программ МИС ПРН.

Глобальная цель работы - развитая медицинская информационная система оперативного прогноза тяжелых степеней ретинопатии с выделением промежуточных.

Локальные цели:

- получение нового знания в виде пакета моделей, - применение пакета моделей для компьютерного решения в виде комплекса программ и его практического использования.

Основные задачи работы 1. Анализ состояния проблематики развития МИС ПРН (литературноаналитический обзор с выходом на пакет прототипов медицинской информационной системы прогноза и ее подсистем) и определение модернизируемых и дополнительно вводимых ее подсистем и блоков.

2. Создание пакета полуформализованных (концептуальных, системных, структурных, алгоритмических) и математических моделей, необходимых для проектирования нового качества МИР ПРН и последующего программирования.

3. Развитие алгоритмов и методов дискриминантного анализа для «тонкого» разделения факторов с последующей идентификацией тяжелых (между 4 и 5) степеней патологии.

4. Разработка программного обеспечения для развитой МИС ПРН.

5. Инженерная реализация развитой МИС ПРН, ее испытание и внедрение.

Научная новизна 1. Дан анализ факторов, показавший, что - исходный список факторов, используемых медицинскими специалистами для оценки риска возникновения РН, из порядка 100 наименований, может быть редуцирован методами статистики на порядок до списка информативных;

при этом выявленные факторы разделены с помощью дискриминтатного анализа на 3 ранга: 4 сильно влияющих и по 3 средне- и слабо влияющих фактора;

- нецелесообразно использование лишь одного из факторов «масса» или «возраст», более информативна совместная массо-возрастная характеристика;

применением математической комбинации кластерного анализа и двойной нормировки на плоскости состояний объекта впервые выделены три новых массо-возрастных группы;

- для дитохомического (да/нет) прогнозирования наличия или отсутствия РН достаточно учитывать сильно влияющие факторы; для легкой, средней и тяжелой - средне влияющие факторы, а для «тонкого» прогнозирования (между 1 и 2, а также между 4 и 5 степенями) - мало влияющие факторы.

2. Развиты алгоритмы:

- разрешения «пограничных» ситуаций (нахождение объекта в пересечении облаков классов) и получения однозначного ответа, отличающиеся математическими приемами использования операционных характеристик – чувствительно сти и специфичности, а именно – вычислением рейтинга и антирейтинга решающих правил;

- применения адаптированного дискриминантного анализа, отличающегося использованием условных (массо-возрастных) классификаций, малоинформативных признаков и разрешенных «пограничных» ситуаций, что позволило перейти от выделения 3-х степеней тяжести к их более «тонкому» разделению на 5 основных, методом идентификации с помощью предложенных продукционных правил;

- математического описания динамики готовности прогноза для прототипных и предлагаемого решений, отличающейся вводом в сигмоидное уравнение настраиваемых параметров времени реагирования и точности оценок.

3. Развиты структура и алгоритмы функционирования МИС ПРН, для чего:

- создан (методом критериальных взвешенных оценок аналогов с последующей процедурой отбора) трехранговый пакет научных и корпоративных прототипов, позволивший выявить недостатки системы, ее подсистем и блоков и сгенерировать гипотезы о парирующих эти недостатки новых технических решениях;

- предложен пакет полуформализованных моделей (концептуальных, системных, структурных, алгоритмических) основных объектов исследования, отличающийся строгим синтаксисом и интерпретируемой семантикой, связанной с настройкой на особенности пациента, патологии и деятельности медицинских специалистов;

- получен (из вербальных описаний опыта врачей методами контентанализа) пакет иерархических кортежных моделей формализованного отражения логики решения основной задачи через вспомогательные и частные.

4. Новые технические решения по теме диссертации защищены:

- патентами на изобретения № 2007144799/14(049084) от 03.12.2007 и № 2011108890/14(012810) от 09.03.2011;

- свидетельствами об официальной регистрации программ для ЭВМ «Система поддержки прогнозирования степени риска развития ретинопатии недоношенных «GimRN»: № 2008610460 от 24.01.2008 и № 2009615071 от 16.09.2009.

Практическая значимость работы Развитая МИС ПРН может применяться в медицинских учреждениях соответствующего профиля. Она прошла испытания и передана в ОДКБ №1 и в НПЦ «Бонум» г. Екатеринбург (имеются акты внедрения).

Модели, методы и программы используются в учебном процессе по направлению «Информационные системы и технологии в медицине» на кафедре вычислительной техники ФГАОУ ВПО УрФУ, а также - на кафедре педиатрии ФПК и ПП ГОУ ВПО УрГМА Росздрава, г. Екатеринбург (имеются акты внедрения).

Методы исследования В ходе решения задач исследования использовали методы системотехники и системологии, математического моделирования, многомерного анализа данных, теории распознавания образов, статистического анализа, экспертных оценок, опроса и обработки экспертных данных, вычислительного эксперимента, объектно-ориентированного программирования.

