УДК 616:618.324.518.2
ДИФФЕРЕНЦИАЛЬНАЯ ДИАГНОСТИКА ТЯЖЕЛЫХ ЗАБОЛЕВАНИЙ С ПРОЯВЛЕНИЯМИ В ПОЛОСТИ РТА С ИСПОЛЬЗОВАНИЕМ СЕТИ КОХОНЕНА
Серикова О.В., Елькова Н.Л., Соболева Н.А., Щербаченко О.И.
Федеральное государственное бюджетное образовательное учреждение высшего образования «Воронежский государственный медицинский университет имени Н.Н. Бурденко», 394036, г. Воронеж, ул. Ворошилова, д. 3 [email protected]. - Соболева Н.А.
Резюме. В статье представлены результаты применения сети Кохонена для диагностики форм красного плоского лишая и таких тяжелых синдромных заболеваний с проявлениями в полости рта, как многоформная экссудативная эритема, синдром Стивенса-Джонсона и синдром Лайелла. Для дифференциальной диагностики синдромных заболеваний и форм красного плоского лишая авторами были разработаны специальные диагностические таблицы, на основе которых реализовали алгоритм и компьютерную программу с использованием сети Кохонена. Программное обеспечение позволило довольно эффективно проводить компьютерную дифференциальную диагностику синдромных заболеваний, протекающих с поражением слизистой оболочки рта и кожи, и тяжелых форм красного плоского лишая.
Ключевые слова: синдромные заболевания с проявлениями в полости рта, красный плоский лишай дифференциальная диагностика, сеть Кохонена.
DIFFERENTIAL DIAGNOSTICS OF SEVERE DISEASES WITH MANIFESTATIONS IN THE ORAL CAVITY USING THE COHONEN NETWORK
O. V. Serikova, N.L. El'kova, N.A. Soboleva, O.I. Shcherbachenko
Voronezh State Medical University named after N.N. Burdenko, 394036, Voronezh, Voroshilova str., 3
Summary. The article presents the results of the application of Kohonen network for the diagnosis of forms of lichen planus and such severe syndromic diseases with manifestations in the oral cavity as exudative erythema multiforme, Stevens-Johnson syndrome and Lyell's syndrome. For the differential diagnosis of syndromes and forms of lichen planus, the authors developed special diagnostic tables, on the basis of which they implemented an algorithm and a computer program using the Kohonen network. The software made it possible to quite effectively carry out computer differential diagnostics of syndromic diseases occurring with damage to the mucous membranes of the mouth and skin, and severe forms of lichen planus. The computer program is introduced into clinical practice of the Department of Dentistry of the Institute of Continuing Professional Education of the Voronezh State Medical University named after NN. Burdenko.
Key words: diseases with manifestations in the oral cavity, differential diagnosis, Kohonen network.
Введение. Синдромные заболевания, классифицируемые, как многоформная экссудативная эритема (МЭЭ), синдром Стивенса-Джонсона (ССД) и синдром Лайелла (СЛ) характеризуются, как правило, тяжелым или крайне тяжелым течением заболевания, в большинстве случаев требующих стационарного лечения. Сложность диагностики синдромных заболеваний, протекающих с поражением кожи и слизистой оболочки рта (СОР), связана с общностью этиологических факторов, сходностью развития клинической картины и одинаковой направленностью изменений основных показателей гомеостаза. Однако в течении этих заболеваний есть существенные различия, которые могут стать определяющими как в прогностическом аспекте, так и для осуществления ранней диагностики и определении тактики лечебных мероприятий в каждом конкретном случае [1].
Диагностика синдромных заболеваний, протекающих с поражением СОР и кожи, очень сложна, что объясняется рядом причин:
1. Из-за сходства МЭЭ, ССД и СЛ между собой и наличием тех или иных симптомов аналогичных другим заболеваниям (корь, пузырчатка, сливной герпетический стоматит, системная красная волчанка, скарлатина).
2. Каждое из этих заболеваний характеризуется фазностью развития. И даже в условиях одной нозологической формы клинические проявления в ранних фазах заболевания не только не однозначны, но и могут иметь весьма существенные различия.
3. Начало заболевания (продромальный период) и первые клинические симптомы могут быть абсолютно идентичными у МЭЭ, ССД и СЛ.
4. Все эти заболевания имеют однотипные причины, внезапное острое начало, склонность к рецидивированию [1].
Касаясь проблемы диагностики красного плоского лишая СОР и красной каймы губ, следует заметить, что она вызывает значительный интерес у стоматологов, дерматологов, онкологов и врачей других специальностей. Это объясняется отсутствием четких механизмов развития заболевания, тяжелым, нередко перманентным течением, существующей тенденцией к озлокачествлению элементов поражения, а также частой взаимосвязью с общим состоянием организма пациента.
