CC BY
114
УДК 007.51
Минаев А.А., Иващенко А.В.
ФГБОУ ВПО «Самарский государственный аэрокосмический университет имени академика С.П. Королева», Самара, Россия
МУЛЬТИАГЕНТНЫЕ ТЕХНОЛОГИИ СБОРА И ОБРАБОТКИ ИНФОРМАЦИИ В ЗАДАЧАХ МЕДИЦИНСКОЙ ДИАГНОСТИКИ
Инструментальные методы медицинской диагностики основываются на применении различных датчиков, способных отслеживать показатели деятельности организма, а также аппаратов диагностических воздействий и регистрации реакций. Одно из преимуществ инструментальных методов медицинской диагностики перед лабораторными заключается в сравнительно малом периоде получения результатов одного цикла измерения, что позволяет использовать их для исследования высокодинамических характеристик деятельности организма. Примерами таких характеристик могут служить важнейшие показатели деятельности, такие как артериальное давление, температура тела, насыщение крови кислородом и многие другие. Обладая способностью регистрации высокодинамических параметров, инструментальные методы зачастую используются для проведения интенсивной медицинской диагностики.
Интенсивная медицинская диагностика [1] представляет собой процесс непрерывной периодической регистрации параметров жизнедеятельности организма в течение определенного отрезка времени, предназначенный для экстренного оповещения критических изменений и/или последующего анализа динамики данных параметров. Интенсивная медицинская диагностика широко применяется во время хирургических операций и реанимационных мероприятий. Кроме того, она необходима на этапах послеоперационной адаптации пациентов, а также используется для проведения холтеровского мониторирования (суточное мониторирование ЭКГ).
Важной характеристикой при применении интенсивной медицинской диагностики является не только моментальное значение показателей деятельности организма, но и их динамика. Из этого следует необходимость накопления диагностической информации путем непрерывного сохранения измерительных потоков и ее последующий анализ. В случае применения комплексной медицинской диагностики с контролированием параметров жизнедеятельности определенным количеством датчиков возникает проблема обработки большого количества потоков диагностических данных и своевременного оповещения о выявленных тревожных ситуациях. Кроме того, в описанной ситуации для хранения диагностических данных требуются значительные объемы памяти централизованного хранилища.
Для решения проблем интенсивной медицинской диагностики на базовом уровне медицинских информационных систем применяются мониторы пациента. Монитор пациента представляет собой электронное устройство, предназначенное для сбора и отображения диагностической информации, обладающее набором интерфейсов для подключения измерительных датчиков и средствами оповещения о тревожных ситуациях. Кроме того, современные мониторы пациента обладают возможностью передачи диагностической информации на верхний уровень для сохранения и последующего анализа. В качестве верхнего уровня в таких сетях используются специализированные серверные станции.
Монитор пациента обеспечивает сбор диагностических данных с измерительных датчиков с постоянной дискретизацией, их сохранение во внутреннюю память, а также осуществляет оповещение о возникших тревожных ситуациях со звуковым и световым оповещением.
В существующей системе измерительный сигнал с датчиков поступает на монитор пациента, который обеспечивает калибровку данных, отображение в реальном масштабе времени, локальную регистрацию и световое и звуковое оповещение о тревожных ситуациях. Кроме того, данные диагностики поступают на выделенный сервер посредством локальной сети. Сервер, принимая диагностические данные, сохраняет их в своей базе данных. Также сервер отвечает за пост-обработку информации, выделения агрегированных данных, а также передачу этих данных на средства отображения медицинского персонала.
Мониторы пациента успешно используются в палатах интенсивной терапии, однако вследствие жесткой архитектуры имеют ряд недостатков, среди которых можно отметить следующие:
жесткая программно-аппаратная архитектура;
отсутствие систем адаптации к изменяющимся условиям измерения и значений измеряемых показателей;
отсутствие интеллектуальных методов комплексного анализа данных в реальном масштабе времени.
В научной литературе описаны решения перечисленных проблем реализации интенсивной медицинской диагностики с использованием распределенной сети датчиков, базирующуюся на различных технологиях [2] . Так в работах [3, 4] описывается архитектурное решение беспроводной системы сбора диагностической информации, ее передачи на выделенный сервер и оповещение медицинского персонала. В представленной системе для обеспечения сбора и обработки данных медицинской диагностики на стороне пациента организуется беспроводная сеть датчиков, каждый из которых оборудован средствами беспроводной связи с координатором. Для связи датчиков с координатором предлагается использовать протоколы беспроводной передачи данных ZigBee или Bluetooth. Координатор диагностической сети организует прием потоков диагностической информации и транслирует их в локальную вычислительную сеть посредством беспроводного протокола Wi-Fi. В локальной сети данные медицинской диагностики принимаются устройствами отображения данных в масштабе реального времени, устройствами тревожного оповещения, а также выделенным сервером. Выделенный сервер принимая диагностическую информацию регистрирует ее в базе данных, а также обеспечивает обработку и агрегирование этой информации.
Система распределенной беспроводной диагностической сети является более гибкой как в структурном, так и в информационном смысле. Гибкость данной системы обеспечивается за счет отсутствия привязки конкретного диагностического датчика к конкретной системе диагностирования пациента, что позволяет формировать произвольный набор датчиков в одной подсистеме сканирования.
