CC BY
75
более низком уровне аггравации, а степень выраженности психастении и психопатии достоверно не различается с показателями женщин из группы СВД-1. Общий уровень эмоционального выгорания у женщин из группы СВД-1 был примерно в 1,5 раза выше, чем у их коллег из группы СВД-0 (табл. 4): 125,6±3,9 против 83,2±4,1 балла соответственно (р<0,05). Данные табл. 4 говорят о том, что в группе СВД-1 по 11 симптомам из 12 сформировался достоверно более высокий уровень эмоционального выгорания, как и уровни формирования каждой из 3-х фаз СЭВ.
Таблица 4
Показатели эмоционального выгорания
Симптомы и фазы эмоционального выгорания СВД-1 СВД-0
М ± m М ± m
Переживание психотравмирующих обстоятельств 12,7±0,6 8,4±0,7*
Неудовлетворенность собой 8,2±0,5 5,6±0,5*
«Загнанность» в клетку 6,4±0,5 3,6±0,5*
Тревога и депрессия 10,2±0,6 5,1±0,5*
Неадекватное избирательное эмоциональное реагирование 13,1±0,5 10,7±0,6*
Эмоционально-нравственная дезориентация 10,4±0,5 9,8±0,6
Расширение сферы экономизации эмоций 13,2±0,7 8,6±0,8*
Редукция профессиональных обязанностей 15,3±0,6 9,8±0,7*
Эмоциональный дефицит 9,1±0,5 5,5±0,6*
Эмоциональная отстраненность 8,2±0,4 6,5±0,4*
Личностная отстраненность (деперсонализация) 8,0±0,5 4,4±0,4*
Психосоматические и психовегетативные нарушения 10,9±0,5 5,1±0,5*
Итого по фазе «Напряжение» 37,5±1,6 22,7±1,6*
Итого по фазе «Резистенция» 51,9±1,5 38,9±1,9*
Итого по фазе «Истощение» 36,2±1,4 21,5±1,3*
Общий уровень эмоционального выгорания 125,6±3,9 83,2±4,1 *
* - достоверные различия между группами сравнения (р<0,05).
Наиболее заметны между группами СВД-1 и СВД-0 различия в выраженности таких симптомов как «тревога и депрессия» (10,2±0,6 против 5,1±0,5 баллов) и «психосоматические и психовегетативные нарушения» (10,9±0,5 против 5,1±0,5 балла). Эти различия - вполне «ожидаемые», так как первый из них - симптом «тревоги и депрессии» - имеет набор признаков, сходных с признаками шкалы Э (депрессии) из теста СМОЛ, а второй - с набором признаков самого теста СВД. Однако не меньший интерес представляют и различия по большинству остальных симптомов эмоционального выгорания, описание и признаки которых семантически никак не связанны с симптоматикой теста выявления СВД. Мы объясняем выявленные взаимосвязи между выраженностью симптомов СЭВ и наличием СВД тем, что обе методики отражают параллельные изменения в эмоциональной сфере и вегетативном статусе индивида, происходящие под воздействием развивающегося у него хронического стресса. И мы считаем, что методики диагностики СВД и СЭВ, достаточно адекватно характеризующие эмоциональный и вегетативный статус организма, вместе позволяют рассмотреть разные, но взаимосвязанные процессы формирования хронического эмоционального (в нашем случае - профессионального) стресса у женщин. То, что наличие СВД может быть обусловлено аспектами профессиональной деятельности, подтверждают также результаты исследования социальной фрустрированности женщин - специалистов Роспотребнадзора (табл. 5).
Таблица 5
Показатели социальной фрустрированности аспектами профессиональной деятельности
Аспекты профессиональной деятельности СВД-1 СВД-0
М ± m М ± m
Образование 1,21±0,09 1,11±0,11
Взаимоотношения с коллегами по работе 0,77±0,06 0,56±0,07*
Взаимоотношения с администрацией на работе 0,77±0,06 0,58±0,07
Взаимоотношения с пред-ставителями объектов надзора 1,09±0,06 0,75±0,06*
Содержание своей работы в целом 1,54±0,08 0,94±0,08*
Условия профессиональной деятельности 1,48±0,08 0,93±0,08*
* - достоверные различия между группами сравнения (р<0,05).