Положения, выносимые на защиту:

1. Созданный пакет научных и корпоративных прототипов МИС РН, обладающих структурно - функциональной и параметрической неполнотой, может быть надежной основой для сравнения с требованиями к задаче и необходимого развития ее структуры и алгоритмов функционирования в части модификации четырех прототипных подсистем (выявления специфики и объединения данных, прогноза профильными специалистами, оценки прогноза, прогноза профильными специалистами при поддержке медицинской инженерии) и введения новой - прогноза «тонких» степеней, а также их блоков.

2. Кортежно-иерархически представленная логика решения нечеткой по исходной постановке задачи развития МИС ПРН, а также полуформализованные (концептуальные, системные, структурные, алгоритмические и пр.) и математические модели для интеграции разнородных данных, редукции списка факторов, оперативного (к 14 дням после рождения) прогнозирования «тонких» степеней тяжести заболевания обеспечивают подтверждение прогноза в 93% случаев против (35-88 %) «да/нет» и «легкого/среднего/тяжелого» неоперативного (к 70-80 дню) прогнозирования в прототипах, а также оценку динамики готовности прогнозов.

3. Численные методы дискриминантного анализа, адаптированные и развитые под специфику задач за счет сочетания условных (массо-возрастных) классификаций, учета малоинформативных признаков и разрешения «пограничных» ситуаций в составе способов прогноза, защищенных патентами на изобретения, могут быть основой для корректной обработки данных при компьютерной реализации.

4. Разработанное программное обеспечение МИС ПРН, на которые получены свидетельства о регистрации, может быть успешно внедрено в медицинскую практику и учебный процесс.

Личный вклад автора. Разработка программного обеспечения по сбору и структуризации данных; алгоритма интеграции разрозненной информации и соответствующего программного обеспечения; формализованной карты учета, статистическая обработки данных по выявлению информационно ценных признаков, разработаны математические модели для прогноза степени риска развития РН до 14 дней жизни, с возможностью выделения «тонких» (между 4 и 5) тяжелых степеней в составе МИС ПРН, а также организация и участие в испытаниях и внедрении.

Реализация и апробация работы. Результаты диссертационного исследования докладывались и обсуждались на Международной научной конференции «Информационно – математические технологии в экономике, технике и образовании» (Екатеринбург, 2007, 2008, 2009), I-ом международном научнопрактическом симпозиуме «Современные наукоемкие технологии: теория, эксперимент и практические результаты» (Хургада, Египет, 2007), IV-й Международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (Санкт-Петербург, 2007), II общероссийской научной конференции с международным участием «Инновационные медицинские технологии» (Москва, 2010), II-ой Межрегиональной конференции «Актуальные вопросы детской офтальмологии и ретинопатии недоношенных» (Екатеринбург, 2007), VI съезде РАСПМ и III-ем Конгрессе специалистов перинатальной медицины (Москва, 2008), заседаниях ученого совета НПЦ «Бонум» (2007, 2008, 2010), научных семинарах кафедры вычислительной техники УрФУ (2010-2012г.г.).

Публикации. Основное содержание диссертации представлено в 26 публикациях, из них 4 - в журналах из списка ВАК, 7 единиц интеллектуальной собственности.

Объем и структура работы. Диссертация состоит из введения, 5 глав, заключения, списка литературы из наименований, и содержит стр. основного машинописного текста, рисунков и таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении сформулированы актуальность темы, цели и задачи исследования, дана характеристика научной новизны и практической ценности, отражены результаты внедрения результатов работы и ее апробации, приведены структура и объем диссертации.

В первой главе «Анализ состояния проблематики прогнозирования ретинопатии недоношенных и применения математических методов и средств её информационно-программной поддержки» приведены результаты применения методов многомерного анализа данных к прогнозированию степени риска развития патологического процесса. Представлено описание результатов использования дискриминантного анализа в диагностике как технических, так и медицинских объектов. Отражены результаты применения регрессионного моделирования, как альтернативы моделям распознавания образов, в решении задач аналитической поддержки диагностики. Приведен обзор средств информационно-программной поддержки деятельности врачей при прогнозировании вариантов исхода патологий.

Обзор информации представлен по трём основным направлениям. Первое - медицинские информационные системы прогноза, для которых оценкой и отбором аналогов определен прототип нулевого ранга. Второе - пять подсистем МИС ПРН, как прототипы первого ранга. Третье - 21 блок пяти подсистем МИС РН, как прототипы второго ранга. Эти компилятивные прототипы (табл.

1) были взяты за основу для конструктивной критики и генерирования гипотез решений по ее парированию.

Таблица Структура пакета научных прототипов Ранг про- Название прототипа Ссылка*) Критика прототитотипа па СистемноМедицинская информационная система 0 [1,7,6] структурная непрогноза РН полнота Подсистемы:

[2,7] 2- объединения данных 3- прогноза 1 да/нет (профильными специа[3,10] Функциональнолистами) параметрическая 4 – оценки прогноза [8,6,5] неполнота 5 – прогноза 2 легкая/средняя/тяжелая (про[4,8,9] фильными специалистами c поддержкой от медицинской инженерии) 7 – прогноза 3 для «тонких» степеней *) [1] - Кулакова М.В. Транспупиллярная диодлазеркоагуляция васкулярных зон сетчатки в лечении прогрессирующей ретинопатии недоношенных с различными вариантами течения [Текст]: дис. … канд. мед. наук: 14.00.08 / М.В.Кулакова. – Екатеринбург. – 2006. – 194с.

