CC BY
799
5. Щепин, О.П. Региональные особенности, тенденции, /О. П. Щепин, В.Ю. Дятлов //Проблемы социальной гигиены,
факторы развития общественного здоровья Смоленской области здравоохранения и истории медицины.- 2012.- №1.— С.6-10.
УДК 616. 12-073
МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В БИОМЕДИЦИНЕ Л.В.МЕЗЕНЦЕВА, С.С.ПЕРЦОВ ФГБУНИИ нормальной физиологии им.П.КАнохина РАМН, ул. Моховая 11, кор.4, г. Москва, 129009
Аннотация: биомедицинское моделирование — важный инструмент познания механизмов системной организации физиологических функций человека и животных. Помимо экспериментальных и генетических биомоделей на животных различных генетических линий, для изучения закономерностей протекания физиологических процессов в организме человека или животных в настоящее время широко применяются математические и компьютерные модели. Эти модели имеют преимущества перед другими видами биомоделей, так как для получения новых научных знаний не требуют проведения большого количества дорогостоящих экспериментов на животных. Использование в научных исследованиях методов математического и компьютерного моделирования и получение новых знаний о механизмах изучаемых процессов путем проведения вычислительных экспериментов на компьютере — это новое направление в биомедицинской науке, основанное на работах по кибернетической физиологии известного советского ученого, академика П.К. Анохина. Основные идеи П.К. Анохина — теория функциональных систем и системный подход к исследованию физиологических функций положили начало развитию в нашей стране работ по математическому моделированию в биомедицине. В настоящей статье излагается современное состояние этой проблемы, рассмотрены методологические аспекты и подходы к математическому моделированию в биомедицине.
Ключевые слова: биомоделирование, теория функциональных систем, математическая и компьютерная модель, теоретическая физиология.
MATHEMATICAL MODELING IN BIOMEDICINE L.V.MEZENTSEVA, C.C.PERTSOV
Institute of Normal Physiology Russian Academy of MS named after P.K. Anokhin
Abstract: Biomedical modeling is an important tool for the understanding of mechanisms that underlie systemic organization of physiological functions in humans and animals. Besides experimental and genetic biomodels on animals of various genetic strains, mathematical and computer models are now widely used for studying the specific features of physiological processes in humans and animals. These models have some advantages over other types of biomodels. The acquisition of new scientific knowledge with these models does not require a considerable number of expensive experiments on animals. The use of mathematical and computer modeling in scientific researches, as well as the evaluation of mechanisms for study processes by means of computing experiments, constitute a new direction of biomedical science. This direction is based on studies on cybernetic physiology that were performed by a famous Russian scientist, academician P.K.Anokhin. The basic ideas of P.K.Anokhin are the theory of functional systems and systemic approach to study physiological functions. These investigations marked the beginning of active research on mathematical modeling in biomedicine in Russia. Our manuscript reviews the current status of this problem. Some methodological aspects and approaches to mathematical modeling in biomedicine are also considered in this paper.
Key words: biomodeling, theory of functional systems, mathematical and computer model, theoretical physiology.
ского (болезнь), частично воспроизводящего функционирование прототипа.
Генетически обусловленная биомодель — специальные линии животных, имеющие врожденные изменения или патологию, характерную для заболеваний человека.
Математическая модель — абстрактное воплощение нашего представления о системе или о процессе, представленная виде математических символов, формул, уравнений.
Компьютерная модель — математическая модель, записанная на каком-либо языке программирования и реализованная в виде программы для ЭВМ.
При выборе и формулировке математической модели, определяющими обстоятельствами являются объект, цель, метод и средства моделирования [11]. Методами математического моделирования служат методы динамической теории систем. Средства — дифференциальные и разностные уравнения, методы качественной теории дифференциальных уравнений, компьютерная симуляция.
Цели моделирования:
• Выяснение механизмов взаимодействия элементов системы.
• Идентификация параметров модели по экспериментальным данным.
• Оценка устойчивости системы.
• Прогноз поведения системы при различных внешних воздействиях.
• Оптимальное управление системой в соответствии с выбранным критерием оптимальности.
