CC BY
31
Статья
«виртуальные лечебные учреждения», предлагающие гражданам индивидуальное медицинское обслуживание и телемедицинские системы и приложения для охраны здоровья граждан во всех возможных условиях, что включает и дистанционную помощь больным и на постгоспитальном этапе при проведении реабилитационных мероприятий. Автоматизированные системы (регистры) медико-социальной помощи пациентам обеспечивают информационную поддержку процесса наблюдения за больными, нуждающимися в реабилитации, в процессе их лечения в различных медицинских учреждениях, и организации психологической и социальной адаптации пациентов и членов их семей. Одновременно АИС являются основой для планирования помощи, включая решение вопросов научно обоснованного распределения функций между учреждениями, т. е. обеспечения поддержки административных и методических решений. В этом смысле важно, чтобы информация для целей управления как на государственном, так и на территориальном уровне была ориентирована на обеспечение конкретных действий. По мнению экспертов ВОЗ, национальные базы данных помогают установить эффективную обратную связь с учреждениями-поставщиками информации, что ведет к улучшению полноты и качества данных, на основе которых могут строиться заключения. Появились новые возможности для реализации этой задачи на основе перехода к региональным и глобальным телекоммуникационным сетям, позволяющим объединять автономно функционирующие в отдельных учреждениях автоматизированные медицинские системы, включающие и вопросы восстановительного лечения.
Литература
1. Зелинская Д.И., Вельтищев Ю.Е. Детская инвалидность: Лек. №6. Прил. к ж. Росс. вестн. перинат. и пед.- М., 1995.- 53 с.
2. Зелинская Д.И. и др. // Рос. мед. ж.- 2000.- №1.- С.7-9.
3. Гейтс Б. Бизнес со скоростью мысли.- М.: ЭКСМО-Пресс, 2001.- 480 с.
4. Кобринский Б.А. Континуум переходных состояний организма и мониторинг динамики здоровья детей.- М.: Детстомиз-дат, 2000.- 152 с.
5. Кобринский Б.А. // Очерки медико-социальной реабилитации семей, имеющих детей с проблемами здоровья.- Часть II.-Екатеринбург, 1995.- С.56-69.
6. То же.- С.42-56.
7. Гладышев Ф.Ф. и др. // Всерос. науч. конф. «Медицинская информатика накануне 21 века»: Тез. докл.- СПб, 1997.-С.96-98.
8. Hammer M.et al.: A Manifesto for Business Revolution. -New York: Harper Collins, 1993.
9. Богданов А.А. Тектология: Всеобщая организационная наука.- Кн.2.- М.: Экономика, 1989.- 351 с.
10. Кобринский Б.А. // Очерки медико-социальной реабилитации семей, имеющих детей с проблемами здоровья. Часть III.-Екатеринбург, 1995.- С.9-15.
11. Гальперин С.М., Гущин А.Н. // Семья-94 в системе реабилитационных центров: Сб. тез. межрег. науч.-практ. конф. Ч.1.- Екатеринбург, 1994.- С.92-95.
12. Блохина С.И. и др. // Очерки медико-социальной реабилитации семей, имеющих детей с проблемами здоровья. Часть
II.- Екатеринбург, 1995.- С.63-68.
13. Кобринский Б. А. // Автоматизированное рабочее место врача: Сб. докл. Междун. науч.-практ. конф.- Днепропетровск: ИПК ИнКомЦентра УГХТУ, 2002.- С.36-39.
14. Блохина С.И., Вербук В.М. // Семья-94 в системе реабилитационных центров: Сб. тез. межрегион. науч.-практ.
конф. Ч.1.- Екатеринбург, 1994.- С.84-85.
15. Информационные технологии в реабилитации детей с врожденной патологией / Под ред. С.И.Блохиной, Б.А.Кобринс-кого.- М.- Екатеринбург: РНПЦ «Бонум», 1997.- 153 с.
16. Емелин И.В. // Компьютер. технологии в медицине.-1996.- №1.- С.43-47.
17. Турьянов А.Х. и др. // Информатизация здравоохранения России: Всеросс. сб. науч. тр.- Ч. 3,4.- М., 1996.- С. 11^-119.