[2] - Гимадеев Ш.М «Интеграция источников медицинской информации: цели и методология» - Режим доступа: [электронный ресурс] www. emm.infomed.su/articles/ [3] - Приказ МЗ РФ N 457 от 28.12.2000г. «О совершенствовании пренатальной диагностики в профилактике наследственных и врожденных заболеваний у детей».

[4] - Патент – RU 2 358 656 C1 МПК А61В 10/00 (2006.01). Способ диагностики ретинопатии недоношенных IV-V стадий/ Е.В. Аронскинд, В.Н. Шершнев; Уральская государственная медицинская академия. - N2007148117/14; Заяв. 26.12.2007; Опубл. 20.06.2009.

[5] Дж.-О. Ким, Ч.У. Мьюллер, У.Р. Клекка/ Факторный, дискриминантный и кластерный анализ / под ред. И.С. Еникова. М. Финансы и статистика, 1989. – 215 с.

[6] – Мазуров В.Д. Математические методы распознавания образов.- Екатеринбург: Издво Урал. ун-та, 2010.- 101с.

[7] - Onofrey C.B. The outcome of retinopathy of prematurity: screening for retinopathy of prematurity using an outcome predictive program / C.B.Onofrey, W.J.Feuer, J.T.Flynn // Ophthalmology. – 2001. – Vol. 108, №1. – Р.27-34.

[8] - Гублер Е.В. Информатика в патологии, клинической медицине и педиатрии / Е.В.

Гублер. Л. Медицина, 1990. 176 с.

[9] - Мазуров В.Д., Казанцев B.C., Белецкий Н.Г. Пакет Квазар прикладных программ распознавания образов (версия 2): Информ. материалы по математ. обеспечению. АН СССР.

УНЦИММ. Свердловск: Б.и., 1979. 121 с.

[10] - Вараксин А.Н., Панов В.Г., Казмер Ю.И. Статистические модели с коррелированными предикторами в экологии и медицине. Екатеринбург, Издательство Уральского университета, 2011. 141с.

Во второй главе «Декомпозиция задач и полуформализованное моделирование» исходя из вербального нечеткого представления опыта врачей была сформулирована (в кортежно-иерархическом формализме) основная задача (З) диссертационного исследования:

З = <З1, З2; R>, (1) где З1 – первая вспомогательная задача создания полуформализованных моделей МИС РН и ее подсистем, З2 – вторая вспомогательная задача создания и использования математических моделей прогноза РН, R – матрица связей.

Для решения первой вспомогательной задачи З1 разработан пакет системно-структурных и алгоритмических моделей МИС прогноза РН (рис. 1 и 2) и ее подсистем.

Рис. 1 Системно - структурная модель МИС ПРН (прототип и предлагаемое решение: уголки, фон, жирная стрелка) Подсистемы: 1 – сбора данных, 2 – выявления специфики и объединения данных, 3 - прогноза 1 (профильными специалистами), 4 – оценки прогноза, 5 – прогноза 2 (профильными специалистами при поддержке медицинской инженерии), 6,8 – интерфейсов, 7 – прогноза 3 (для «тонких» степеней) запросы, внешние хранилища в виде разрозненных, неупорядочных данных i=1..m п.с. сбора данных п.с. объединения данных 9 6 действия медицинских ? специалистов (неонатолог, п.с. прогноза офтальмолог) (для тонких степеней) 3 ? Интерфейсы 5 п.с. прогноза (профильными специалистами при 4 поддержке от медицинской инженерии) удовлетворяет качество нет ? прогноза? да m выписки, оценки, прогнозы Рис.2 Алгоритм функционирования МИС ПРН (прототип и предлагаемое решение с выделением роли врача – п.с. 9), п.с. - подсистема На основе пакета декомпозированных (до блоков и модулей) графических моделей получена детализация первой вспомогательной задачи З1:

З1= <З11, …, З13; R1> (2) где частные задачи: З11 – сбора данных, З12 – выявления специфики объекта и объединения данных, З13 – отбора не избыточных информативных факторов, R1 – матрица связей.

Частную задачу сбора данных для подсистемы 1 (см рис. 1):

З11=<З111, З112; R11> (3) где подзадачи: З111 – формирования перечня баз данных о функциональном состоянии недоношенного, З112 - перевода текстовой версии истории болезней в электронный вид.

решали на инженерном уровне.

Поскольку медико-инструментальные данные о состоянии недоношенного находятся в различных несвязанных между собой источниках (города, БД, истории болезней) разработали алгоритм решения задачи З12:

S12=, (4) что отражено в табл. 2 и в схеме на рис.3.

