Ќ≈…–ќ—≈“≈¬ќ… ѕќƒ’ќƒ ¬ –≈Ў≈Ќ»» ѕ–ќЅЋ≈ћџ ƒ»ј√Ќќ—“» » » ѕ–ќ‘»Ћј “» » “–јЌ«»“ќ–Ќџ’ »Ў≈ћ»„≈— »’ ј“ј 

√лавна€ ї ѕубликации ї Ќ≈…–ќ—≈“≈¬ќ… ѕќƒ’ќƒ ¬ –≈Ў≈Ќ»» ѕ–ќЅЋ≈ћџ ƒ»ј√Ќќ—“» » » ѕ–ќ‘»Ћј “» » “–јЌ«»“ќ–Ќџ’ »Ў≈ћ»„≈— »’ ј“ј 

 

”ƒ  616.8-005-072:517.938                               ƒоклады ЌјЌ Ѕеларуси. 2010. є 5.  —. 81-90.

 

ј.—. ћј—“џ »Ќ1, ¬.¬. ≈¬—“»√Ќ≈≈¬1, ¬.ј. √ќЋќ¬ ќ2,

≈.Ќ. јѕјЌ≈Ћ№3,√.ё. ¬ќ…÷≈’ќ¬»„2

 

Ќ≈…–ќ—≈“≈¬ќ… ѕќƒ’ќƒ ¬ –≈Ў≈Ќ»» ѕ–ќЅЋ≈ћџ ƒ»ј√Ќќ—“» » » ѕ–ќ‘»Ћј “» »

“–јЌ«»“ќ–Ќџ’ »Ў≈ћ»„≈— »’ ј“ј 

1Ѕелорусска€ медицинска€ академи€ последипломного образовани€

2Ѕрестский государственный  технический университет

3Ќаучно-практический центр неврологии и нейрохирургии, ћинск, Ѕеларусь

 

¬ведение. ќстрые нарушени€ мозгового кровообращени€ по состо€нию на сегодн€ остаетс€ самой проблемной кардиоцереброваскул€рной патологией в системе здравоохранени€ различных стран на всех континентах. ¬ совместном согласительном за€влении »нсультной и  ардиологической јссоциаций —Ўј (ASA/AHA), опубликованном в мае 2009 года, приводитс€ обширный скрупулезный обзор по эпидемиологии острых нарушений мозгового кровообращени€ и, прежде всего, транзиторных ишемических атак (“»ј). ќтмечаетс€ рост заболеваемости по этой нозологии. “ак, в когортных исследовани€х, проведенных в —Ўј и за рубежом разными исследовательскими институтами, за период с 1992 по 2006, среди 2 623 000 случаев TIA было вы€влено увеличение их количества от 0.37 до 1.1 случа€ в год на 1000 населени€. ѕо данным Oxford Vascular Study за период с 2002 по 2004 было вы€влено общее увеличение случаев “»ј на 0.66 на 1000 населени€. »меетс€ различие в этих числах по сельскому и городскому населению. Ќа примере эпидемиологических исследований в ѕортугалии общее увеличение случаев “»ј на 1000 сельского населени€ ориентировочно 0.67 случа€, по городскому – 0.61.

      –езультаты исследовани€, проведенные Cardiovascular Health Study, указывают на превалирование количества эпизодов “»ј на 2.7% среди мужского населени€ в возрасте от 65 до 69 лет по сравнению с 4.1% в возрастной группе 75-79 лет. —реди женщин в возрасте от 65 до 69 лет это увеличение равно 1.6% по сравнению с 4.1% в возрастной группе 75-79 лет. ¬ более молодой возрастной когорте по атеросклеротическому риску было вы€влено увеличение на 0.4% у лиц в возрасте от 45 до 64 лет [30].

     ѕо данным различных исследовательских организаций отмечаетс€ неуклонный устойчивый прогрессирующий рост заболеваемости этой острой преход€щей цереброваскул€рной патологией.

         ‘ормулировка проблемы. “»ј это самосто€тельна€ гетерогенна€ нозологическа€ единица, по своим клиническим характеристикам отлична€ от состо€вшегос€ острого инсульта мозга. ¬озникает как  следствие воздействи€ различных фактов риска на ткани мозга. –азвиваетс€ хаотизированный, неустойчивый, непредсказуемый, особенно в самом начале своего развити€, конфликт между адаптивно-саногенными и патогенными процессами. ¬ этом конфликте первые, как правило, полностью не реализуютс€, а последние не достигают завершающей стадии своего развити€ [3].  ак следствие «соглашени€ сторон» в этом конфликте устанавливаетс€ «паритет сил», который феноменологически про€вл€етс€ в неустойчивых жалобах и симптомах пациента. ƒаже на уровне результатов самых совершенных нейровизуализационных структурно-морфологических исследований клиническа€ картина (компьютерна€ или магнитно-резонансна€ томографи€, допплерографическое исследование и т.д.) не всегда соответствует этим внешним симптоматическим про€влени€м, чтобы  уверенно трактовать обнаруженные изменени€ в русле остро начавшегос€ преход€щего нарушени€ кровоснабжени€ мозга. Ќейровизуализационные данные и клиническа€ картина при состо€вшемс€ и окончательно сформированном остром мозговом инсульте четко обозначены, расхождени€ в трактовке соответстви€ клиники и морфологических изменений минимальны. „то в корне отличаетс€ от неустойчивого хаотически развивающегос€ острого преход€щего нарушени€ мозгового кровообращени€.

     ¬ повседневной практической работе нейровизуализационна€ структурно-морфологическа€ и клинико-нейропатофизиологическа€ картина при эпизодах “»ј in statu nascendi  «не доходит до врача» и «ускользает» от него на момент обследовани€ пациента. Ќачало патологического процесса также «ускользает» и от внимани€ самого пациента, не предающего значени€ легкому скоротечному дискомфорту (неловкость движений в руке или ноге, посторонние ощущени€ в них и т.д.) [7, 8, 13, 14]. ¬се эти преход€щие патологические знаки, составл€ющие общую клиническую картину “»ј, хаотично возникают под вли€нием различных патогенных факторов, учет которых с мгновенным подавлением их активности традиционными лабораторно-клиническими средствами невозможен.

