CC BY
27УДК 616.381-002-089
СОВРЕМЕННЫЕ МОДЕЛИ ЭКСПЕРТНЫХ СИСТЕМ ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ В ПРОГНОЗИРОВАНИИ ОПЕРАЦИОННОГО РИСКА В ХИРУРГИЧЕСКОЙ ПРАКТИКЕ
Зарипова Г. Р.1, Богданова Ю. А.1, Катаев В. А.1, Ханов В.О.2
1ФГБОУ ВО «Башкирский Государственный медицинский университет» Минздрава России, 450000, Ленина 1, г.Уфа, Россия;
2 ФГБУ «Клиника Башкирского государственного медицинского университета», 450083, ул. Шафиева, 2, г. Уфа, Россия
Для корреспонденции: Богданова Юлия Альбертовна, кандидат медицинских наук ФГБОУ ВО «Башкирский Государственный
медицинский университет» Минздрава России, г. Уфа E-mail: juladoctor@mail.ru
For correspondence: J.A. Bogdanova, MD, Bashkir State medical University, E-mail: juladoctor@mail.ru
Information about authors:
G. R. Zaripova, http://orcid.org/0000-0002-2354-9376
J. A. Bogdanova http://orcid.org/0000-0002-8589-3586
РЕЗЮМЕ
Настоящий обзор литературы посвящен применению экспертных медицинских систем в рутинной практике врача-хирурга. Подробно описаны существующие модели систем поддержки принятия врачебных решений при курации пациентов с такими распространенными нозологиями, как острый панкреатит, панкреонекроз, острый холецистит, осложненная язвенная болезнь. Также в статье проведен сравнительный анализ современных медицинских экспертных систем и описаны базовые принципы их построения.
Ключевые слова: экспертные системы, абдоминальная хирургия, панкреонекроз, перитонит, искусственные нейронные сети.
MODERN MODEL OF EXPERT SYSTEMS MAKING SUPPORT MEDICAL DECISIONS IN PREDICTION OF OPERATIONAL RISK IN SURGICAL PRACTICE (REVIEW).ABSTRACT
Zaripova G .R.1,. Bogdanova J. A.1, Kataev V. A.1, Chanov O. V.2
Bashkir State medical University, Ufa, Russia;2 Clinic of Bashkir State medical University, Ufa, Russia
SUMMARY
This review of the literature devoted to the application of medical expert systems in surgeon practice. Detailed description of the existing models of medical decision-making support systems for Supervision of patients with acute pancreatitis, pancreatic necrosis, acute cholecystitis, ulcer complications. Also in the article realized a comparative analysis of modern medical expert systems and describes the basic principles of their construction.
Key words: expert system, necrotizing pancreatitis, peritonitis, artificial neural networks.
Можно констатировать, что в наукоемких отраслях науки и практики все более актуальное значение приобретает информационное обеспечение новых технологий и это, по сути, является одним из критических факторов развития [11]. Экспертные системы в хирургии уже используются для дифференциальной диагностики и выбора методики вмешательства, оценки состояния жизненно-важных параметров в режиме реального времени.
Одной из наиболее актуальных проблем в хирургии на данном этапе является раневая инфекция, которая составляет около 12-25% от всех нозо-комиальных инфекций, являясь одной из наиболее частых осложнений среди всех послеоперационных инфекционных осложнений. До 42% всех дополнительных затрат хирургических стационаров связано с лечением раневых инфекций. Особенно самое большое число гнойных осложнений наблюдается в абдоминальной хирургии [14].
Как известно, в хирургической практике при принятии врачебных решений о дальнейшей так-
тике дополнительно должны учитываться такие условия, как дефицит времени, высокая динамика течения заболевания, многофакторность развивающегося процесса. Все это существенно усложняет задачу построения компьютеризированных систем поддержки принятия решений [18]. Однако математическая модель воспроизведения клинического операционного процесса и его анализ должны стать новой стратегией для предупреждения и ранней диагностики осложнений [5].
Существующие экспертные медицинские системы для поддержки врачебных решений в хирургии реализовывают возможность их применения при достаточно узком спектре хирургических нозологий, в частности, хирургической патологии брюшной полости [5, 12, 13, 15, 16, 17, 20, 21, 22, 26, 29, 31, 35].
