CC BY
47
Математическое моделирование www.idmz.ru _
2015, № 2 ''
Е.Л. БОРЩУК,
д.м.н., ФГБОУ ВПО «Оренбургская государственная медицинская академия», г. Оренбург, Россия Д.В. ГОРБАЧЕВ,
к.т.н, ФГБОУ ВПО «Оренбургский государственный институт менеджмента», г. Оренбург, Россия Д.Н. БЕГУН,
к.м.н, ФГБОУ ВПО «Оренбургская государственная медицинская академия», г. Оренбург, Россия О.В. ТРОФИМОВА,
ФГОБУ ВПО «Поволжский государственный университет информатики и телекоммуникаций», г. Самара, Россия
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПЕРЕХОДА СОСТОЯНИЙ ПАЦИЕНТА В ПРОЦЕССЕ ЛЕЧЕНИЯ НА ОСНОВЕ НЕЙРОСЕТЕВОГО ПОДХОДА
УДК 519.711.3
Борщук Е.Л., Горбачев Д.В., Бегун Д.Н., Трофимова О.В. Математическая модель перехода состояний пациента в процессе лечения на основе нейросетевого подхода (ФГБОУ ВПО «Оренбургская государственная медицинская академия», г. Оренбург, Россия; ФГБОУ ВПО «Оренбургский государственный институт менеджмента», г. Оренбург, Россия; ФГОБУ ВПО «Поволжский государственный университет информатики и телекоммуникаций», г. Самара, Россия)
Аннотация. Описана модель состояний пациента, которая позволяет определить любое его целевое состояние, а именно, исход лечения, зная только степень тяжести заболевания, и в этом смысле предлагаемая модель является универсальной. Построена нейросетевая модель при имитации процессов лечения. Результат моделирования — это последовательность переходов состояния пациента при лечении заболевания в соответствии с применяемой медицинской технологией.
Ключевые слова: пациент, модель, лечебно-диагностический процесс, нейронная сеть. UDC 519.711.3
Borschuk E.L., Gorbachev D.V., Begun D.N., Trofimova O.V. Mathematical model of the transfer of patient's states in the process of treatment on the basis of the neuronet approach (Federal State Budgetary Educational Institution of Higher Professional Education Orenburg State Medical Academy, Orenburg, Russia; Federal State Budgetary Educational Institution of Higher Professional Education Orenburg State Institute of Management, Orenburg, Russia; Federal State Educational Budgetary Institution of Higher Professional Education Povolzhskiy State University of Informatics and Telecommunications, Samara, Russia)
Abstract. The model of patient's states is described, which permits to determine any his goal state namely the treatment outcome knowing only severity of a disease, and in this regard the proposed model is universal. During the imitation of the treatment processes the neuronet model has been made. The modeling result is the sequence of the transfers of patient's state during the disease treatment in accordance with the applied medical technology. Keywords: patient, model, treatment and diagnostic process, neuron network.
Введение
О
|дним из инструментов, который становится все более доступным для решения вопросов эффективного управления здравоохранением в общем и медицинской организацией, в частности, является моделирование. Предпосылками к широкому использованию моделирования в здравоохранении являются информатизация здравоохранения и распространение
Е.Л. Борщук, Д.В. Горбачев, Д.Н. Бегун, О.В.Трофимова, 2015 г.
>
и информационные
технологии
1Т-технологий, происходящие в настоящее время. Наиболее часто в медицине моделью называют и результаты воссозданных патологических состояний при исследовании на животных с целью изучения патолого-физиологи-ческих механизмов возникновения заболеваний, морфологических особенностей патологических процессов, эффективности применяемого лечения [1,2,3].
Однако возможности применения моделирования в здравоохранении весьма высоки и в целом направлены на управление ресурсами: начиная от отдельных структурных подразделений медицинских организаций и заканчивая ресурсами системы здравоохранения в целом.
Постановка задачи
В проводимом исследовании основной акцент делается на аспекты управления лечебно-диагностическим процессом в медицинской организации с позиций его обеспеченности всеми видами ресурсов (персонал, медицинское оборудование, препараты и пр.), их рационального распределения, также достижения заданного результата применяемой для лечения заболевания медицинской технологии.
