CC BY
39
Статья
Раздел III
РАЗРАБОТКА ЛЕЧЕБНО-ДИАГНОСТИЧЕСКОЙ АППАРАТУРЫ И ИНСТРУМЕНТАРИЯ. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ
УДК 615.84; 612-086
АВТОМАТИЗИРОВАННАЯ СИСТЕМА КОНТРОЛЯ СОСТОЯНИЯ ЗДОРОВЬЯ ПО МИКРОЭЛЕМЕНТНОМУ СТАТУСУ И ЭЛЕКТРИЧЕСКИМ ХАРАКТЕРИСТИКАМ ПРОЕКЦИОННЫХ ЗОН
Ц* (Са ) =
0, при С а < С31 ;
СаКга, при С Н < С < С Г
? при Са — Саі ; Ц* (Са ) = — Ц* (Са )-
М.И. САМОХВАЛОВ*
Общеизвестно, что изменение экологической обстановки существенно влияет на состояние здоровья биообъектов и, главным образом, человека как в локальных зонах, так и на планете в целом. По официальным данным, только в России свыше 20 миллионов жителей 43 городов подвергаются значительному вредному воздействию промышленных выбросов и автотранспорта. Среди компонентов техногенных загрязнителей весомое место занимают высокотоксичные соединения тяжелых металлов. По данным ряда исследователей в периферийных районах наблюдается 2-5-кратное увеличение фоновых концентраций свинца, хрома, никеля, марганца, цинка и др. В решении вопроса оценки опасности загрязнения окружающей среды большая роль отводится исследованиям, связанным с объективной оценкой степени воздействия на организм различных соединений металлов. Значительное количество работ в этом направлении посвящено разработке моделей и методов диагностики заболеваний организма по содержанию металлов и, в частности, микроэлементов во внешней среде, окружающей исследуемые биообъекты. Однако такой подход дает потенциально заниженные диагностические результаты, поскольку не учитывает индивидуальные накопительные свойства организма, начальное состояние здоровья и т.д. Перспективнее использование методов диагностики на основе микроэлементного статуса самого исследуемого, в сочетании с другими высокоинформационными и легко регистрируемыми показателями, в качестве которых исследовались электрические характеристики биологически активных точек (БАТ).
Основным методом изучения количественной топографии металлов в биообъектах, в соответствии с поставленной целью, выбран метод атомно-эмиссионной спектроскопии с индуктивносвязанной плазмой (АЭС-ИСП), используемый при идентификации низких уровней металлов, особенно фоновых, а также физиологических параметров элементов в биоматериале. Для оценки энергетических характеристик БАТ измерялись электродвижущая сила и сопротивление БАТ на переменном токе.
Статистические нормы содержания микроэлементов определялись в волосах людей, проживающих в условно «чистых» зонах г. Курска и области по следующему списку микроэлементов: железо, свинец, кремний, кобальт, марганец, цинк, кальций, магний, молибден, медь. Формирование показателей нормы у животных проводилось на крысах линии Вистар по содержанию микроэлементов в крови, печени, почках, селезенке и шерсти. Многообразие факторов, а также высокая сложность объектов исследования не позволяет строить достаточно точных математических моделей связи между концентрациями микроэлементов в органах и тканях организма и определенными типами заболеваний. Поэтому в качестве основного математического аппарата была выбрана теория нечетких множеств. Для определения степени уверенности отнесения объекта к тому или иному классу заболеваний нами использовались функции принадлежностей цю (Сз) к классу заболеваний ю/ (1=1,..., Ь) с носителем по шкале концентраций Сз Б-го типа микроэлементов (в=1,...,8). На основании литературы и по результатам исследований с привлечением высококвалифицированных экспертов была выбрана следующая форма представления функций принадлежностей:
где сх - граница для концентрации микроэлемента 8 для класса ю/; С1^ - величина концентрации микроэлемента 8 с максимальной уверенностью по классу ю/; г - верхняя граница уверенности в принятии решения о принадлежности к классу ю/ по концентрации микроэлемента 8; К/£ - коэффициент наклона для цю (С$). Каждая функция принадлежностей определяет уверенность в постановке диагноза ю/ по одному признаку (по концентрации конкретного микроэлемента).
