CC BY
42
Статья
7. Конфранек И., Покорны З. Моделирование систем в биологии и медицине.- Прага, 1982.- С. 723.
8. Кропоткин П.А. Анархия, ее философия, ее идеал: Сочинения.- М.: Эксмо, 2004.- 864 с.
9. Миронов Ю. Этический синкретизм.- Брянск, 1994.- 94 с.
10. Новосельцев В.Н. Организм в мире техники: кибернетический аспект.- М.: Наука. Гл. ред. Физ.-лит., 1989.- 240 с.
11. Ориген. О началах.- Самара, 1993.- 318 с.
12. Таранов П.С. Философия изнутри: 70 мудрецов философов мыслителей от Соломона до Шопенгауэра.- М.:Остожье, 1996.- 463 с.
13. Синергетика и интегративная медицина: Теория и практика восстановительной медицины.- T.V): Монография / Хадарцев А. А. и др.// Под ред. А.А. Хадарцева, В.М. Еськова.- Тула: ООО РИФ «ИНФРА» - Москва, 2006.- 264 с.
14. Ikeda N. // Annals of Biomed. Engineering.- 1979.- N° 7.-Р. 135-166.
15. Philiberth B. Der Dreieine. Anfang und Sein. Die Structur der schopfung. Stein am Rhein.- 1974.- 608 S.
16. http://ru. wikipedi a. org- Свободная многоязычная энциклопедия Википедия.
УДК 618.14-089
ОСОБЕННОСТИ ГЕСТОЗОВ И НАРУШЕНИЙ УГЛЕВОДНОГО ОБМЕНА
И.Ю. ДОБРЫНИНА, В.М. ЕСЬКОВ, Р.Н. ЖИВОГЛЯД, С.М. ЧАНТУРИЯ, Т.Н.ШИПИЛОВА*
Введение. Среди возможных патологических изменений в женском организме при беременности гестозы и нарушения углеводного обмена занимают особое место. Это обусловлено высокой частотой этих патологий и весьма неблагоприятными исходами в течении этих заболеваний. Особую тревогу вызывают эти виды заболеваний в условиях северных регионов РФ.
Клиника гестозов и метаболических патологий у женщин на Севере РФ характеризуется рядом особенностей, часть из которых обусловлена состоянием гомеостаза человека на Севере. Механизмы центральных регуляторов функциональных систем организма (ФСО) на Севере (которые сосредоточены в структурах ЦНС и имеют название «фазатон мозга» - ФМ) чаще функционирует в режимах тонического состояния ФМ, которое для средней полосы РФ можно характеризовать как предболезнь.
В аспекте сказанного возникает проблема идентификация (количественной и качественной) особенностей протекания женских патологий при проживании на Севере РФ. Для решения таких проблем нами разработаны новые кибернетические методы на базе теории хаоса и синергетики. Они обеспечивают компар-тментную и кластерную дифференцировку динамических признаков, идентификацию их значимости (ранжирование весов), диагностическую ценность наиболее важных из них с учетом эндемики., что представляет интерес для медицины, т.к. приближает ее к индивидуальному подходу, к решению задач диагностики с учетом особенностей проживания человека в данной местности в рамках теории хаоса и синергетики (ТХС).
Системный синтез в решении медицинских задач. Создание теоретических основ ТХС и разработка формального анализа синергизма в биодинамических системах (БДС), к которым относятся все ФСО человека, составляет основу развития естествознания. Но при этом возникают весьма сложные задачи формализации процедуры идентификации параметров порядка (ПП) и русел (Р), описывающих динамику поведения вектора состояния биосистемы (ВСБ) в т-мерном фазовом пространстве состояний. После идентификации ПП и Р мы уже работаем в к-мерном пространстве признаков БДС, т.к. параметры порядка определяют только наиболее важную часть компонент х (1=1,_,к) из всего набора компонент ВСБ Х=(Х1,_, Хт)т.
Основу системного синтеза составляет теория отыскания параметров порядка и русел, минимальной размерности к подпространства состояний, в котором можно бы было весьма полно
* СурГУ, 628400, г. Сургут, Энергетиков 14, СурГУ, 8-(3462) -52-47-13, email: [email protected]
и прогнозируемо описывать динамику поведения вектора состояния организма человека (ВСОЧ). Последний в т-мерном фазовом (общем) пространстве состояний мог бы описывать довольно точно саногенез или патогенез любого организма, любого человека, но работать с такими большими размерностями (т>1000, например) весьма неудобно, дорого (на одну полную диагностику уйдет много средств и времени), но и главное - это не нужно
делать. Достаточно выявить параметры порядка Х1 (где 1= 1,_,к) и
идентифицировать русла [3-4].