Первый этап математического моделирования заключается в выборе наиболее существенных закономерностей, обнаруженных экспериментаторами в процессе изучения данного явления, и их математической формулировке либо в виде математических
На протяжении всего периода развития науки ученые занимаются разработкой моделей, описывающих свойства материального мира. Модель любого наблюдаемого в природе явления или процесса - это материальное или абстрактное воплощение нашего представления о системе или о процессе. Можно сказать, что любая закономерность, существование которой твердо установлено экспериментально, представляет собой модель. Естественно, что объяснение наблюдаемых явлений всегда возможно лишь на уровне существующих знаний. Поэтому модель всегда представляет собой абстракцию, которая со временем постоянно уточняется по мере развития науки и техники, появления новых экспериментальных методов и технических средств.
Биомедицинское моделирование, привнося свои подходы и методы, является лишь малой частью единых подходов и методов моделирования. Формально-логические основы биомоделирования, его роль и место в анализе биосистем, вопросов их устойчивости, прерывности и непрерывности, возможностей экстраполяции между различными животными и человеком, изложены в работе [8]. В этой работе под моделью (лат. modelus - мера, норма, образец) подразумевается некий материальный или виртуальный объект, замещающий в процессе изучения объект-оригинал, сохраняя типичные для конкретного исследования черты. Биомоделирование является процессом представления, отображения, реализации системы, структуры или программы, в результате которого мы получаем новую информацию об объекте. Биомоделирование включает использование методов самых различных областей знания: биологии, медицины, физики, химии, математики и т. д.
Животное-биомодель - лабораторное животное, используемое в эксперименте для изучения закономерностей протекания физиологических процессов в организме человека или животных.
Экспериментальная биомодель - создаваемая экспериментально модель того или иного состояния, в том числе патологиче-
формул, либо в виде систем алгебраических или дифференциальных уравнений, либо с помощью какого-либо другого математического аппарата. Следующий этап — аналитическое исследование этих уравнений, если это не слишком сложный и поддающийся аналитическому исследованию математический аппарат. Если математический аппарат сложный и сформулированные уравнения не могут быть исследованы аналитическими методами, то применяются численные методы, а в современной науке — методы компьютерного моделирования.
Зарождение и развитие методов математического моделирования в биомедицине. кибернетика и теория функциональных систем П.К. Анохина. Проникновение методов математического моделирования в биомедицину связано с изобретением ЭВМ и зарождением новой науки — кибернетики. В 1948 году Н.Винер определил кибернетику как «управление и связь в животном и машине» [22]. Физиология явилась основной биологической дисциплиной, оказавшей большое влияние на развитие кибернетики. Первая математическая модель, возникшая на основе идей кибернетики — физиологическая, созданная Н.Винером в соавторстве с физиологом А.Розенблютом. Их совместное исследование было посвящено математическому моделированию процессов проведения электрических импульсов в сердечной мышце [4]. В результате этих совместных исследований авторы получили не только экспериментальное подтверждение кибернетических идей, но и новые детали физиологического представления о механизмах регуляции проводимости электрических импульсов в сердечной мышце.
В отечественной биомедицинской науке кибернетические идеи получили широкое развитие в трудах известного советского ученого, академика П.К.Анохина. Н.Винер во время своего визита в Москву в 1966 году и посещения Сеченовского института физиологии, которым руководил П.К. Анохин, признал, что работы П.К. Анохина по физиологической кибернетике намного опередили зарождение кибернетического направления в других отраслях науки [12]. На 26-м Международном конгрессе физиологических наук (IPS) в Нью-Дели в 1974 году известный американский нейропсихолог С.Корсон в докладе, посвященном памяти П.К. Анохина, заявил, что П.К. Анохин по праву признан основоположником физиологической кибернетики. Основные идеи П. К. Анохина — теория функциональных систем и системный подход к исследованию физиологических функций [1,2] положили начало развитию в нашей стране работ по математическому моделированию в биомедицине и теоретической физиологии. Теоретическая физиология объединяет в себе интегративную и кибернетическую физиологию, а также теорию функциональных систем П. К. Анохина. Фундаментальной основой этих наук является их математизация, основанная на системном анализе физиологических функций с помощью методов математического моделирования.
