Цифровые технологии поддержки решений в медицине. Рубрика в журнале - Сибирский журнал клинической и экспериментальной медицины
Статья научная
В стратегии научно-технологического развития Российской Федерации в приоритете обозначено формирование новых подходов к лечению туберкулеза, включая формы с множественной лекарственной устойчивостью. В современных условиях выполнение данной задачи невозможно без интенсивного внедрения передовых цифровых и интеллектуальных технологий, роботизированных систем и систем, использующих методы искусственного интеллекта. Данный подход должен начинаться с важного компонента - создания базы знаний.Цель работы: разработка базы знаний медикаментозной терапии на основе соответствующей онтологии, сборка прототипа системы поддержки принятия врачебных решений для управления процессами лечения туберкулеза легких.Материал и методы. В качестве модели использован туберкулез легких, где для лечения применяются единые стандартные подходы с ограниченным набором специфической химиотерапии. Использованы актуальные научные данные и рекомендации по лечению туберкулеза легких у взрослых, согласно клиническим рекомендациям, утвержденным Министерством здравоохранения Российской Федерации в 2022 г. Для реализации интеллектуального сервиса применяется платформа IACPaaS.Результаты. Создана база знаний для управления процессом лечения пациентов с туберкулезом легких, которая позволяет структурировать знания о медикаментозной терапии туберкулеза, определить понятия, отношения и аксиомы, описывающие данный процесс. Каждый элемент онтологии включает сложно структурированный блок условий, позволяющий описать в формальном представлении необходимые клинические критерии, которые определяют условия создания интеллектуального ассистента врача фтизиатра.Заключение. Генерация базы знаний позволит перейти к персонализированной медицине за счет рационального применения препаратов, что даст возможность сократить сроки и повысить эффективность лечения заболевания.
Бесплатно
Статья научная
Введение. Проблема обоснования объема выборки является актуальной для различных научных и практических задач. Однако при всем многообразии существующих на сегодня методов вопрос определения минимального количества исследований для валидации программного обеспечения (ПО) на основе технологий искусственного интеллекта (ТИИ) остается открытым.Цель: определить минимальное количество исследований, необходимых для проведения валидации ПО на основе ТИИ, для решения задач лучевой диагностики с учетом баланса классов «норма» / «патология».Материал и методы. Анализировались результаты работы ПО на основе ТИИ на наборе данных из 123 301 уникального анонимизированного маммографического исследования. Оценивались выставленные значения по шкале BiRADS: 0 - в случае диагностирования врачом 1-го или 2-го класса Bi-RADS («норма») и 1 - в случае классов Bi-RADS 3, 4, 5 («патология»). Изначально баланс классов в исследовании составлял 89,3% («норма») / 10,7% («патология»). Из общего набора данных случайным образом формировалась выборка заданного объема и баланса классов «норма» / «патология», рассчитывалась площадь под кривой операционной характеристики приемника (AUC ROC). Для статистического обоснования описанные действия повторялись 10 000 раз для всех исследуемых объемов и балансов классов. В результате применения данного алгоритма были получены зависимости средних значений AUC ROC от количества исследований для пяти балансов классов (доля «патологии»: 10, 20, 30, 40 и 50%). Далее был проведен анализ законов распределения и поведения AUC ROC в зависимости от количества исследований.Результаты. Максимальное значение коэффициента вариации значений AUC ROC для 10% доли «патологии» достигается при количестве исследований, равном 190; для 20% - 80 исследований; для 30% - 120 исследований, для 40% - 110 исследований, а для 50% - 70 исследований.Заключение. При тестировании ПО на основе ТИИ, а также систем поддержки принятия врачебных решений необходимо учитывать, что количество исследований, отражающих наибольшую неоднородность значений AUC ROC (наибольшее отклонение от среднего значения), различно для разных балансов классов. Баланс классов задается, исходя из возможностей исследователя, а минимальный объем - 190 при доле «патологии» 10%, 80 - при 20%, 120 - при 30%, 110 - при 40%, 70 - при 50%.