Таблица Специфичность патологии № Признак специфики Содержательный аспект специ- Следствия для разработки фики 1 Фактор достоверности Может быть использовано S121:

прогноза как средство подтвержде- диагноз ставится к 2-3 мес., ния адекватности модели - дорогостоящее диагностическое оборудование 2 Количество факторов, Необходима редукция факS122 : порядка 1используемых для оп- торов ределения риска развития РН 3 Время прогноза Можно использовать как S123: -граница прогноза меньше критерий достижимости 14 дней - быстродействие (часы) ПОВнешние ПОхранилища Sincданных Продукт СУБД ОЦРН ЭПБД1 SincБД2 SincЭПБД3 SincАналитическая поддержка БД4 SincРис. 3 Схема интеграции разрозненных данных подсистемы 2 (см. рис. 1). ЭП1, ЭП2 – эмпирические базы, ПО – программное обеспечение.

Процедура выявления и исключения малоинформативных признаков в матрицах данных больших размеров, используемых врачами в способахпрототипах, решена в рамках частной задачи З13:

З13=<З131, З132, З133, З134, З135; R13>, (5) где подзадачи: З131 - исключения признаков с нулевой дисперсией, З132 - применения метода ранговых корреляций, З133 - применения метода наименьших квадратов, З134- сравнения групп по номинальному признаку, З135- формализованного представления и учета общей тенденции факторов дородового периода.

В результате работы подсистем 1 и 2 созданы необходимые предпосылки для постановки второй вспомогательной задачи:

З2=<З21, З22; R2>, (6) где частные задачи: З21, З22 – создания и использования математических моделей прогноза, соответственно.

На этой основе сформулирована общая математическая постановка задачи прогноза РН.

Пусть имеется множество описаний объектов {Оi}(t)={A1(t),A2(t),…,Am(t), ИБ1,…,ИБn}i в виде разрозненных, неупорядоченных, разнородных сведений о пациентах на разных этапах развития объекта в моменты времени t1

Необходимо найти функциональную зависимость между множеством описаний {Oij}, {ИБij} объекта Oi и множеством предсказаний P {p1,p2,….,p5}исходов развития ретинопатии ко времени окончания фиксации диагноза (t = 15 недель).

При этом качество решения задачи должно удовлетворять мультипликативному критерию:

I = (7) (I )i, i =где I – интегральный показатель качества решения задач диссертационного исследования, Ii – частный показатель качества решения вспомогательных и частных задач, – вес задачи, = 1.

i i Третья глава «Модели и алгоритмы прогноза РН» посвящена последовательному решению частных задач, требующих математического моделирования:

З2=<З21, З22,…,З27; R2>, (8) где частные задачи: З21 – ранжирования дискриминантных возможностей факторов развития РН, З22 – прогноза легкой, средней и тяжелой степеней РН, З23 – «тонкого» прогнозирования РН, З24 – массо-возрастной классификации, З25 – оценки точности прогноза, З26 – разрешения пограничной ситуации, З– динамика готовности прогноза, R2 – технологическая цепочка.

В частной задаче З21, применяя ДА к массиву данных размерностью 10*155 и группировочному признаку (пять степеней РН), совместно с врачами экспертами предложено ранжирование дискриминантных возможностей факторов (табл. 3).

Таблица Ранжирование дискриминантных возможностей основных факторов № Группа значимо- Факторы (наименование) F- Время пости факторов статистика ступления (значние) (дни) 1 Часто сочетаю- Массо-возрастная характеристика при рож- 6,55 щиеся, высоко- дении влияющие Уровень углекислого газа в крови 4,83 Отслойка плаценты 3,65 Переливание эритроцитарной массы 3,04 2 Средне сочетаю- Длительность искусственной вентиляции 2,62 щиеся, средне- легких влияющие Внутрижелудочковое кровотечение 2,49 Введение сурфактанта в родовом зале 2,31 3 Реже сочетаю- Оценка по шкале Апгар на 5 мин 2,27 щиеся, малоПеривентрикулярная лейкомаляция 2,03 влияющие Уровень давления кислорода в крови 1,9 Показано, что для «грубого» прогнозирования (наличие или отсутствие РН - да/нет) достаточно учитывать высоковлияющие факторы. В частной задаче З22 установлено, что для легкой, средней и тяжелой форм РН достаточно учитывать средневлияющие факторы. В задаче З23 выявлено, что для «тонкого» прогнозирования тяжелых (между 4 и 5) стадий дополнительно необходимо учитывать маловлияющие факторы (рис 4).

При этом, выявление принадлежности объекта к одной из существующих групп осуществляли по выведенным продукционным правилам типа if-thenelse.

В частной задаче З24 установлено, что информативность некоторых подмножеств входных характеристик, интерпретируемых с предметной точки зрения, может быть усилена в достаточной степени с применением кластерного анализа. На основе применения его и двойной нормировки на плоскости состояний объекта впервые в классификации недоношенных выделены три новых массо-возрастных группы. Полученная условная классификация стала основанием для построения решающего правила выявления массо-возрастной подгруппы, которое, в свою очередь, включено в механизм прогнозирования риска.