Среди отечественных физиологов большой вклад в развитие методов математического моделирования в биомедицине внесли также работы В.В.Парина, Р.М.Баевского, А.А.Ляпунова и других ученых. А.А.Ляпунов создал методологию построения математической модели физиологической системы. Он организовал в Московском университете кибернетический семинар, в котором математики совместно с биологами формулировали кибернетический подход и методологию математического моделирования в биомедицине. В результате работы семинара проблемами математического моделирования в биомедицине заинтересовались молодые научные сотрудники, которые впоследствии работали в различных областях теоретической биологии [13,14,16,21]. В обращении руководителей двух последних Международных физиологических конгрессов 20го века: 32-го (Глазго,1993) и 33-го (Санкт-Петербург, 1997), содержатся рекомендации о необходимости дальнейшего развития теоретической биологии [17,20].
Теоретическая биология получила развитие путем использования методов общей теории систем, теории информации, математической логики, теории автоматов, теории автоматического регулирования, теории надежности, теории распознавания образов, теории массового обслуживания и других. Но базисным фундаментом теоретической биологии является метод математического моделирования. Направление исследований, связанное с применением методов математического моделирования в биомедицине, в настоящее время интенсивно развивается как в нашей стране, так и за рубежом.
Имеются специальные журналы, посвященные работам в области математических моделей: «Theoretical Biology»;
«Biosystems»; «Mathematical biology», «Biological systems» и др.
Работы по математическому моделированию печатаются практически во всех российских биологических журналах.
Так, в работе [15] рассматриваются вопросы, связанные с экстремальными принципами в математической биологии. В работе [16] рассмотрены вопросы математического моделирования изменения функционального состояния живого организма в период действия регулярных внешних нагрузок. В работах [18,19] методы математического моделирования используются для изучения механизмов электро-механического сопряжения в сердце. В работах [9,10] излагается математическая теория кровообращения и обобщается опыт применения методов математического моделирования в клинической практике в целях интенсивной терапии. В академических Институтах созданы и успешно функционируют лаборатории по развитию методов математического моделирования в биомедицинской науке. В статье Нобла Д. «Биофизика и системная биология» [20] рассматриваются направления развития исследований в области теоретической биологии. Основным стержнем этого направления исследований являются основные идеи П.К.Анохина -теория функциональных систем и системный подход к исследованию физиологических функций [1,2], которые положили начало развитию работ по математическому моделированию в биомедицине и теоретической физиологии.
Методология математического и компьютерного моделирования физиологических процессов. Математический анализ физиологических функций содержит в себе два типа моделей: 1 тип — модели данных и 2 тип — модели систем. При построении модели данных не используются вовсе или используются в ограниченном объеме гипотезы о структуре моделируемой системы. Ставится задача получить математическую функцию, наиболее точно описывающую набор исходных данных. Один из вариантов такого подхода — построение статистической модели данных. Модель берется полиномиальная, экспоненциальная, логлиней-ная или какого-либо другого типа. Стохастические эффекты могут не иметь физиологического смысла. В клинической практике статистические модели применяются для сравнения результатов разных вариантов лечения; в диагностике — для построения дискриминантных прямых или кривых, разделяющих точки в пространстве признаков, соответствующие различным нозологическим единицам; в терапии — для построения индексов тяжести заболевания или построения уравнения регрессии, на основе которого прогнозируется течение болезни и ведется управление лечением. При построении первого типа моделей (моделей данных) работает стандартный аппарат математической статистики и не учитываются физиологические особенности структурнофункциональной организации моделируемого объекта.