Оценка уверенности в постановке диагноза по совокупности признаков рассчитывается через коэффициент уверенности:
К (+1)1 _ К£1 + (С £+1 X1 — К£1 ) ,
где К 1 = коэффициент уверенности (уверенность) в принятии решения к классу ю/ по микроэлементу б, К(8+1)/ - уверенность в принятии решения по диагнозу ю/ после получения функции принадлежности по следующему микроэлементу, Ки = Цю (с ).
Для повышения качества диагностики дополнительно к микроэлементному статусу исследовались электрические характеристики биологически активных точек (БАТ), расположенных автономно и в составе меридиан. Для установления механизмов взаимодействия органов с меридианными БАТ разработана графовая модель (рис.1), учитывающая, что для объединения информации с различных органов и систем на одну проекционную зону (ПЗ) и для поддержания заданного энергетического уровня множества БАТ одного меридиана микрозоны ретикулярных формаций спинного мозга объединяются в более крупные ассоциации, формирующие энергетическое состояние одной ПЗ, назовем ассоциациями 1-го уровня.
..305040, г. Курск, ул. 50 лет Октября, д. 94,КГТУ 305047, г. КУрск, ул. Карла Маркса, д. 3, КГМУ
Рис. 1. Графовая модель взаимодействия нормальных ассоциаций с проекционной зоной (БАТ).
Ассоциации, формирующие энергетическое состояние меридиана в целом, будем называть ассоциациями 2-го уровня. Ассоциации более высоких уровней формируют обобщенные энергетические уровни групп меридиан. На рис.1: Оі - доминирующий орган, взаимодействующий с і-ой ПЗ (БАТі); Оіс - органы, работающие сопряженно с доминирующим; Ев - энергия внешней «подпитки» ассоциации первого уровня Аі; АТі - ассоциация 1-го уровня тонизирующей БАТ; А8і - ассоциация 1-го уровня седативной БАТ; Ац- ассоциация 1-го уровня БАТ, расположенной на меридиане перед Аі; Аі+1- ассоциация 1-го уровня БАТ, расположенной на меридиане после Аі; ЦУС - центральные управляющие структуры по отношению к Аі, включая гуморальные системы, головной мозг и т.д.; ПЗі - ПЗ, представляемая на меридиане соответствующей БАТ; ПУ - подсистема управления по парасимпатическим каналам; Хг Уг - каналы передачи энергии и информации между узлами модели; Г - внешнее энергетическое воздействие на БАТі; ^ - энергетическое состояние БАТі,
М.А. ЕФРЕМОВ . А.А. КРЮКОВ . Л.П. ЛАЗУРИНА
М.А. Ефремов, А.А. Крюков, Л.П. Лазурина и др.