При этом наиболее часто используемой моделью построения данных систем является искусственные нейронные сети (ИНС). Преимуществами ИНС являются возможность лучше клас-
сифицировать данные, повысить специфичность метода, не снижая его чувствительности. Наиболее важным отличием метода ИНС является возможность конструирования экспертных систем самим врачом-специалистом, который может передавать свой опыт и опыт коллег, основанный на реальных клинических ситуациях [11].
Одни из первых экспертных систем в хирургии, использовавших в своей основе метод нейронных сетей, предназначались для прогнозирования длительности нахождения в стационаре пациентов с острым панкреатитом (Pofahl, 1998), диагностики острого панкреатита по уровню ферментов (Kazmierczak, 1993), прогнозирования летального исхода (Halonen, 2003) [21]. Разработки B. Anders-son и соавторов были направлены на оценку эффективности искусственных нейронных сетей для прогнозирования тяжести острого панкреатита на основе шести наиболее информативных критериев: ЧСС, интенсивность болевого синдрома, уровень креатинина плазмы, гемоглобина, АЛТ и лейкоцитов крови [42]. Оценка эффективности искусственных нейронных сетей в хирургической практике производилась также отечественными разработчиками [15, 27].
Стремительно развивающаяся хирургия новых технологий, в частности, расширяющиеся возможности лапароскопических вмешательств, способствуют неуклонному развитию информационных технологий в области поддержки принятия врачебных решений в данной области [1, 25, 30 ,32]. Между тем, автоматизированные системы в абдоминальной хирургии приобретают все большее распространение, в частности, для количественной оценки послеоперационного риска осложнений [6, 12, 13, 16, 17, 19, 29], оценки выбора метода хирургического лечения [3, 10, 30], а также в качестве обучающей системы в изучении общей хирургии [8, 24, 28].
Анализ литературных данных позволяет выделить наиболее многочисленную группу информационных разработок в области пакреатологии [5, 13, 16, 19, 20, 22, 29, 31, 35]. Так как, несмотря на достигнутые успехи, проблема сохраняет свою актуальность ввиду высокой частоты госпитализаций в ургентной хирургии [44]. По данным ряда авторов, частота инфекционных осложнений после вмешательства на поджелудочной железе коррелирует с такими показателями как продолжительность болезни, объем поражения ткани ПЖ, маркеры системной воспалительной реакции, тип хирургического вмешательства [38, 39, 40, 43].
Результаты микроскопического и микробиологического исследования аспирационного материала ткани поджелудочной железы (ПЖ), парапан-креатической клетчатки и жидкостных скоплений были заложены в основу « Системы прогнозиро-
вания инфицированного панкреонекроза» [20]. В качестве входных параметров применялись ретроспективные клинические, лабораторные и инструментальные обследования 398 пациентов, основным выходным параметром, соответственно поставленным задачам компьютерного моделирования, являлся стерильный или инфицированный панкреонекроз. Метод многомерного анализа с применением логистической регрессии был применен программе «Автоматизированная система учета травм поджелудочной железы» [35] .Прогностическая эффективность данной разработки составила 88,9%.
Ряд более ранних авторов при построении прогностических моделей экспертных систем использует в качестве прогностических критериев нарушение цитокиновой регуляции при остром панкреатите и отклонения параметров клеточного иммунитета [9, 23, 33]. Особенностью методики прогнозирования острого гнойного панкреатита, разработанной Хрячковым В.В., является своеобразная «динамичность» модели, возможность сверки текущих данных с нормативными показателями на протяжении всего лечебно-диагностического процесса [34].
Свою систему критериев тяжести использовал Юдин В.Н. (2009), разделив все прогностические признаки на 3 класса на основе их сочетания клинической картиной острого пакреатита [37]. Основу нейронно-сетевой модели Винника Ю.С. составил набор примеров с входными параметрами и заранее сформулированными ответами с указанием прогноза развития панкреонекроза [2].
Более поздние работы по применению СППВР при оперативных вмешательствах на поджелудочной железе нацелены на выбор метода оперативного вмешательства, способа завершения операции, оценку риска релапаротомии [3, 7, 13, 16]. Система прогнозирования релапаротомии при хирургическом лечении тяжелого острого панкреатита с применением метода последовательного анализа А. Вальда, разработанная Кричмар А.М. и соавторами, позиционирует в качестве индекса прогноза повторного вмешательства сумму баллов диагностических коэффициентов. [16].
