НЕЙРОСЕТИ В ИДЕНТИФИКАЦИИ ГЛАВНЫХ КЛИНИЧЕСКИХ ПРИЗНАКОВ ПРИ АКТИНИЧЕСКОМ ДЕРМАТИТЕ Текст научной статьи по специальности «Клиническая медицина»

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2023 - Vol. 30, № 2 - P. 115-118

УДК: 616.5-002 DOI: 10.24412/1609-2163-2023-2-115-118 EDNIJXYOO

НЕЙРОСЕТИ В ИДЕНТИФИКАЦИИ ГЛАВНЫХ КЛИНИЧЕСКИХ ПРИЗНАКОВ ПРИ АКТИНИЧЕСКОМ ДЕРМАТИТЕ

П.Е. КОННОВ*, О.В. ТОПАЗОВА**, В.Н. ТРОФИМОВ**, В.В. ЕСЬКОВ***, И.С. САМОЙЛЕНКО***

*ФГБОУ ВО «Самарский государственный медицинский университет» Минздрава России, ул. Чапаевская, д. 89, г. Самара, 443099, Россия **ФГБОУ ВО «Самарский государственный технический университет», ул. Молодогвардейская, д. 244, г. Самара, 443100, Россия ***БУ ВО ХМАО-Югры «Сургутский государственный университет», ул. Ленина, д. 1, г. Сургут, 628400, Россия

Аннотация. Исследование трех групп больных хроническим актиническим дерматитом показало наличие неопределенности 1-го типа. Цель исследования - доказать эффективность применения искусственных нейросетей в раскрытии неопределенности 1-го типа. Объект и методы исследования. У трех разных по клинике групп больных актиническим дерматитом регистрировались по 5 разных клинических признаков. Использование статистики показывает наличие статистических совпадений выборок. В итоге применяется искусственная нейросеть в двух особых режимах. Результаты и их обсуждение. Применение искусственной нейросети в режиме хаоса и ревербераций обеспечило разделение выборок и диагностику главных клинических признаков. Выводы. Искусственная нейросеть позволила разделить все выборки и найти главные диагностические признаки. Это реализует задачу системного синтеза в клинике кожных заболеваний.

Ключевые слова: хаос, дерматит, эффект Еськова-Зинченко.

NEURONNETWORK FOR IDENTIFICATION OF MAIN CLINICAL PARAMETERS UNDER ACTINIC DERMATITE P.E. KONNOV*, O.V. TOPAZOVA**, V.N. TROFIMOV**, V.V. ESKOV***, I.S. SAMOILENKO***

*Samara State Medical University, st. Chapaevskaya, 89, Samara, 443099, Russia **Samara State Technical University, st. Molodogvardeyskaya, 244, Samara, 443100, Russia ***Surgut State University, Lenin Ave., 1, Surgut, 628408, Russia

Abstract. A study of three groups of patients with chronic actinic dermatitis showed the presence of type 1 uncertainty. The purpose of the study: to prove the effectiveness of the use of artificial neural networks in the disclosure of type 1 uncertainty. Object and methods: in three clinically different groups of patients with actinic dermatitis, 5 different clinical signs were recorded. The use of statistics indicates the presence of statistical matches between samples. As a result, an artificial neural network is used in two special modes. Results: the use of an artificial neural network in the mode of chaos and reverberations ensured the separation of samples and the diagnosis of the main clinical signs. Conclusions: the artificial neural network made it possible to divide all the samples and find the main diagnostic features. This implements the task of system synthesis in the clinic of skin diseases.

Key words: chaos, dermatitis, Eskov-Zinchenko effect.

Введение. Использование традиционных статистических методов при анализе разных параметров у больных при кожных заболеваниях регистрирует в ряде случаев совпадение выборок для разных клинических групп. Это квалифицируется как неопределенность 1-го типа и ее нельзя разрешить в рамках статистики. Традиционная математика не работает и нужны новые методы и новые теории [1-5].