18. Бронтвейн А.Т. и др. // Матер. Всерос. науч. форума «Инновационные технологии медицины XXI века», «Медицинские компьютерные технологии».- М., 2005.- С.33-35.
19 Kobrinsky B. et al. // Medinfo’98: Proc.9th Intern. congr. on medical informatics. Pt 1.- Seoul, 1998.- P. 121-125.
20. Кобринский Б.А.и др. // Компьютер. хроника.- 2000.-№1.- С.77-96.
21. Хавхун Л.А. Комплексная стимуляция статикомоторного и психоречевого развития детей с перинатальными поражениями центральной нервной системы: Автореф. дис. ... канд. мед. наук.- М., 1994.- 25с.
COMPUTER’S MONITOR AND REMOTE SUPPORT OF REHABILITATION TREATMENT
B.A. KOBRINSKIY Summary
New field of public health that we now talk about «eMеdicine» or «eHealth» is extending very rapidly
Key words: computer’s monitor, rehabilitation treatment
УДК 546.33+546.32]:541.32:548.56
ПОДХОДЫ К ОЦЕНКЕ ПАРАМЕТРОВ СПЕКТРА АКТИВНОСТИ ИОНОВ ВОДОРОДА В БИОЛОГИЧЕСКИХ ЖИДКОСТЯХ
I. ЭЛЕКТРОХИМИЧЕСКИЙ МЕТОД
И. Г. ГЕРАСИМОВ*
Ионы водорода (H+) неоднородны по активности, различаются по энергии, формируя спектр активности ионов водорода (САИВ). Отрицательный логарифм концентрации H+ ([Н+]), используемый на практике для выражения их содержания в растворе (pH), представляет собой суммарную активность H+, являющуюся интегралом «нескольких видов ионов» [ 1 ]. Поскольку H+ - участники многих биохимических реакций, в которых они выступают в качестве реагентов, продуктов, кофакторов или создают среду, то с их помощью организм получает возможности для регулирования процессов. В теоретических работах обсуждаются аспекты биорегулирования за счет наличия САИВ [2-4], но подходы к оценке параметров САИВ разработаны.
Активность представляет собой произведение концентрации вещества на его коэффициент активности, значение которого зависит от природы окружения и равно единице в идеальных растворах [1]. Близкие по природе ионы по-разному влияют на состояние других веществ. В случае, например, ионов натрия (Na+) и калия (К+), по-видимому, по причине разной степени их гидратации (первый гидратирован больше, чем второй) [5, 6], они по-разному влияют на состояние других ионов, в частности Н+. Такое положение дает возможность оценить параметры САИВ на основании оценки влияния других катионов на активность Н+.
Для измерения pH на практике используют электрохимический и индикаторный методы и ядерный магнитный резонанс (ЯМР). Измеряемый pH зависит от метода измерения. Значения pH в клетке и вне ее, определенные посредством разных индикаторов, различаются между собой на 0,1-0,2 [7, 8], а также отличаются от pH, найденных электрохимически [8] или методом ЯМР [9], причем в случае последнего и индикаторного методов разница показателя достигает одного порядка.
Экспериментальная часть. Исследовали фосфатные буферы (ФБ) I-IV, концентрации Na+ и К+ и pH которых приведены в табл. Состав ФБ III и IV подбирали так, что pH и концентрации Na+ и К+ в III близки внеклеточным, а в IV- внутриклеточным для эритроцитов [10]. Изучали во времени pH растворов от момента погружения электродов до достижения равновесного значения pH (pH4) на «pH-150» (электроды ЭСЛ-456-11 и ЭВЛ-1М4) в диапазоне температур (T°) 288-313°K с шагом 2,5-5°К (точность тер-мостатирования ±0,5°К) и рассчитывали [Н+]. ЯМР 1H спектры регистрировали на «Gemini-200» (Varian) с рабочей частотой 200 МГц (внутренний стандарт третбутанол, 1%, d=1,24 миллионных долей, м. д.) при 293°K. Среднее и его доверительный интервал рассчитывали с вероятностью P=0,95; корреляционный и регрессионный анализы вели, используя «Statistica for windows».