В методической схеме исследования ведущую роль играет пациент (больной), поскольку именно он является инициатором и непосредственным участником лечебно-диагностического процесса медицинской организации. Основу построения модели пациента составляет описание, приведенное в ГОСТ Р 52600.0-2006 [4]. Однако получить полную информационную картину как о состояниях пациента, так и, что особенно важно, о его маршрутах движения в пространстве объектов медицинской организации, а также измерения мер воздействия на причинные факторы, определяющие эти состояния, по данной модели не представляется возможным. Поэтому предлагается следующее развитие модели пациента.
□сновная часть
Модель пациента регламентирует совокупность клинических или ситуационных характеристик на основе оптимизации выбора переменных (осложнение, фаза, стадия заболевания) с учетом наибольшего их влияния на выбор медицинских технологий лечения. Стандартом [4] предусматривается три вида моделей пациента:
• нозологическая;
• синдромальная;
• ситуационная.
Поскольку предметом исследования являются организация и протекание лечебно-диагностического процесса, в дальнейшем рассматриваются нозологическая и синдромаль-ная модели.
При формировании нозологической и син-дромальной моделей пациентов выделяют фазы хронических заболеваний (обострение, ремиссия, рецидив, проградиентное и стабильное течение) и фазы заболеваний (острое состояние, стабилизация процесса, разрешение, остаточные явления).
К осложнениям заболевания относятся:
• присоединение к заболеванию синдрома или нарушения физиологического процесса;
• нарушение целостности органа или его стенки;
• кровотечение;
• развившаяся острая или хроническая недостаточность функции органа или системы органов.
В конкретной ситуации состояние пациента предлагается измерять мерой степени тяжести заболевания х, е X, I = 1,..., 6 (табл. 1).
В зависимости от степени тяжести заболевания возможными становятся различные варианты исходов лечения болезней е и, ] = 1,., 14 [4].
В предлагаемой модели считается, что заболевание может развиваться как постепенно — последовательное повышение степени тяжести болезни (развитие осложнений, обострение), так и «скачкообразно» — рез-
Математическое моделирование
www.idmz.ru
РЧВВ
Меры степени тяжести заболевания
2015, №2
Таблица 1
№ п/п Наименование степени тяжести заболевания Мера тяжести заболевания Примечания
1 Болезнь отсутствует 9
2 Легкое заболевание 7 Значения 2, 4, 6, 8
3 Заболевание средней тяжести 5 соответствуют промежуточным состояниям тяжести
4 Тяжелое заболевание 3
5 Крайне тяжелое заболевание 1 заболевания
6 Летальный исход 0
кое ухудшение состояния здоровья пациента и, следовательно, резкое увеличение степени тяжести заболевания, вплоть до летального исхода. Также в модели предполагается, что лечение заболевания осуществляется только последовательно: улучшение состояния при высокой степени тяжести заболевания последовательно проходит среднюю, легкую и далее до выздоровления.
Применение той или иной медицинской технологии лечения заболевания влечет облегчение степени тяжести заболевания и определенный исход, ы{ е и, / = 1,..., 14, наиболее предпочтительным из которых является и1 — «Восстановление здоровья». Допустимыми исходами являются и2, и3, и4 — «Выздоровление». Считается, что исходы лечения и5-и13 представляют собой состояния пациента, когда лечение продолжается.
Описанная выше вербальная модель естественным образом формализуется с помощью математического аппарата искусственных нейронных сетей [5].
Нейронная сеть, моделирующая пространство состояний пациента и исход его лечения, показана на рис. 1. Данная нейронная сеть относится к классу рекуррентных нейронных сетей 11-го порядка, в которой несколько модифицирован контур обратной связи в скрытом слое.
Модификация заключается во введении в обратную связь функции 01 = УХ¡)), применяемой к сигналам, поступающим с выхода
нейронов, для имитирования лечебных процедур медицинской технологии.