      ¬ св€зи с выше изложенным, приобретает особую актуальность донозологическа€ диагностика острых кардиоцереброваскул€рных нарушений, основы которой были заложены еще в первые годы исследований по космической медицине. ¬ насто€щее врем€ разработки в этой области наход€т применение в практическом здравоохранении, и их актуальность только возрастает. [1, 2].

    ѕути решени€ проблемы. ѕо сути, врачу приходитс€ иметь дело с времéнным срезом-состо€нием. » если социально-паспортные данные консервативны и практически неизменны по отношению ко времени периода «диагноз-начало лечени€», то непосредственно жалобы и симптомы  наход€тс€ в посто€нном непредсказуемом причинно-следственном взаимоотношении и взаимодействии друг с другом, что, по сути, €вл€етс€ наглухо закрытым «черным €щиком» и дл€ врача, и дл€ самого пациента. ¬ широкомасштабной повседневной практической работе, особенно на первых этапах оказани€ медицинской помощи, даже не ставитс€ вопрос о вли€нии на динамику причинно-следственных взаимоотношений и взаимовли€ний жалоб и симптомов в их хаотичном взаимодействии друг с другом. “радиционными клинико-лабораторными методами это просто невозможно. ¬ реальном времени анализ результатов обследовани€ пациента и последующих параклинических данных в значительной степени идет во «временнóм разрыве», обусловленном временном интервалом между клиническим обследованием пациента и заключением параклинического нейровизуализационного исследовани€. ¬ этом «мертвом временнóм интервале», скрытом от врачебного мониторинга, могут произойти самые неожиданные этиопатогенетические состо€ни€ и процессы, так и оставшиес€ за пределом внимани€ врача.

     јнамнестические данные – это словесное обобщение общей клинической картины, оно многопланово, нечетко, с достаточной долей сомнений, хаотично, и, наоборот, результат нейровизуализационного исследовани€ четок, конкретен, но сам по себе не несет обобщени€, которое, оп€ть же, достигаетс€ в сопоставлении с анамнестическими данными и результатами клинического обследовани€. 

     Ќеудовлетворительные и далекие от практического применени€  статистические подходы к дифференциальной диагностике “»ј по подтипам с целью создани€ практически приемлемой  прогнозной донозологической системы по предотвращению эпизодов этого заболевани€, побуждают и об€зывают продолжать поиск более совершенных подходов к решению этой проблемы. Ѕыли получены удовлетворительные результаты с применением первых разработанных вариантов адаптивного нейросетевого классификатора [7-10, 15, 16], но с внедрением его в практическую работу возникли непреодолимые трудности, что вынуждает продолжить поиск приемлемого решени€ поставленной задачи. “ем не менее, нейросетевой подход к решению проблемы остаетс€ доминирующим.

     ѕредлагаемый нами подход к упреждающей прогнозной диагностике эпизода “»ј не претендует на окончательное решение проблемы, но преследует цель максимально сократить «мертвый временнóй интервал» скрытости и недоступности к изучению нейропатофизиологических изменений за его период уже диагностическим обоснованием дл€ начала проведени€ целенаправленных этиотропных лечебно-профилактических меропри€тий. „то позвол€ет выполн€ть основное клиническое требование осуществл€ть как можно раннее предупреждение последующих серьезных нарушений мозгового кровообращени€, начина€ с их доклинических про€влений. ќднако, в этом контексте складываетс€ противоречива€ парадоксальна€ ситуаци€: чем раньше начинать проведение лечебно-профилактических мер, тем труднее, а практически, невозможно разобратьс€ в хаосе нечетких жалоб пациента и скоротечности едва уловимых субклинических симптомов. «десь же и конфликтна€ дилемма дл€ самого пациента: стоит ли сразу же «бежать к врачу», или просто проигнорировать эти скоротечные едва ощутимые признаки соматического дискомфорта?

         ¬ предыдущих публикаци€х, начина€ с 1987 года, нами была четко обозначена этиопатогенетическа€ гетерогенность возникновени€ и развити€ этой нозологии и диагностическое разграничение по трем подтипам “»ј и классу Ќќ–ћј:

1.      јтеротромботический подтип (—уб“»ј1).

2.       ардиоэмболический подтип (—уб“»ј2).

3.      √ипертензивный подтип (—уб“»ј3).

4.      Ќорма (Ќќ–ћј).

     ѕервые исследовани€ проводились с применением статистических методов «добычи данных» (дискриминантный и факторный анализы). Ѕыли получены удовлетворительные результаты по распознаванию и классификации пациентов по подтипам “»ј и классу Ќќ–ћј, но из-за выраженного эффекта «переобученности», свойственного работе линейного дискриминантного анализа (Ћƒј) распознавательна€ эффективность резко снижаетс€ [13, 14, 26, 27]. ¬ проводимом исследовании преследуютс€ те же цели и задачи, но решение их осуществл€етс€ на более совершенном технологическом уровне с углубленным формально-логическим обоснованием и нейросетевом алгоритме [4-6, 8-11].    

 

ћатериал и методы

     ƒл€ включени€ в исследование было последовательно обследовано 66 пациентов (30 женщин, 36 мужчин, средний возраст 54.9 лет). »з них с эпизодами “»ј группу с четко выраженным церебральным атеросклерозом составл€ли 22 пациента, 22 – группа с выраженной сердечной патологией (коронарокардиосклероз, мерцательна€ аритми€, боли в области сердца, изменени€ Ё √), у 22  пациентов эпизоды “»ј развивались на фоне информационного дискомфорта (конфликтные ситуации) и артериальной гипертензии.  онтрольную группу составл€ют 35 человек, считающих себ€ практически здоровыми, и исключающие у себ€ диагноз “»ј. ¬сего 101 обследуемый.