Модели 2 типа — модели систем, в отличие от моделей данных, базируются на физиологических принципах и гипотезах о структурно-функциональной организации моделируемого объекта, а также возможных механизмах, лежащих в основе его функционирования. При формулировке модели 2 типа используется вся известная a priori информация. Компоненты вектора состояний системы, как правило, имеют реальный физиологический смысл и своих аналогов в моделируемом объекте. Целью моделирования является проверка положенной в основании модели физиологическая гипотеза и выяснение физиологических механизмов, лежащих в основе изучаемого явления или процесса. Исследования, выполненные с применением методов математического моделирования 2 типа, как правило, носят фундаментальный характер, а с применением методов математического моделирования 1 типа — прикладной характер. Причем результаты анализа физиологического эксперимента с построением модели данных, как правило, служат исходным материалом для следующего этапа исследования — системного анализа этих моделей данных и построения математической модели функционирования изучаемой системы, направленного на выяснение фундаментальных физиологических механизмов, лежащих в основе ее функционирования.
Метод математического моделирования является важным инструментом изучения закономерностей, лежащих в основе функционирования сложных систем произвольной природы, в том числе биомедицинских. Основной принцип математического моделирования сложных систем — принцип оптимальности [3]. Это означает, что модель должна быть максимально простой, т.е. содержать минимальное число переменных (и, следовательно, уравнений) а также сравнительно простые связи между переменными. Сравнительно простые нелинейные модели содержат богатые возможности описания нетривиальных
явлений, а сложные модели, содержащие большое число переменных, как правило, не позволяют провести качественный анализ и поэтому оказываются практически бесполезными. По существу построение оптимальной модели представляет собой то, что понимается под системным подходом. При построении оптимальной модели возникает две задачи.
Первая - прямая задача или задача синтеза. Вторая -обратная задача, или задача анализа [5,6,7]. Суть прямой задачи состоит в том, что выходные переменные, характеризующие состояние анализируемого процесса, рассчитываются с
использованием моделирующего алгоритма исходя их заданных значений входных параметров и начальных условий. Математическая модель процесса представляет собой алгоритм аналитического решения системы уравнений, заложенной в модели. Компьютерная модель процесса представляет собой алгоритм решения системы уравнений, заложенной в модели, реализованный на компьютере. Метод математического и компьютерного моделирования является важным инструментом познания механизмов, лежащих в основе исследуемых физиологических процессов.
Обратная задача математического моделирования (анализ), формулируется как задача нахождения исходных параметров и алгоритма модели исходя из экспериментальных характеристик исследуемого физиологического процесса (например, вариабельности ритма сердца). Эта задача в сущности означает выявление механизмов, лежащих в основе изучаемого процесса. Решение обратной задачи математического моделирования оказывается более сложным, чем решение прямой задачи, так как обычно обратные задачи относятся к классу некорректных. В настоящее время решение слабо некорректных и умеренно некорректных задач - бурно развивающаяся область теоретической и прикладной математики, так как эти задачи имеют широкое практическое применение в различных отраслях естественных и технических наук.
При построении модели важную роль играет процесс ее идентификации, т.е. решение задачи определения численных значений параметров, входящих в уравнения. Различают теоретическую и практическую идентифицируемость модели [23]. Модель называется теоретически идентифицируемой, если все параметры модели могут быть однозначно восстановлены по известным сигналам на выходе системы. Сигналы на входе и выходе предполагаются известными точно, причем входной сигнал управляемый и на него не налагается ограничений. Теоретически идентифицируемая модель может оказаться практически не идентифицируемой из-за неизбежных погрешностей в измерении входного и выходного сигнала, ограничений на амплитуду или возможность управления сигналом на входе, ограничений на продолжительность наблюдений за системой и т.п. Теоретическая идентифицируемость параметров зависит только от структуры модели, поэтому ее называют структурной идентифицируемостью.