Выбор метода хирургической тактики при послеоперационном перитоните реализован в «Компьютерной экспертной системе прогноза течения послеоперационного перитонита» Жарикова А.Н. и соавторов. В программе использованы 25 общепринятых параметров, объединенных в 4 группы диагностических критериев, отражающих функциональное состояние жизненно-важных систем гомеостаза. По степени отклонения данных параметров программное обеспечение позволяет судить о тенденциях течения послеоперационного перитонита в реальном времени. Окончательная
оценка прогноза исчисляется в процентах участия для каждой группы критериев и определяет 4 вида возможных способов устранения неблагоприятных исходов операции (санационная релапаротомия, устранение несостоятельности анастомозов либо отказ от их наложения, выведение энтеростомы, формирование декомпрессивной лапаростомы) [10].
Оценочная шкала состояния органов брюшной полости представлена в разработке Савельева В.С., именуемой как «Индекс брюшной полости». Основу метода составили 7 групп факторов, основными из которых были распространенность перитонита, характер экссудата, наличие адгезивного процесса, состояние кишечника и источника перитонита. Данные показатели использовались с целью уточнения показаний к выбору тактики ведения пациента с перитонитом в режиме лапа-ротомия «по требованию» или «по программе». В рамках экспертной системы авторами была разработана количественная оценка бактериального и грибкового поражения перитонеального экссудата методом проточной цитометрии. На основе сопоставления результатов микробиологического анализа и степени поражения органов брюшной полости установлена закономерность соответствия значений индекса брюшной полости и количества микроорганизмов в 1 мкл. экссудата [30].
Отдельно стоящей проблемой в абдоминальной хирургии является оценка операционного риска при операционных вмешательствах на органах гепатобилиарной зоны.
В структуру острой хирургической патологии на фоне осложненного течения желчно-каменной болезни (ЖКБ) входят острый холецистит с околопузырным инфильтратом, абсцессом, перфорацией, механической желтухой, холангитом, наружным или внутренним желчным свищом. При экстренных операциях летальность вследствие осложненного течения ЖКБ достигает 12%, при плановых и отсроченных вмешательствах до 1% [17, 36].
В современной системе «АСКОР» (автоматизированная система количественной оценки операционного риска), использованы вероятностно-статистические и нейросетевые модели, направленные на оценку предоперационной тяжести пациентов с желчно-каменной болезнью. Результатом обработки входящих данных в представленной разработке является «компьютерный образ» состояния, отражающий взаимосвязь клинической картины с эмпирическими медико-биологическими данными. В результате интеграции данных параметров достигается возможность количественной оценки тяжести клинической ситуации и риска оперативного вмешательства [6].
В рамках изучения результатов лапароскопической холецистэктомии (ЛХЭ) Звягинцевым В.В. и
соавторами была разработана экспертная система на основе математической модели прогнозирования, позволяющая предсказать трудности предстоящего вмешательства, изменить состав операционной бригады, выбрать методику лапароскопической холецистэктомии и предотвратить возможные осложнения. Данные функции объединены в компьютерную систему прогнозирования сложности ЛХЭ, в основу которой заложен принцип кодирования признаков (анамнестических данных, ультразвуковых характеристик, клинических симптомов, лабораторных данных). Смысл экспертной системы заключается в возможности на основании введенных характеристик пациента получить информацию о целесообразности выполнения операций, сложности предстоящего вмешательства, его предполагаемой длительности, возможных технических трудностях, а также персонализировать рекомендации для более эффективного выполнения вмешательства [12].
Не утрачивает свою актуальность в разрезе интраабдоминальных вмешательств такая распространенная проблема как гастродуоденальные кровотечения (ГДК) различной этиологии. Доля язвенных кровотечений в структуре ГДК по данным Holster I.L. и соавторов составляет 31-67% [41].