Из анализа данных табл. 5 следует, что в целом, несмотря на низкие уровни фрустрированности обследованных в обеих группах аспектами их профессиональной деятельности, у женщин из группы СВД-1 неудовлетворенность вопросами их повседневной профессиональной работой выражена сильнее, чем в группе СВД-0. Особенно заметны различия в степени неудовлетворенности женщин из основной группы взаимоотношениями с коллегами (0,77±0,06 против 0,56±0,07 баллов), взаимоотноше-
ниями с представителями объектов надзора (1,09±0,06 против
0,75±0,06 баллов), содержанием своей работы в целом (1,54±0,08 против 0,94±0,08 баллов) и условиями выполнения своей й деятельности (1,48±0,08 против 0,93±0,08 баллов; все - р<0,05).
Поскольку выраженность фрустрированности нередко считают коррелятом развития эмоционального стресса (а наличие стресса в нашем исследовании доказывается взаимосвязью выраженности СВД и СЭВ), можно увязать наличие у обследованных же нщин СВД с неблаго пр иятным воздействием на их организм упомянутых аспектов профессиональной деятельности.
Заключение. В результате данного исследования впервые проведена сравнительная гигиеническая оценка состояния здоровья и психоэмоционального состояния женщин - специалистов Роспотребнадзора в зависимости от наличия у них синдрома вегетативной дистонии, определявшегося анкетным способом по опроснику А.М. Вейна. Установлено, что наличие у женщин синдрома вегетативной дистонии позволяет ожидать у них ухудшенные показатели здоровья: повышенный риск заболеваний в году и риск принадлежности к часто болеющим лицам, более высокий риск наличия хронических заболеваний (особенно гастритов, язвенной болезни желудка и 12-перстной кишки, ИБС, гипертонической болезни, воспалительных заболеваний мочеполовой системы и др.). У женщин с СВД выявлен более высокий уровень психического нездоровья, у них достоверно сильнее выражены такие свойства личности как истерия, ипохондрия, депрессия, паранойя и маниакальность. У лиц с СВД достоверно сильнее проявляются все симптомы, фазы и общий уровень эмоционального выгорания, и среди них чаще встречаются лица, повышенно фрустрированные аспектами своей профессиональной деятельности. Все это позволяет считать наличие СВД у женщин в возрасте 25-65 лет одним из скрининговых критериев их соматического и психического нездоровья, и потому представляется оправданным рекомендовать использование теста А.М. Вейна не только для экспресс-оценки состояния здоровья работающих, но и при проведении профилактических медицинских осмотров, особенно среди женщин.
Литература
1. Гончарова А.Г. и др. Методические рекомендации по количественной оценке уровня здоровья школьников (экспресс-диагностика).- М., 1997.
2. Заболевания вегетативной нервной системы: Рук-во для врачей/ Под ред. A.M. Вейна.- М.: Медицина, 1991.
3. Ильин Е.П. Дифференциальная психофизиология мужчины и женщины.- СПб.: Питер, 2003.
4. Кайбышев В.Т. Стратегия и принципы управления психогенными факторами профессионального риска врачей: Дис... д.м.н.- М., 2007.
5. Рогов Е.И. Выбор профессии: Становление
профессионала.- М: ВЛАДОС-ПРЕСС, 2003.
6. Столяренко Л.Д. Основы психологии: Практикум.-Ростов-на-Дону: Феникс, 1999.
7. Юшкова О.И. и др. // Мед. труда и пром. экология.-2001.- № 8.- С. 1-7.
8. Брайтигам В. и др. Психосоматическая медицина: Пер. с нем.- М.: РЭОТАР Медицина, 1999.