    »сточник необходимых данных о пациенте это анамнестические сведени€ в свободной повествовательной форме и документы, имеющиес€ на руках у пациента (справки, выписки, эпикризы, заключени€ лабораторных исследований), из которых выбираетс€ необходимый набор признаков-предикторов, каждый из них может быть представлен одной из его градаций. ѕо данным наших предыдущих исследований [13, 14, 26, 27], этот набор, не содержащий результатов дорогосто€щих и врем€затратных параклинических исследований, может достаточно полно представл€ть комплексную этиопатогенетическую картину нозологической единицы пон€ти€ «транзиторной ишемической атаки» применительно к постановке прогнозного доклинического диагноза конкретному пациенту. ¬ табл. 1 приведен перечень признаков-предикторов использованных в исследовании.

      аждый из этих релевантных к “»ј признаков-предикторов имеет свою специфику, прежде всего, допускающую неточность и нечеткость, и даже уклончивость от ответа. ѕо некоторым из них, как, например,  « онфликты по работе» и «—мена места жительства» пациент может дать уклончивые ответ, а по « онфликтам в семье» достаточно констатации есть или нет. ѕроводить углубленный расспрос просто не этично.

 

 

 

 

 

 

 

“ а б л и ц а 1. ѕеречень прин€тых в исследование признаков и симптомов (признаков-предикторов, независимых переменных)

єє

 пп

 

               ѕризнак, симптом

 

„исло градаций

по каждому признаку

1

¬озраст

6

2

ѕол

2

3

ћесто жительства

5

4

ќбразование

4

5

ѕрофесси€

4

6

 онфликты по работе и с администрацией

3

7

—мена места жительства за последние 10 лет

5

8

—мена профессии за последние 10 лет

7

9

ќсобенности ночного сна (наличие или отсутствие сновидений, их характер)

4

10

Ѕессонница

3

11

Ќаследственность по

патологии сосудов  мозга

3

12

Ќаследственность по

другим заболевани€м

3

13

јртериальна€ гипертензи€

4

14

ƒиастолическое давление

3

15

јускультаци€ сердца

5

16

√раницы сердца

3

17

»зменени€ на Ё √

3

18

Ѕоли в области сердца

4

19

 оронарокардиосклероз

3

20

Ќарушени€ сердечного ритма

4

21

’ронический бронхит

3

22

’ронический гепатохолецистит

3

23

’ронический гастрит, €звенна€ болезнь желудка

4

24

ѕочечнокаменна€ болезнь

3

25

ќстеохондроз шейный (выраженность и характер болей)

4

26

ћетеозависимость

5

27

 лимакс (у женщин)

2

28

”потребление алкогол€

3

29

 урение (количество)

3

30

 урение (возраст)

4

31

–аботоспособность

3

32

–аздражительность

3

33

—нижение пам€ти (степень)

3

34

—нижение пам€ти (врем€ по€влени€)

3

35

—нижение остроты зрени€ (степень)

3

36

—нижение остроты зрени€ (врем€ по€влени€)

4

37

«рительные нарушени€

3

38

√оловные боли (характер)

4

39

√оловные боли (врем€ по€влени€)

4

40

√оловокружение

4

41

 онфликты в семье

2

     ћетод. ¬ самом общем виде с формально-логических и математических позиций представление о решении проблемы выгл€дит достаточно просто. Ёто формально-логическа€ математическа€ конструкци€, о которой врач-эксперт имеет некоторое представление. ¬ технике такие устройства, о структуре и функции которых что-то известно, получили название “серый €щик” (“gray box”), рис. 1.

 

 
 

              –ис. 1. ќбща€ схема дифференциально-диагностической системы

 

—труктура и схема дифференциально-диагностической системы

Ќа рис. 2 приведена система распознавани€ классов “»ј, котора€ состоит из рециркул€ционной нейронной сети и многослойного персептрона, которые соединены последовательно [6]. «адачей такой системы €вл€етс€ обнаружение и распознавание “»ј с дифференциацией по подтипам. ќна состоит из двух типов нейронных сетей, а именно рециркул€ционной и мнослойного персептрона. ¬ качестве входных данных используетс€ 41-размерный вектор, который характеризует исходные данные (признаки и симптомы) пациента. ¬ качестве выходных данных используетс€ 4-мерный вектор количества классов распознавани€ подтипов “»ј (—уб“»ј1-3) плюс нормальное состо€ние (Ќќ–ћј).

 

 
 
 

 

 

 

 


–ис. 2. ќбща€ блок-схема нейросетевой дифференциально-диагностической системы

 

ћежду используемыми входными данными, т.е. между признаками-предикторами,  существуют сложные и избыточные причинно-следственные взаимосв€зи, которые сложно определить. ѕоэтому на первом этапе обработки входной информации необходимо уменьшить размерность входного вектора данных. — этой целью мы применили метод главных компонент (√ ), который позвол€ет перейти от исходного пространства данных к вспомогательному, характеризуемому меньшей размерностью исходного информативного пространства. ƒл€ получени€ √  используетс€ рециркул€ционна€ нейронна€ сеть (Recirculation Neural Network - RNN), так как она позвол€ет легко осуществить нелинейное сжатие информации. »з 41 исходного количества признаков-предикторов было выделено 12 √ . ¬торой этап это уже непосредственно дифференциальна€ диагностика и распознавание подтипов “»ј и класса Ќќ–ћј. ƒл€ этого используетс€ многослойный персептрон (MultiLayer Perceptron MLP), который осуществл€ет обработку предварительно сжатого пространства входных (уже) образов, преобразованных в структуру √ , и готовых дл€ распознавани€ класса (подтипа) “»ј или Ќќ–ћј индивидуально дл€ каждого пациента..