Для раскрытия таких неопределенностей целесообразно использовать искусственные нейросети (ИНС) в двух особых режимах. Эти режимы следуют из эффекта Еськова-Зинченко (ЭЕЗ) для реальных нейросетей мозга (НСМ). Оказалось, что выборки электроэнцефалограмм (ЭЭГ) статистически не совпадают (ЭЕЗ) [1-7]. Фактически речь идет о хаосе параметров ЭЭГ [2-5,8-11], которые не подчиняются законам статистики.

Если исследовать эти особые свойства НСМ в работе ИНС, то последние проявляют особые свойства. ИНС может решать задачи системного синтеза (СС)

[2,3,13,15]. В этом случае довольно точно различаются выборки и можно определить главные диагностические признаки - параметры порядка. Именно это и демонстрируется сейчас на примере 5-ти клинических параметров у больных хроническим актиническим дерматитом (ХАД) в настоящей работе.

Объект и методы исследования. Обследованию подвергались три клинически разные группы больных хроническим актиническим дерматитом. В каждой группе было по 18 человек и у них регистрировались выборки пяти разных клинических признаков. Они образовывали соответствующие выборки, которые анализировались статистически.

Этими признаками были: Х1 (Е) - наличие эритемы; Х2 (Г) - регистрация папул (инфильтрации); хз (Ех) - наличие экскориации; Х4 (Г) - лихенификация; Х5 (ИТ ХАД) - стандартная классификация по ИТ ХАД. Эти пять признаков обрабатывали статистически по 5 выборкам для каждой группы. В итоге эти выборки статистически сравнивались (попарно).

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2023 - Vol. 30, № 2 - P. 115-118

Сравнение этих выборок для всех трех групп попарно (пары 1-2, 2-3, 1-3) производилось по непараметрическому критерию Манна- Уитни (р>0,05). В этом случае, когда критерий р удовлетворял условие (р<0,05) выборки считались статистически различными. В противном случае они принадлежали к одной генеральной совокупности. В итоге использовалась искусственная нейросеть в режиме хаоса и многократных повторных настроек [2,3,12,13], что следует из реальной динамики поведения электроэнцефалограммы (ЭЭГ) [3,4,8,11-14,16].

Результаты и их обсуждение. На первом этапе наших исследований мы проводим статистические сравнения выборок всех пяти диагностических (клинических) признаков для всех трех разных групп. Эти сравнения производились попарно (следующие пары: 1-2,2-3 и 1-3) в рамках традиционной статистики.

В итоге было установлено, что некоторые исследуемые пары демонстрируют критерий парного сравнения разных групп (критерий Манна-Уитни) р>0,05. В этом случае такая пара выборок может иметь общую генеральную совокупность. Можно говорить об их совпадении [3,4,11-14].

Мы тогда говорим о возможности (но это не точное утверждение) статистического совпадения выборок. В табл. 1 представлены все такие критерии рц для всех 15-ти разных пар сравнения.

Очевидно, что таких пар четыре (с ру>0,05) и это доказывает неопределенность 1 -го типа.

Таблица 1

Результаты попарного сравнения значений рангов допустимого уровня значимости для пяти клинических признаков трех групп у мужчин при ХАД (использовался непараметрический критерий Манна-Уитни (РЮ,05))

Таблица 2

Результаты 50-ти обучений ИНС (попарное сравнение), представлены ранговые значения в у.е. для 5-ти клинических признаков

Признаки Х1 X (E) Х2 (I) Хз (Ex) Х4 (L) Xs (ИТХАД)

Группа 1 -Группа 2 0,328 0,023 0,015 0,008 0,000

Группа 1 -Группа 3 0,480 0,048 0,000 0,001 0,000

Группа 2 -Группа 3 0,655 0,655 0,012 0,005 0,003

Из табл. 1 следует, что это число статистически совпадающих пар чуть более 25%, но это уже доказывает ограниченность применения статистики. В изучении динамики хронического актинического дерматита (ХАД) по клиническим признакам наблюдается неопределенность 1-го типа [3,4,11-14],

Для раскрытия такой неопределенности мы использовали искусственную нейросеть в двух особых режимах: хаос и многократные реверберации (повторные настройки ИНС для этих пяти параметров х). В итоге мы разделили все эти группы, что в статистике сделать сложно.