Матрица классификации кросс-проверки Y1 = 10* x11 + x12 + x13 - Y2 = 10* x21 + x22 + x23 - 60,% РН РН РН (Y3 = 10* x31 + x32 + x33 - 69,(1,2,3 (4ст.) ст.) 0,9 * xст.) 3,92 * x5 2,06* xРН (1,2,3 ст.) 98,83 35 0 0,88* x2 x12 = * x6 x13 = x9 x11 = 3,68 1,78* 0,72 * x3 РН (4ст.) 93,75 0 30 2,72 * x7 0,61* x10 0,59 * x4 РН (5 ст.) 86,66 1 2 0,94 * x Всего 94,01 36 32 8,32* x5 1,095* x8 1,15 * x2 Ymax = max{Yj} x22 = x6 x23 = 1,41* x9 2,23* x21 = j 6,11* x3 3,14 * x7 1,66* x10 if _ Yj = Ymax, _ then _ X G _ else _ continue 0,72 * x4 j j = 1,2,0,7 * x 9,2* x5 1,3* x8 1,13* x2 x32 = 4,68* x6 x33 = 2,37* x x31 = 5,66 * x3 3,9* x7 0,81* x10 0,9 * x4 Рис. 4 Применение дискриминатного анализа к решению задач прогнозирования промежуточных (между 4-ой и 5-ой) тяжелых степеней РН (Y1, Y2,Y3 - ЛКФ) В частной задаче З25 для разрешения «пограничных» ситуаций и получения однозначного ответа разработан набор правил на основе операционных характеристик – чувствительности и специфичности. Для этого предложено использовать множества значений чувствительности Se = {Se1, Se2,..., Sen} и специфичности Sp = {Sp1, Sp2,..., Spn} решающего правила, где n – число альтернатив.

Предложено также применять множество величин, характеризующих степень удалённости объекта от соответствующих центроидов групп R = {R1, R2,..., Rn} в абстрактном пространстве канонических линейных дискриминантных функций.

Определение приоритетной альтернативы осуществяли с помощью двух вспомогательных множеств: рейтингов T = {T1,T2,...,Tn} и антирейтингов S = {S1, S2,..., Sn} патологий.

Предварительно строили вспомогательные множества:

Se ={max{Sei},med1{Sei},...,min{Sei}} и Sp ={max{Spj},med1{Spj},...,min{Spj}}. (9) i i i j j j В них все элементы упорядочены по убыванию величины. Затем строили множество R ={min{Rk},med1{Rk},...,max{Rk}}, где упорядочение выполнено по возk k k растанию значений удалённости объекта от центров классов. В обозначенных выше множествах функция med1, med2 … medn-2 является функцией отыскания следующего по величине элемента исходных множеств Se, Sp, R.

После этого в рассмотрение вводили функции, которые извлекают порядковый номер элемента для множеств Se, Sp и R :

FR : R iR. (10) FSe : Se FSp : Sp iSe iSp В качестве аргументов функции получали название рассматриваемой группы, в качестве результата возвращали порядковый номер позиции, соответствующий рассматриваемой группе.

Для каждой существующей группы (j=1; j++; j=n) считали:

Sij + = FSe ( j)* FR ( j), Tij + = FSp ( j)* FR ( j) ). (11) Чем выше значение Тi – рейтинга i-ой альтернативы и ниже Si – антирейтинга альтернативы i, тем меньше значение отношения Si /Ti, и тем больше приоритет у i-ой альтернативы в сложившейся ситуации (расстояния всегда различны).

Предложен пакет продукционных правил. Если i = min{1,2,...,n}, тогда i – i ая патология имеет высший приоритет в сложившейся ситуации, если i = = min{1,2,...,n}, тогда необходимо руководствоваться следующей процеj i дурой. Пусть Rmax = {R max1, R max2,..., R maxn} - множество внешних радиусов на одном уровне распознавания. Назовём коэффициентом пропорциональной удалённости двух альтернатив i и j (КПУij) отношение двух внешних радиусов пересекающихся альтернативных классов: КПУ = R max / R max.

ij i j Ri R maxi Ri R maxi Если, тогда предпочтение отдаётся j – ой патологии, если, < > Rj R max Rj R max j j Ri R maxi тогда - i – ой патологии, если, тогда - наиболее тяжёлому варианту па= Rj R max j тологии (сочетание патологий тяжелее монопатологии).

Технологическая цепочка R2 вспомогательной задачи З2, ориентированной на поддержку деятельности врача, представлена на рис. 5, где короткий пунктир – инженерный, длинный – научный уровни новизны.

Рис. 5 Технологическая цепочка взаимодействия элементов информационно – программной поддержки прогнозирования.

З1 – запрос на сбор медицинских данных, З2 – запрос прогноз легкой, средней, тяжелых форм РН, З3 – запрос на прогноз промежуточных степеней, С1 – массив данных из разрозненных электронных источников, С2 – массив данных из бумажных историй болезней Общее качество решения задачи в соответствии с (1) и (7) при поддержке деятельности врача (подсистема 9 на рис. 2) подсистемами 3-5 и 7 составило 0,86.