Входным воздействием НС в модели пациента являются нозологическая форма и степень тяжести заболевания, х, е X, / = 1.6 и единичный вектор РСиноптические связи, соединяющие вход НС с первым слоем нейронов, показывают начальное состояние, в котором находится пациент. Связи следующих уровней НС обуславливают состояния пациента в процессе лечения. Выход каждого слоя НС интерпретируется как переход пациента в состояние и, е и. Выходом модели является одно из желаемых целевых состояний и1.4.
Нейронная сеть состоит из входного слоя, одного скрытого слоя и выходного слоя. Нейроны 1.5 соответствуют некоторому состоянию пациента во время лечения. Нейрон {ЫиЩ, п = 6 — фатальное состояние.
Локальное поле нейронов входного слоя определяется уравнением
МЕТП] = хаи (1)
где весовые коэффициенты wal, / = 1.6, I — номер связи нейрона, к — номер слоя НС.
Математическая модель формирования выходного сигнала записывается следующим образом:
КЕТ а = + Ъ1м>;1Р(1)у, (2)
и информационные
технологии
Уо = /(х„) = ты
Рис. 1. Модель пространства состояний пациента
е
Уп = th.NETц =
,ЖТи — р-ШТа
У ¡11 ХИ2
¡12'
е-ЖТ„>
[у, - в) >0, Х+П2;
(у, - в) =0, Ха2; [(у1 - в) <0, Х-„2.
(3)
(4)
У1 интерпретируется следующим образом: вероятность выздоровления пациента исходя из состояния на момент поступления на лечение. При этом для случая y¡ >у1_] имеет место ухудшение состояния.
При Уп больше в, сигнал передается на нейрон ¡ + 1 — ухудшение состояния. При У 1 меньше в, — на нейрон ¡-1 — улучшение состояния. При У1 = в, — на нейрон ¡.
Скрытый слой НС с обратной связью позволяет моделировать динамику изменения
состояния пациента при применении медицинской технологии. Сигналы, сформированные на выходе нейронов 1-го слоя, поступают на синаптические связи скрытого слоя.
В первой фазе работы скрытого слоя НС вначале выполняется инициализация нейронов ^элементным вектором ха2 = у а1. При этом сформированное локальное поле нейрона NET¡2 характеризует начальное состояние нейрона (инициализация):
ШТЯ2 = X М> ,
^¡12 х ¡2
(5)
Однако, в связи с тем, что на входы -го нейрона скрытого слоя поступает разное число сигналов, то w¡l2, будет представлять следующее распределение векторов:
Математическое моделирование
www.idmz.ru
РЧН
=
™212 ^222 У?232.
Ж, =
М/312 1^322 М'ззг
w•
342.
-^412" -^512"
^422
и/432 Я II ^532
^442 ^542
-^452- -^552-
(6)
Поскольку скрытый слой нейронной сети составляют нейроны второго порядка, ее динамика описывается следующими уравнениями:
ШТ^) = в (у х (t))) + X = ¡- ^ а2ха2-у++и +1), (7) у (t + 1) = <р[ШТ ^)), (8)
где t — временной такт работы НС.
Во второй фазе работы скрытого слоя нейронной сети запускается итерационный процесс, состоящий из т итераций. Итерационный процесс завершается в момент, когда выход у2 одного из нейронов превысит в2, что означает достижение одного из целевых исходов лечения, и1^.и4.
Параметр в2 предназначен для оценки состояния пациента по одному из 14 возможных исходов лечения заболевания. Таким образом, в2 является условием окончания итерационного процесса, математическая запись которого имеет вид:
У 2 =
у¡2 > в2 У2^ )= хвых;
у2 — в'2, У2^ -1)= Х2^), (9) в(у 11 (х))= у,2(t -1) + р.
гол5, №2
Число р представляет собой результат, полученный при моделировании функции 01 = в(у(х))-
В третьей фазе работы НС единственный нейрон, для которого выполняется условие У2> в2, формирует на выходе сети отклик в виде числа У(ы1А).
Для обучения нейронной сети (рис. 1) используется алгоритм «с учителем» Уидроу-Хоффа, при котором известными считаются входные и выходные векторы НС [6].