доступных для изменений. Для приведенной модели можно записать выражение позволяющее определять энергетические характеристики БАТ в виде:
Е1=ЕХо+ЕХц+ ЕХ0С+Ев+ ЕХТ-ЕУ8+ЕАр+ЕПЗ_р+ EXAl—EYА2—EYo— - ЕУц-ЕУ0с+АЕп+Е1,
где ЕА^ - собственный энергетический потенциал А^. В соответствии с этим выражением в номинальном режиме функционирования органов величина Е1 поддерживается в рамках некоторого коридора нормы за счет сбалансированного энергетического обмена. При изменении режимов функционирования органа Оj изменяется интенсивность сигналов по каналам Хо, Уо, нарушая установившийся номинальный режим энергетического равновесия, что приведет к изменению величины ЕХ
Поскольку органы, функциональные системы и их части представлены несколькими БАТ, то описание состояния контролируемых ситуаций определяется системой уравнений (1) для каждой из точек. Учитывая различные энергетические состояния внемеридианных БАТ и БАТ, принадлежавших разным меридианам, а также возможные неисключаемые ситуации (диагноз нельзя установить точно только по реакции выделенных БАТ), нами используется описанная в работе [3] процедура поиска диагностически значимых БАТ (ДЗ БАТ) и группировки информативных проекционных зон таким образом, чтобы в синтезируемых решающих правилах обеспечивалась максимально возможная уверенность в постановке искомого диагноза, исключение «ложных» диагнозов и учет влияния на энергетические характеристики БАТ энергетических сдвигов, не связанных с наличием искомых патологий. В качестве основного показателя была выбрана функция принадлежностей цю (А^) к искомым классам заболеваний с носителем по шкале процентного изменения измеренного показателя относительно его номинального значения - АЯ. Уверенность в принятии решения о принадлежности объекта к классу по списку основных ДЗ БАТ — К(+1) определяется в соответствии с выражением: КБ+1) определяется: К(Б+1) = + цБ ю (АЯ,+1 )(1 — К Б ^
где КБ1 - коэффициент уверенности в принятии решения к классу ю/ по БАТ с номером j из списка основных ДЗ БАТ, Кб+1) уверенность в принятии решения по диагнозу ю/ после получения функции принадлежности по следующей 0+1) БАТ из списка основных ДЗ БАТ, К Б = цБ (а^ ). Обозначив уверенность в постановке диагноза по содержанию микроэлементов через Км/, получим общую уверенность в постановке диагноза:
Ко/ = Км/ + КБ/ (1- Км/)
При проектировании автоматизированной системы разработали алгоритм принятия решений по оценке состояния здоровья по микроэлементному статусу и электрическим характеристикам БАТ, структура которого приведена на рис. 2.
1. По данным экологического мониторинга определяются нормативные границы микроэлементного статуса (МС) (блок 1), функции принадлежности к классу патологий на носителях концентрации цю(Сз) и фрагмент решающего правила по признакам МС (Км) с порогом принятия решений КПм (блок 2).
2. Определяется список ДЗТ, осуществляется построение функций принадлежностей цю (А^) и синтезируется соответствующее решающее правило КБ с порогом принятия решений КПБ (блоки 3-5). Если остаются неисключаемые ситуации, строится дополнительное решающее правило подтверждения диагноза со своим порогом принятия решений ЯПдб и синтезируется комбинированное правило принятия решений КППР (блоки 6, 7).
3. Определяются концентрация микроэлементов и электрические характеристики БАТ у обследуемого и проводится расчет общей уверенности в диагнозе с учетом МС и возможных неис-ключаемых ситуаций при их наличии (блоки 8-11).
Разработанный алгоритм реализуется автоматизированной системой, в состав которой, кроме ПЭВМ входят многоканальный анализатор электрических характеристик БАТ, подключаемый к ПЭВМ через модуль сопряжения с объектом. При построении решающих правил для диагностики заболеваний по МС органов и тканей лабораторных животных было показано, что по содержанию цинка (Хх), меди (Х2), железа (Х3), разделение по классам: фон(©1), инфицированная рана (©2), механическая желтуха (юз), острый деструктивный панкреатит (©4) на третьи сутки
в двумерном пространстве с координатами { Х1, Х2} осуществляется с вероятностью ошибки не более чем 5%.
Результаты позволяют сделать предположение о том, что аналогичные диагностические правила могут быть получены для диагностики заболеваний человека, для ранних их стадий. Синтез решающих правил для диагностики панкреатита у человека проводился по классам: относительно здоров; «панкреатит»; прочие заболевания. Уверенность в постановке диагноза панкреатит по микроэлементному статусу определялась формулой: К(8+1)=К8/+цю (С8+1) (1-Ка) для 8=1-Си; 8=2-7п; 8=3-Бє; цю(С8+1) -величина функции принадлежности, определяющей уверенность в постановке диагноза «панкреатит» по концентрации Б-го микроэлемента в волосах человека.