Результаты многих итераций (ревербераций ИНС) представлены в виде табл. 2.

Признаки Х1 Е I Ex L ИТХАД

Группа 1 / Группа 2 0,182 0,208 0,208 0,201 0,201

Группа 2 / Группа 3 0,200 0,189 0,197 0,191 0,222

Группа 1 / Группа 3 0,194 0,204 0,207 0,192 0,204

В этой табл. 2 представлены средние значения весов <№■;> всех диагностических признаков х. Из этой таблицы следует, что только пятый признак (х5 - ИТ ХАД) показал для всех пар сравнения <м/> >0,2.

Остальные признаки не дали такой результат. Но для признаков I и Ех мы имеем по два значения <и/> с величиной более 0,2. Это тоже главные диагностические признаки. Однако на первом месте находится все-таки х5 - ИТ ХАД. Это параметр порядка (ПП).

Этот х5 уже можно считать параметром порядка или главным диагностическим признаком. На втором месте находится Ех и на третьем месте мы имеем признак I. Остальные признаки имеют меньшее значение. Они менее значимы в диагностике ХАД.

При изучении динамики развития кожных заболеваний у больных с ХАД довольно часто возникает ситуация, когда статистика не может выявить различий между разными клиническими группами. В наших исследованиях мы это уже показали на примере иммунологических показателей у больных актиническим дерматитом [8]. В этом случае мы говорим о возникновении неопределенности 1-го типа [17]. В данном сообщении речь идет о клинических показателях, которые так же могут демонстрировать неопределенность 1-го типа (табл. 1). В этом случае целесообразно применять ИНС [2,3,13-15].

Методика применения ИНС в двух особых режимах обеспечивает полное разделение всех трех групп по изучаемым пяти клиническим признакам. Очевидно, что два режима (хаос и реверберации) основываются на ЭЕЗ применительно к электроэнцефалограммам. ЭЭГ при статистическом сравнении выборок показывают хаос ЭЭГ. При этом ЭЭГ не может находиться в покое (сX/ ¿кф0) [3,4,11-15].

Применение этих двух особых режимов обеспечило нам не только полное разделение всех трех групп, но и нахождение главных диагностических признаков. Эти признаки обозначаются как ПП. Нахождение ПП обеспечивает решение задачи системного синтеза (СС) [3,4,8,11-14].

Подчеркнем, что в современной математике нет общих методов решения задачи СС. Очевидно, что для биосистем традиционная статистика не работает. Поэтому мы использовали ИНС. Это обеспечило нахождение ПП для любых задач в биомедицине. Сейчас мы это продемонстрировали на примере ХАД, где статистика тоже не работает из-за наличия ЭЕЗ и неопределенности 1-го типа. Решить такую проблему другими методами невозможно.

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2023 - Vol. 30, № 2 - P. 115-118

Выводы. В клинике кожных заболеваний возникают неопределенности 1-го типа. В этом случае статистика начинает показывать статистическое совпадение выборок для разных клинических групп. В нашем случае таких клинических групп было три и по двум параметрам имеем Pij >0,05

Для разрешения неопределенности 1 -го типа мы использовали ИНС с учетом ЭЕЗ применительно к ЭЭГ.

Введение хаоса и многократных ревербераций ИНС позволило нам разделить все группы. Одновременно мы нашли и главные диагностические признаки (это ПП). Эти два режима ИНС следуют из свойств ЭЭГ.