Формулировка и построение окончательной математической модели изучаемого явления - это, как правило, длительный процесс постоянного совершенствования модели, направленный на достижение максимального количественного соответствия между расчетными и экспериментальными данными. Первый этап математического моделирования - выбор теоретической структуры модели. Теоретическая структура модели выбирается исходя из имеющихся знаний о физических, физиологических и др. законах, которым подчиняется моделируемый объект. Далее из всевозможных моделей с учетом ограничений на область приложений и цели моделирования выбирается одна. Это первое, как правило, упрощенное, линейное приближение. После этого разрабатывается план проведения экспериментов, направленных на проверку качественного совпадения между моделью и экспериментом. Если модель прошла эту проверку, то разработчик приступает к следующему шагу - расчету методом математического или компьютерного моделирования количественных характеристик изучаемого явления и их проверке на соответствие экспериментальным данным. С этого момента начинается процесс уточнения и совершенствования модели. Этот процесс постепенного уточнения модели, как правило, является длительным экспериментально-расчетным исследованием, проводимым физиологами
- экспериментаторами совместно с математиками- разработчиками модели. Это - своего рода экзамен, проверка модели, который она может выдержать, а может и не выдержать. Если результаты экзамена оказываются неудовлетворительными, модель отклоняется и снова повторяется процедура построения модели, начиная
с этапа расширения подмножества допустимых моделей. Модель, успешно выдержавшую и последнее испытание, принимают в качестве окончательной.
Современные математические модели в физиологии с необходимостью являются компьютерными моделями, т.к. исследование в силу их сложности проводится в основном с помощью компьютера. Одним из требований к таким (реализованным на компьютере) моделям является организация возможности быстрого развития модели, так как модель постоянно развивается, появляются новые экспериментальные данные, пересматриваются модели уже существующих подсистем, добавляются новые подсистемы регуляции тех или иных физиологических функций.
Разработать модель - это означает сформулировать формулу (уравнение, или систему уравнений), в которой заключена вся информация об изучаемом явлении. Эта формула (уравнение) позволяет рассчитывать и предсказывать все возможные частные случаи, возникающие при тех или иных условиях. Раньше, до появления вычислительных машин, создание теоретических основ, т.е. разработка математической модели того или иного явления заключалась в формулировке уравнений модели и их исследовании средствами аналитической математики. В нашу эпоху -эпоху компьютеризации всех отраслей человеческого знания, понятие модели расширилось. Эпоха аналитической математики и аналитических моделей сменилась эпохой дискретной математики и компьютерных моделей. Поэтому если раньше разработка теоретических основ того или иного явления или процесса заключалась в формулировке математических уравнений и их аналитического исследования, то в наше время разработка теоретических основ того или иного явления или процесса означает разработку компьютерной модели этого явления. Если аналитические методы ограничены узкими возможностями (сложные процессы требуют такого большого объема вычислений, которые не могут быть выполнены аналитически), то методы компьютерного моделирования имеют значительно более высокие возможности и позволяют исследовать сложные процессы, в том числе и процессы, происходящие в живых системах.
Перспективы применения математических моделей в биомедицине. В нашу эпоху - эпоху широкой компьютеризации всех областей наук, создание теоретических основ изучаемого явления или процесса означает создание соответствующей компьютерной модели. Особенно важное значение этот процесс имеет для биомедицинских наук. Если в физике экспериментатор имеет дело с объектами неживой природы, с которыми можно проводить какие угодно эксперименты, здесь нет никаких этических норм, то в биомедицине на эксперименты накладывается много ограничений. Например, экспериментировать с влиянием различных экстремальных воздействий на сердечную деятельность человека, изучать возникновение стресс-индуцированных сердечных аритмий различной степени тяжести, включая фибрилляцию желудочков, очевидно, невозможно. Эксперименты на животных -тоже очень ограничены. Кроме того, проведение реальных физиологических экспериментов на животных дорого. Это требует дорогостоящего оборудования, больших трудозатрат высококвалифицированных ученых-экспериментаторов, большого времени для накопления достаточного статистического материала. И здесь на помощь ученым-исследователям приходят новые компьютерные технологии, позволяющие заменить реальные физиологические эксперименты - вычислительными экспериментами, выполненными с помощью методов компьютерного моделирования. Их возможности очень широки и порой они могут дать исследователю больше информации, чем реальные физиологические эксперименты. Вычислительные эксперименты лишены тех недостатков, которые присущи реальным физиологическим экспериментом. С помощью вычислительных экспериментов можно изучать влияние сколь угодно больших стрессорных нагрузок на организм человека, набирать сколь угодно большой статистический материал (число опытов - 1000, 10000 и т.д.) и все это при минимуме временных и материальных затрат. Например, чтобы провести 10000 вычислительных экспериментов, получить новые данные по изучаемой проблеме, проанализировать их и подготовить статью в научный журнал, потребуется около 2 недель применительно к вычислительным экспериментам и не менее 1 года
- применительно к реальным физиологическим экспериментам. А качество научных статей для вычислительных экспериментов не ниже, а порой даже выше, чем для реальных физиологических. Разработка теоретических основ той или иной отрасли науки
означает создание совершенной математической модели, обобщающей всю совокупность разрозненных эмпирических фактов, и ее реализация в виде компьютерной модели. Эта модель позволяет с помощью вычислительных экспериментов не только воспроизводить реальный физиологический эксперимент, но также предсказывать новые факты, прогнозировать последствия различных экстремальных воздействий на организм человека и животных. Задача ученого - не только накопление экспериментальных фактов, но и их математическое обобщение в виде математических моделей. Математическое моделирование и вычислительный эксперимент - это будущее физиологии и биомедицины.
