Применение нейросетевого алгоритма для дифференциальной диагностики хронических заболеваний глотки

Актуальность. В медицинских учреждениях все более актуальным становится создание автоматизированных рабочих мест, наличие которых делает работу врача-специалиста более продуктивной. Информационные технологии представляют новые возможности диагностики и дифференциальной диагностики заболеваний. Достигается это путем использования различных программ поддержки принятия решения (ППР), в том числе и экспертных систем ЭС [1-3]. На современном этапе разработаны различные методологические принципы в создании экспертных систем, опирающиеся на математические алгоритмы, включающие в себя среди прочего «Портретный метод», «Байесов подход», «Искусственные Нейронные сети» и другие [10, 11].

Разработка ЭС в оториноларингологической практике для диагностики хронических заболеваний глотки является актуальной задачей, это обусловлено высокой распространённостью данной патологии, неуклонным ростом этих заболеваний, а также развитием осложнений [6, 7, 9].

Цель исследования. Клиническая оценка разработанной экспертной системы дифференциальной диагностики хронических заболеваний глотки.

Материалы и методы. Проведена выборка 586 клинических случаев с хроническими заболеваниями глотки, находившихся на лечении на базе поликлинического отделения ГЛПУ ТО ОКБ № 2 г. Тюмень. Возраст пациентов представлен от 19 до 80 лет, средний возраст составил 31,2 ± 11,02 лет, мужчин - 383, женщин - 203. Представленные диагнозы были объединены в нозологические формы в соответствии с МКБ – 10 следующим образом (таблица1).

Также нами разработаны «Карта обследования пациентов с заболеваниями глотки» (регистрацион- ный номер Роспатента № 2010613489), «Редактор базы знаний заболеваний глотки» (регистрационный номер Роспатента № 2010613472) [13, 14]. Полученные данные переносились в базу знаний «Семиотика заболеваний глотки» (регистрационный номер Роспатента № 2010620304) [12]. Данные базы (БД) позволяют хранить информацию и проводить редакцию по каждому клиническому случаю. Все БД созданы с использованием СУБД FireBird 1.5. Разработка проводилась на языке Delphi (EmbarcaderoDelphiXE4).

Таблица 1 – Распределение пациентов по нозологическим формам
Нозологические форы	Число случаев в выборке
Хронический тонзиллит	277
Гипертрофия миндалин	35
Хронический фарингит	274
Итого	586

В представленных заболеваниях выделены признаки, которые включали симптомы, имеющие определённое диагностическое значение в данной нозологической форме при постановке диагноза. Затем диагностические признаки заболевания были объединены в группы, для которых разработаны критерии встречаемости в данном заболевании в процентном соотношении; «незначимые» – 0, «менее значимые» 45-55%, «значимые» 56-70%, «наиболее значимые» 71-85% и «патогномоничные» 86-100%.

Результаты и обсуждение. При разработке ЭС мы использовали искусственные нейронные сети (ИНС). Возможность обучения – одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными и выходными данными, а также выполнять обобщение полученных знаний. Для обучения применена однослойная ИНС. Количество входных параметров– 439, выходных параметров – 7.

Для обучения ИНС использовалась программа-учитель «Программа для обучения искусственной нейронной сети «ЛОР-Нейро» (регистрационный номер Роспатента № 2015612330). Данная программа позволяет работать в двух режимах; обучение и контроль. Первый режим предусматривает обучение ИНС. Необходимо подключить файл обучающей выборки, который представлен в формате «МS Ехсеl» и имеет следующую структуру: первая колонка – код эталонного ответа, вторая и последующие колонки – признаки, расположенные в том же порядке, что и в БД ИНС. Порядок расположения особенно важен, т.к. с помощью этого достигается попадание одного и того же признака на один и тот же вход сети на протяжении всего обучения.

В строках расположены обучающие примеры. В ячейках, начиная со второй колонки, расположены отметки о наличии или отсутствии признака. 0 – признака нет, 1 – признак есть. После указания обучающей выборки требуется задать коэффициент обучения. Для запуска необходимо нажать кнопку «Обучение». В дальнейшем после старта программа выбирает указанные случаи из файла и загружает их из БД и, инициализирует ИНС, а затем загружает по очереди примеры, считывая результаты с выходов ИНС. В случае получения «неверного результата» программа проводит обучение ИНС на текущем примере.

В дальнейшем по ходу обучения программа выстраивает протокол, где выводит уникальный номер случая, уровень выходных сигналов нейронов, решение ИНС и эталонный ответ. После оценки последнего учебного примера, текущее состояние ИНС записывается в БД и заполняется таблица «итогов обучения» в которой выводится: 1. Количество случаев в обучающей выборке; 2. Количество правильно распознанных случаев; 3. Количество неправильно распознанных случаев.