В медицине это делается постоянно на любых этапах работы врача. Например, при обращении к терапевту последний обязан выполнить идентификацию минимум четырех признаков (к=4), т.е. определить температуру тела пациента (1;°С=х0, систолическое артериальное давление (Х2= САД), диастолическое давление (хз= ДАД) и измерить частоту сердечных сокращений (Х4=ЧСС). Часто эти параметры порядка должны измеряться для определения временной нетрудоспособности пациента. В более сложных случаях приходится расширять пространство признаков, увеличивать размерность к, т.е. переходить от к к к: или к2 и т.д.
Увеличение размерности пространства состояний к должно сопровождаться идентификацией заболевания. Если диагноз будет поставлен правильно и выявлена нозологическая единица, то и в этом случае возникает проблема: какие координаты ВСОЧ следует наблюдать в дальнейшем, на какие Х обратить особое внимание, какие из них можно считать параметрами порядка?
В рамках классического подхода европейской медицины этот вопрос часто и не стоит особо остро. У врача есть стандартные методики, должностные инструкции и правила по клинике данного заболевания, и он работает в рамках этих стандартных правил. Но в восточной медицине работает другой подход. Он основан на индивидуализации заболевания. В рамках клинической кибернетики это означает, что у каждого пациента (даже если уже поставлен правильный диагноз) его ВСОЧ может иметь только ему (пациенту) присущие координаты [3-5]. Это очень необычно для европейской медицины, т.к. получается, что для каждого пациента будет своя размерность фазового пространства и свой набор ранжирования диагностических признаков (т. е. свои Х1 и свое к), где ) - номер пациента). На данном этапе развития медицины мы готовы говорить об эндемичности признаков, т. е. для каждой группы населения (проживающей в особых экологических условиях) современная медицина допускает разделения значимости диагностических признаков и измерение размерности фазового пространства. Но что бы говорить об индивидуализации для каждого пациента, то для современной медицины это пока недостижимо. Вместе с тем с позиций ТХС - это уже свершившийся факт. Каждый человек индивидуален, у него существует свой набор ПП и Р для саногенеза и патогенеза. Протекание заболевания Ъ в возрасте 25 лет будет описываться другими (не совпадающими) параметрами Х чем у того же пациента, но в 50 или 65 лет. Мы сейчас подходим к индивидуальной медицине, т.к. клиническая кибернетика позволяет уже это сделать. Главная проблема системного синтеза - это формализация процедуры идентификации ПП и Р, остающаяся неразрешимой [4].
На сегодняшний день существуют ряд подходов к решению этой проблемы. В частности, для ряда режимов поведения БДС в лаборатории биокибернетики и биофизики сложных систем при Сургутском государственном университете (СурГУ) такая проблема уже решена в виде создания специальных алгоритмов, зарегистрированных программ ЭВМ и разработки специальной теории идентификации частичного или полного синергизма в БДС и идентификации интервалов устойчивости БДС. Такие методы и программные продукты обеспечивают идентификацию ПП и Р для БДС, находящихся в стационарных (или квазистацио-нарных в биологическом смысле) режимах функционирования. Они пригодны для компартментного и кластерного анализа БДС при дискретности мониторинга БДС (в режиме «стоп-кадр»). Они сейчас успешно применяются для идентификации параметров аттракторов и диагностики различий между стохастикой и хаосом в любом режиме поведения БДС.
В настоящей работе представляется фрагмент одного из трех созданных подходов в клинической кибернетике (конкретно нейрокомпьютерный подход) для идентификации ПП и Р с использованием нейросетевых технологий.
Использование нейро-ЭВМ для идентификации параметров порядка. Следует отметить парадоксальность постановки и решения такой задачи. Действительно, нейросети и нейро-
И.Ю. Добрынина, В.М. Еськов, Р.Н. Живогляд и др.