Следует подчеркнуть, что задача СС по нахождению ПП в биомедицине не имеет математического решения из-за статистической неустойчивости выборок (ЭЕЗ). Мы предлагаем ее решение с помощью ИНС в двух особых режимах (хаос и реверберации).

Использование ИНС в двух особых режимах обеспечила нам СС и нахождение главных диагностических признаков для трех групп больных ХАД. В итоге мы ранжировали все диагностические признаки по их значимости.

Литература / References

1. Башкатова Ю.В., Шакирова Л.С., Филатова О.Е., Чемпа-лова Л.С. Реакция сердечно-сосудистой системы женщин на гипертермические воздействия // Сложность. Разум. Постнеклассика. 2022. №3. С. 27-39. DOI: 10.12737/2306-174X-2022-26-32 / Bash-katova YuV, Shakirova LS, Filatova OE, Chempalova LS. Reakciya ser-dechno-sosudistoj sistemy zhenshchin na gipertermicheskie vozdejstviya [The reaction of the cardiovascular system of women to hyperthermic effects]. Slozhnost'. Razum. Postneklassika. 2022;3:27-39. DOI: 10.12737/2306-174X-2022-26-32. Russian.

2. Газя Г.В., Еськов В.В., Стратан Н.Ф., Салимова Ю.В., Игна-тенко Ю.С. Использование искусственных нейросетей в промышленной экологии // Вестник новых медицинских технологий. 2021. №2. C. 111-114. DOI: 10.24412/1609-2163-2021-2-111-114 / Gazya GV, Eskov VV, Stratan NF, Salimova YuV, Ignatenko YuS. Ispol'zovanie iskusstvennykh neyrosetey v promyshlennoy ekologii [The use of artificial neural networks in industrial ecology]. Journal of New Medical Technologies. 2021;2:111-114. DOI: 10.24412/1609-2163-2021-2-111-114. Russian.

3. Зимин М.И., Пятин В.Ф., Филатов М.А., Шакирова Л.С. Что общего между «Fuzziness» L. A. Zadeh и «Complexity» W. Weaver в кибернетике // Успехи кибернетики. 2022. №3. С. 102-112. DOI: 10.51790/2712-9942-2022-3-3-11 / Zimin MI, Pyatin VF, Filatov MA, Shakirova LS. Chto obshchego mezhdu «Fuzziness» L. A. Zadeh I «Complexity» W. Weaver v kibernetike [What do "Fuzziness" by L. A. Zadeh and "Complexity" by W. Weaver have in common in cybernetics]. // Uspekhi kibernetiki [Russian Journal of Cybernetics]. Russian Journal of Cybernetics. 2022;3:102-12. DOI: 10.51790/2712-9942-2022-3-3-11. Russian.

4. Еськов В.М., Гавриленко Т.В., Музиева М.И., Самой-ленко И.А. Теория динамического хаоса не может описывать биосистемы // Сложность. Разум. Постнеклассика. 2022. №3. С. 87-95. DOI: 10.12737/2306-174X-2022-60-71 / Eskov VM, Gavrilenko TV, Muz-ieva MI, Samojlenko IS. Teoriya dinamicheskogo haosa ne mozhet opisyv-at' biosistemy [The theory of dynamic chaos cannot describe biosystems]. Slozhnost'. Razum. Postneklassika. 2022;3:87-95. DOI: 10.12737/2306-174X-2022-60-71. Russian.

5. Еськов В.М., Пятин В.Ф., Чемпалова Л.С., Шамов К.А., Куха-рева А. Существуют ли возможности для исследования стохастики в кардиологии и во всей медицине? // Сложность. Разум. Постнеклас-сика. 2022. № 1. С. 28-47. DOI: 10.12737/2306-174X-2022-28-49 /

Es'kov VM, Pyatin VF, Chempalova LS, Shamov KA, Kukhareva A. Sushchestvuyut li vozmozhnosti dlya issledovaniya stokhastiki v kardiologii i vo vsey meditsine? [Gibt es Möglichkeiten für das Studium der Stochastik in der Kardiologie und in der gesamten Medizin?]. Slozhnost'. Razum. Postneklassika. 2022;1:28-47. DOI: 10.12737/2306-174X-2022-28-49. Russian.