*
НИИ медицинских проблем семьи ДГМУ им. М. Горького, 83015, Донецк, ул. Левицкого, 4, Украина
И.Г. Герасимов
Катионный состав и pH, Tmax и ki и Е* фосфатных буферов
ФБ Na+, мМ/л К+, мМ/л pH Ттэх, °К к1х10'3, с'1 при 310,5°К E*, кДж/моль при Т, °К
288 310 310,5 313
I 172 - 7,2 318 12,6 ± 1,2 4,8 77,8 89,0 204
II - 172 7,2 317 10,0 ± 1,1 5,02 99,4 116 310
III 169 3,3 7,2 343 16,2 ± 1,5 25,3 81,4 83,4 100
IV 18,0 141 6,8 343 16,2 ±1,8 25,1 80,7 84,2 99,5
Результаты. Электрохимическое измерение pH требует времени для диффузии Н+ из раствора в мембрану электрода в обмен на ионы К+, содержащиеся в стекле [1]. В мембрану последовательно диффундируют Н+ с уменьшающейся активностью до установления равновесного значения [Н+] ([Н+]ад). При этом до достижения [Н+]ад изменяется разность потенциалов, которой соответствует равновесный (измеряемый) рНад. Заметим, что разность потенциалов зависит не только от активности Н+, но и от состояни я других ионов [11]. Поэтому оказалось, что в ФБ с одинаковым рНад, но разными катионами, время и скорость установления [Н+]ад различны. Так, в присутствии Ка+ время меньше, а скорость - больше, чем в растворе с К+ (рис. 1).
Рис. 1. Кинетика установления [Н+]го в ФБ I (1) и II (2) при Т = 291 °К
Раз диффузия Н+ в мембрану ограничена [Н+]ад, то кинетика процесса нелинейна, и к ней неприменимо уравнение диффузии [12]. Процесс установления [Н+]ад описали уравнением, аналогичным кинетическому уравнению реакции первого порядка:
[Н+]ад -+[Н+] = +[Н+]ад -+ [Н+]о)хехр(-М), (1)
где [Н+]0 и [Н+] - [Н+] при 1 = 0 и в момент времени 1 соответственно; к: - константа скорости диффузии Н+ в мембрану. Интересно, что теоретически обоснованным уравнением вида (1) описан процесс диффузии Ка+ через клеточную мембрану [13].
В пределах погрешности измерения рН=7,2 ([Н+]=5,6х10-8 --7,1 х10-8 моль/л) параметры [Н+] и [Н+]0 связаны уравнением:
[Н+]0 = Лх[Н+]ад + С (2)
где Л и С - эмпирические константы. Коэффициенты корреляций между экспериментальными данными, обработанными по уравнениям (1) и (2), находятся в диапазоне г = 0,97-0,98 (р\<0,05). Параметры [Н+]0 и Л не зависят от катиона и определяются характеристиками мембраны электрода (число пор на единицу поверхности, их радиус и структурно-геометрический фактор [14]). Независимость [Н+]0 от вида катиона говорит о том, что в ФБ высокоактивных Н+ достаточно для их практически мгновенной диффузии в стекло измерительного электрода. Напротив, С и к1 зависят от природы катиона (табл.) и являются характеристиками САИВ, причем к1 характеризует Н+ с относительно низкой активностью. Значения С (10-8, моль/л) для ФБ с Ка+ и К+ составляют 4,4±0,42 и 3,1±0,32, соответственно, а их отношение равно 1,4±0,14. Отношение к1 для ФБ с Ка+ и К+ при всех Т также близко к 1,3 и, например, при 37,5 оС (313,5 К) равно 1,3±0,12. Такое соотношение параметров САИВ (1 : 1,3) может быть необходимым для гомеостатирования рН в клетке при Ка-К-обмене. Причина в наблюдаемых различиях параметров САИВ, по-видимому, заключается в том, что Ка+ и К+, как и другие ионы, в водных растворах образуют гидраты, причем Ка+ гидратирован в большей степени, чем К+ [5, 6]. Поэтому свободной воды в присутствии №+ оказывается меньше, а эффективная концентрация Н+ с более высокой активностью - больше, чем в ФБ с К+. Число гидратации зависит от способа его оценки [15], указывая на наличие вокруг гидратированного иона молекул воды ближнего и дальних порядков. В растворах Н+ образуют ионы гидроксония (Н3О+ и Н5О2+), которые, поскольку ионы металлов заряжены положительно, могут участвовать в их гидратации только на уровне относительно дальних порядков. Очевид-
Таблща но, в связи с тем, что №+, по сравнению с К+, гидрати-
рован большим числом молекул воды, участие ионов гидроксония в гидратации Ка+ происходит на уровне более дальних порядков и Н+ диффундируют быстрее из ФБ с Ка+, чем с К+.