9. Henker F.O.// Psychosom, 1984.- Vol.25, №1.- P. 19-24.
УДК 616.743; 617.53
ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ В ПАТОМОРФОЛОГИЧЕСКОЙ ДИАГНОСТИКЕ
Е.М. ПАЛЬЦЕВА*, В.В. РУАНЕТ**, А.К. ХЕТАГУРОВА ^
В связи с широким внедрением в клинико-диагностическую практику исследований, связанных с анализом изображений, идет активная работа по разработке диагностических интеллектуальных систем поддержки принятия решений для этих целей. Основой подобных систем все чаще становятся искусственные нейронные сети (ИНС) [1-3]. На практике создание подобной структуры осуществляется программными средствами. В настоящее время существует большое количество программных продуктов,
**ММА им. И.М. Сеченова, 119991 Москва, ул. Трубецкая, д. 8, стр.2 Медицинский колледж РАМН, 117105 Москва, Варшавское шоссе д. 16А
имитирующих нейросетевые алгоритмы обработки информации. Нами использована программа «NeuroPro 0.25», ее функционирование основано на принципе многослойного персептрона [6].
Выбор типа сети зависит от характера поставленной задачи. При решении задач прогнозирования и классификации, частным случаем которых является медицинская диагностика, чаще всего используются многослойные персептроны (МСП); при решении задач категоризации данных чаще применяется сеть Кохонена [5]. Характер обучения зависит от выбранного типа сети. Для работы с МСП используется «обучение с учителем». При этом способе обучения готовится набор данных, представляющих собой ряд наблюдений, для которых указаны значения входных и выходных переменных (анамнестические данные и/или данные клиникодиагностических исследований ^ диагноз). Сеть учится устанавливать связь между ними. Обучение сети производится следующим образом. Имеющаяся база данных (набор обучающих пар) делится на две неравные части. Большую часть используют как обучающую, а меньшую - как тестирующую базу. Обучающая база вводится в ИНС, сеть дает ответ. Если ответы сети совпадают с экспертной оценкой - сеть обучена. Если ошибка велика, то процесс обучения повторяется до тех пор, пока не будет получен удовлетворительный результат. Критерием достижения цели (обучение сети) считается результат тестирования набором примеров с ответами, не входящими в обучающую выборку.
Важным моментом работы с ИНС является представление обучающих данных. Нейросети оперируют числовой информацией. Данные, на основании которых ИНС должна давать ответ, может быть самого разнообразного вида: термины, описывающие какие-либо ситуации, числа различного вида и величины, графики, 2- и 3-мерные изображения и т.д. Поэтому возникает необходимость корректного представления этой информации в виде чисел, сохраняющих смысл и взаимосвязи данных, т.е. приходится прибегать к элементарной числовой кодировке [6].
Материалы и методы. Материалом для исследования послужили гастроинтестинальные стромальные опухоли с гладкомышечной дифференцировкой и лейомиосаркомы толстой кишки, полученные при операциях. Гистологическое исследование проводили на срезах с парафиновых блоков, окрашенных гематоксилином и эозином. Иммуногистохимическое (ИГХ) исследование проводили на срезах с парафиновых блоков толщиной 3-4 мкм стандартным иммунопероксидазным методом с использованием высокочувствительной полимерной системы визуализации и моноклональных первичных антител фирмы «Dako». Результаты реакции оценивали полуколичест-венным методом. Обработку результатов проводили с помощью свободно распространяемого нейросетевого имитатора -программы «NeuroPro 0.25». Для проведения статистического анализа полученных результатов использовали программу «STATISTICA for Windows StatSoft, Inc».