ЭВМ - это уже порождения хаоса и синергетики. Можно сказать, что дитя хаоса за счет собственной самоорганизации решает задачи, созданные хаосом и самоорганизацией. Последнее означает, что любой ВСОЧ находится в хаотической динамике. И если его отдельные координаты по поведению стоят ближе к стохастике, то наиболее важные жизненные функции прибывают в аттракторах хаоса (по своим фазовым координатам).
Например, многие показатели кардио-респираторной системы (КРС) находятся в аттракторах хаотических состояний. Это и ЧСС, САД и ДАД, показатели сипатотонии (СИМ) и парасимпа-тотонии (ПАР) и др. Это же относится и к показателям нервномышечной системы (НМС), в частности, к показателям тремора при удержании суставного угла [4] и др. Биохимические показатели крови (белки, углеводы, жиры и другие параметры) зависят от приема пищи, экофакторов среды и др. факторов (экофакторы, которые хаотичны по сути). Все это образует хаотическую динамику движения ВСОЧ, которую надо как-то описывать, диагностировать в ней ПП и Р. Упомянутый парадокс заключается в том, что и структуры и функции (точнее сказать, функциональные связи внутри естественной или искусственной нейросети) имеют чисто хаотический характер. Нейро-ЭВМ, настраиваясь на решение задачи, уже устанавливает чисто хаотические связи. И каждый раз эти связи неповторимы, нейросеть хаотична по своей природе, но при этом она способна самоорганизоваться и решать сложные задачи. С момента создания уже человеком, а не природой этих принципов самоорганизации и возникли нейро-ЭВМ, и человек стал Криэйтором (создателем с большой буквы). Возможности нейросетевых технологий пока еще не познаны, так же как и возможности нашего мозга. Теория хаоса и синергетика начали жить своей формальной жизнью в естествознании, т.к. заработал аппарат решения задач естествознания. Возможно, в будущем мы отойдем от алгоритмизации любых задач, а синергетические машины будут решать все проблемы человечества.
В настоящее время мы уже можем с помощью нейро-ЭВМ решать сложные задачи системного синтеза. Для этого надо изначально иметь набор х (диагностических признаков), т.е. координат ВСОЧ для конкретного человека и для группы симптоматично сходных людей. Это могут быть больные одним заболеванием или просто контрольная группа для сравнения. При этом очень важно выбрать квалифицированно обучающие выборки, у которых бы параметры Х группировались внутри компактного аттрактора. Для контроля параметров аттракоторов поведения ВСОЧ нами разработаны специальные алгоритмы и программы, которые обеспечивают измерение объема V гиперпараллелепипеда, внутри которого заключен аттрактор ВСОЧ, и величину показателя асимметрии ГХу между стохастическим центром аттрактора и хаотическим центром. Разработанные методы ранжирования диагностических признаков и идентификация параметров порядка и русел выполнена в трех вариантах. Во-первых, на базе программ ЭВМ, которые идентифицируют V и ГХу и позволяют методом исключения убирать те Х1 из общего списка, которые не оказывают влияния на параметры аттрактора. Во-вторых, для стационарных состояний БДС в режиме возмущающих воздействий можно получить выходные марковские параметры и по ним найти минимальную модель БДС (с ПП и Р). 3-й подход основан на нейросетевых технологиях, хотя и два предыдущих подхода используются для диагностики и прогнозирования (в т.ч. и патологических) состояний БДС.
Использование нейросетевых технологий для идентификации ПП. Для применения искусственных нейросетей надо получить репрезентативные обучающие выборки. В качестве таковых использовали для идентификации ПП 4 группы наблюдаемых (1-я контрольная, 2-я группа больных сахарным диабетом 2-го типа (СД-2) в стадии компенсации, 3-я группа больных СД-2 в стадии субкомпенсации и 4-я группа больных в стадии декомпенсации, в каждой группе больных по 30 чел.) с заболеваниями СД-2 и 4-е группы лиц с одинаковыми сроками беременности (1я группа - контроль, 2-я группа - больные с гестозом в возрасте 15-19 лет, 3-я группа - 20-30 лет и 4-я -31-45 лет).
Для этих 2-х групп с двумя разными заболеваниями ставилась одна и та же задача: можно ли с помощью нейро-ЭВМ разделить каждую из 4-х групп, диагностировать различия в показателях и выделить ПП, если такое разделение произошло.