В связи с тем, что клинический опыт нашей кафедры стоматологии института дополнительного профессионального образования Воронежского государственного медицинского университета им. Н.Н.Бурденко охватывает почти четверть века наблюдений, можно констатировать тот факт, что встречаемость ошибочных диагнозов по годам не имеет тенденцию к снижению. Так, например, анкетирование 214 стоматологов-терапевтов, слушателей циклов усовершенствования кафедры, показало, что только 30% из них пытаются провести диагностику и назначить лечение в случаях патологии слизистой оболочки рта и губ, а остальные 70% врачей отправляют пациентов на профильные кафедры медицинского университета.
Анализ 568 консультативных направлений на кафедру от врачей-стоматологов из лечебных учреждений города и области по поводу красного плоского лишая свидетельствует, что чаще всего выявляется расхождение при диагностике таких заболеваний, как красный плоский лишай, различные формы хейлитов, эрозивно-язвенные поражения СОР, глоссалгия. При комплексном обследовании больных сотрудниками кафедры было выявлено, что несовпадения в диагнозах при направлении и окончательном диагнозе составили 28%.
Авторами был проведен анализ клинико-лабораторных характеристик синдромных заболеваний, протекающих с поражением СОР и кожи, на основании которого были выдвинуты основные принципы дифференциальной диагностики МЭЭ, ССД и СЛ. Аналогичная работа была проведена для описания таких тяжелых форм красного плоского лишая и красной каймы губ, как экссудативно-гиперемическая и эрозивно-язвенная.
Целью данного исследования явились построение и оценка эффективности нейросетевой системы в двух случаях: 1) для дифференциальной диагностики синдромных заболеваний МЭЭ, ССД и СЛ, протекающих с поражением СОР и кожи; 2) для дифференциальной диагностики экссудативно-гиперемической и эрозивно-язвенной форм красного плоского лишая и красной каймы губ.
Материалы и методы исследования. В настоящее время часто для дифференциальной диагностики тяжелых заболеваний и классификации их форм используют нейронные сети, которые основаны на примитивной биологической модели нервных систем [2, 3].
Пользователь нейронной сети подбирает представительные данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. При этом от пользователя требуется какой-то набор эвристических знаний о том, как следует отбирать и подготавливать данные, выбирать нужную архитектуру сети и интерпретировать результаты.
Создание нейросетевой системы предусматривает проведение следующих этапов работы: изучение проблемы; постановку задачи; набор обучающих данных и тестирующих примеров; обучение нейросети; определение оптимальной схемы; проведение дополнительных экспериментов; разработку и создание интерфейса программы; подключение к ней обученных нейросетей; испытание системы на примерах, не входящих в обучающую выборку; доучивание системы на этих примерах [4].
В качестве нейронной структуры была выбрана сеть Кохонена, так как она удачнее всего осуществляет классификацию. Сеть Кохонена может распознавать кластеры в данных, а также устанавливать близость классов. Сети Кохонена можно использовать и в тех задачах классификации, где классы уже заданы, тогда преимущество будет в том, что сеть сможет выявить сходство между различными классами. Сеть Кохонена распознает кластеры в обучающих данных и относит все данные к тем или иным кластерам. Если после этого сеть встретится с набором данных, непохожим ни на один из известных образцов, то она не сможет классифицировать такой набор и тем самым выявит его новизну. Обучается сеть Кохонена методом последовательных приближений. Начиная со случайным образом выбранного исходного расположения центров, алгоритм постепенно улучшает его так, чтобы улавливать кластеризацию обучающих данных. Принцип построения системы для дифференциальной диагностики состоит в следующем. На основе таблицы дифференциальной диагностики, разработанной авторами, были составлены простые вопросы, ответы на которые имеют бинарный вид, то есть «Да» или «Нет». При составлении «вектора опроса», если следует ответ «Да», то компоненту вектора присваивается 1, если -«Нет», то 0. Это входные векторы. Аналогичный вид имеет и вектор выходных значений, его компоненты имеют бинарный вид.
Сеть Кохонена состоит из одного слоя нейронов. Число входов каждого нейрона равно n - это общее количество возможных симптомов заболевания. Количество нейронов m совпадает с требуемым числом классов, на которые нужно разбить (количество самих заболеваний). Значимость каждого из входов в нейрон характеризуется числовой величиной называемой весом. Обучение сети включает 7 шагов. После обучения классификация выполняется посредством подачи на вход сети испытуемого вектора, вычисления расстояния от него до каждого нейрона с последующим выбором нейрона с наименьшим расстоянием, как индикатора правильной классификации.
В период с 1990 по 2018 годы в отделении челюстно-лицевой хирургии № 1 Воронежской областной клинической больницы находились на обследовании и лечении 24943 пациента с неспецифическими воспалительными заболеваниями одонтогенного и неодонтогенного происхождения. Среди них у 250 были диагностированы неспецифические воспалительные заболевания СОР. Из этого числа больных 71 человек составили группу с синдромными поражениями СОР и кожи.