Кровотечения язвенной этиологии, в свою очередь, имеют наибольшую вероятность хирургического лечения по сравнению с ГДК неязвенной этиологии [4]. Основными факторами неблагоприятных исходов данной патологии в настоящее время являются частые рецидивы, возраст больного и тяжелая сопутствующая патология. Данные систематического обзора Потахина С.Н. и соавторов позволяют утверждать о несовершенстве существующих разработок в программном обеспечении прогнозирования риска повторных ГДК. Программа оценки рисков, применяемая на современном этапе, представлена множеством оценочных шкал, основанных на интерпретации эндоскопической картины заболевания (Ghosh S., Forrest J.A., Bruno J.), либо основанных исключительно на комплексе лабораторных и клинических показателей (Blatch-ford O.). Чувствительность данных методов достигает порядка 99%, тогда как специфичность не выходит за рамки 30%, что неизбежно повышает риск гипердиагностики. Эволюция методов оценки риска повторных кровотечений прослеживается на этапе создания прогностических индексов Baylor Bleeding Score и Cedars- Sinai. (2012). Несмотря на большое число обзорных работ по данной тематике сравнительных исследований среди российских разработок до последнего времени не проводилось, тогда, как уже на сегодняшний день существует порядка 100 различных методик балльной оценки риска рецидива ГДК, часть из которых реализована в виде компьютерных программ. Однако, по мне-
нию автора, ни один из предложенных вариантов не соответствует требованиям, предъявляемым реальной клинической практикой. В частности, существующие оценочные шкалы учитывают конкретный набор признаков, которые не во всех случаях могут быть общедоступными, методика должна быть упрощенной и удобной в использовании, а также иметь возможность быть интегрированной в электронную медицинскую документацию. [26].
Однако, как показывает обзор литературы, не только профильные специалисты находят актуальным разработку и внедрение СППР в медицинскую практику. Достаточно активно разрабатываются и внедряются математические модели и модели нейронных сетей специалистами технического профиля. Так по данным С.В. Харькова (2012) нечеткие нейронные сети могут быть полезны не только для интегральной оценки показателей здоровья пациентов, но и для прогнозирования факторов риска послеоперционных осложнений. Препятствием для повсеместного внедрения подобных единых программ, с возможностью самосовершенствования и накопления данных является отсутствие единой медико-информационной системы.
Таким образом, основываясь на представленных данных, можно с уверенностью говорить о неуклонно развивающемся процессе информатизации лечебно-диагностического процесса в медицине в целом, и в хирургии, в частности. Наблюдающаяся интенсивная информатизация лечебно - профилактических учреждений является неотъемлемой частью развития персонализированной медицины, направленной на минимизацию осложнений и рисков, что в хирургической специальности является краеугольным камнем успешно проведенного вмешательства.
ЛИТЕРАТУРА
Баранов, Г.А. Клинические аспекты лапароско-пии:...автореф.дис.д-ра мед.наук./ Г.А.Баранов.-М.1999.- 97 с.
Винник Ю.С., Петрушко С.И., Якимов С.В. Прогнозирование течения и исхода острого па-креатита с помощью нейронных сетей.// Материалы IX Всероссийского съезда хирургов.-Волгоград, 2000.- С.23-24
Гомозов Г.И. Автоматизированная система для оценки исходов лечения больных с острой хирургической патологией органов брюшной полости./ Г.И. Гомозов//. Медицинский альманах. -2012-№2(21).- С.129-133
Гостищев В.К., Евсеев М.А. Острые гастродуо-денальные язвенные кровотечения: от стратегических концепций к лечебной тактике.М.: 2005; 350 с.
1. Гуревич Н.А. Новые информационные технологии в профилактике интраоперационных осложнений лапароскопических операций в экс-
тренной хирургии органов брюшной полости./ Н.А.Гуревич, А.Н.Лызиков, А.Р. Гуревич.// Новости хирургии.-2007.- №1-т.15.- С. 39-52
2. Драгун И.А. Автоматизированная система количественной оценки операционного риска. /И.А.Драгун, Г.Г.Устинов, П.М.Зацепин// Известия Томского политехнического университета.- 2007.-Т.310. -№1.- С. 217-221
3. Дрожжин Е.В., Парсаданян А.М., Амирагян Д.М. Тактика дифференцированного хирургического лечения панкреонекроза// Вестник СурГУ. Медицина.- 2010.- №1 (4).- С.133-141