Второй режим работы программы предполагает контроль обучения. Первым шагом необходимо подключить файл контрольной выборки. Файл имеет ту же структуру и формат что и для обучения. После указания контрольной выборки необходимо нажать кнопку «Анализ». Затем после старта программа выбирает указанные случаи из файла и загружает из БД ИНС. Затем по очереди подает на вход сети каждый случай. По ходу обучения программа заполняет протокол, где выводит уникальный номер случая, уровень выходных сигналов нейронов, решение ИНС т. е. эталонный ответ.

Выборка разбивалась на две части: обучающую (450 случай) и контрольную (136 случаев), которые не пересекались. В виду малого количества наблюдений в процессе обучения использована перекрестная валидация (cross validation test). Обучающая выборка тоже разбивалась на 10 подгрупп случайным образом. Каждая из них по очереди становилась контрольной выборкой, а на остальных 9 проводилось обучение.

После всех разбивок ИНС инициализировалась случайными малыми значениями, расположенными в диапазоне от 10 ^-3 до 10 ^-4 . Экспертным методом, эмпирически выставлялся коэффициент обучения. После этого проводилось обучение и контроль. На каждом этапе контроля оценивалось количество ошибок и итераций, обучение прекращалось в тот момент, когда количество ошибок переставало сокращаться. В дальнейшем, когда результаты обучения признавались удовлетворительными, ИНС запускалась на контрольной выборке. После получения удовлетворительных результатов (не более 5% ошибок), процесс обучения был остановлен. В итоге мы получили ИНС с вероятностью ошибки в 4%.

Полученный результат признан допустимым, и обученная нейронная сеть была перенесена в ЭС «Программа для дифференциальной диагностики хронических заболеваний глотки». Интерфейс программы имеет три активных окна, в которых отражены основные элементы работы ЭС. На основной панели инструментов располагаются активные кнопки, с помощью которых выводятся заданные параметры в соответствующем окне. В левом окне располагается дерево симптомов, в котором отмечаются симптомы заболевания. При нажатии кнопки «Провести анализ», программа после обработки клинического случая, выводит данные в окне «Ранжирование диагнозов»,

Файл Реестр решений МКБ-10

Очистить дерево | Провести анализ | Открыть реестр Запомнить решение |

Справка

Ранжирование диагнозов j I |не отёчен v __11:м-ью НИН/И-1ИН4

__на уровне нёбнь к духек еж iyi<::4 и *Ч*«ж-лужки Т/З (Т < ■.)

V 5ь ступает за неэные дужки 2/3 (11 ст ) соло ся с поо -с. пр^-исо-огож (III ст.)

v __11:жг-рхн:х I-. 1раной ми-у.а.и-нн

__■ -перемлроеана об-ir-юй км: и< ни 1И-1

V эь хгэг отёчна

__: бн II^м нале 1оч (:нимаи: к v J е ко, не k.-xhcimmi)

__: сеэе м налет эм (си-маются легко, не кроеэ'э^а-) с грязно-серым налётом (снимаются легко, не кровоточат)

__5е ле 5с *о -хелть е т у ч-ыл<- иьиде шипэи

__ne-exMS.-ii—не кроной «лиянис

__эсрозии v Л нк унн । раной нимд a. мм-,1

__зобод-it

V И110.М. I нм м v __Некая ниедагина

__на уро и с । Stic х духек нь: iy iaei и нки—.ir лужки "fA (I с ■ .)

у^зь ступает за нёбные д ужки 2/3 (II ст ) :яр<*. < к>| як iprHtei in пж. (ГТ : ■.)

хронический атрофический фарингит (0.0747)

хронический гипертрофический фарингит (0.0693)

хронический катаральный фарингит (0.0657)

хронический тонзиллит простая форма (0.1574)

хронический тонзиллит токсико-аллергическая форма I степени (0.1987)

хронический тонзиллит токсико-аллергическая форма И степени (0.1054)

хронический тонзиллит при туберкулезе (0.0021)

хронический тонзиллит при сифилисе (0.0208)

хронический тонзиллит при склероме (0.0112)

Стандарт Клиническая справка Пояснение решения

Лидирующий диагноз выделен на основе наличия следующих симптомов:

ОБЩИЙ ОСМОТР/Состояние/удовлетворительное/

ОБЩИЙ ОСМОТР/Положение больного/активное/

ОБЩИЙ ОСМОТР/Сознание/ясное/

ОБЩИЙ ОСМОТР/Кожный покров/розовый/

ЛОР - СТАТУС/Правая миндалина/выступает за нёбные дужки 2/3 (II ст,)/

ЛОР - СТАТУС/Лакуны правой ниндалины/заполн, гноем/

ЛОР - СТАТУС/Левая миндалина/выступает за нёбные дужки 2/3 (II ст.)/

Рисунок 1 – Интерфейс экспертной системы

Файл Реестр решений МКБ-10

Очистить дерево | Провести анализ | Открыть реестр Запомнить решение | МКБ-10

|-1С УС-С" v __ эа-им ми-длт-чч

| 12 УРОСГС ICt-IL х духек

__|ч-< Iyi del taмебе-ir дужхр 1/3(1 < ’ )

vjo^ пугает к icbtb с дух»- 2/3 (II ст )

| :и |м я.: । нчстх гм ■ мяо id. аж (I:: . ■ ) v Паосохость правой n-icaraiu

I ИИ-Х МИТЮ-1» vl

]э6иЧ1ЭЙ <0-IGKTOJMd v|.k «лая

^э-ё^на

|: (я hi и ■■ л t ом (с vMaci: и . н ко, -t као »1’)

^: серы" налёт эн (х^наю-сг гехо, не

I* грязно-серым налётом (снимаются легко, не кровоточат)

Ц]5ет:еэ- э-кел-ь е - эка

|н»"1 »МД< laid.