Для обучения созданной нейросети дифференциальной диагностики синдромных заболеваний МЭЭ, ССД, СЛ были использованы 179 случаев, данные которых были взяты из историй болезни пациентов с уже подтвержденными диагнозами. Данные остальных больных с МЭЭ, ССД, СЛ (соответственно 33, 26, 12 человек), наблюдавшихся в клинике, были оставлены для тестирования системы.
Аналогично для обучения нейросети, которая должна распознавать формы красного плоского лишая, были использованы 180 случаев, данные которых были получены из историй болезни пациентов с также подтвержденными диагнозами. Данные 185 пациентов, наблюдавшихся на кафедре, были оставлены для тестирования системы.
Результаты исследования и их обсуждение. Разработанный алгоритм дифференциальной диагностики тяжелых стоматологических заболеваний с проявлениями на слизистый рот, губах и коже реализован в виде компьютерной программы в среде Delphi, с помощью которой пользователь может не только провести диагностику по заданным заболеваниям, но и сам создавать необходимые тесты. В таблицах 1, 2 приведены результаты распознавания диагнозов изучаемых заболеваний с помощью данной программы.
Для нейросистемы представлял определенные трудности, например, дифференциальный диагноз между красным плоским лишаем и многоформной экссудативной эритемой (2 ошибки) (табл. 2), что имеет место нередко и в клинической практике, когда врачи ошибаются в 35% случаев, а также между МЭЭ и ССД (3 ошибки, табл. 1).
Сравнивая встречающиеся ошибочные ("направляющие диагнозы") лечебных учреждений у больных с заболеваниями слизистой оболочки рта и красной каймы губ, можно сказать, что адекватный "направляющий диагноз" зафиксирован только в 72% случаев, а при диагностике синдромных заболеваний только в 59,2% случаев. У остальных больных диагноз был неверным. В то же время применение разработанного авторами алгоритма в виде нейросети дает возможность получить правильный диагноз в 91-97%, что, безусловно, способствует повышению эффективности ранней диагностики тяжелых стоматологических заболеваний с проявлениями на слизистой оболочке рта, красной кайме губ и коже.
Таблица 1. Распределение больных в соответствии с нозологическими формами заболеваний слизистой оболочки рта и результаты тестирования с помощью нейронной сети в случае дифференциальной диагностики синдромных заболеваний _
Нозологическая форма заболевания Число случаев Число правильно распознанных случаев
Язвенно-некротический стоматит 78 78 (100%)
Рецидивирующий афтозный стоматит 101 101 (100%)
Многоформная экссудативная эритема (МЭЭ) 33 30 (90,9%)
Синдром Стивенса-Джонсона (ССД) 26 25 (96%)
Синдром Лайелла (СЛ) 12 12 (100%)
Пузырное поражение полости рта 2 2 (100%)
ИТОГО: 250 248
Таблица 2. Распределение больных в соответствии с заболеваниями слизистой оболочки рта и результаты тестирования в случае дифференциальной диагностики форм красного плоского лишая
Нозологическая форма заболевания Число случаев Число правильно распознанных случаев
Язвенно-некротический стоматит 78 78 (100%)
Рецидивирующий афтозный стоматит 60 58 (96,7%)
Многоформная экссудативная эритема 33 31 (93,9%)
Красный плоский лишай эрозивно-язвенной формы 75 73 (97,3%)
Красный плоский лишай экссудативно-гиперемической формы 82 78 (96,3)
Лейкоплакия эрозивной формы 37 37 (100%)
365
Заключение. Таким образом, разработанный и реализованный авторами алгоритм позволяет довольно эффективно проводить компьютерную дифференциальную диагностику в следующих случаях: 1) для синдромных заболеваний МЭЭ, ССД и СЛ, протекающих с поражением СОР и кожи; 2) для экссудативно-гиперемической и эрозивно-язвенной форм красного плоского лишая и красной каймы губ.
В программе предусмотрена возможность сокращения объема входных данных с определением наиболее значимых показателей. Программа универсальна и может быть использована практическими врачами для диагностики любых других заболеваний путем создания соответствующих тестов.
Литература
1. Елькова Н.Л. Синдромные заболевания с поражением слизистой оболочки рта и кожи: диагностика, лечение, предупреждение осложнений/ Н.Л. Елькова, Л.Н. Максимовская. -Воронеж: Новый взгляд, 2006. - 300 с.
2. Каширина, И.Л. Нейросетевые и гибридные системы / Т.В. Азарнова, И.Л. Каширина. -Воронеж: Издательский дом ВГУ, 2014 . - 80 с.
3. Львович, Я.Е. Нейросетевой подход к отбору наиболее информативных признаков для функциональной диагностики ЖРД / Я.Л. Львович, И.Л. Каширина, А.А. Шостак // Вестник Воронежского государственного технического университета. -2012. - Т.8. № 8. - С. 21-23.
4. Хайкин, Саймон. Нейронные сети: полный курс, 2-е изд. / Хайкин Саймон. - М.: Издательский дом «Вильямс», 2006. - 1104 с.