Оказалось, что для 4-х групп с СД-2 нейро-ЭВМ обеспечивает разделение (диагностику) на отдельные 4 кластера. Результаты обучения нейросети по 3 группам больных и общей кон-
трольной группе представлены на рис.1, откуда видно, что наиболее значимые координаты ВСОЧ (признаки Х1) - это Х2 и Х12. Наименее значимые, которые мы потом отбросили, а нейро-ЭВМ все равно выдала диагностику различий - это координаты Х6, Х8, Х9. Смысл этих всех координат представлен в подписи к рис 1.
Рис.1. Анализ значимости признаков для кластеров СД, характеризующих углеводный обмен, липидный обмен. Сравнение всех групп (включая контроль). Здесь под символами (X! ... Хп) понимаются следующие показатели: Х1 - С-пептид (мг/мл); Х2 - НЬА1 с (%); Х3 - общий ХС (ммоль/л); Х4 - р-ЛП (г /л); Х5 - апо-А-1 (г/л); Хб - апо-В (г/л); Х7 - коэффициент апо-В/апо-А-1; Х8 - ЛПВП (ммоль/л); Х - ЛПНП (ммоль/л); Хю - ФЛ (ммоль/л); Хц - ТГЛ (ммоль/л); Х12 - к.инсулинорезистентности; Х13- КХс -холестериновый коэффициент атерогенности. В обучающей выборке - № 1-30: группа условно здоровых лиц (контроль); № 31-60: I группа больных (СД-2 типа в стадии компенсации); № 61-90: II группа больных (СД-2 типа в стадии субкомпенсации); № 91-120: III группа больных (СД-2 типа в стадии декомпенсации)
Даже без координат ВСОЧ Х6, Х8, и Х10 нейросеть с трудом, но может обучиться. Оставшиеся координаты ВСОЧ (с весами >0,18) можно считать для этой диагностической задачи ПП, которые определяют характер заболевания и отличие между собой 4-х групп. Доя второго класса заболеваний (гестоз) такого разделения путем обучения нейросети выполнить не удалось. Нейро-ЭВМ не смогла обучиться даже после отбрасывания ряда данных (исключения больных из обучающих выборок, на которых указывала ЭВМ!). При сравнении контрольной группы с каждой из 3-х возрастных групп с гестозом по очереди нейро-ЭВМ выполнила процедуру идентификации. Для примера представим рис.2, где дается анализ значимости признаков у больных старшей возрастной группы. Во с гестозами можно говорить о вероятном перекрывании аттракторов, значений признаков Х1, т.е. возрастные группы (младшая, средняя и старшая) мимикрируют картину заболевания, они перекрываются по значениям Х- При этом различия и ПП для групп больных беременных и беременных без гестозов идентифицируются попарно (отдельно).
0,56
0,36
0,
1
1
0,56
0,37
0,09
Ц
К
0,25
I 0,11
Ц
Х1 Х2 Х3 Х4 Х5 Х6 Х7 Х8 Х9 Х10 Х11 Х12 Х13 Х14
Рис.2. Ранговая значимость показателей коэффициентов по III возрастной группе (31 —45 лет) женщин с диагнозом «гестоз». Здесь под Х1-Х14 обозначается: Х1 - возраст пациента; Х2 - гемоглобин (г/л); Х3 - содержание лейкоцитов переферической крови (х10 9/л); Х4 - содержание эритроцитов периферической крови (х10 12/л); Х5 - цветной показатель т.е. относительное содержание гемоглобина в эритроците; Х6 - скорость оседания эритроцитов мм/ч; Х7- гематокрит; Х8 - содержание тромбоцитов переферической крови; символы (Х9_ Х14) обозначают следующие показатели: Х9 - билирубин (мкммоль/л); Х10 - общий белок (г/л); Х11 -креатинин (мкммоль/л); Х12 - глюкоза крови моль/л; Х13 - протромбино-вый индекс; Х14 - фибриноген
0,3
0
Статья
Представляемая процедура может быть использована в клинике, когда надо выявить ПП, ранжировать значимость диагностических признаков. Более того, такая процедура может быть использована и для первичной диагностики, когда поступает новый пациент, и обученная нейросеть его сразу может отнести к любой из 4-х указанных выше групп (по классу СД-2, например).
Литература
1. Еськов В.М. и др. // ВНМТ.- 2005 - Т. ХП, №1.- С.12-14.
2. Еськов В.М. и др. // ВНМТ.- 2005 - Т. ХП, №1.- С.14-16.