Результаты. Наибольший интерес для практического здравоохранения представляют нейросетевые интеллектуальные системы для диагностики и дифференциальной диагностики заболеваний. В онкологии невозможно поставить правильный диагноз без патогистологического исследования. Но применение обычных гистохимических окрасок во многих случаях оказывается недостаточным для постановки диагноза. Тогда прибегают к специальному методу исследования - иммуногистохимии (одна из методик окраски биологических объектов с последующим микроскопированием), которая позволяет точно локализовать изучаемый компонент ткани. Для опухолей различных тканей характерна различная экспрессия антигенов и применение имму-ногистохимического метода исследования позволяет поставить правильный диагноз по совокупности данных экспрессии антигенов и морфологических характеристик [7,8]. Трудность в дифференциальной диагностике представляют опухоли, располагающиеся в одной и той же области и имеющие схожее гистологическое строение, но относящиеся к различным группам - невозможно поставить диагноз без применения иммуногистохимиче-ского метода исследования. Гастроинтестинальные стромальные опухоли (GIST) с гладкомышечной дифференцировкой и лейомиосаркомы толстой кишки исходят из мышечного слоя стенки органа, довольно похожи между собой при светооптическом исследовании, но представляют собой две разные нозологии, требующие различного лечения.
От правильного диагноза зависит прогноз и дальнейшее лечение больного. Использование нейросетевых технологий значи-
тельно упрощает постановку диагноза, особенно для начинающих специалистов. В качестве объектов для определения возможности применения ИНС для интерпретации информации, полученной в ходе морфологического и ИГХ исследований, в работе были использованы результаты исследования образцов гастроинтестинальных стромальных опухолей с гладкомышечной дифференцировкой и лейомиосарком толстой кишки. Их диффе-ренцировка является крайне важной, так как носит не только академический характер (вопросы эпидемиологии, гистогенеза и биологии опухолей), но и сугубо практический смысл, поскольку GIST являются объектом таргетной терапии в отличие от сходных опухолей - лейомиосарком [9]. Именно поэтому нами были выбраны эти два не так часто встречающиеся онкологические заболевания толстой кишки. Светооптическая картина этих опухолей схожа, поэтому для морфолога постановка диагноза может оказаться затруднительной. Диагноз «Гастроинтестинальная стромальная опухоль» невозможно поставить без иммуногисто-химического исследования, которое должно проводиться во всех без исключения случаях веретеноклеточных опухолей желудочно-кишечного тракта [9]. Проблема достоверного описания изображений связана с выбором информативных признаков и формированием признакового пространства и продолжает оставаться нерешенной проблемой распознавания изображений. Сложности, возникающие при попытке формализации данных гистологических, цитогенетических и ряда других исследований, связанных с анализом изображений обусловлены в частности высокой вариабельностью морфологии клеток и клеточных структур; ограничениями в технических параметрах систем, используемых для взятия изображений; недостаточной контрастностью границ клеточных структур; частичной утратой информации в плоских изображениях по сравнению с трехмерным оригиналом; неравномерной окрашенностью препаратов и рядом других причин.
В качестве входных данных для формирования базы можно использовать параметры, способные повлиять на решение задачи. Определение их списка - квалифицированная работа предметного специалиста, требующая знания изучаемой области и ориентировочной важности параметров, влияющих на процесс принятия решения. Поскольку в основе действия ИНС лежит процесс обучения, то работа, связанная с нейросетевыми технологиями, начинается с подбора оптимальных для решения задач параметров сети. Подбор оптимальных параметров сети и алгоритма обучения проводился по отработанным методикам [10,11].
В табл. 1 приведены параметры, отобранные в качестве входных полей. Для удобства они разделены на группы - макроскопические характеристики, гистологические и иммуногистохи-мические признаки опухоли. ИНС могут работать лишь с цифровыми данными, то прежде чем внести результаты макроскопического, иммуногистохимического и морфологического исследований в таблицу, надо подвергнуть их кодировке (табл. 2).