 ќписание нейронных сетей. –ассмотрим рециркул€ционную нейронную сеть (RNN), предназначенную дл€ формировани€ √  (рис. 3). ќна представл€ет собой трехслойный персептрон, который может осуществл€ть в зависимости от используемой функции активации нейронных элементов, линейное или нелинейное сжатие входных данных.

 

 

 
 
 

 

 

 

 

 

 

 

 


–ис. 3. јрхитектура рециркул€ционной нейронной сети, RNN.

 

—крытый слой выполн€ет операцию сжати€ входных признаков-предикторов в √ . «начение j-го элемента этого сло€ определ€етс€, как

 

,

где F – функци€ активации; Sj – взвешенна€ сумма j-го нейрона; wij – весовой коэффициент между i-ым нейроном входного и j-ым нейроном скрытого сло€; xii-ый входной элемент.

«начени€ нейронных элементов выходного сло€ определ€ютс€ следующим образом:

,

     где w’ji  – весовой коэффициент между j-ым нейроном скрытого и i-ым нейроном выходного сло€;  i-ый выходной элемент.

–ассмотрим выражени€ дл€ обучени€ RNN. ƒл€ линейной рециркул€ционной нейронной сети используетс€ правило обучени€ ќй€ [33], а дл€ нелинейной – алгоритм обратного распространени€ ошибки (backpropagation algorithm). ¬ соответствии с правилом ќй€ весовые коэффициенты дл€ линейной RNN модифицируютс€ следующим образом:

 

,

.

“ака€ RNN осуществл€ет операцию сжати€ при помощи линейного ортогонального преобразовани€ входной информации. ¬ результате которого компоненты выходного вектора станов€тс€ некоррелированными между собой, и первые две √  содержат наиболее информативную составл€ющую входных данных. ƒл€ удобства получени€ представлени€ в графическом виде о распределении клинических наблюдений в полученном 12-тимерном пространстве √  вполне достаточно представить их в системе координат двух первых √ , что и будет сделано на последующих рисунках 4 и 5.

ѕеред подачей данных на вход RNN проводилась их предварительна€ обработка в соответствии со следующими выражени€ми:

,

где ,

.

 

«десь L – размерность обучающей выборки. ¬ проводимом исследовании она конкретно представлена матрицей из 41 признака-предиктора и 101 клинического случа€.

 ак уже упоминалось ранее, дл€ обучени€ нелинейной RNN используетс€ алгоритм обратного распространени€ ошибки. ¬ соответствии с ним весовые коэффициенты модифицируютс€ по следующим выражени€м:

 

,

где  - ошибка j-го нейрона, – производна€ нелинейной функции активации по взвешенной сумме.

.

 

–езультаты тестировани€

ƒл€ обучени€ тестировани€ использовались клинические наблюдени€ исходной базы данных, представленна€ матрицей дл€ 101 пациента по 41 признаку-предиктору (табл. 1). »сходные значени€ признаков-предикторов о пациенте представл€ютс€ записью строки этой матрицы дл€ предсто€щей постановки дифференцированного диагноза по одному из четырех классов классификации “»ј. –аспределение записей по классам классификации, как уже было отмечено выше, следующее: —уб“»ј1 – 22 записи, —уб“»ј2 – 22 записи, —уб“»ј3 – 22 записи и класс Ќќ–ћј – 35 записей. ƒл€ обучени€ нейронных сетей в экспериментах использовались обучающие выборки размерностью 51 и 83 (табл. 2).

     –асполага€ ограниченным числом верифицированных по подтипам “»ј клинических наблюдений, мы воспользовались специальными математическими приемами, которые позвол€ют на ограниченном количестве наблюдений получать вполне достоверные результаты. “ак, дл€ тестировани€ и проверки обобщающей способности разработанного диагностического подхода из общего количества обучающей выборки 101 наблюдение использовались 50 и 18 записей. Ќа обучающей выборке получено 100%-ное  правильное распознавани€  по подтипам “»ј и классу Ќќ–ћј, к сожалению, точность распознавани€ на тестовых выборках составила соответственно 76 и 77 процентов.

 

“ а б л и ц а 2. —опоставление точности классификаций по обучающей и тестовой выборкам

 ол-во клинических случаев в обучающей выборке

 ол-во клинических случаев в тестовой выборке

ћаксимальный процент распознавани€ на обучающей выборке

ћаксимальный процент распознавани€ на тестовой выборке

51

50

100%,

76%

83

18

100%,

77%

 

–ассмотрим отображение входного пространства образов на плоскость двух первых √ . Ќа рис. 5 графически представлена классификационна€ картина разделени€ клинических случаев по подтипам “»ј методом линейной RNN в намерении получить четкое разграничение по «участкам существовани€» каждого из трех подтипов “»ј (классы 1-3) и класса Ќќ–ћј (4).   сожалению, искомого четкого разграничени€ по участкам концентрации клинических наблюдений этим методом получить не представилось возможным.

 

 

–ис. 4. ƒанные обработанные линейной RNN

 

“ака€ же классификаци€ была проведена по методу нелинейной RNN, рис. 5. «десь уже представлена более четка€ классификационна€ картина разделени€ по подтипам “»ј (—уб“»ј1-3) и классу Ќќ–ћј (4).  ак следует из рисунка в сравнении с линейной RNN, нелинейна€ RNN осуществл€ет лучшую визуализацию данных – на рисунке достаточно четко обозначено стремление объектов (анализируемых клинических случаев) располагатьс€ в «своих» област€х. ¬ двумерном пространстве двух первых √  наиболее компактно расположились клинические случаи класса 2 (—уб“»ј2, кардиоэмболический подтип) и класса Ќќ–ћј.

 

 

–ис. 5. ƒанные обработанные нелинейной RNN

 

 линические наблюдени€ пациентов с преимущественно выраженными цереброваскул€рными изменени€ми атеротромбозного и гипертензивного этиопатогенеза в этой системе координат размещены менее компактно.