Выводы
Описанная модель состояний пациента позволяет определить любое его целевое состояние, а именно, исход лечения, зная только степень тяжести заболевания, и в этом смысле предлагаемая модель является универсальной. Построение нейросетевой модели при имитации процессов лечения является индивидуальным, что означает построении такой модели для каждого пациента отдельно. Введенные в нейронной сети в контуре обратной связи функции G¡ = в(у(х¡)) представляют собой аналитико-имитационные формы, однозначно описывающие операции лечебно-диагностического процесса. Это означает, что возможно создать некоторую имитационную среду, описывающую лечебно-диагностический процесс, и поместить в эту среду «пациента» — предлагаемую модель. Тогда результатом моделирования будет последовательность переходов состояния пациента при лечении заболевания в соответствии с применяемой медицинской технологией.
ЛИТЕРАТУРА
1. Кирьянов Б.Ф, Токмачев М.С. Математические модели в здравоохранении: учеб. пособие/Ред. Б.Ф. Кирьянов, М.С. Токмачев. — Великий Новгород: НовГУ им. Ярослава Мудрого, 2009. — 279 с.
>
и информационные
технологии
2. Калинина О.В., Фролов Б.А., Штиль A.A., Перетолчина Н.М., Смирнова З.С. Влияние милиацина на противоопухолевую активность метотрексата на модели перевиваемой карциномы легких Льюис//Российский биотерапевтический журнал. - 2009. - № 8. - Выпуск № 4. - С. 45-48.
3. Аптикеева Н.В., Юзеев Р.Д., Долгов A.M., Стадников A.A., Вдовенко В.В. Модель экспериментальной ишемии мозжечка//Морфология. — 2008. — №134. — Выпуск № 5. - С. 52-53.
4. Протоколы ведения больных. Общие положения [Текст]: ГОСТ Р 52600.0 -2006. - Введ. 2007-10-1. - М.: Федеральное агентство по техническому регулированию и метрологии, 2007. - 16 с.
5. Хайкин С. Нейронные сети: полный курс/С. Хайкин: пер. с англ. H.H. Коссуль, А.Ю. Шелестова; под ред. H.H. Коссуль. - 2-е изд. - М.: Издательский дом «Виль-ямс», 2006. - 1104 с.
6. Борисов Е.С. Нейронные сети: обучение с учителем/Ред. Е.С. Борисов. - Сборник статей по исследованиям психических явлений. - [электронный ресурс]/ mas-ters.donntu.edu.ua/2012/fknt/kovalyov_a /library/ article8.htm (15.08.2014).
ИТ-новости
-Л-1-
APPLE ОТКРЫЛА ФРЕЙМВОРК REASEARCHKIT
ДЛЯ РАЗРАБОТЧИКОВ МЕДИЦИНСКИХ ПРИЛОЖЕНИЙ
Apple объявила о том, что программная платформа для медицинских исследований ResearchKit стала доступна для исследователей и разработчиков. Платформа была анонсирована в марте и призвана помочь врачам и ученым собирать данные о здоровье через мобильные устройства. Уже готовые мобильные приложения, созданные при помощи ResearchKit, помогают изучать симптомы таких болезней, как астма, рак груди, сердечно-сосудистые заболевания, диабет и болезнь Паркинсона. В дальнейшем этот список будет расширяться.
При помощи ResearchKit разработчики могут создавать собственные наборы приложений и добавлять новые исследовательские модули в открытую программную платформу. По подсчетам Apple, число пользователей iPhone, зарегистрированных в первых приложениях, созданных с помощью ResearchKit, за несколько недель с момента их появления в AppStore превысило 60 тыс.
ResearchKit включает визуальный шаблон электронной формы согласия, который можно настроить для разъяснения деталей исследования, модуль опросов и модуль активных задач для сбора медицинских данных. С согласия участника приложения ResearchKit получает доступ к показаниям датчиков iPhone, включая акселерометр, гироскоп, микрофон и приемник GPS, что позволяет измерять уровень двигательной активности, работу памяти и другие показатели.
Подробнее:
http://www.pcweek.ru/mobile/article/detail.php?ID=173681