Алгоритм работы с системой: врач-патологоанатом исследует биопсийный или операционный материал и описывает его макроскопические характеристики, которые затем переносятся в электронную таблицу с присвоением им соответствующих цифровых значений (табл. 3); врач-патологоанатом оценивает гистологические препараты, дает морфологическую характеристику опухоли. Эти данные также вносятся в табл. 3; исходя из морфологии строения опухоли, врач-патологоанатом принимает решение о выборе антител для иммуногистохимического исследования. После проведения иммуногистохимической реакции врач смотрит и оценивает готовые препараты, вносит результаты в табл. 3; программа выдает ответ (табл. 4), который расшифровывается с помощью таблицы кодов (табл. 2).
Гастроинтестинальные стромальные опухоли (GIST) -это группа мезенхимальных опухолей желудочно-кишечного тракта, которые по экспрессии иммуногистохимических маркеров отличаются от обычных гладкомышечных и нейрогенных опухолей ЖКТ (лейомиом, лейомиосарком, шванном, нейрофибром). GIST вызывают трудности в диагностике из-за их разнообразной дифференцировки. Выделяют 4 варианта дифференциров-ки клеток GIST: с гладкомышечной, нейрогенной, комбинированной дифференцировкой и GIST без дифференцировки. Для каждой из этих групп характерен свой иммуногистохимический профиль. Типичной чертой GIST является экспрессия рецептора тирозинкиназного фактора роста c-kit (CD117) [12]. До сих пор нет единого мнения о критериях дифференциальной диагностики добро- и злокачественных гастроинтестинальных стромальных
опухолей, но параметрами злокачественности считаются размер опухоли (>5 см), степень атипии ядер, уровень митотической активности (>5 митозов на 50 полей зрения), наличие некроза [13,14]. Дифференциальную диагностику GIST проводят с меланомами, сосудистыми и др. опухолями [15].
Дифференциальная диагностика злокачественной GIST с гладкомышечным типом дифференцировки и лейомиосаркомы толстой кишки
клеток, отмечается большое число митозов (рис. 1) . В опухолях много сосудов, кровоизлияний, очагов некроза, воспалительная инфильтрация; часто - миксоидный отек опухолевой ткани и гиалиноз стромы GIST, в отличие от лейомисаркомы, может быть представлена эпителиоидными клетками (полигональными и округлыми клетками с эозинофильной цитоплазмой), Таблица. обладать смешанным веретеноклеточным и эпителиоидно-
клеточным строением, вакуоли около ядер [16-18].
Макроскопические признаки
Число опухолевых узлов на препарате Опухоль исходит из мышечного слоя стенки толстой кишки Экзо-органнный тип роста Эндо-органный тип роста Наличие псевдокапсулы
1 2 3 4 S
Опухоль с участками некроза Наличие кистозных полостей в ткани опухоли Серо-белый или серо-розовый цвет опухоли
6 7 8
Гистологические признаки
Инвазивный рост опухоли П ереплетающие-ся пучки веретенообразных клеток с вытянутыми ядрами Эпителиоидные клетки Смешанное веретеноклеточное и эпителиоидно-клеточное строение Тесно расположенные клетки
9 10 11 12 l3
Выраженная атипия ядер и клеток Гиперхромные ядра в отдельных опухоле-вых клетках Цитоплазматические вакуоли Количество митозов больше 5 в 50 полях зрения Миксоидный отек опухолевой ткани
14 15 16 17 lS
Гиалиноз стромы опухоли Очаги некроза Большое количество сосудов, очаги кровоизлияний Воспалительная инфильтрация ткани опухоли
19 20 21 22
Иммуногистохимические признаки опухолевых клеток
CD117 (c-kit) CD34 GFAP S100 Виментин
2З 24 2S 2б 27
HMB45 M elan-A EMA CEA CK 7
2S 29 30 3l 32
CR 18 CK 20 HMW CK ER PR
ЗЗ З4 3S Зб 37
AR Calretinin Synaptophysin Chromogranin A TTF-1
3S З9 4O 4l 42
PLAP Хорионический гонадотропин CD 3 CD 20 CD 30
4З 44 4S 4б 47
CD 34 CD 45 Онкобелок BCL2 Десмин Гладкомышечный актин
4S 49 SO Sl S2
pl6 PSA
S3 S4
Диагноз SS
Таблица З
Ответ, получаемый пользователем, после работы системы
№ образца № поля 55 Прогноз сети Уверенность сети
1 Класс 1 100%
2 Класс 2 100%
Рис. 1. Гастроинтестинальная стромальная опухоль с гладкомышечным типом дифференцировки. Опухоль состоит из переплетающихся пучков веретенообразных клеток (1). (Окраска гематоксилином и эозином. Ув. 200.)