Четвертая глава «Разработка МИС ПРН» посвящена принципам построения, средствам разработки, а также реализации системы с описанием пользовательского интерфейса.

В качестве корпоративного прототипа объекта развития использовали МИС «Spectator 2». Основные её недостатки состоят в отсутствии аналитической подсистемы выбора решений врачом и невозможности ее добавления из-за конструктивных особенностей. Многие функции в этом корпоративном прототипе реализованы с помощью последовательного перебора записей БД, что значительно увеличивает время ответа на запрос. Для устранения подобных дефектов нами построена конвертирующая программа.

ПО представляет собой модули регистрации пациентов и учёта динамики их состояния в течение диспансерного периода наблюдения, а также аналитической поддержки выбора врачом одного из вариантов развития патологического процесса. У врача имеется возможность использовать как полностью автоматический механизм поддержки выбора, так и механизм настройки для подключения отдельных блоков, реализующих различные подходы к определению варианта прогноза. В распоряжение врача также дано средство визуализации (рис.

6) состояния пациента в абстрактном пространстве классифицирующих функций, где отображаются типичные варианты патологии и «пограничные» ситуации.

Рис. 6 Фрагмент автоматизированной системы - блок графической визуализации ПО предоставляет возможность формировать текстовый документ, отображающий все характеристики пациента, манипуляции с ними, прогнозируемое состояние, отметку о соответствии текущего состояния прогнозируемому ранее. В программе предусмотрен также блок регистрации новых прецедентов, фиксируемых после объективного инструментального подтверждения окончательного состояния пациента на момент снятия с диспансерного учёта.

В пятой главе «Реализация, испытание и внедрение МИС ПРН» отражены результаты реализации, испытания и внедрения созданного пакета средств поддержки. Программа передана в эксплуатацию в ОДКБ №1 и в НПЦ «Бонум». По результатам использования получены данные о прогнозах (рис. 7), удовлетворяющие модели вида:

W (t) =, (12) t 1+ B-1 * e где W-готовность прогноза, B – погрешность оценок, – оперативность (в неделях), t – время в неделях, и результатах лечения на их основе (см. пример).

№ Варианты Время го- Быстродействие Точность, на прогноза товности (недели) % рис. (недели) 1 легкая/ 10 1,2 средняя/тяжелая 2 да/нет 7 0,6 35-3 4 и 5 степени 2 0,3 Рис.7 Динамика готовности прогноза по прототипу («грубый» прогноз) и предлагаемому решению («тонкий» прогноз 4 и 5 степеней РН) Пример. В НПЦ «Бонум» поступило 128 недоношенных детей с экстремально низкой массой тела, попавших в группу риска по развития ретинопатии.

Все они были зарегистрированы в ПО «GimRN». По клиникоинструментальным и лабораторным данным все пациенты прошли развитую процедуру прогнозирования. За счет выигрыша во времени (> 8 недель) в течение следующих трёх месяцев дети получали лечение согласно прогнозу. После прохождения адекватного лечения, спланированного на основе данных прогноза GimRN, удалось перевести 28% детей из группы риска в группу не угрожаемых по ретинопатии; 18% детей, угрожаемых по развитию тяжёлых форм ретинопатии, попали в группу детей со спонтанным регрессом. А остальные 54% подтвердили к 15 неделе спрогнозированный диагноз.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ Сформирован пакет прототипов МИС ПРН и ее составляющих, на базе которых выполнено развитие системы. Разработаны и реализованы алгоритмы сбора, объединения и унификации информации, первично регистрируемой в разрозненных источниках данных. Получены: набор информативных и значимых переменных для оценки риска развития РН; массо-возрастные классификации, используемые в качестве независимой переменной в основном правиле прогноза; набор линейных дискриминантных функций и вариант применения дискриминантного анализа для выявления степени риска развития РН, превосходящий по качеству прототип и реализованный в виде программного средства.

Предложена модель динамики готовности прогноза. Есть патенты на изобретения, а также свидетельства об официальной регистрации программ для ЭВМ.

Сделан вывод о том, что предложенные модели, методы и разработанные средства информационно-компьютерной поддержки деятельности врачейнеонатологов обеспечили развитие МИС ПРН и достаточны для достоверного прогнозирования основных и промежуточных степеней патологии.