Уверенность в постановке диагноза «панкреатит» по точкам ушной раковины определяется: КбАР=ЦаР96П+ЦаР122П(1-ЦаР96П);
уверенность в постановке диагноза «панкреатит» по меридианным точкам У21 и Я6 определяется: КМб=ЦПу21+ЦПя6(1-ЦПу21); при
ВЕСТНИК НОВЫХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ - 2006 - Т. ХШ, № 2 - С. 151
Статья
одновременном определении концентрации микроэлементов в волосах человека и электрического сопротивления БАТ выражение для определения уверенности в постановке диагноза «панкреатит» для точек ушной раковины определяется: Кп=Км+КаРб(1-Км), а для меридианных точек - Кп=Км+Кмб(1-Км).
При этом общая максимально достижимая уверенность в постановке диагноза «панкреатит» превышает значение 0,95.
Используя методы получения диагностических заключений с помощью правил продукций, решающее правило:
ЕСЛИ (Км>КПм) И [(АЯ1ИА К^) >20%] ТО ДИАГНОЗ «ПАНКРЕАТИТ» с УВЕРЕННОСТЬЮ Кп=Км+КМб(1-Км).
В этой формуле ДЯ1 - процентное отклонение сопротивления первой в выбранной паре БАТ от номинального значения, ДЯ2 - процентное отклонение сопротивления второй в выбранной паре БАТ от номинального значения. Кроме этой задачи нами синтезировались решающие правила диагностики механической желтухи, инфицированной раны, и острого диструктивно-го панкреатита, по содержанию микроэлементов в печени, почках и селезенке на примере белых крыс линии Вистер и диагностики заболеваний работников вредных производств на примере курского завода «Аккумулятор». В результате статистических исследований и на основании методов разведочного анализа было показано, что при разделении заболеваний крыс: инфицированная рана (©2), механическая желтуха (©3), острый диструктивный панкреатит (©4) и фона (©1) по системе признаков: содержание цинка (х1), меди (х2), железа (х3) в печени, почках, селезенке и по одному любому признаку и органу, все классы разделить не удается. Существует набор пар признаков, где это разделение идет с высоким качеством. На рис. 3 показан вариант разделения классов ©1^©4 по содержанию цинка и меди в почках.
Рис. 3. Пространство классификации в координатах концентрация цинка и меди.
По содержанию цинка в печени (х7) и почках (х8) надежное разделение удается достичь с помощью системы параллельных линейных разделяющих поверхностей вида У=-х7+х8. решение производится по неравенствам вида:
©1 - ЕСЛИ У>10 ©2 - ЕСЛИ 30 < У <175 ©з - ЕСЛИ 10 <У<30 ©4 - ЕСЛИ У>175.
Разделение классов по содержанию цинка и меди в селезенке осуществляется комбинированными правилами:
©1 - ЕСЛИ (60 < х1<78) И(13<Х2<16)
©3 - ЕСЛИ (90 < х1<110) И (11<Х2<15).
ЕСЛИ НЕ ©1 И НЕ ©2, то разделение ©2 и ©4 осуществляется линейной разделяющей поверхностью вида: У=х1 + 7х2 с порогом Уо=218. Анализ показывает, что концентрация микроэлементов в исследуемых органах и цельной крови крысы позволяет достаточно надежно классифицировать исследуемый класс заболеваний. Результаты позволяют сделать предположение о том, что аналогичные результаты могут быть получены и у человека, что особенно ценно, на ранних их стадиях.
В качестве 3-й задачи была выбрана оценка экологической ситуации на курском заводе «Аккумулятор».
Наиболее типичными для завода являются: ОРЗ -У1; ИБС и другие заболевания сердца - У2; заболевания костно-мышечной системы - У3. Наиболее типичными загрязнителями являются: выбросы свинца - Х1; никеля -Х2; кадмия - Х3; окислов железа - Х4. Анализ заболеваемости вели 10 лет с помощью моделей вида:
УгАо+АЙ; У=Ао+ £ А,Х,; ^=Ао+А: Ц Х,и; ^¡=Г(1),
¡=1 ¡=1
где Ао и А1 - настраиваемые параметры, j - номер заболевания, [ - номер признака, 1 - время развития событий. Величина У - характеризует количество больных, а Х - тонны выброшенного вещества за шесть месяцев. Результаты моделирования
позволили получить модели с высоким уровнем качества классификации (более 0,99).
