Научный журнал
Международный журнал прикладных и фундаментальных исследований
ISSN 1996-3955
ИФ РИНЦ = 0,593

ФОРМИРОВАНИЕ И ПРИМЕНЕНИЕ ОПРОСНИКА ДЛЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ ДИАГНОСТИЧЕСКИХ РЕШЕНИЙ ПРЕВЕНТИВНОЙ МЕДИЦИНЫ СКРИНИНГА РАКА ЖЕЛУДКА

Артеменко М.В. 1
1 ФГБО УВО «Юго-Западный государственный университет»
Представлены результаты синтеза опросника для выявления рака желудка на ранней стадии в ходе превентивной медицины в процессе массовой диспансеризации взрослого населения. Предлагается хорошо формализуемый математический аппарат оценки степени риска возникновения заболевания по результатам анализа ответов обследуемого на предлагаемые вопросы, позволяющий без проведения дорогостоящих и трудоемких исследований формировать в автоматизированной системе поддержки диагностических решений рекомендаций о необходимости клинического обследования с указанием величины меры доверия к формулируемым рекомендациям.
превентивная медицина
скрининг рака желудка
автоматизированные системы поддержки принятия решений
1. Артеменко М.В., Серебровский В.В., Бабков А.С. Информационно-аналитическая модель поддержки принятия решений в процессе диагностики рака желудка // Фундаментальные исследования. – 2014. – №6. – С. 18-23.
2. Бабков А.С. Технология применения системы поддержки принятия решения необходимости клинического обследования рака желудка // Материалы международной научно-практической конференции «Интегративные процессы в образовании и медицине – 2014». – Курск, 2014. – С. 24-33.
3. Воронцов И.М., Шаповалов В.В., Шерстюк Ю.М. Здоровье. Опыт разработки и обоснование применения автоматизированных систем для мониторинга и скринирующей диагностики нарушений здоровья. – СПб.: ООО «ИПК «Коста»Б, 2006. – 432 с.
4. Котов И.Ж., Покровский М.В., Баранов В.П., Артеменко М.В. Принципы управления как ключевой фактор улучшения социальной адаптации и показателей репродуктивного здоровья женщин. – Курск: «Курская городская типография», 2006 – 192 с.
5. Линченко С.Н., Хан В.В., Грушко Г.В., Горина И.И. Влияние неблагоприятных экологических факторов на здоровье человека и проблемы его коррекции // Успехи современного естествознания. – 2010. – № 4. – С. 76-77.
6. Онкомаркеры. [Электронный ресурс]. ‒ Режим доступа: http://www.rusmedserv.com/files/labdiag/ 25_onkomarkery.pdf (дата обращения 20.05.2015).
7. Рак желудка – диагностика, лечение и профилактика [Электронный ресурс]. ‒ Режим доступа: http://bolnica13nn.ru/diagnostika-raka-zheludka.html (дата обращения 17.11.2014).
8. Черноусов А.Ф. Ранний рак и предопухолевые заболевания желудка. – М: ИздАТ, 2002. – 253 с.
9. Шмак А.И. Рак желудка: факторы риска, профилактика, диагностика и лечение: метод. пособие. – Минск, 2007. – 12 с.

В настоящее время ухудшение экологических условий проживания человека, усиление роли социального фактора на психологическое, психическое и физическое состояние человека, ускоренное уменьшение людей постоянно проживающих и-или работающих в сельской местности приводит к ухудшению популяционных свойств [4, 5]. В связи с этим существенно повышаются требования к качеству массового периодического обследования населения (в том числе в ходе диспансеризации) населения с применением скрининга, стандартизации и унификации методов превентивной медицины, искусственного интеллекта и IT-технологий с использованием достижений в областях вычислительной техники.

Например, в Российской Федерации, начиная с конца XX века, ведутся разработки в области проектирования и эксплуатации систем поддержки принятия решений скрининга здоровья детей и подростков (системы ВИТА-90, АКДО, АСПОН, КМАДО, АСДОК, САНУС, КАСМОН и др.) [3]. Аналогичные проекты реализованы и продолжают активно разрабатываться в США (фирмы «Control Date Corp», «GETZ CORP») и в других странах [9].