Основные положения диссертации опубликованы в следующих работах Издания, рецензируемые ВАК 1. Марчук Ю.В., Кожевников М.А., Хамидулина О. Н., Монтиле А.И., Погосян И. А. Разработка средства поддержки диагностики на основе дискриминантного анализа клиникоанамнестических данных // Журнал «Информационные технологии», №6. 2009 г. – С. 65-2. Марчук Ю.В., М.А. Кожевников, С.И. Блохина, А.И. Монтиле, Е.В. Власова Адаптация методов многомерного анализа к прогнозированию риска развития ретинопатии недоношенных // Журнал «Вестник Воронежского государственного технического университета», Том 4 №10.- Воронеж, 2008 г.-С.143-13. Блохина С.И., Ковтун О.П., Власова Е.В., Марчук Ю.В., Кожевников М.А. Клиниколабораторные критерии оценки тяжести и прогнозирования ретинопатии недоношенных детей на основе методов многомерного анализа данных // Журнал «Вестник уральской медицинской академической науки», №2.- Екатеринбург, 2008г.-С.56-4. Хамидуллина О.Н., Погосян И.А., Кожевников М.А., Марчук Ю.В. Диагностика структурных нарушений на основании комплекса анамнестических и клинических данных // Журнал «Вестник уральской медицинской академической науки», №2.- Екатеринбург, 2008г.-С.148-1Работы, опубликованные в научных журналах 5. Марчук Ю.В., Власова Е.В., Кожевников М.А. Разработка системы поддержки прогнозирования степени риска развития ретинопатии недоношенных «GimRN» // Электронный научный журнал «Системная интеграция в здравоохранении», №1.- Екатеринбург, 2008г.-С.

48-6. Марчук Ю.В., Кожевников М.А. Пакет средств информационно-программной поддержки раннего выявления риска развития ретинопатии у недоношенных детей // Научнопрактический журнал «Прикладная информатика», № 4(16). 2008г. С.96-17. Марчук Ю.В., Власова Е.В., Блохина С.И., Ткаченко Т.Я. Применение методов многомерного анализа к прогнозированию риска развития ретинопатии недоношенных // Журнал «Успехи современного естествознания», №12, 2010, С. 64-66.

8. Марчук Ю.В., Власова Е.В. Математическая модель прогноза риска развития ретинопатии недоношенных // Системная интеграция в здравоохранении: электронный научный журнал. – Екатеринбург, 2010. – №1 (7). - Систем. требования Adobe Acrobat Reader. URL:

http://sys-int.ru/file/2010.1/76/sys_int_62_1_7_2010.pdf (дата обращения 05.05.2010).

Работы, опубликованные в научных сборниках и материалах конференций международного уровня 9. Применение многомерного анализа и разработка информационно-интеллектуальной системы к диагностике ретинопатии / Марчук Ю.В., Кожевников М.А., Власова Е.В., Гольдштейн С.Л. / Информационно – математические технологии в экономике, технике и образовании. Вып.4: Прикладные аспекты моделирования и разработки систем информационноаналитической поддержки принятия решений: сборник материалов 2-й Международной научной конференции. Екатеринбург: УГТУ-УПИ, 2008.- С. 162-169.

10. Применение метода дискриминантного анализа для поддержки диагностики структурных нарушений краниовертебральной области у детей / Кожевников М.А., Марчук Ю.В., Хамидуллина О.Н., Погосян И.А., Гольдштейн С.Л. / Информационно – математические технологии в экономике, технике и образовании. Вып.4: Прикладные аспекты моделирования и разработки систем информационно-аналитической поддержки принятия решений:

сборник материалов 2-й Международной научной конференции. Екатеринбург: УГТУ-УПИ, 2008.- С. 226-233.

11. Автоматизированная система поддержки принятия решения логопедом: обзор аналогов и выбор прототипа / Марчук Ю.В., Гольдштейн С.Л., Ткаченко Т.Я./ Сборник материалов Международной научной конференции «Информационно – математические технологии в экономике, технике и образовании». Екатеринбург: УГТУ-УПИ, 2007. – С. 201-212. Адаптация дискриминантного анализа к диагностике опорно-двигательного аппарата. / Кожевников М.А., Хамидуллина О.Н., Гольдштейн С.Л., Марчук Ю.В./ Высокие технологии, фундаментальные и прикладные исследования, образование. Т. 11: Сборник трудов Четвертой международной научно-практической конференции “Исследование, разработка и применение высоких технологий в промышленности“. 02-05.10.2007, Санкт-Петербург, Россия. Под ред. А.П. Кудинова, Г.Г. Матвиенко. СПб.: Изд-во Политехн. ун-та, 2007. С.

264-213. Прогнозирование исходов заболеваний ретинопатии у недоношенных детей методом дискриминации и интерпретации межгрупповых различий/ Гольдштейн С.Л., Марчук Ю.В., Кожевников/ Тезисы докладов второй международной конференции «Информационно – математические технологии в экономике, технике и образовании». Екатеринбург: ГОУ ВПО УГТУ - УПИ, 2007. – С. 228 – 229.

14. Применение метода дискриминантного анализа для диагностики типа структурных нарушений кранио-вертебральной области у детей / Кожевников М.А., Хамидуллина О.Н., Марчук Ю.В., Погосян И.А. Гольдштейн С.Л./ Тезисы докладов второй международной конференции «Информационно – математические технологии в экономике, технике и образовании». Екатеринбург: ГОУ ВПО УГТУ - УПИ, 2007. – С. 221 – 223.