3. Еськов В.М., Живогляд Р.Н. Клинические аспекты кластерной теории фазатона мозга (гирудотерапевтическая регуляция ФСО человека и гомеостаза в целом). / Монография - Сургут: СурГУ, 2004. - 140 с.
4. Системный анализ, управление и обработка информации в биологии и медицине.- Ч. VI.- Системный анализ и управление гомеостазом организма в норме и при патологии в аспекте ком-партментно-кластерного подхода. / Под ред. А.А.Хадарцева, В.М. Еськова.- Самара: Офорт (гриф РАН), 2005.- 157 с.
5. Скупченко В.В., Милюдин Е.С. Фазотонный гомеостаз и врачевание.- Самара: СамГУ, 1994.- 256 с.
HISTOLOGIC PARTICULARITIES AND DISTURBANCES OF CARBOHYDRATE METABOLISM
I.U. DOBRININA, V.M. ES’KOV, R.N. GIVOGLAD, S.M. CHANTURIA, T.N. SHIPILOVA
Summary
The behavior of human stage vector in phase space can be presented by some attractor. The dimension of such phase space may be minimal if we use 3 special procedures. One of it we use for metabolic pathology and for gestosis. The examples of such procedure was presented.
Key words: system synthesis, neurocomputing
УДК 611. 41. 018.
ЦИТОАРХИТЕКТОНИКА БЕЛОЙ ПУЛЬПЫ СЕЛЕЗЕНКИ МЫШЕЙ ПОСЛЕ УПОТРЕБЛЕНИЯ «ЛЕГКОЙ ВОДЫ» И ГАММА-ОБЛУЧЕНИЯ
Д.Е. ГРИГОРЕНКО*, Д.В. РАКОВ**, М.Р.САПИН*, Б.С. ФЕДОРЕНКО**
Введение. Одной из важнейших задач, стоящих перед космической биологией и медициной, является поиск путей и методов повышения устойчивости организма к действию неблагоприятных факторов космического полета: гравитационный стресс, гипокинезия и облучение. Приводится обоснование возможностей формирования в организме животных «адаптационной памяти» при применении повторных режимов гравитационных нагрузок [1-4]. Выявлено также, что применение сочетанного воздействия гипокинезии и гипергравитации оказывает профилактическое воздействие на организм [5, 6]. Ведется активный поиск средств, снижающих повреждающее действие ионизирующих облучений на организм, в т.ч. на органы иммунной системы [7, 8]. Отмечается, что употребление «легкой воды» (ЛВ - воды, очищенной от дейтерия) усиливает продукцию АТФ в клетках и повышает энергетические ресурсы организма [9-10]. В связи с этими свойствами ЛВ установлен ее положительный эффект при лечении онкологических заболеваний, почечно-каменной болезни, колита и гастрита [11]. ЛВ может применяться как средство, замедляющее процессы старения [11-12] и обладает радиопро-тективным эффектом [13]. Интересно изучение воздействия ЛВ на органы иммуногенеза, регулирующие иммунологический статус организма. Практически нет сведений, касающихся морфологии органов иммунной системы при действии ЛВ в условиях облученного организма.
117418, Москва, ул. Цюрупы, д. 3, Институт морфологии человека РАМН, тел/факс (095) 120-80-65
123007, Москва, Хорошовское шоссе, д,76 А, Государственный научный центр РФ - Институт медико-биологических проблем РАН, тел. (095) 19500-33, факс (095) 195-22-53
Цель работы - изучение цитоархитектоники белой пульпы селезенки мышей, длительно принимавших ЛВ и получивших гамма-облучение в 50 рад.
Материал и метод исследования. Эксперимент проведен на мышах-самцах Ва1Ь с 3-месячного возраста. Изучено 2 группы животных. Основная группа (ОГ) мышей в течение 2-х месяцев употребляла ЛВ, воду с пониженным содержанием стабильного изотопа водорода дейтерия и кислорода. В последующем животных, получавших ЛВ, облучали на установке РХ-у-30 дважды по 25 рад (суммарная доза 50 рад). Контрольная (интактная) группа (КГ) животных содержалась в аналогичных условиях вивария, употребляла обычную водопроводную воду. Забой животных проводили методом цервикальной дислокации спустя 1 и 3 суток после окончания облучения. В эксперименте использовано по 10 мышей в каждой группе. Селезенки животных фиксировали в 10% формалине, проводили по спиртам возрастающей концентрации и заливали в парафин. Гистологические срезы органа толщиной 4-5 мкм окрашивали гематоксилином-эозином, азурП-эозином. Изучен клеточный состав лимфоидных структур селезенки на единице площади гистологического среза (в 880 мкм2). Проведена статобработка цифрового материала. Достоверность различий в КГ и ОГ мышей оценивали при р> 0,05.