Характерным иммуногистохимическим профилем GIST с гладкомышечной дифференцировкой является экспрессия CD117, CD34, виментина, гладкомышечного актина (рис. 2-4) и редко - десмина. Клетки лейомиосаркомы экспрессируют виментин, гладкомышечный актин, десмин, но не CD117 и CD34. В клетках лейомиосаркомы иногда выявляется экспрессия эпителиального мембранного антигена (EMA). Отрицательные значения - для белка S100, синаптофизина и хромогранина А, т.к. эти маркеры используют при диагностике GIST для определения типа дифференцировки (экспрессируются при нейрогенной и смешанной дифференцировке GIST) [7,15,16].
жирным курсивом выделены номера входных (1-54) и выходного (55) полей ИНС
Злокачественную GIST с гладкомышечным типом дифференцировки следует дифференцировать, в первую очередь, от лейомиосаркомы (злокачественная опухоль из гладкомышечной ткани) [16,17]. В табл. 1 приведены параметры, отобранные нами в качестве входных полей. При макроскопическом исследовании можно выявить, что GIST растет в стенке толстой кишки в виде одного или нескольких узлов, которые часто сливаются между собой. На разрезе опухолевая ткань пестрого вида с участками некроза, часто встречаются кистозные полости. Цвет опухоли от серо-белого до серо-розового. Часто опухоль окружена псевдокапсулой и растет как внутрь органа, так и наружу. Такой вид опухоли является для нее характерным. [15,18].
Таблица 2
Коды признаков, отобранных для дифференциальной диагностики GIST с гладкомышечным типом дифференцировки и лейомиосарко-мы толстой кишки
Рис. 2. Гастроинтестинальная стромальная опухоль с гладкомышечным типом дифференцировки. Умеренная экспрессия СЭ34 опухолевыми клетками. (Иммуногистохимия, докраска ядер гематоксилином. Ув. 200.)
По табл. 2 дешифруем ответ сети: образец №1 - злокачественная гастроинтестинальная стромальная опухоль с гладкомышечным типом дифференцировки толстой кишки; №2 - лейомио-саркома толстой кишки. Обученная система определяла примеры с точностью 100% (р<0,025).
1 Со 2по 22
1 - один узел; 2 - более одного узла 1 - есть; 2 - иет; 3 - трудно дать однозначный ответ
с 23 по 54 SS
0 - признак не используется для диагностики заболевания; 1- есть;2 - нет;3 - скорее отриц.; 4 - скорее положит. 1 - GIST с гладкомышечным типом дифференцировки 2 - Лейомиосаркома
Для лейомиосаркомы, в отличие от GIST, не характерно образование кистозных полостей в ткани опухоли и экзоорган-ный рост. Растет лейомисаркома в толстом кишечнике часто в виде одного узла [17]. При микроскопическом исследовании срезов, окрашенным гематоксилином и эозином, видно, что обе эти опухоли обладают инвазивным ростом, построены из переплетающихся пучков веретенообразных клеток с вытянутыми ядрами. Клетки тесно расположены, выражена атипия ядер и
Рис. 3. Гастроинтестинальная стромальная опухоль с гладкомышечным типом дифференцировки. Умеренная цитоплазматическая экспрессия виментина в опухолевых клетках и стенках сосудов. (Иммуногистохимия, докраска ядер гематоксилином. Ув. 200.)