Литература
1. Анохин, П.К. Принципиальные вопросы общей теории функциональных систем. Принципы системной организации функций./П.К.Анохин.- М.: Наука, 1973.- 258 с.
2. Анохин, П.К. Избранные труды. Кибернетика
функциональных систем / П.К.Анохин (Под ред.К.В.Судакова).-М.: Медицина, 1998.- 475 с.
3. Введение в математическое моделирование патологических процессов / Б.И.Балантер [и др.].- М.: Медицина, 1980.- 262 с.
4. Винер, Н. Проведение импульсов в сердечной мышце. Математическая формулировка проблемы проведения импульсов в сети связанных возбудимых элементов, в частности в сердечной мышце/ Н. Винер, А. Розенблют // Кибернетический сборник.-1961.- №.3.- С.7-56.
5. Нейроинформатика / А.Н. Горбань [и др.].- Новосибирск: Наука, 1998.- 258 с.
6. Журавлев, С.Г. Биомедицинские модели и их идентификация /С.Г. Журавлев, В.В. Ермаков // Итоги науки и техники. Серия «Математическая биология и медицина».- М.: ВИНИТИ, 1989.
7. Зайцев, А.А. Математическая модель изменения функционального состояния живого организма в период действия регулярных внешних нагрузок /А.А. Зайцев, С.В. Сазонов// Биофизика.- 2002.- Т.47.- №4.- С.752-758.
8. Каркищенко, Н.Н. Основы биомоделирования /Н.Н. Кар-кищенко.- М.: Межакадемическое издательство ВПК, 2005.- 608 с.
9. Лищук, В.А. Математическая теория кровообращения / В.А.Лищук.- М.: Медицина, 1991.- 232 с.
10. Лищук, В. А. Опыт применения математических моделей физиологических систем в интенсивной терапии / В.А. Ли-
щук, Д.Ш. Газизова // Материалы ХХ съезда физиологического общества им. И.П.Павлова. 4-7 июня 2007.— М.. — 309 с.
11. Ризниченко, Г.Ю. Лекции по математическим моделям в биологии. /Г.Ю.Ризниченко.— М.: Изд. РХД, 2002.— 560 с.
12. Судаков, К.В. Кибернетические свойства
функциональных систем / К.В. Судаков // Вестник новых медицинских технологий.— 1998.— Т.5.— № 1.— C. 12—18.
13. Федоров, В.И. Классификация управляющих систем организма. Дополнение к теории функциональной системы П.К. Анохина/ В.И. Федоров //Успехи совр. биологии.— 2000.— Т.120.— №1.— С.3—11.
14. Федоров, В.И. Физиология и кибернетика: история взаимопроникновения идей, современное состояние и перспективы / В.И. Федоров // Успехи физиологических наук.— 2007.— Т. 38.— №3.— С. 72—86.
15. Экстремальные принципы в математической биологии / П.В. Фурсова [и др.] // Успехи современной биологии.— 2003.— Т.123.— №2.— С. 115—117.