6. Еськов В.В., Шакирова Л.С., Кухарева А.Ю. Почему детерминистский и стохастический подход невозможно использовать в кардиологии и во всей медицине? // Сложность. Разум. Постнеклассика. 2022. №2. С. 46-54. DOI: 10.12737/2306-174X-2022-2-46-54 / Eskov VV, Shakirova LS, Kuhareva AYU. Pochemu deterministskij i stohasticheskij podhod nevozmozhno ispol'zovat' v kardiologii i vo vsej medicine? [Why can't the deterministic and stochastic approach be used in cardiology and in all medicine?]. Slozhnost'. Razum. Postneklassika. 2022;2:46-54. DOI: 10.12737/2306-174X-2022-2-46-54. Russian.

7. Козупица Г.С., Пятин В.Ф., Кухарева А., Байтуев И.А. Три великие проблемы Гинзбурга и три реальные проблемы биомедицины // Сложность. Разум. Постнеклассика. 2022. №3. С. 5-14. DOI: 10.12737/2306-174X-2022-3-5-14 / Kozupica GS, Pyatin VF, Kuhareva A, Bajtuev IA. Tri velikie problemy Ginzburga i tri real'nye problemy biomediciny [Ginzburg's Three Great Problems and the Three Real Problems of Biomedicine]. Slozhnost'. Razum. Postneklassika. 2022;3:5-14. DOI: 10.12737/2306-174X-2022-3-5-14. Russian.

8. Коннов П.Е., Филатов М.А., Поросинин О.И., Юшкевич Д.П. Использование искусственных нейросетей в оценке актинического дерматита // Вестник новых медицинских технологий. 2022. №2. C. 109-112. DOI: 10.24412/1609-2163-2022-2-109-112. EDN MRSZXA / Konnov PE, Filatov МА, Yushkevich DP, Porosinin OI. Ispol'zovanie is-kusstvennykh neyrosetey v otsenke aktinicheskogo dermatita [Ar-tificial neural networks use in the actinic dermatitis assessment]. Journal of New Medical Technologies. 2022;2:109-12. DOI: 10.24412/1609-2163-2022-2109-112. EDN MRSZXA. Russian.

9. Филатова О.Е., Еськов В.М., Галкин В.А., Музиева М.И., Куха-рева А. Существуют ли отличия классификации систем искусственного интеллекта? // Сложность. Разум. Постнеклассика. 2022. № 1. С. 48-59 / Filatova OE, Es'kov VM, Galkin VA, Muzieva MI, Kukhareva A. Sushchestvuyut li otlichiya klassifikatsii sistem iskusstvennogo intellekta? [Are there differences in the classification of artificial intelligence systems?]. Slozhnost'. Razum. Postneklassika. 2022;1:48-59. Russian.

10. Galkin V.A., Gavrilenko T.V., Gazya G.V., Filatov M.A. Models of uncertainty in the framework of compartment-cluster theory for research of instability biosystems. IOP Conf. Series: Earth and Environmental Science 981. 2022. DOI: 10.1088/1755-1315/981/3/032004 / Galkin VA, Gavrilenko TV, Gazya GV, Filatov MA. Models of uncertainty in the framework of compartment-cluster theory for research of instability biosystems. IOP Conf. Series: Earth and Environmental Science 981. 2022. DOI: 10.1088/1755-1315/981/3/032004.