1
Рис. 4. Гастроинтестинальная стромальная опухоль с гладкомышечным типом дифференцировки. Умеренная цитоплазматическая экспрессия гладкомышечного актина опухолевыми клетками. (Иммуногистохимия, докраска ядер гематоксилином. Ув. 200.)
Заключение. Поскольку в онкологии постановка диагноза невозможна без морфологического исследования, то ответственность врача-патологоанатома велика: от его диагноза зависит выбор лечения. Внедрение нейросетевых интеллектуальных систем в практику клинико-диагностических исследований онкозаболеваний делает возможным для начинающих специалистов постановку верного диагноза, что обеспечит последующее правильное лечение больного, минимизирует врачебные ошибки.
Литература
1. Руанет В.В., Хетагурова А.К Информационные технологии в медицине.- М.: МАКСПресс, 2003.- 97с.
2. Dabbs D.J. Diagnostic immunogistochemistry. / Elsevier Inc., 2nd ed., 2006. P. 1-42.
3. Руанет В.В. и др. // Биомед. химия.- 2004.- Т. 50, прил. №1.- С. 163-171.
4. Дадашев С. и др.// ВНМТ.- 2006.- Т. XIII, №4.- С. 16.
5. Круглов В.В., Борисов В.В. Искусственные нейронные сети .- М.: Горячая линия - Телеком 2001.- 327с.
6. Каллан Р. Основные концепции нейронных сетей.- М.: Вильямс, 2001.- 287 с.
7. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере.- Новосибирск.: Наука, 1996.- 276 с.
8. Dabbs D.J. Diagnostic immunogistochemistry. / Elsevier Inc., 2nd ed.- 2006.- P. 1-42.
9. Taylor C.R., Cote RJ. Immunomicroscopy: A diagnostic Tool for the Surgical Pathologist.- 2006.- P. 1-74.
10. Братанчук С. и др. // Архив патол.- 2007.- №1.- С. 47.
11. Руанет В.В. Нейросетевые технологии в медикобиологических исследованиях.- Тула: ТулГУ, 2007.- 144 с.
12. Руанет В.В и др. // ВНМТ.- 2008.- №4.- С.154-158
13. Rosai and Ackerman’s surgical pathology. Elsevier Inc., 9th ed., 2004. P. 2461-2622.
14. Анурова О. и др.// Архив патол.-2006.-Т.68, №1.-С. 10.
15. Новицкая Т.А. и др. // Архив патологии.- 2006.- Т. 68. № 2.- С. 44^5.
16. Анурова О.А.// Современная онкология.- 2007.- Экстравыпуск.- С. 79-99.
17. Rosai and Ackerman’s surgical pathology. Elsevier Inc., 9th ed., 2004.- P. 615-872.
18. Fletcher C.D.M. Diagnostic histopathology of tumors. Churchill Livingstone Elsevier, 3d ed.- 2007.- P. 327^16.
19. Казанцева И.А. // Соврем. онкол.- 2007.- Экстравыпуск.- С. 50-78.
УДК 616.743; 617.53
НЕЙРОСЕТЕВЫЕ ТЕХНОЛОГИЕ И ВОПРОСЫ ИДЕНТИФИКАЦИИ В МЕДИЦИНСКИХ ИССЛЕДОВАНИЯХ (Часть I)
Г.В. ВОРОНИН*, Е.М. ПАЛЬЦЕВА*, В.В. РУАНЕТ**, А.А. ХАДАРЦЕВ***, А.К. ХЕТАГУРОВА**
Вопросы классификации и идентификации сложных систем, а так же предикции их поведения, частным случаем которой является постановка диагноза по данным клинико-диагностических исследований (КДИ), всегда вызывала горячие дискуссии в научном мире. Многие исследователи признают, что не совершенность процедуры оценки, особенно образной информации, удельный вес которой в КДИ постоянно возрастает, связана с процессами распознавания и описания объекта исследования [1].