Прямое доказательство различия параметров САИВ в ФБ I и II получено по данным ЯМР. Значение химического сдвига частоты колебаний Н+ в растворе с №+ составило (4,863 ± 0,0064) м. д. и отличалось (р<0,05) от такового в растворе с К+ (4,844 ± 0,0015) м. д. В ФБ с Ка+ активность Н+ выше, чем в растворе с К+.
С увеличением Т° возрастет к Эта зависимость оказалась неаррениусовской, и ее описали уравнением, аналогичным уравнению зависимости рН крови от Т [16]:
Ьпк1 = Ьпко - В/(Т - Ттах) (3)
где ко - к1 при Т ^ ад, 1/В - температурный коэффициент кь Ттах - максимальная Т°, при которой можно зафиксировать изменение [Н+] с применением использованной измерительной техники. Нашли численные значения параметров уравнения (3), используя которые рассчитали эффективную энергию активации (Е*) процесса установления [Н+]ад (табл.) по уравнению (Я -универсальная газовая постоянная) [16]:
Е* = -Яхс1(Ьпк1)/с1(Г1) = -ЯхВхТ2/(Т - Ттах)2-
(4)
Рис. 2. Температурная зависимости к! в координатах уравнения Аррениуса
для ФБ I (1), II (2), III (1’) и IV (2’)
На рис. 2 представлена зависимость ki от Т в координатах Аррениуса. Отклонение от прямой начинается при Ткр = 308-313°К, что близко к Т° теплокровных организмов (35-40 0С). Значения Е в ФБ I и II равны в пределах погрешности расчета при данной Т°, а при разных Т° - составляют 5-310 кДж/моль. Наблюдаемое при снижении Т отклонение ki от значений, предсказываемых уравнением Аррениуса, происходит, вероятно, по причине гидратации катионов [12]. С уменьшением Т° степень гидратации растет и ki уменьшается нелинейно. Способность диффундировать в стекло имеют чаще H+ от ионов гидроксония, не входящих в состав гидратов, и число таких ионов увеличивается с ростом Т°. В пользу этого говорит близость значений Е энергиям водородной связи (низкие Т°), и активации процесса гидратации однозарядных катионов (высокие Т°).
При наличии в растворе одновременно Na+ и К+ в концентрациях, близких к вне- и внутриклеточным, наблюдаются следующие закономерности. Увеличивается Ттах (с 6,2 K до 110°K), величина 1/B уменьшается, к1 увеличивается (табл.) в 1,5-2 раза в области высоких Т, приближаясь по мере ее снижения к значениям, полученным в присутствии только одного из катионов так, что при 15 0С (Т=288°К) становится меньше последних. Отклонение зависимости Е (Т°) от линейной наблюдается в области Ткр=308-313°К. При этом Е , по сравнению с ФБ I и II, падает в области, близкой к Т° теплокровных, до ~100 кДж/моль и возрастает при комнатной Т° до приблизительно 25 кДж/моль. При всех Т° значения к1 и Ев ФБ III и IV совпадают. В условиях, моделирующих ионный состав и pH клетки и внеклеточной жидкости, процессы диффузии H+ облегчаются (Е понижается в соответствующей области Т°) и могут не зависеть от ионного состава и pH и от того, в клетке или вне ее они протекают (равенство к1).