 

 

 

ќбсуждение результатов

      ѕо отношению к традиционной клинической практике формально-логически дифференциальна€ диагностика исходит из нулевого предположени€ «равных диагностических возможностей». »сходно дифференцильно-диагностическа€ задача «нулевого пациента» имеет сразу все равнозначные диагностические решени€ или не имеет ни одного, приемлемого дл€ практического применени€. ¬ результате последующих логических и математических действий это равенство нарушаетс€ и принимаетс€  решение предпочтени€ по наибольшему значению веро€тности. ¬ традиционном ходе логико-клинических рассуждений «наибольшее значение веро€тности»  принимаетс€ интуитивно, а в случае консилиума принимаетс€ коллективное согласованное решение с учетом всех мнений. ¬ нашем случае результаты формально-логической и математической дифференциальной диагностики эта ситуаци€ представлена в табл. 3, где приведены уже конкретные числовые процентные соотношени€ по распознаванию каждого подтипа “»ј дл€ 10 пациентов тестовой выборки  «за пределами» обучающей выборки.

 

“ а б л и ц а 3. –аспределение веро€тностей по подтипам “»ј и классу Ќќ–ћј  

 

ѕациент ‘»ќ, пол, возраст (лет)

 

—уб“»ј1

 

—уб“»ј2

 

—уб“»ј3

 

Ќќ–ћј

“0”

25%

25%

25%

25%

Ѕ¬√, ж, 48

29.1%

29.9%

40.9%

0%

√«¬, ж, 54

21.5%

25.1%

53.4%

0%

Ћћ , ж, 59

50%

30.5%

10.7%

8.8%

“¬¬, м, 51

27.5%

30%

34.2%

8.2%

–¬—, ж, 54

44.8%

13.9%

27.8%

13.5%

 √√, ж, 60

36.8%

2.1%

59.5%

1.6%

M√ѕ, м , 73

17.9%

21.9%

51.8%

8.3%

јЌ‘, ж, 46

34.5%

5.6%

59.9%

0%

M—ћ, м, 63

17.9%

21.9%

51.8%

8.3%

M¬ѕ, м, 71

34.5%

5.6%

59.9%

0%

 

     ¬месте с тем, дифференциально-диагностические сомнени€ могут не устранитьс€ при близких значений веро€тностей рассматриваемых диагнозов. ¬ этом случае требуютс€ дополнительные клинические и параклинические данные. „то также согласуетс€ с традиционным ходом диагностического процесса.

     ѕолученные результаты нам представл€ютс€ вполне обнадеживающими дл€ дальнейшего совершенствовани€ разрабатываемого подхода к дифференциальной диагностике подтипов транзиторных ишемических нарушений кровоснабжени€ мозга. ¬ св€зи с чем, мы продолжаем работу в этом направлении на большем количестве верифицированных клинических наблюдений по мере их накоплени€.

     –ассужда€ далее, как нам представл€етс€, обычным традиционным клиническим мышлением из анамнестических данных и простых тестов достаточно полно «выжать» устойчивую и достоверную дифференциально-диагностическую информацию не представл€етс€ возможным. Ёти возможности в рамках традиционной клинико-лабораторной парадигмы исчерпаны.

     ¬ св€зи с чем, мы пошли по практически неизведанному пути анализа анамнестических данных и результатов простых доступных тестов с использованием формально-логического и математического аппарата в рамках нечеткой формальной логики, теории детерминированного хаоса и стохастических решений. —ледует заметить, что хаотичность событий и €влений, в окружающей среде живой организм, это неотъемлема€ часть его существовани€, к которой он посто€нно адаптируетс€ [19-22]. ¬ этом же ключе зарождаютс€ и протекают начальные преклинические хаотические досимптомные про€влени€. Ёто полностью согласуетс€ с мнением Ќ.¬. ¬ерещагиным (2003) в том, что в основе цереброваскул€рных заболеваний «лежит взаимодействие многообразных разнородных структур и разнонаправленных процессов, объединенных в единую патологическую систему» [3]. ѕричем, это взаимодействие патологических состо€ний осуществл€етс€ и хаотично видоизмен€етс€ в малые промежутки времени. Ёто уже не здоровье, но еще и не клиническа€ (нозологическа€) этиопатогенетически обусловленна€ хаотична€ форма патологического состо€ни€, наход€щегос€ in statu nascendi. »з чего вытекает, нравитс€ это или нет,  чтобы быть объективным необходимо проводить исследовани€ не отдал€€сь от этой фатальной ситуации, предопределенной ѕриродой, не выхолащивать данные, подгон€€ их в желаемое русло «прокрустового ложа» желанных строго детерминированных решений со стремлением к стопроцентной  достоверностью их  правильности [11, 19-22].

     ¬ контексте этой обобщающей предпосылки, в наших предыдущих ангионеврологических исследовани€х мы не вы€вили четой пр€мой зависимости степени выраженности какого-либо подтипа “»ј (атеротромботического, кардиоэмболического, гипертензивного) от уровн€ атеротромботических поражений стенок сосудов, эмболизации системного кровообращени€, артериальной гипертензии, не обозначена четко и гендерно-возрастна€ зависимость, что, впрочем, нуждаетс€ в дальнейшем более скрупулезном изучении. ѕо нашему мнению, возможны самые различные сочетани€ вегетативных и кардиальных, психоэмоциональных и других симптомов вне зависимости от пола и возраста. Ётот хаос в симптоматических про€влени€х “»ј имитирует другие заболевани€, что ведет к постановке ошибочного диагноза. «десь самое обширное поле дл€ ошибочной констатации в переплетении кардиологических нозологий, артериальной гипертензии, диэнцефальной патологии, остеохондроза грудного и шейного отделов позвоночника с синдромом вертебро-базил€рной недостаточности, астено-невротического и климактерического синдромов и т.п. “рудна дифференциальна€ диагностика эпизодов “»ј и мигренозных состо€ний. Ёта хаотичность лишает актуальности «чистый» пр€молинейный детерминистский подход к прогнозной донозологической диагностике. ¬ намерении получить максимально точное диагностическое решение, было решено заведомо отказатьс€ от стремлени€ к идеальному 100%-но точному распознанию, и сделав «шаг назад», воспользоватьс€ методами, основанными на принципах нечеткой логики и стохастических решений, корректно допускающих нечеткие решени€ и обосновани€, конкретно реализуемые нейросетевыми алгоритмами [3-6, 8-12, 18, 24, 28, 29, 31-34].