***ММА им. И.М. Сеченова, Москва, Россия
** Медицинский Колледж РАМН, Москва, Россия
*** ТулГУ, Тула, Россия
Распознавание является особой сферой человеческой деятельности, предполагающей не только специальное обучение, но и наличие соответствующего опыта, базирующегося на «багаже» практических знаний и интуиции1. Передача эмпирических знаний является одной из наиболее трудных задач при подготовке специалистов в областях знаний со слабо структурированным характером информации таких, например, как медицина. Предварительным условием эвристического2 познания является распознавание изучаемых явлений в самых различных вариантах и модификациях, вместе с тем новые данные, полученные в эвристической деятельности, сразу же используются для распознавания нового явления в практических целях. О влиянии эвристической деятельности на диагностику говорит и то, что фактически все методы научного исследования, возникающие в различных областях естествознания, используются не только исключительно для научного познания, но и в целях распознавания [3].
Процесс описания биологического объекта осуществляется с помощью набора признаков. Выбранные понятия лежат в основе формирования признакового пространства, являющегося основой диагностического процесса. К настоящему времени разработана довольно стройная научная система оценки качества и эффективности диагностики с учетом ее вероятностного характера. Она основана на взвешивании вероятностей возможных диагностических ошибок и их последствий, поэтому тесно связаны со статистическими методами, применяемыми для оценки медицинских данных. Но дело в том, что «вероятностный взгляд на мир» сопряжен с рядом допущений, которые оказывают негативное влияние на точность и адекватность принимаемых решений. В частности, при использовании методов классической статистики, применительно к результатам биологических экспериментов, в соответствии с традицией вероятностного подхода принято отбрасывать, а иногда даже не регистрировать результаты измерений, значительно - более чем в 3а раза (где а - среднеквадратичное отклонение) - отличающиеся от среднеарифметических величин, т.е. от математического ожидания. Вероятностный подход, бесспорно, принес огромную пользу медицине. Среднестатистические характеристики позволяют выяснять закономерности происхождения и развития многих процессов. Однако, в силу сложившихся традиций (сглаживания; аппроксимации монотонными функциями, не учитывающими возможной дискретности исследуемых выборок; исключение крайних значений и т.п.) статистическая обработка часто дает результаты, не применимые к анализу поведения конкретного биологического объекта, будь то человеческий организм в целом или характеристики его отдельных систем, полученные в ходе КДИ [5, 8]. По данным литературы, медицинские задачи, имеющие слабоалгоритмируемый, неявный характер, решаются вероятностными методами с точностью и удобством, недостаточными для их широкого практического применения при решении задач классификации сложных биологических систем и прогнозирования их поведения [11].
Поиск и внедрение в практику методов, позволяющих справиться с проблемами формализации и интерпретации экспериментальных данных, получаемых в ходе КДИ, является важной задачей. Любые медицинские исследования должны опираться на точную классификацию и идентификацию объекта изучения. Это, казалось бы, тривиальное утверждение не всегда является руководством к действию. Этому есть как объективные, так и субъективные предпосылки. К первым можно отнести следующее: во-первых, значительная часть исследований проводится на относительно немногочисленных, с точки зрения статистического анализа, тест-объектах, например, число пациентов, вовлеченных в клинико-диагностические исследования редко встречающихся патологий, может насчитывать единичные случаи; во-вторых, полиморфизм патогенеза у разных пациентов может сильно варьировать, и реально представляют его лишь немногие врачи, специализирующиеся на его изучении; в-третьих, существует немало заболеваний, диагностика которых представляет большие сложности т.к. они имеют схожие признаковые пространства и диагносту трудно классифицировать патологию по результату КДИ. Многолетний опыт проведения патоморфологических исследований показал, что при морфологической диагностике ряда онкозаболеваний часто возникают разные оценки исследуемого мате-
Специфическая способность «целостности охвата» условий проблемной 2ситуации.
Эвристика - система логических приемов и методических правил исследования, метод обучения, способствующий развитию творческого подхода.