Одновременное уменьшение Е в ФБ, содержащих и Na+, и К+, по сравнению с Е в ФБ только с Na+ или только с К+, и ослабление ее зависимости от Т указывает на то, что в ФБ с обоими катионами гидратирующие ионы гидроксония равномерно распределены между Na+ и К+. Иными словами, в этих услови-
Статья
ях не существует Na+ (или К+), гидратированного обособленно от К+ (или Na+). Такое распределение H+ в ФБ III и IV ведет к увеличению Е в области высоких T, когда возможность диффундировать получают H+ от гидратирующих катионы ионов гидроксония. Несмотря на разный состав и pH при T°, близкой к Т° теплокровных организмов, Е для всех ФБ в пределах погрешности расчета равны между собой (при 37 0С (310°K), 75±10 кДж/моль). Полученная величина согласуются с энергией активации обмена Na+ и К+ в эритроцитах (50-90 кДж/моль, Т° = 297-312°K).
Заключение. Предложенный электрохимический подход позволяют оценить параметры САИВ, на которые влияют сопутствующие ионы (в частности, Na+ и К+). Моделирование внутри-и внеклеточного состава Na+, К+ и pH позволяет предположить, что некоторые параметры САИВ вне и внутри клетки одинаковы.
Литература
1. Бейтс Р. Определение pH.- Л.: Химия, 1972.- 398 с.
2. Герасимов И. Г. // ВНМТ.- 1999.- Т. 6, № 1.- С. 143-145.
3. Герасимов И. Г. // ВНМТ.- 1999.- Т. 6, № 3-4.- С. 12-15.
4. Герасимов И. Г. // ВНМТ.- 2000.- Т. 7, № 2.- С. 26-28.
5. КузнецоваЕ. М. // Ж. физ. химии.- 1999.- № 12.- С. 2280.
6. Термодинамические характеристики неводных растворов электролитов: Справочник.- Л.: Химия, 1984.- 304 с.
7. Wang Z. H. et al. // Cytometry.1990.- № 5.- P. 617-623.
8. Hannan S. F., Wiggins P. M. // Biochim. Biophys. Acta.-1976.- Vol. 428, № 1.- P. 205-222.
9. Griffith J. K. et al. // Brain. Res.- 1992.- № 1.- P. 1-7.
10. ПевзнерЛ. Основы биоэнергетики .-М.: Мир, 1977.-310 с.
11. Веренинов А. А. Транспорт ионов через клеточную мембрану.- Л.: Наука, 1978.- 286 с.
12. Семиохин И. А. и др. Кинетика гомогенных химических реакций.- М.: Изд-во МГУ, 1986.- 232 с.
13. Веренинов А. А., Виноградова Т. А.Механизмы проницаемости, возбуждения и повреждения клетки.- Л.: Наука, 1969.-С. 182-206.
14. Волошина О. С. и др. // Ж. физ. химии.- 2000.- Т. 74, № 6.- С. 1099-1102.
15. Измайлов Н. А. Электрохимия растворов.- М.: Химия, 1876.- 488 с.
16. Герасимов И. Г., Самохина Е. В. Структура и свойства органических соединений.- Донецк, 1999.- Т. 2.- С. 155-158.