     ќставл€€ в стороне формально-логические рассуждени€ и математические выкладки, в контексте сказанного, считаем необходимым акцентировать внимание на совершенствование распознавани€ (диагностики) острых транзиторных кардиоцереброваскул€рных состо€ний. ќбраща€сь к согласительному за€влению ASA/AHA [30], следует заметить, что,  может быть, эти скромные невыразительные относительные числа роста заболеваемости по нозологии “»ј (0.3, 1.1, 0.6, 0.61 и т.д. на 1000 населени€) не оказывают значительного впечатлени€, но четко обозначенна€ тенденци€ к  увеличению этого роста не может не настораживать. ¬ этом же контексте привод€тс€ аргументы по неудовлетворительному положению по профилактике кардиоцереброваскул€рных патологий, как в –оссии, так и в Ѕеларуси [17, 23]. ќзабоченность таким состо€нием оговорена ѕостановлением ћинистерства здравоохранени€ –еспублики Ѕеларусь, от 12 окт€бр€ 2007 года є 92 «ќб организации диспансерного наблюдени€ взрослого населени€ –еспублики Ѕеларусь», в котором акцентируетс€ внимание на проведение конкретных целевых диспансерных лечебно-профилактических меропри€тий по предотвращению повторных эпизодов “»ј.

     ќднако, если к эпидемиологии и гетерогенности нозологического пон€ти€ “»ј подходить строго академически, то ставить вопрос о получении исчерпывающих достоверных эпидемиологических данных по распространенности “»ј в процентном отношении ко всем другим нозологи€м на сегодн€, по-видимому, преждевременно, так как сама эта нозологи€ еще недостаточно изучена и симптомологически расплывчато, хаотично и нечетко  отграничена от других. ѕрименение с этой целью только традиционных логико-клинических методов недостаточно. Ќеобходимо привлечение формально-логических и математических методов. «десь же следует заметить, что в практическом здравоохранении все еще присутствует пренебрежительное отношение к формальной логике и математическим алгоритмам распознавани€ образов. ј между тем, «¬от уже несколько поколений наших врачей не изучают курса формальной логики, и сегодн€ клиницисты имеют смутное представление о логической правильности, диагностических рассуждений, о логических операци€х с пон€ти€ми. ћежду тем самые «простые» законы и правила формальной логики нарушаютс€ чаще, чем это прин€то считать. ќб этом говорит немалое число логических ошибок в диагностике» [25]. ¬ общем обосновании врачом лечебно-диагностического процесса формально-логический аспект должен занимать соответствующее ему место [12].

    

«аключение

      ак нам представл€етс€, классификаци€ по методу нелинейной рециркул€ционной нейронной сети (RNN) уже вполне приемлема дл€ практического применени€, наиболее убедительный результат которой графически приведен на рис. 5. “акой способ классификации с целью индивидуализированного выделени€ пациентов по подтипам “»ј, осуществл€етс€ по совершенно незатратным анамнестическим признакам-предикторам (паспортные данные пациента, социальные признаки, жалобы, симптомы). ѕолучение этих исходных данных не требует дорогосто€щих и врем€затратных нейровизуализационных исследований, которые, все равно, потребуют сопоставлени€ с анамнезом и данными клинического обследовани€. “аким образом, по нашему мнению, это предварительное исследование по ассистирующей индивидуализированной прогнозной донозологической дифференцированной диагностике угрозоопасных эпизодов “»ј дает возможность врачу уже при первом обследовании пациента разобратьс€ в его хаотичной скоротечной субклинической симптоматикой, сокраща€ тем самым «мертвый временнóй интервал» между началом обследовани€ пациента и назначением лечебно-профилактических меропри€тий. ¬ этом заключаетс€ клинический смысл прогнозной донозологической дифференциальной диагностики по предотвращению возникновени€ эпизода “»ј с акцентом на вы€вление наиболее веро€тного этиопатогенетического вектора (атеротромбоз, кардиоэмболи€, артериальна€ гипертензи€) начала развити€ гипоксическо-ишемического цереброваскул€рного процесса.

 »спользование такого формализованного подхода  должно всел€ть бóльшую уверенность врачу активно и целенаправленно приступить к проведению индивидуализированных «таргетных» лечебно-профилактических меропри€тий с акцентом внимани€ на индивидуальный этиопатогенетический аспект начинающегос€ цереброваскул€рного патологического процесса (атеротромбоз, кардиоэмболи€, артериальна€ гипертензии, а также отсутствие на момент обследовани€ угроз по этим этиологи€м).

јвторы выражают признательность академику √еоргию »вановичу —идоренко и старшему научному сотруднику ќ»ѕ» ЌјЌ Ѕеларуси Ќаталии јнатольевне Ќовоселовой за конструктивные замечани€ и рекомендации, которые были с благодарностью прин€ты во внимание и учтены в этой статье.

 

 

Ћитература

1.      Ѕаевский –.ћ. јктова€ речь. √Ќ÷ –‘, »ћЅѕ –јЌ, ћосква, 25 окт€бр€ 2005.

2.      Ѕерсенева ј.ѕ. ѕринципы и методы массовых донозологических обследований с использованием автоматизированных систем: јвтореф. дис. докт. биол. наук. 95.13.09.  иев, 1991. - 27 с.

3.      ¬ерещагин Ќ.¬. —истемный подход в изучении нарушений мзгового кровообращени€ при атеросклерозе и артериальной гипертонии. ћозг. “еоретические и клинические аспекты. ћ. 2003. —. 521-533.