Результаты. Выявлено, что длительное употребление ЛВ через 1 сутки после гамма-облучения мышей (50 рад), по сравнению с КГ, приводит к уменьшению числа клеток с картинами митозов в 13,6 раза в центрах размножения лимфоидных узелков и в 5 раз - в периартериальной лимфоидной муфте (ПАЛМ) (табл.). В мантии лимфоидных узелков сохраняются только единичные клетки с картинами митозов и они исчезают в лимфоидных узелках без центра размножения. В 1-е сутки опыта в белой пульпе органа неравномерно уменьшается содержание молодых форм клеток и, особенно, бластов. В большей степени (в 9,2-11 раз) число бластов уменьшается в мантии и в лимфоидных узелках без центров размножения и в меньшей степени (в 5,5 раза) - в центрах размножения лимфоидных узелков и в ПАЛМ.
Таблица
Клеточный состав (в %) лимфоидных образований селезенки мышей ОГ
Клетки Сроки эксперимента
Интактные | 1 сут | 3 сут
Центр размножения лимфоидных узелков
Бласты 6,80±0,73 1,22±0,42* 3,54±0,39*
Большие лимфоциты 10,88±1,13 12,76±0,98 15,62±1,41*
Клетки с картинами митозов 1,53±0,26 0,11±0,06* 0,76±0,12*
Малые лимфоциты 13,93±1,42 13,97±1,07 11,85±1,07
Плазмобласты 1,53±0,23 0,54±0,12* 0,51±0,13*
Плазмоциты 0,38±0,05 0 0,21±0,05*
Макрофаги 8,59±0,91 5,61±0,47* 5,34±0,37*
Деструктивные 18,13±1,97 19,91±1,22 19,91±1,42
Мантия лимфоидных узелков
Бласты 1,55±0,20 0,14±0,06* 0,10±0,03*
Большие лимфоциты 7,45±0,79 4,26±0,47* 5,32±0,49*
Клетки с картинами митозов 0,28±0,11 0,09±0,05* 0,10±0,07
Малые лимфоциты 46,27±3,33 49,08±2,78 48,97±3,07
Плазмобласты 1,12±0,19 0,41 ±0,11 * 0,37±0,09*
Плазмоциты 0,14±0,07 0 0
Макрофаги 3,09±0,19 1,03±0,49* 1,09±0,19*
Деструктивные 11,11±1,27 14,99±1,21* 12,09±1,31
ПАЛМ
Бласты 1,01±0,24 0,19±0,11 * 0,54±0,07*
Большие лимфоциты 5,76±0,61 4,65±0,11 * 7,74±0,50*
Клетки с картинами митозов 0,86±0,19 0,15±0,07* 0,09±0,08*
Малые лимфоциты 42,07±3,21 41,08±2,63 41,18±2,71
Плазмобласты 1,87±0,32 0,69±0,09* 0,95±0,11 *
Плазмоциты 0,43±0,11 0 0
Макрофаги 4,47±0,57 2,46±0,23* 2,05±0,33*
Деструктивные 13,68±1,51 15,83±1,23* 13,98±1,19
Лимфоидный узелок без центра размножения
Бласты 1,19±0,23 0,13±0,05* 0,24±0,05*
Большие лимфоциты 5,96±0,61 6,06±0,67 5,80±0,41
Клетки с картинами митозов 0,26±0,07 0 0,16±0,07
Малые лимфоциты 50,73±3,74 45,71±2,72 47,94±2,87
Плазмобласты 1,59±0,23 0,46±0,08* 0,57±0,09*
Плазмоциты 0,40±0,10 0,21±0,09* 0
Макрофаги 2,52±0,36 1,14±0,34* 0,98±0,12*
Деструктивные 10,99±1,33 15,20±1,21* 10,25±0,09
Обозначения: * - значения достоверны при р > 0,05 по сравнению с КГ