15. Применение метода дискриминантного анализа для диагностики степени выраженности структурных нарушений кранио-вертебральной области у детей / Кожевников М.А., Хамидуллина О.Н., Марчук Ю.В., Погосян И.А. Гольдштейн С.Л./ Тезисы докладов второй международной конференции «Информационно – математические технологии в экономике, технике и образовании». Екатеринбург: ГОУ ВПО УГТУ - УПИ, 2007. – С.219–221.

16. К определению системно-интеллектуального подсказчика в медицине / Марчук Ю.В., Кожевников М.А./Современные наукоемкие технологии: теория, эксперимент и практические результаты: Тезисы докладов 1 междунар. науч.-практич. симпозиума 14 -20 апреля 2007 г./ Под общ. ред.

чл.-кор. РАН В.П. Мешалкина. – М.; Тула: ТулГУ, 2007. – С. 68-17. К вопросу о выборе математического аппарата разрешения нетипичных ситуаций в медицине / Кожевников М.А., Марчук Ю.В. / Современные наукоемкие технологии: теория, эксперимент и практические результаты: Тезисы докладов 1 междунар. науч.-практич. симпозиума 14-20 апреля 2007 г./ Под общ. ред. чл.-кор. РАН В.П. Мешалкина. – М.; Тула: Издво, 2007. - С. 69-18. Автоматизированная система поддержки принятия решения логопедом: обзор аналогов и выбор прототипа / Марчук Ю.В., Гольдштейн С.Л., Ткаченко Т.Я. / Тезисы докладов международной конференции «Информационно – математические технологии в экономике, технике и образовании». Екатеринбург: ГОУ ВПО УГТУ - УПИ, 2006. – С. 232 – 233.

19. Структурное моделирование информационно-интеллектуального подсказчика логопеда / Ю.В. Марчук, Обухова Н.В., Степаненко Д.Г. / Инженерные и инновационные технологии в медицине. -сб. статей / Под ред. Проф. В. М. Лисиенко, проф. С.И. Блохиной.- Екатеринбург: «СВ-96»,2006.- 234-240.

Интеллектуальная собственность 20. Хамидуллина О.Н., Марчук Ю.В., Кожевников М.А., Блохина С.И. Свидетельство об официальной регистрации программы для ЭВМ № 2007614539 от 29.10.2007 Система диагностики патологии кранио-вертебральной области у детей «GimOrt» 21. Марчук Ю.В., Власова Е.В., Кожевников М.А., Степанова Е.А., Ковтун О.П., Блохина С.И. Свидетельство об официальной регистрации программы для ЭВМ № 2008610460 от 24.01.2008 Система поддержки прогнозирования степени риска развития ретинопатии недоношенных «GimRN» 22. Система поддержки прогнозирования степени риска развития ретинопатии недоношенных «GimRN 2» / Ю. В. Марчук, М.А.Кожевников, О.П.Ковтун, С.И.Блохина; - Свидетельство об официальной регистрации программы для ЭВМ № 2009615071 от 16.09.2009.

23. Прогноз развития мультифакторной патологии у детей «ART-babies» / Марчук Ю.В., Плаксина А.Н., Ковтун О.П., Блохина С.И., Кузнецов Н.Н. Свидетельство о, официальной государственной регистрации программ для ЭВМ № 2011613486 от 9 марта 2011 г.

24. Способ диагностики структурной патологии кранио-вертебральной области у детей / Хамидуллина О.Н., Погосян И.А., Кожевников М.А., Марчук Ю.В. Патент на изобретение №2007144725. Способ прогнозирования степени риска развития ретинопатии у недоношенных детей / Марчук Ю. В., Кожевников М.А., Блохина С.И., Ковтун О.П. –Патент на изобретение №2008112453; Заяв. 31.03.2008; Опубл. 10.10.2009, Бюл. №26. Способ прогнозирования развития мультифакторной патологии детей, рожденных с помощью вспомогательных репродуктивных технологий. / Плаксина А.Н., Ковтун О.П., Блохина С.И., Кузнецов Н.Н., Марчук Ю.В. Патент на изобретение № 2011108890/14(012810) от 09.03.20 СПИСОК СОКРАЩЕНИЙ БД – база данных, ГВ - гестационный возраст, ДА – дискриминантый анализ, КА – кластерный анализ, КЛДФ - канонические линейные дискриминантные функции, ЛКФ – линейные классифицирующие функции, МТ - масса тела, МИС ПРН – медицинская информационная система прогноза ретинопатии недоношенных, РН – ретинопатия недоношенных, ОЦРН – областной центр ретинопатии недоношенных, РП – решающее правило.

Подписано в печать 24.04.2012 Формат 60x84 1/16 Бумага писчая. Плоская печать.

Усл. печ. л. 1,25 Уч.-изд. л. 1,0 Тираж 100 экз. Заказ 35Отпечатано в типографии ООО «Издательство УМЦ УПИ» Г. Екатеринбург, ул. Гагарина, 35а, оф. Тел. : (343) 362-91-16, 362-91-






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.