4.      √оловко ¬.ј. Ќейросетевые методы обучени€ и обработки информации в системах управлени€ и прогнозировани€. јвтореф...дисс. докт. наук. 05.13.01. ћинск, 2002. 46 с.

5.      √оловко ¬.ј. Ќейросетевые методы обработки хаотических процессов. VII ¬сесоюзна€ научно-техническа€ конференци€ Ќ≈…–ќ»Ќ‘ќ–ћј“» ј -2005. Ћекции по нейроинформатики. ћ.: ћ»‘», 2005. —. 43-91.

6.      √оловко ¬.ј., ¬ойцехович Ћ.ё. и Ўевеленков ¬.¬.// ¬естник Ѕр√“”. ‘изика, математика, информатика. 2006.  є5(41).  —. 14-19.

7.      ƒривотинов Ѕ.¬., јпанель ≈.Ќ., Ќовоселова Ќ.ј., ћастыкин ј.—. // ћедицинский журнал.  2009. є 1. —. 143-148.

8.      ≈встигнеев ¬.¬., јпанель ≈.Ќ., Ќовоселова Ќ.ј., ћастыкин ј.—. // ARS MEDICA. 2009. є 3. —. 60-72.

9.      ≈встигнеев, ¬.¬., јпанель ≈.Ќ., ћастыкин ј.—. // ћедицинский журнал.  2009. є 3. —. 11-119.

10.  ≈встигнеев ¬.¬., јпанель ≈.Ќ., ћастыкин ј.—. –езультаты применени€ адаптивных нейросетевых классификаторов дл€ распознавани€ подтипов транзиторных ишемических атак  —б. научных статей ћеждународной научно-практической конференции «јктуальные проблемы медицинской экспертизы и реабилитации больных и инвалидов».  20-21 ма€ 2010.  г.  ћинск. —. 349-355.

11.          ≈встигнеев ¬.¬., √оловко ¬.ј., ћастыкин ј.—., јпанель ≈.Ќ.,  истень ќ.¬., Ћаврентьева —.¬.// ¬есцi ЌјЌ Ѕеларусi. —ер. мед. навук,  2010, є -. —.

12.           отов ё. Ѕ. ћетоды формализации профессионального знани€ врача в задачах медицинской диагностики. јвтореф…. дисс. докт. физ-мат. наук 05.13.18 . ћосква – 2002. 48 с.

13.          ћастыкин ј.—., ƒривотинов Ѕ.¬., јпанель ≈.Ќ. //Ѕелорусский медицинский журнал.  2004. є 4. —. 18-21.

14.          ћастыкин ј.—., ƒривотинов Ѕ.¬., јпанель ≈.Ќ. // ¬есцi ЌјЌ Ѕеларусi (сер. мед. навук).  2006.  є 1.  —.  76-82.

15.          Ќовоселова Ќ. ј. јлгоритмы построени€ гибридного нечеткого классификатора дл€ анализа медицинских данных. јвтореф. дисс. канд. техн. наук. 05.13.18.  ћинск, 2008. 18 с.

16.          Ќовоселова Ќ. ј., ћастыкин ј.—., “ом ».Ё.// »скусственный интеллект. 2008. є 3. —. 105-112.

17.          ѕарфенов ¬. ј. // –емедиум. 2006. є 7. —. 18 – 23.

18.          –еброва ќ.ё., ћаксимова ћ.ё., ѕирадов ћ.ј. // ∆урнал неврологии и психиатрии им. —.—.  орсакова. »нсульт (ѕриложение), 2004, вып. 12, с. 23-28.

19.          —идоренко √. ». ѕути применени€ кибернетики дл€ решени€ вопросов диагностики и   терапии //  ибернетика в медицине. Ќаучна€ конференци€ 14 марта 1968 г. ћинск. —. 35–38.

20.          —идоренко √.»., Ўироков ј.ћ., ¬опн€рский ¬.». // ƒокл. јкад. наук Ѕ——–. 1982. “. 26. є 7. —. 665-668. 

21.          —идоренко √.». “ворчество и медицина: поиск неочевидных решений. ћн.- 2002. 164 с.

22.          —идоренко √. ». // “ерапевтический архив. 2004. є 8. C. 5–9.

23.          —идоренко √.».// ћед. новости 2007. є 9. —. 41-43.

24.          —тепанова ћ.ƒ., —амодумкин —.ј. ѕрикладные интеллектуальные системы в области медицины. ”чеб.-метод. пособие. ћинск. 2000. 39 с.

25.          „азов ≈.»., ÷арегородцев √.».,  ротков ≈.ј.// // ¬опр. философии 1986. є 9. —. 65-85.

26.          Ўалькевич ¬.Ѕ., ћастыкин ј.—. // ћедицинские новости 1997,  є 2 —. 47-49.

27.      Ўалькевич ¬.Ѕ., ћастыкин ј.—., јпанель ≈.Ќ.,  отова —.√. // ƒиагностика преход€щих нарушений  мозгового кровообращени€. ћн. 1998. 18 с.

28.          Ўустер √. ƒетерминированный хаос.  ћ.: ћир. 1980. 317 с.

29.          Cpalka K, Rebrova O, Rutkowski L. // Lecture Notes in Computer Science 5769, Springer-Verlag Berlin Heidelberg 2009, 435-444.

30.          Easton J.D., Saver J.L., Albers G.W. et al. //. Stroke. 2009. Vol. 40.є 6. P. 2276-2293.

31.          Kosko B. Fuzzy Thinking: The New Science of Fuzzy Logic. Hyperion. 1993.

32.          Laurentsyeva S., Golovko V., Evstigneev V. // Proceedings of the Tenth International Conference of Pattern Recognition And Information Processing (PRIP’2009). Minsk. Belarus, 19 – 21 May. Minsk, 2009. P. 327–331.