Базовая автоматизированная система поддержки принятия решений процесса скрининг

диагностики включает в себя подсистемы: регистрации пациента автоинтервьюирования, проверки работы различных физиологических и сенсорных систем организма, анализа ЭКГ и артериального давления, результаты лабораторных анализов различных биологических проб. К настоящему времени разработаны и эксплуатируются системы скрининга различных заболеваний [3, 1]. К прогрессирующим заболеваниям, требующим качественную и своевременную диагностику на ранней стадии заболевания в процессе реализации технологий превентивной медицины, относятся онкологические. Например, нашли широкое применение технологии скрининг-диагностики (в том числе с применением автоматизированных систем поддержки принятия решений) нозологических заболеваний по выявлению рака: яичников, шейки матки, молочной железы, предстательной железы, легких, прямой кишки, мочевого пузыря, полости рта, кожи, поджелудочной железы [3]. Ранняя диагностика рака желудка в силу специфики протекания заболевания в процессе массовой диспансеризации осуществляется крайне редко, поскольку требует проведения достаточно дорогих и технологически сложных процедур и исследований на фоне, как правило, отсутствия жалоб специфического характера со стороны обследуемого. Применяются в основном методы фото-флюорографии с двойным контрастроированием и гастроскопией в специализированных центрах или клиниках. С этой целью применяется и онкомаркеры типа РЭА, СА242, СА72.4, СА19.9, с диагностической эффективность порядка 60-65 % [6]. Несвоевременная диагностика на ранней стадии приводит к росту летальности.

Указанные факторы обусловливают актуальность проведения исследований в области разработки достаточно формализованных для автоматизации методов скрининга заболеваний рака желудка на ранней стадии при массовых обследованиях населения без применения специализированных клинических исследований для повышения качества предоставляемых населению услуг медицинского и профилактического характеров, снижения смертности и экономических затрат на лечение и последующую реабилитацию больных, уменьшения последствий терапевтических воздействий (в первую очередь, химиотерапии и хирургического вмешательства).

Целью настоящего исследования являлась разработка формализованного метода диагностики возможности возникновения и-или наличия онкологических заболеваний желудка при скрининге на основе анализа результатов ответов на вопросы, отражающих: социальный статус обследуемого, наличие текущих и перенесенных заболеваний, образ жизни обследуемого.

Материалы и методы исследования

Для решения поставленной цели использовалась методологий системного анализа, синтез нечетких логических правил и математического моделирования при анализе различных рекомендаций, предложенных в доступных информационных источниках и консультациях с экспертами – врачами-онкологами [6, 7, 8].

Результаты исследования и их обсуждение

В процессе диагностического процесса с помощью представленной на рисунке 1 системы поддержки принятия решений (СППР) скрининг-диагностики рака желудка для лица, принимающего решение управляющего и корректирующего характеров [2] формируются следующие рекомендации о: необходимости дальнейшего обследования в специализированных медицинских центрах, подготовке сопровождающей документации, необходимости коррекции функционирования модуля «Подсистема формирования рекомендаций для СППР» с помощью «Подсистемы настройки», путем изменения классификационных пороговых значений для мер доверия и параметров функций соответствия, характеризующих «образ жизни» факторов, алгоритмов синтеза решающих правила, технологии формирования обучающей и контрольной выборок, базы данных для обучения СППР.

На рис. 1 используются следующие условные обозначения: БДПКО – база данных показателей общего анализа крови для обучения системы классификации; МФПММ – модуль формирования пакетов математических моделей; МИСП – модуль информационной селекции показателей; МРМДДиМ – модуль расчета мер доверия к данным и моделям; ТПА – таблица показателей анамнеза и «образа жизни» обследуемого (Q); МФИП – модуль формирования интегральных показателей; ППРР – пакет программ расчета рисков; МВМД – модуль вычисления мер доверия; МВ – модуль визуализации; МПДок – модуль подготовки документации; МПРС – модуль протоколирования работы системы поддержки принятия решений; МДС – модуль диагностики состояния обследуемого (на предмет выявления рака желудка); МПМБ – модуль параметров для расчета мер близости к альтернативным классах w0 и w1; МФРек – модуль формирования рекомендаций для ЛПР; ТКП – таблица классификационных порогов; МВФС – модуль вычисления значений функций соответствия результатов модельных вычислений и измерений; МВРА – модуль вычисления риска по анализу анамнеза и «образа жизни, истории болезни, жалоб и т.п.»; МРЗПМ – модуль расчета значений показателя по математическим моделям; МРМБ – модуль расчета меры близости; МФИДП – модуль формирования идентификационных данных пациента (по медицинской карте); БДПА – база данных показателей «образа жизни» и анамнеза; МИВТ – модуль идентификации временного тренда; ДО – данные для обучения системы; МПО – модуль прогноза оперативности обследования; ЛПР – лицо принимающее решение; «Подготовка мед. карты по ….» – модуль подготовки электронной медицинской карты субъекта исследования; Субъект – обследуемый на предмет выявления рака желудка и необходимости проведения дальнейшего дополнительного клинического обследования человек.

art1.tif

Рис. 1. Структура интеллектуальной системы поддержки принятия решения скрининг-диагностики рака желудка

Представленная интеллектуальная СППР состоит из двух подсистем: «Подсистема формирования рекомендаций для ЛПР» и «Подсистема настройки», взаимодействие которых осуществляется с помощью внутреннего интерфейса системы. Указанные подсистемы посредством внешнего интерфейса реализуют следующие целевые функции системы:

– первая формирует и сообщает ЛПР информацию рекомендательного характера о необходимости дальнейшего клинического обследования пациента;

– вторая осуществляет определение необходимых для нормального функционирования модулей «Подсистемы формирования рекомендаций для ЛПР» структур, параметров и условий.