В рассматриваемой системе в рамках одной подсистемы измерения предполагается постоянная передача потоков данных медицинской диагностики с датчиков пациента. Кроме того, протоколы беспроводной передачи данных медицинской диагностики от датчиков к координаторам используют нелицензируемый диапазон частот в районе 2,4 ГГц. Все это, наряду с плотностью расположения датчиков и ограниченностью количества каналов в несколько десятков (интерфейсы Bluetooth и ZigBee), определяет предпосылки к возникновению нестабильности в системе беспроводной коммуникации. Кроме того, потоки диагностических данных, транслируемые в локальную вычислительную сеть, нуждаются в анализе в масштабе реального времени на стороне устройств тревожного оповещения, что в случае использования мобильных решений (смартфонов, ноутбуков) сокращает время автономной работы данных устройств.
Для решения вышеописанных проблем предлагается для сбора данных медицинской диагностики использовать мультиагентную систему [5] интеллектуальных датчиков. Одно из основных отличий предла-
гаемой системы заключается в реализации предварительной обработки данных посредством вычислительных возможностей интеллектуальных датчиков. Также предлагается использовать интерфейс информационного взаимодействия между датчиками, необходимый для реализации комплексной обработки информации в рамках подсистемы измерения одного пациента. Структурная схема мультиагентной системы сбора и обработки данных представлена на рисунке 1.
Каждый датчик параметров жизнедеятельности организма работает под контролем системы управления модулем датчика. Модуль датчика представляет собой законченное устройство, имеющее беспроводной интерфейс, преобразователь физической величины в оцифрованные данные и систему управления. Для минимизации количества первичных данных медицинской диагностики, которые необходимо обработать, система управления модулем датчика управляет частотой дискретизации производимых измерений. Частота дискретизации измеряемых параметров является важным фактором, влияющим на эффективность работы не только отдельного модуля датчика, но и всей мультиагентной системы в целом.
С одной стороны в пользу минимизации частоты дискретизации выступает желание обеспечить уменьшение объема первичных данных, которые нуждаются в обработке. Это позволит сократить энергопотребление автономных модулей датчиков, а также высвободить вычислительные мощности данных модулей. С другой стороны в пользу увеличения частоты дискретизации выступает требование к точности восстановления исходного сигнала динамики измеряемых параметров по дискретным отчетам. Кроме того, повышение частоты дискретизации целесообразно при увеличении значимости получаемых данных в мультиагентной среде. Таким образом, частота дискретизации измеряемого параметра зависит от следующих факторов:
динамика измеряемого параметра; состояния мультиагентной среды; скорость потока первичных данных.
Для обеспечения гибкости обработки данных вводится понятие паттерна исключительного состояния. Паттерн исключительного состояния представляет собой метаинформацию об одном или нескольких измеряемых параметров в рамках одного пациента, которая определяет принципы релевантности этого параметра или их комбинации соответственно. Релевантность конкретного состояния (совокупности динамики параметров) определяет степень необходимости дальнейшей обработки данного состояния, его сохранения, дальнейшей обработки и тревожного оповещения о входе системы в такое состояние. Таким образом, целью мультиагентной системы является поиск и детектирование исключительных состояний.
Паттерны исключительных состояний хранятся на выделенном сервере и распространяются координаторами измерительных сетей пациента по модулям датчиков по необходимости. Данные паттерны наряду с простейшими критериями пороговых значений могут содержать интегрально-дифференциальные критерии, а также критерии корреляционно-спектрального анализа [б].
Таким образом, использование паттернов исключительных состояний приводит к значительному сокращению потока первичной информации и повышению эффективности использования беспроводной среды передачи данных.
ЛИТЕРАТУРА
1. Reynolds H.N., Rogove H., Bander J., McCambridge M., Cowboy E., Niemeier M. Telemedicine and e-Health, 17(10), 12.2011. - pp. 773 - 783.
2. Shnayder V., Chen B., Lorincz K., Fulford-Jones T.R.F., Welsh M. Sensor networks for medical care / Technical Report TR-08-05, Division of Engineering and Applied Sciences, Harvard University, 2005. - URL: http://www.eecs.harvard.edu/~mdw/proj/codeblue
3. Sahandi R., Noroozi S., Roushanbakhti G., Heaslip V., Liu Y. Wireless technology in the evolution of patient monitoring on general hospital wards // Journal of Medical Engineering and Technology, 34 (1), 2010. - pp. 51 - 63
4. Liu Y., Sahandi R. ZigBee network for remote patient monitoring // IEEE 22nd International Symposium on Information, Communication and Automation Technologies, 29-31 October 2009, Sarajevo, Bosnia & Herzegovina, 2009. - pp. 1 - 7
5. Иващенко А.В., Карсаев О.В., Скобелев П.О., Царев А.В., Юсупов Р.М. Мультиагентные технологии для разработки сетецентрических систем управления / Известия Южного федерального университета. Технические науки. - 2011. - № 3 (116). - с. 11 - 23
6. Прохоров С.А. и др. Прикладной анализ случайных процессов / под ред. С.А. Прохорова. - Самара: Издательство СНЦ РАН, 2007. - 582 с.