33.          Oja E.// Neural Networks archive. 1992. Vol. 5.  є 6.  P. 927-935.

34.          Zadeh L. A. // Communications of the ACM. 1994. Vol. 37. є 3. P. 77-84.

 

 

–≈‘≈–ј“

”ƒ  616.8-005-072:517.938

 

ћастыкин ј.—., ≈встигнеев ¬.¬., √оловко ¬.ј., јпанель ≈.Ќ., ¬ойцехович √.ё. Ќейросетевой подход в решении проблемы диагностики и профилактики транзиторных ишемических атак. ƒоклады ЌјЌ Ѕеларуси.. 2010. є   —.

      ¬редоносные воздействи€ (атаки, вторжени€) на нормально протекающие процессы в различных област€х практической де€тельности побуждают искать новые более изощренные методы защиты от них. “аким  атакам подвергаетс€ нормальна€ работа в »нтернете, и нормальна€ жизнеде€тельность живого организма в окружающих услови€х. »нформационные методологические подходы к проблеме защиты от вредоносных вызовов, как в обществе, так и в отдельном живом организме, могут быть близкими и даже идентичными. » там, и там главное – вы€вить и определить патогенный агент. ¬ этом контексте в данной работе конкретизируетс€ решение проблемы защиты от вредоносных атак на нормальное кровоснабжение головного мозга конвергенцией с нейросетевым подходом к защите от вирусных сетевых атак в »нтернете. ƒл€ этой цели, прежде всего, необходимы устойчивые классификационные решени€ по распознаванию образов. ¬ нашем медицинском исследовании это правильна€ диагностика.

     Ќа имеющемс€ исходном материале по обучающей выборке было получено 100%-ное распознание по четырем классам распознавани€ образов, в качестве которых выступают подтипы транзиторных ишемических атак (“»ј). ќднако на тестовых выборках результат оказалс€ более скромным, незначительно превышающий неустойчивый 75%-ный уровень, что, по-видимому, обусловлено недостаточным количеством верифицированных клинических случаев по подтипам “»ј в обучающей выборке. 

     “абл. 3. »л. 6. Ѕиблиогр – 34 назв.

 

A.S. MASTYKIN1, V.V. EVSTIGNEEV1, V.A. GOLOVKO2,

E.N. APANEL3, G. Yu. VOYTSEKHOVICH2

 

THE NEURONET APPROACH FOR RESOLVE THE PROBLEM OF DIAGNOSTICS END PREVENTION OF TRANSIENT ISCHEMIC ATTACKS

 

1Belarusian Medical Academy of Post-Graduate Education

2Brest State Technical University, Belarus

3Scientific and Clinical Center o f Neurology and Neurosurgery, Minsk, Belarus

 

Summary

     Nocuous influences (attacks, intrusions) on normally proceeding processes in various areas of practical activities induce to search for new more refined methods of protection against them. Normal work on the Internet and normal ability to live of a living organism in surrounding conditions is exposed to such attacks. Informative methodological approaches to a problem of protection against nocuous calls, both in a society, and in a separate living organism, can be similar and even identical. Here and there the main is to unmask and to determinate the pathogenic agent. In this context in the present work the decision of a problem of protection against nocuous attacks to normal blood supply of a brain by convergence with the neuronet approach to protection against virus network attacks on the Internet is concretized. Steady classification decisions are necessary, first of all, for this purpose on recognition of images. In our medical research it is correct diagnostics.

     On an available initial material on training sample 100 %-s' recognition on four classes of recognition of images as which are subtypes of transient ischemic attacks (TIA) act has been received. However on test samples the result has appeared more modest, slightly exceeding unstable 75 %-s' level, that, apparently, is caused by insufficient amount of the verified clinical cases on subtypes TIA in training sample. 



03.12.2022

Ќавигаци€

Ќовости

01.05.2016

„итать далее...

29.01.2016

„итать далее...

  • ¬се новости (20)
  • –еклама

    —четчики


    яндекс.ћетрика
    яндекс цитировани€
    дл€ спамеров
    –Ш–≥—А–∞—В—М –≤ –°—Г–њ–µ—А —Б–Є–∞–ї–Є—Б –ѓ–Ї—Г—В—Б–Ї –Ъ–∞–Ї –њ—А–Њ–±–Є—В—М –∞–≤—В–Њ–Љ–Њ–±–Є–ї—М –њ–Њ vin –Ї–Њ–і—Г –∞–≤—В–Њ–Љ–Њ–±–Є–ї—П–Є–≥—А–∞—В—М —З–µ—А–µ–њ–∞—И–Ї–Є –љ–Є–љ–і–Ј—П –Њ–љ–ї–∞–є–љ–®–Ї–Њ–ї–∞ —В–∞–љ—Ж–∞ –љ–∞ –њ–Є–ї–Њ–љ–µ Diamond–Ь–Њ–љ—В–∞–ґ –Є –Њ–±–≤—П–Ј–Ї–∞ –Ї–Њ—В–ї–Њ–≤ –Њ—В–Њ–њ–ї–µ–љ–Є—П –≤ –Њ–Љ—Б–Ї–µ–І–µ—А–µ–њ–∞—И–Ї–Є-–Э–Є–љ–і–Ј—П–°—В–Њ–Є–Љ–Њ—Б—В—М –њ—А–µ–њ–∞—А–∞—В–∞ –і–∞–њ–Њ–Ї—Б–µ—В–Є–љ–Ї—Г–њ–Є—В—М —Б—В–Њ–ї –≤ –Њ–Љ—Б–Ї–µ–і–ґ–µ–љ–µ—А–Є–Ї –≤–Є–∞–≥—А–∞ —Б–Њ—Д—В –Ї—Г–њ–Є—В—М–Є–≥—А–∞—В—М –Њ–љ–ї–∞–є–љ —Б–њ–∞–љ—З –±–Њ–±–≥–∞–і–∞–ї–Ї–∞ –Њ–љ–ї–∞–є–љ —В–∞—А–Њ–Є–≥—А–∞—В—М –Њ–љ–ї–∞–є–љ —В—Г—Вdocument.write('');