«Подсистема настройки» включает в себя модули: МФППММ, МРМДДиМ, МПМБ, ППРР ТПА, МИСП, МФИП, БДКО, ТКПЮ, БДПА. «Подсистема формирования рекомендаций для ЛПР» включает в себя следующие: МРМБ, МВРА, МРЗПМ, МВФС, МВМД, МДС, МФРек, МДС, МФИДП, МПДок, МВ, МПРС, МПО. «Подсистема настройки» взаимодействует посредством дружественного интерфейса с оператором (врач-кибернетик), который под руководством ЛПР вводит в подсистему необходимую для этапа обучения информацию: формирует БДПК, вводит пороговые значения уровней мер доверия и уверенности.

Для признаков, сформированных по анализу обследуемого Q, на основании специфической информации и опыта экспертов-врачей, определяются риски по отношению к заболеванию раком желудка arteme1.wmf. На этапе обучения СППР формируются гибридные нечеткие решающие правила для оценки уверенности arteme2.wmf в классе arteme3.wmf по значениям Q и arteme4.wmf, вида:

arteme5.wmf, (1)

где arteme6.wmf – уверенность в классе arteme7.wmf; Qi – набор признаков, получаемых в ходе анализа ответов на опросник, arteme8.wmf – функционал агрегации; arteme9.wmf – показатели риска, получаемые из справочных общепризнанных источников.

Для регулирования соотношений между количеством ошибок первого и второго родов на экспертном уровне выбираются величины двух порогов arteme10.wmf и arteme11.wmf, алгоритм принимаемых решений по которым определяется табл. 1.

Таблица 1

Диагностические заключения относительно порогов arteme12.wmf

arteme13.wmf

arteme14.wmf

arteme15.wmf

arteme16.wmf

Идентификатор (№) ситуации

Описание ситуации

0

0

0

0

1

Дополнительное обследование

0

0

0

1

2

Здоров – класс arteme17.wmf

0

0

1

0

1

Дополнительное обследование

0

1

0

0

3

Болен – класс arteme18.wmf

1

0

0

0

1

Дополнительное обследование 

 

Таблица 2

Факторы риска заболевания раком желудка по показателям множества {Q}

группа NQg

Группа показателей Qg

Семантика показателя (вопроса в опроснике)

Балл

1

2

3

4

5

1

Половозрастной фактор

Мужчины, 55 лет и старше

Женщины, 60 лет и старше

Мужчины моложе 55 лет

Женщины моложе 60 лет

1

1

0

0

FQ1

2

Страна проживания

Япония, Центральная Америка, Восточная Европа, Южная Америка, Южная Европа, Китай

Другие страны

1

0

FQ2

3

Особенности питания

Чрезмерное увлечение пищей: копченой,

острой,

соленой,

жареной (пережаренной),

консервированной пищей,

длительно хранящимися продуктами,

содержащими нитраты

1

1

1

1

1

1

1

FQ3

4

Употребление алкоголя

Злоупотребление

0-10

FQ4

5

Курение

Чрезмерное

0-10

FQ5

6

Общее самочувствие

Понижение аппетита

Изменение пищевых пристрастий

Постоянное повышение температуры Ощущение тяжести в животе после еды, тошнота и рвота, быстрая насыщаемость

Желудочный дискомфорт

Нарушение стула (поносы, запоры)

Желудочно-кишечные кровотечения

Опоясывающие боли

Увеличение объема живота

Похудение

Общая слабость, снижение трудоспособности

Побледнение покровов, их пастозность или отечность

Психическая депрессия (потеря целесообразности труда, отчужденность, апатия)

8

10

5

8

8

5

10

3

5

8

5

5

5

FQ6

7

Ранее перенесенные болезни

Гастриты (с пониженной кислотностью), язвы и полипы желудка

Операции на желудке

Пернициозная (злокачественная) анемия

Резекция желудка

Неэпителиальные опухоли желудка

Язвенная болезнь желудка

Первичные и вторичные иммунодефицитные состояния

Длительно существующее воспаление желудка

Частичное удаление блуждающего нерва (ваготомия)