УДК 6164 659.2; 001.8
ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ МЕДИЦИНСКОЙ ИНФОРМАЦИИ ДЛЯ ПРИНЯТИЯ РЕШЕНИЙ
С.М. АФАНАСЬЕВА, В.Л. ТОКАРЕВ*
Сбор, обработка медицинской информации и на этой основе анализ, затем диагностика, прогнозирование, выбор оптимального пути лечения или плана профилактических мероприятий имеет цель — принятие решения. В статье предлагается в основу интеллектуального анализа медицинских данных положить методы knowledge discovery in databases (KDD). Можно выделить два типа задач, которые решаются с разной эффективностью разными методами KDD (хотя реальные задачи исследования данных могут совмещать в себе оба типа). Первый класс задач состоит в нахождении и построении из данных Х различных моделей Мх(уД которые могли бы быть использованы для прогноза и принятия решения в будущем, при встрече ситуации ^j, ^е¥, отсутствовавшей в данных при выводе модели. При этом требуется, чтобы модель работала наиболее точно и была статистически значима и оправдана. В задачах второго типа основным является понимание сути зависимостей в данных, взаимного влияния факторов {z}, т.е. на построении эмпирических моделей М2(^)процессов, и здесь ключевой момент - это легкость, открытость строимых моделей для восприятия человеком. В этом случае важно, чтобы система хорошо предсказывала, но нам важно понять взаимные влияния факторов. Возможно, обнаруженные закономерности у=М2(уД будут специфической
чертой именно конкретных исследуемых данных и больше нигде
не встретятся. Хотелось бы подчеркнуть, что это разные типы задач, и потому решаться они могут разными средствами. Нейронные сети нередко хорошо решают задачи первого типа, например, задачи прогноза (в условиях, близких условиям обучения), но не могут помочь в решении задач второго типа. В результате обучения таких систем получается нейронная сеть, где полученные знания автоматически фиксируются в виде весов связей между структурно организованными нейронами. Общее число нейронов может составлять много сотен или тысяч. Такая система недоступна восприятию и пониманию человеком.
Обратимся к задаче построения моделей. Ее можно разбить на два важных подтипа. Во-первых, это задачи классификации. Имеются какие-то записи, или описания объектов <XxLxY> (они могут быть заданы в разных формах), и о каждом из них известно, что он принадлежит к некоторому классу из фиксированного конечного множества классов. Необходимо выработать правило или набор правил, в соответствии с которыми мы могли бы отнести описание любого нового объекта к одному из этих классов.
F(t) п п (1)
<Wx7 > ПТ) >{[w] >Уі,і = 1,...,n}; W = UW]; Y = UУі.
і=1 і=1
Здесь F(t) - процедура классификации. То есть, такую задачу можно сформулировать следующим образом. Имеется обучающая выборка, содержащая N точек в признаковом пространстве WxY. Каждая точка представляется значением n-мерного вектора Wj, каждый компонент aji которого может принимать одно из mi дискретных значений (как количественных, так и качественных), и одним из K значений yk^Y. Таким образом, все пространство WxY имеет размерность
M = K + П mf,
і=1
то есть, это задача классификации с К пересекающимися классами. Каждый отдельный признак в этом пространстве может принимать значения из конечного множества элементов. Требуется построить такую классификацию пространства WxY на К пересекающихся классов, которая обеспечит максимальное значение функционала:
K mk , (2)
J = X X hk (wj); о <hk (Wj) < 1, k=1 j
где hk(Wj) - функция принадлежности вектора Wj k-му классу; mk - число векторов Wj с ненулевой hk(Wj).
В результате получим базу знаний вида
mk (3)
U Wj > Ук, k = 1,...,K j=1
Все значения Wj (термы лингвистической переменной W) в базе знаний (3) представляются как нечеткие множества, заданные функциями принадлежности. Нечеткая база знаний (3) может трактоваться как некоторое разбиение пространства влияющих факторов на подобласти с размытыми границами, в каждой из которых функция отклика принимает значение, заданное соответствующим нечетким множеством. Правило в базе знаний представляет собой «информационный сгусток», отражающий одну из особенностей зависимости «входы - выход». Такие «сгустки насыщенной информации» могут рассматриваться как аналог вербального кодирования, которое, как установили психологи, происходит в человеческом мозге при обучении.
Например, классическая задача такого типа - это медицинская диагностика [1]. Пусть у нас есть описание пациентов (наших объектов) <W, Y> - данные каких-либо медицинских тестов, анкетные данные, данные анализов и т.д., и заранее известные классы Wj > yk, где W - наборы данных и yk є Y - диагнозы болезней. Скажем, мы точно знаем, что некоторые пациенты больны диабетом, а другие не больны. Затем мы собираем данные тех же самых медицинских анализов jgj для нового пациента и
ставим задачу, как на основе анализов распознать: болен ли он диабетом или нет? Эту задачу решаем, используя полученную модель Wj >yk, и правило логического вывода modus ponens:
к ’ J
y,.
yh eY,Wj