Бесплатно
Статья научная
Послеоперационная фибрилляция предсердий (ПоФП) является одним из наиболее частых осложнений коронарного шунтирования (КШ) и встречается у 25-65% больных.Цель исследования: оценка предиктивного потенциала дооперационных факторов риска ПоФП у больных ишемической болезнью сердца (ИБС) после КШ на основе методов машинного обучения (МО).Материал и методы. Проведено наблюдательное ретроспективное исследование по данным 866 электронных историй болезни (ЭИБ) больных ИБС с медианой возраста (Мe) 63 года и 95%-м доверительным интервалом (ДИ) [63; 64], которым выполнялось изолированное КШ в условиях искусственного кровообращения (ИК). Было выделено 2 группы лиц, первую из которых составили 147 (18%) больных с впервые зарегистрированными пароксизмами ФП, вторую - 648 (81,3%) пациентов без нарушения сердечного ритма. Дооперационный клинико-функциональный статус оценивали с помощью 100 факторов. Для обработки и анализа данных использовали методы статистического анализа (тесты хи-квадрат, Фишера, Манна - Уитни, однофакторной логистической регрессии (ЛР)) и МО (многофакторной ЛР и стохастического градиентного бустинга (СГБ)). Точность моделей оценивали по трем метрикам качества: площадь под ROC-кривой (AUC), чувствительность и специфичность. Процедура кросс-валидации выполнялась не менее 1000 раз по случайно выбранным данным.Результаты. Обработка и анализ показателей дооперационного статуса больных с помощью методов МО позволили выделить 10 предикторов, линейно и нелинейно связанных с развитием ПоФП. К наиболее значимым из них относились передне-задний размер левого предсердия (ЛП), недостаточность трикуспидального клапана (НТК), фракция выброса (ФВ) function show_abstract() { $('#abstract1').hide(); $('#abstract2').show(); $('#abstract_expand').hide(); }
Бесплатно
Статья научная
Цель исследования: с помощью математического аппарата искусственных нейронных сетей (ИНС) отобрать наиболее чувствительные параметры для создания модели ИНС с целью прогнозирования фибрилляции предсердий (ФП) у мужчин с ишемической болезнью сердца (ИБС).Материал и методы. Материалом служили данные обследования пациентов регистра коронарной ангиографии с ангиографически доказанной ИБС: 180 мужчин с ФП - основная группа, 713 мужчин без ФП - группа сравнения, сопоставимая по возрасту с основной. Для оценки риска наличия ФП использовали математическую модель ИНС - многослойный персептрон с одним скрытым слоем. Исходное количество пациентов было разделено на 3 выборки: обучающую, тестовую и контрольную.Результаты. Пациенты с ФП статистически значимо реже были трудоустроены в бюджетных организациях (55,0 против 63,7%; р = 0,040), чаще демонстрировали более высокие (III-IV) функциональные классы (ФК) хронической сердечной недостаточности (ХСН) по NYHA (49,2 против 21,1%; р
Бесплатно
Прогнозирование различных форм эндометриоза с применением искусственных нейронных сетей
Статья научная
Введение. Эндометриоз является трудно диагностируемой патологией, что связано с разнообразием клинической картины заболевания, а также отсутствием высокоточных маркеров, необходимых для быстрой, неинвазивной диагностики и назначения патогенетически обоснованного своевременного лечения заболевания.Цель работы: разработка компьютерной системы, позволяющей оценить вероятность наличия у женщин эндометриоза различных локализаций, на основе математического аппарата искусственных нейронных сетей.Материал и методы. Построение математических моделей нейронной сети и их тестирование проводилось на основе данных о 110 пациентках с заранее морфологически подтвержденным эндометриозом, которые были разделены на обучающую и тестовую выборки. Построение моделей осуществлялось на основе анамнестических данных, результатов протеомного и иммуноферментного анализов плазмы крови.Результаты и обсуждение. В ходе исследования были построены четыре математические модели нейронной сети, осуществляющие прогнозирование наличия или отсутствия у женщины эндометриоза, а также локализации в случае его наличия. На основе данных математических моделей была разработана компьютерная система Diff erential diagnosis of endometriosis, позволяющая оценить вероятность наличия у пациентки эндометриоза и его локализации на основании данных, полученных в результате обучения нейронных сетей.Заключение. Разработанная компьютерная диагностическая система позволяет на основании сведений о пациентке и результатах ее обследования прогнозировать наличие у нее эндометриоза, а также его локализации с вероятностью более 80% в зависимости от прогнозируемой локализации. Данная система может применяться при осуществлении дифференциальной диагностики эндометриоза с другими заболеваниями репродуктивной системы женщин, а также для дифференциальной диагностики различных локализаций эндометриоза.