5

6

10

8

10

5

6

4

6

FQ7

8

Болезнь Менетрие

Гипертрофическая гастропатия

0-1

FQ8

9

Вирусы и бактерии

Наличие в организме бактерии Helicobacterpylon

Вирус Эпштейн-Барр

10

8

FQ9

10

Семейный анамнез

Больные раком желудка близкие родственники

0-5

FQ10

11

Характер ритма жизни

Беспорядочный

Напряженный

Стрессовый

0-5

0-5

0-10

FQ11

12

Недостаток физической активности

0-5

FQ12

13

Дефициты

Витамина В12

Витамина С

Овощей и фруктов

0-5

0-5

0-5

FQ13

14

Окружающая среда

Работа с химическими веществами: металлическая пыль, отходы горной промышленности при разработке карьеров, камнерезанье, отработанное дизельное топливо, радон, асбест, никель, резина, минеральные масла

Ионизирующее излучение

10

8

FQ14

Анализ различных информационных источников (например, [6, 7, 8, 9] и мнений экспертов-медиков позволил сформировать множество показателей множества {Q}, осуществить их кластеризацию в группы по семантической нагрузке, определить баллы и составляющие влияния группы на arteme19.wmf групповых показателями риска arteme20.wmf (g – номер семантической группы). Результаты выполненных исследований представлены в табл. 2.

В табл. 2: Qg – группа показателей из {Q}; arteme21.wmf – составляющие влияния группы показателей Qg на риск возникновения и/или наличия рака желудка (arteme22.wmf); NQg – номер группы показателей Qg; arteme23.wmf – частный показатель риска, определяющей значение arteme24.wmf согласно заданной функции в зависимости от баллов показателей Qg в группе NQg.

Для каждой функции arteme25.wmf синтезируются правила ее вычисления, указанные в табл. 3. В таблице использованы следующие условные обозначения: arteme28.wmf – сумма баллов в соответствующей группе NQg показателей из {Q}, если последних в группе более одного:

arteme29.wmf. (2)

Для определения риска arteme30.wmf первоначально анализируются доминирующие группы показателей NQ7, NQ8, NQ9 и рассчитывается значение промежуточной переменной R:

arteme31.wmf (3)

Таблица 3

Формулы определения частных рисков arteme26.wmf

NQg

Частный показатель риска arteme27.wmf

1

для мужчин: Eqn3.wmf, для женщин: Eqn4.wmf, где Voz – возраст в годах

2

Eqn5.wmf

3

Eqn6.wmf

4

Eqn7.wmf

5

Eqn8.wmf

6

Eqn9.wmf

7

Eqn12.wmf

8

Eqn10.wmf

9

Eqn11.wmf

10

Eqn13.wmf

11

Eqn14.wmf

12

Eqn15.wmf

13

Eqn16.wmf

14

Eqn17.wmf

Переменная R определяет риск наличия заболевания в условиях отсутствия субъективных показателей у обследуемого анамнезе пациента при наличии таковых в доминирующих группах.

Затем рассчитывается финальное значение риска arteme32.wmf:

arteme33.wmf (4)

Таким образом, предлагаемая методика позволяет определить значение риска наличия рака желудка arteme34.wmf путем анализа анамнеза пациента без проведения лабораторных исследований или иных клинических исследований. Меру уверенности arteme35.wmf в правильности формируемой рекомендации предлагается вычислять по формуле (5) (функционал F в (1)):

arteme36.wmf. (5)

(С учетом популяционной специфики и степени строгости в выборе, рекомендации могут быть применены и более сложные структуры функционала F).

Выводы

Полученные функции и методика оценки степени риска заболевания раком желудка позволяют использовать их в базе знаний СППР для автоматического формирования рекомендаций по дальнейшему обследованию и вычисления мер доверия к ним.

Предлагаемый опросник, основанный на анализе различных информационных источников, позволяет достаточно адекватно оценивать состояние обследуемого в процессе реализации превентивной медицины в ходе массовой диспансеризации населения при наличии или отсутствии ряда ответов.

Разработанный математический аппарат оценки уверенности в адекватности формируемых СППР рекомендаций, применение интервалов пороговых значений мер уверенности позволяет формализовать идентификацию решающих диагностических правил рака желудка и спроектировать гибкую диагностическую автоматизированную систему, не требующую проведение клинических специализированных исследований и использует результаты ответов обследуемого на предлагаемые вопросы без первоначальной концентрации его внимания на семантику формируемого диагноза, – что позволяет существенным образом повысить объективность оценки полученной субъективной информации.


Библиографическая ссылка

Артеменко М.В. ФОРМИРОВАНИЕ И ПРИМЕНЕНИЕ ОПРОСНИКА ДЛЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ ДИАГНОСТИЧЕСКИХ РЕШЕНИЙ ПРЕВЕНТИВНОЙ МЕДИЦИНЫ СКРИНИНГА РАКА ЖЕЛУДКА // Международный журнал прикладных и фундаментальных исследований. – 2015. – № 11-2. – С. 184-190;
URL: https://applied-research.ru/ru/article/view?id=7703 (дата обращения: 29.03.2024).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1,674