16. Theoretical analysis of the regulation of interferon expression during priming and blocking / S.I.Bazhan [et al.] // J.Theor. Biol.— 1995.— V.175.— №2.— P. 149—160.
17. Ito, M. Preface XXXIIrd International Congress of Physiological Sciences. Final Announcement / M.Ito // St.Petersburg, 1997.— P. 2.
18. Influence of viscosity on myocardium mechanical activity: a mathematical model / L.B. Katsnelson [et al.] // J Theor Biol.— 2004.— V.230.— №3.— P. 385—405.
19. Mechano-electrical heterogeneity in physiological function of the heart. In: Cardiac mechano-electric feedback and arrhythmias: from pipette to patient / V.S. Markhasin [et al.] // Saunders.— 2005.— P. 214—223.
20. Noble, D. Preface XXXInd International Congress of Physiological Sciences. Final Announcement / D. Noble.— Glasgow.— 1993.— P2.
21. Romaniukha, A.A. Mathematical modeling of T cell proliferation / A.A. Romaniukha, I.A. Sidorov// Math.Biosci.— 1993.— V. 115.— №3.— P. 187—232.
22. Wiener, N. Cybernetics or Control and Communication in the Animal and Machine / N. Wiener.— Paris: The Technology Press and John Wiley and Sons Ync.N.Y.Herman et Cie, 1948.— 348 p.
УДК 612.014.426(571.122)
МАГНИТОБИОЛОГИЧЕСКИЕ ЭФФЕКТЫ В КОМПЛЕКСНОМ БИОТРОПНОМ ВОЗДЕЙСТВИИ НА ОРГАНИЗМ ЧЕЛОВЕКА ЭКСТРЕМАЛЬНЫХ ЭКОЛОГИЧЕСКИХ ФАКТОРОВ ВЫСОКИХ ШИРОТ: БИОИНФОРМАЦИОННЫЙ АНАЛИЗ
В.А. КАРПИН, О.Е. ФИЛАТОВА
Сургутский государственный университет, пр. Ленина, 1, г. Сургут, Тюменская область, 628412
Аннотация: целью настоящего исследования явилось определение с применением новых современных методов биоинформационно-го анализа места и роли гелиогеомагнитной активности в комплексном биотропном воздействии на организм человека особых экологических факторов высоких широт. Изучалась сезонная динамика рецидивирования хронических заболеваний внутренних органов (стенокардия, гипертоническая болезнь, хронический бронхит, ревматизм) у жителей г. Сургута за пятилетний период. Параллельно отмечалась среднемесячная динамика геомагнитной активности. Проведенный корреляционный анализ в рамках второй, стохастической (вероятностной) парадигмы показал, что суммарная среднемесячная и сезонная динамика геомагнитных колебаний, выявленная при многолетнем наблюдении на территории Югры, играет существенную роль в течении хронических неинфекционных болезней. Однако в рамках второй парадигмы не представляется возможным определить значимость геомагнитной активности в комплексном биотропном влиянии экстремальных экологических факторов. Разрешение данной проблемы возможно только с позиции третьей, синергетической парадигмы. Применение метода идентификации параметров квазиаттракторов в фазовом пространстве состояний позволяет в рамках синергетической парадигмы выявить значимость геомагнитных возмущений в комплексном биотропном воздействии на организм человека неблагоприятных экологических факторов высоких широт.
Ключевые слова: высокие широты, геомагнитная активность, хронические заболевания, биотропные эффекты.
MAGNITOBIOLOGICAL EFFECTS IN COMPLEX BIOTIC INFLUENCE OF NORTHERN ECOLOGICAL FACTORS ON THE HUMAN
ORGANISM: BIOINFORMATION ANALYSIS
V.A. KARPIN, O.E. FILATOVA Surgut state university
Abstract: aim of this research is the discovery of the geliogeomagnetic activity role in complex biotic influence of high latitudes special ecologic factors on the human organism by modern bioinformation methods. Season dynamic of intern chronic diseases (stenocardia, essential hypertension, chronic bronchitis, rheumatic fiver) recidivations in the five years period between northern residents was studied. On the same time geomagnetic