Бесплатно
Статья научная
Цель исследования: построение системы принятия диагностических решений на основании данных мультипараметрического ультразвукового исследования (УЗИ) молочной железы.Материал и методы. Обследованы 277 женщин с различными жалобами на заболевания молочных желез с помощью широкого спектра технологий УЗИ, включающих эластографию и контрастное усиление (КУ). Для верификации образований пациенткам было проведено гистологическое или цитологическое исследование. Результаты УЗИ, гистологического и цитологического заключения вносились в базу данных. Из базы данных выделена «обучающая» выборка в количестве 219 пациенток, проведена группировка выборки пациенток по визуальным характеристикам УЗИ, выполнен анализ групп данных, составлена таблица относительных частот встречаемости (вероятности) симптомов при данном диагнозе. На основании свертки и метода Байеса построена система поддержки принятия врачебного решения по возрасту, клинической картине и результатам ультразвуковой диагностики. По исходной базе данных для программной реализации определены чувствительность и специфичность.Заключение. Предложенная система поддержки принятия решения позволяет определить вероятность малигнизации, стандартизировать принятие решения в дифференциальной диагностике образований молочной железы.
Бесплатно
Статья научная
Цель работы: формулировка методологии разработки интерактивных виртуальных компьютерных симуляций (ВКС) с рейтинговой оценкой решений обучающихся и возможностью удаленного доступа.Материал и методы. Методы инженерии знаний применялись для извлечения и формализации экспертных знаний о структуре, важности и релевантности клинико-диагностических сведений. Материалами для создания ВКС служили тексты из архивных историй болезни, лабораторные данные, мультимедийные результаты инструментальных методов исследования. Для обеспечения удаленного доступа применена сетевая трехуровневая архитектура, организационно выраженная тремя компонентами: клиент, слой бизнес-логики, слой данных. Программная коммуникация обеспечивается Web-протоколами; инфраструктурно система представлена микросервисами.Результаты. После экспертного анализа и выявления диагностически и прогностически значимой информации была проведена ее формализация и структуризация, определена модель предметной области, выделены агрегаты и связи между ними, спроектированы программные и пользовательские интерфейсы доступа. Возможные решения обучающихся представлены в виде интерактивных справочников. Артефакты работы пользователя сохраняются в хранилище, представленном модулем работы с файловой системой сервера и объектно-реляционной системой управления базами данных. Каждый модуль задачи содержит статичные и интерактивные блоки информации. Назначение статичных блоков - предоставление обучающимся необходимых сведений для принятия клинико- диагностических решений. Интерактивные блоки предоставляют возможность выбора одного/нескольких вариантов решений из списка. Последовательность дальнейшего предъявления и контент информации определяются ответами обучающегося на вопросы интерактивного блока. Компетенции принятия решений обучающимися оцениваются с помощью балльно-рейтинговой системы. Итоговый персональный рейтинг рассчитывается как произведение всех коэффициентов, связанных с принятыми обучающимся решениями. Этот подход обеспечивает интеграцию рейтинговой системы с траекторией прохождения клинико-диагностической задачи (КДЗ), выбранной обучающимся.Заключение. Разработанные в данном исследовании дистанционные образовательные технологии для клинических дисциплин достаточно новы и инновационны. Для совершенствования методического обеспечения дистанционного повышения клинической квалификации ведется разработка репозитория ВКС.
Бесплатно
Численная модель опорного каркаса протеза клапана аорты
Статья научная
Цель исследования: количественный анализ эффективности трех концептов опорных каркасов протеза клапана сердца с позиции их безопасности при наиболее критических нагрузках, проведенный в условиях численного моделирования.Материал и методы. В работе использовали три компьютерных концепта стентоподобных опорных каркасов, созданных на основе анализа схожих баллонорасширяемых протезов. Моделирование выполнено в программе Abaqus/CAE, и включало анализ двух ключевых нагрузок, характерных для данного элемента: этапа сжатия и имплантации. В качестве модели материала использовали линейное описание кобальт-хрома, в качестве количественного критерия состоятельности концептов - напряжение по Мизесу и его качественное распределение на поверхности моделей в виде эпюр.Результаты. Анализ показал, что в двух из трех предложенных моделей возникают напряжения, превышающие предел прочности (933 МПа), - 999,6 и 954,0 МПа на этапе сжатия, достигающие 1022,4 и 1044,7 МПа соответственно на этапе имплантации. Концепт 3 обладал значительно меньшими напряжениями в ходе сжатия, однако в рабочем состоянии показатели приближались к пороговым, достигая 924,2 МПа.Заключение. Численное моделирование выявило неэффективность концептов 1 и 2 и направления для оптимизации концепта 3 - снижение амплитуд для формирования «запаса прочности» напряжения. Анализ подчеркнул важность численного моделирования в ранней оценке и оптимизации медицинских изделий.
Бесплатно