Литература
1. Ананин В.Ф. Рефлексология (теория и методы).- М.: Изд-во РУДН и Биомединформ, 1992.- 168 с.
2. Гаваа Лувсан. Традиционные и современные аспекты восточной рефлексотерапии.- М.: Наука, 1986.- 575 с.
3. Кореневский НА.и др. Энергоинформационные основы рефлексологии /Курск гуманит..-техн. ин-т.- Курск, 2001.- 236 с.
4. Кореневский НА. и др. Проектирование медикотехнологических информационных систем / КГТУ- Курск, 2001.
УДК 616-073.524;616.37-002
АВТОМАТИЗИРОВАННАЯ СИСТЕМА ДИАГНОСТИКИ ХРОНИЧЕСКИХ ЗАБОЛЕВАНИЙ ПЕЧЕНИ НА ОСНОВЕ БИОХИМИЧЕСКИХ ПОКАЗАТЕЛЕЙ КРОВИ
М.В. АРТЕМЕНКО*, Т.А. ДРОНОВА**, Е.Н. ЩЕКИНА*
В клинической практике лабораторные показатели, отличающиеся от нормативных значений, часто являются отправным пунктом для проведения дифференциальной диагностики и определения формы патологии печени. На основании изменений биохимических показателей можно судить о тяжести патологического процесса в печени, прогнозировать течение заболевания, оценивать эффективность проводимой терапии. Минимальные отклонения печеночных тестов от нормы не исключают наличие у пациента тяжелой патологии, в том числе цирроза печени (ЦП) [1]. При этом, как подчеркивается в [2], успешная диагностика определяется не количеством использованных методов, а тщательностью оценки клинических и лабораторных данных.
На основе биохимических показателей крови с использованием многофакторного математического анализа предлагается система автоматизированного скрининга хронических заболеваний печени (ХЗП). В основу ее работы положены результаты лабораторного обследования 166 больных с ХЗП. Хронический гепатит слабовыраженный и минимальной степени активности (ХГМА) имел место у 69 больных (средний возраст 49,3 ± 14,3 лет). Хронический гепатит умеренной и выраженной степени активности (ХГВА) был диагностирован у 28 больных (средний возраст 47,9 ± 12,1 лет); ЦП - у 69 (средний возраст 52,2±10,2 лет). Диагнозы верифицированы данными клиникоинструментального, серологического и морфологического обследования. Контрольная группа состояла из 32 здоровых доноров (средний возраст в группе контроля 40,7±14,4 лет). При идентификации диагностических правил вся выборка делится на «обучающую» и «экзаменационную» по правилу «золотого сечения» -на обучающей выборке проводится идентификация диагностических правил и функций к ним, на экзаменационной - вычисляются коэффициенты уверенности в классификации диагноза и рассчитывается эффективность правильной диагностики. Отношение мощностей данных выборок 0,68:0,32. Статистическую значимость для подобных медико-биологических исследований рекомендуется выбирать не хуже чем 0,95.
Таблица
Нормативные делители (средние значения в группе здоровых)
Из биохимических показателей отобраны: глюкоза сыворотки крови (с1), общий белок (с2), билирубин общий (с3), билирубин прямой (с4), билирубин непрямой (с5), аланин-аминотрансфераза (с6), аспартат-аминотрансфераза (с7), щелочная фосфатаза (с8), тимоловая проба (с9) (табл. 1).
*.305040, г. Курск, ул. 50 лет Октября 94, КГТУ 305000, г. Курск, ул. Ленина 108, КГМУ
Показа- тель с 1 с2 с3 с4 с5 с6 с7 с8 с9
Среднее значение 3,8 ммоль/л 79,3 г/л 13,8 мкмоль/л 2,3 мкмоль/л 11,5 мкмоль/л 0,03 ммоль/л*ч 0,03 ммоль/л*ч 2,36 ммоль/л*ч 2,25 ед