^петехиальные хроео-'ь-^гчия |zipobv v__| аку-э травой миндалина

|: :Ю1ЮД1’"1

З^гэгн. -нов“

V  ГеЧЫЯ МИЯ.» ММ

1]на уровне небнь к духе<

| I < iyi i: । и ■«"**»«• дужки 1/3 С < ' )

Запугает w анх-.? л./кхи 2/3 (:| ст :

|; щк и.: । :н. н>. |р,ги-ю.1о. ож (Ш: ■ ) V __ OHHQX-IK Н I ГНСЙ НИНДлПИНН

I Л 1-01 МИОО-ИНН

_j:ieei? ю-к.н 1гн и-и х| лхлая

__|;г н- нн h-buiLH aic c4(-_vM.;vrji. мкэ. л крсы> у-а )

J серым налётом (снимаются легко, не кровоточат)

I:грязно-серым налётом (снимаются легко, не кровоточат) _| fin him ■ о-жг, нн > м

| налёт зоидс -j^ncc

| ir 1Г»ИЯ.1НН-1Н -4ЮЫЬ-., hv-b-u хронический атрофический фарингит (0.0747)

хронический гипертрофический фарингит (0.0693)

хронический катаральный фарингит (0.0657)

хронический тонзиллит простая форма (0.1574)

хронический тонзиллит токсико-аллергическая форма I степени (0.1987)

хронический тонзиллит токсико-аллергическая форма □ степени (0.1054)

хронический тонзиллит при туберкулезе (0.0021)

хронический тонзиллит при сифилисе (0.0208)

хронический тонзиллит при склероме (0.0112)

Стандарт Клиническая справка Пояснение решения

Кратность введения

2-3 раза

Антибактериальные препараты (один из ниже перечисленых препаратов)

50 мг/кг

Амоксициллин/клавуланат 20 - 40мг/кг

Парацетамол

Нимесулид

10 -15 мг/кг 1,5мг-5 мг/кг

Жаропонижающие, обезболивающие препараты (один из ниже перечисленных препаратов)

Стандарт лечения

Тактика лечения:

лечение заболевания с целью снятия интоксикации, болевого синдрома и гипертермии;

предотвратить развития осложнений;

подготовка к оперативному лечению.

- Немедикаментозное лечение:

Режим - в зависимости от состояния пациента.

Диета - щадящая диета (молочно-растительная, витаминизированная), обильное питье.

- Медикаментозное лечение:

100 мг/кг

50 -100 мг/кг Юмг/кг

15 мг/кг

3 раза 2-3 раза

2-3 раза

Ампициллин

Цефуроксим Азитромицин Кларитромицин

Другие виды лечения:

Основн ые: Пре п арат

Уровень доказательности

Рисунок 2 – Интерфейс экспертной системы «Стандарт лечения»

в порядке наибольшей значимости весовых коэффициентов (клинических симптомов) (рисунок 1).

Для работы с третьим окном имеются активные кнопки, которые располагаются в строке над этим окном; «Стандарт», «Клиническая справка», «Пояснение решения». При нажатии соответствующей кнопки, в окне выводится либо стандарт лечения заболевания, или клиническая справка, или пояснение решения (рисунок 2).

Так же программа имеет модуль «Реестр решений», после получения результата, пользователь может нажать кнопку «Запомнить решение». После этого ЭС записывает представленный клинический случай в специальную таблицу – БД, и присваивает индивидуальный номер (id). В дальнейшем мы провели клиническое исследование разработанной программы на 73 клинических случаев пациентов с хроническими заболеваниями глотки (таблица 2).

Таблица 2 – Сводная таблица диагностики клинических случаев ЭС

Нозология	Количество клинических случаев (абс.)	Количество ошибок (абс.)	Количество ошибок (%)
Хронический тонзиллит	68	3	2,04
Гипертрофия миндалин	14	0	0
Хронический фарингит	54	5	2,7
Итог	136	8	1,58

Заключение. Из результатов видно, что ЭС показала высокую эффективность постановки клинического диагноза с точностью до 97%. Информационные технологии представляют новые возможности диагностики и дифференциальной диагностики заболеваний. Достигается это путем использования различных программ поддержки принятия решения (ППР), в том числе и экспертных систем. Экспертная оценка разработанной на основе ЭС «Программа для постановки дифференциального диагноза хронических заболеваний глотки показала высокую клиническую эффективность и может быть использована в практической медицине.