11. Gazya G.V., Eskov V.V., Gavrilenko T.V., Stratan N.F. Artificial Intelligence Systems Based on Artificial Neural Networks in Ecology. In: Silhavy, R. (eds) Cybernetics Perspectives in Systems. CSOC 2022. Lecture Notes in Networks and Systems. 2022. Vol 503 / Gazya GV, Eskov VV, Gavrilenko TV, Stratan NF. Artificial Intelligence Systems Based on Artificial Neural Networks in Ecology. In: Silhavy, R. (eds) Cybernetics Perspectives in Systems. CSOC 2022. Lecture Notes in Networks and Systems. 2022;503.

12. Kozlova V.V., Galkin V.A., Filatov M.A. Diagnostics of brain neural network states from the perspective of chaos // Journal of Physics Conference Series. 2021. Vol. 1889, N5. P. 052016. DOI: 10.1088/17426596/1889/5/052016 / Kozlova VV, Galkin VA, Filatov MA. Diagnostics of brain neural network states from the perspective of chaos. Journal of Physics Conference Series. 2021;1889(5):052016. DOI: 10.1088/17426596/1889/5/052016.

13. Filatova O.E., Bashkatova Yu.V., Shakirova L.S., Filatov M.A. Neural network technologies in system synthesis // IOP Conf. Series: Materials Science and Engineering. 2021. Vol. 1047. P. 012099. DOI: 10.1088/1757-899X/1047/1/012099 / Filatova OE, Bashkatova YuV, Shakirova LS, Filatov MA. Neural network technologies in system synthesis. IOP Conf. Series: Materials Science and Engineering. 2021;1047:012099. DOI: 10.1088/1757-899X/1047/1/012099.

14. Filatov M.A., Poluhin V.V., Shakirova L.S. Identifying objec-

JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2023 - Vol. 30, № 2 - P. 115-118

tive differences between voluntary and involuntary motion in biomechanics // Human. Sport. Medicine. 2021. Vol. 21, N1. P. 145-149 / Filatov MA, Poluhin VV, Shakirova LS. Identifying objective differences between voluntary and involuntary motion in biomechanics. Human. Sport. Medicine. 2021;21(1):145-9.

15. Filatova O.E., Maistrenko E.V., Boltaev A.V., Gazya G.V. The influence of industrial electromagnetic fields on cardio-respiratory systems dynamics of oil-gas industry complex female workers // Ecology and Industry of Russia. 2017. Vol. 21, N7. P. 46-51 / Filatova OE,

Maistrenko EV, Boltaev AV, Gazya GV. The influence of industrial electromagnetic fields on cardio-respiratory systems dynamics of oil-gas industry complex female workers. Ecology and Industry of Russia. 2017;21(7):46-51.

16. Zilov V.G., Khadartsev A.A., Kitanina K.Y., Eskov V.V., Ilyashenko L.K. Examination of statistical instability of electroencephalograms // Bulletin of Experimental Biology and Medicine. 2019. Vol. 168, N1. P. 5-9 / Zilov VG, Khadartsev AA, Kitanina KY, Eskov VV, Ilyashenko LK. Examination of statistical instability of electroencephalograms. Bulletin of Experimental Biology and Medicine. 2019;168(1):5-9.

Библиографическая ссылка:

Коннов П.Е., Топазова О.В., Трофимов В.Н., Еськов В.В., Самойленко И.С. Нейросети в идентификации главных клинических признаков при актиническом дерматите // Вестник новых медицинских технологий. 2023. №2. С. 115-118. DOI: 10.24412/16092163-2023-2-115-118. EDN 1^00.

Bibliographic reference:

Konnov PE, Topazova OV, Trofimov VN, Eskov VV, Samoilenko IS. Neyroseti v identifikatsii glavnykh klinicheskikh priznakov pri ak-tinicheskom dermatite [Neuronnetwork for identification of main clinical parameters under actinic dermatite]. Journal of New Medical Technologies. 2023;2:115-118. DOI: 10.24412/1609-2163-2023-2-115-118. EDN IJXYOO. Russian.