4. Дябкин Е.В. Использование современных компьютерных технологий в изучении общей хирургии/ Е.В. Дябкин.// Медицинский альманах.-
2013.-№6(30).- С.26-28
5. Ермолов А.С., Боровкова Н.В., Иванов П.А. и др. Иммунологическая оценка тяжести и прогноза острого панкреатита// Вестник хирургии им. И.И.Грекова.- 2005.- Т.164.- №6.-С.22-28
6. Жариков А.Н. Компьютерная экспертная система определения прогноза течения послеоперационного перитонита и выбора метода хирургического лечения./ А.Н.Жариков, В.Г.Лубянский, И.В.Кобзев// Сибирское медицинское обозрение.-
2014.- №3.- С.48-54
7. Жариков О.Г. Современные возможности использования некоторых экспертных систем в медицине./ О.Г.Жариков, В.А. Ковалев, А.А.Литвин// Врач и информационные технологии.-2008.-№5.-С.24-30
8. Звягинцев В.В. Экспертная система прогнозирования сложности лапароскопической холецистэктомии./ В.В.Звягинцев, А.С.Мухин, Ю.А.Долгов, Ю.А.Столяренко// Медицинский альманах.- 2014.- №3(33) .- С. 129-135
9. Иванов А.В. Нечеткие математические модели системы поддержки принятия решений для решения задачи прогнозирования острого панкреатита/А.В.Иванов, В.Н.Мишустин, Л.П.Лазурина, В.И.Серебровский//Врач и информационные технологии.- 2013.- №6.- С. 60-66
10. Колесников Д. Л. Прогнозирование вероятности инфекций области хирургического вмешательства при остром аппендиците./ Д.Л.Колесников//.Современные проблемы науки и образования.- 2013- №3
11. Кореневский Н.А. Прогнозирование , ранняя диагностика и оценка степени тяжести острого холецистита на основе нечеткой логики принятия решений./ Н.А.Кореневский, М.Т.Шехтине, Д.А.Пехов, О.Н.Тарасов// Вестник Воронежского Государственного технического университета.-2009.- №11. Т.5.- С. 150-152
12. Кричмар А.М. Прогнозирование релапа-ротомии при хирургическом лечении тяжелого острого пакреатита./ А.М. Кричмар// Известия
Самарского научного центра Российской академии наук.- 2015.- т.17- № 5 (3).- С.803-809
13. Кузнецов А.Б. Прогноз результатов лечения у больных с осложненным острым обтура-ционным калькулезным флегмонозным холециститом, холедохолитиазом./ Медиаль.- 2016.- №2 (16).- С. 15-21
14. Литвин А.А. Системы поддержки принятия решений в хирургии./А,А.Литвин, В.А.Литвин//. Новости хирургии.- 2014.- Т.22(1).- С.96-100
15. Литвин А.А. Современные возможности прогнозирования инфекционных осложнений тяжелого острого панкреатита (обзор литературы). /А.А.Литвин // Вестник Санкт-Петербургского университета.- Сер.11-2009.-Вып.3-С. 127-134
16. Литвин А.А. Система поддержки принятия решений в прогнозировании и диагностике инфицированного панкреонекроза/А.А.Литвин, О.Г.Жариков, В.А.Ковалев// Врач и информационные технологии.- 2012.- №2.- С.54-62
17. Литвин, А.А. Системы поддержки принятия решений в диагностике и лечении острого панкреатита/ А.А.Литвин, О.Ю.Реброва// Проблемы здоровья и экологии.-2016 .- выпуск №2 (48).-С.10-17.
18. Морозов С.В. Прогнозирование течения острого панкреатита./ С.В. Морозов, В.Т.Долгих,
A.Б.Рейс// Сибирский медицинский журнал.-2010.- №5.- С. 11-15
19. Никитенко В.И., Тарасенко В.С., Есипов
B.К. Иммунологические и бактериологические показатели в прогнозе осложнений у больных панкреонекрозом, осложненным перитонитом// Материалы IX Всероссийского съезда хирургов.-Волгоград, 2000.- С. 89
20. Осин А.В.Электронные образовательные ресурсы нового поколения: открытые образовательные модульные мультимедиа системы./ Сборник научных статей « Интернет-порталы:содержание и технологии».М.: Просвещение, 2007.-Вып 4.- С.12-29
21. Ошибки, осложнения и летальность у больных с острыми хирургичесикими заболеваниями органов брюшной полости / А.Е.Борисов [и др.] .- Спб, 2000.- 162 с.
22. Потахин С.Н. Оценка тяжести состояния и прогнозирование течения заболевания при язвенных гастродуоденальных кровотечениях ( обзор)/
C.Н.Потахин, Ю.Г.Шапкин, Ю.В.Чалык [ и др.]// Саратовский научно-медицинский журнал.- 2014 - №2(10).- С.301-307
23. Прогнозирование течения и исходов тяжелого острого панкреатита /П.И. Миронов [и.др.]// Фундаментальные исследования.-2011.-№10.-С.319-23
24. Пустобаева О.Н. Электронный учебник в организации и управлении учебным про-
цессом. Успехи современного естествознания. 2008.№4.С.57-58
25. Рейс А.Б. Новые технологии в диагностике и оперативном лечении постнекротических осложнений острого панкреатита. /А.Б.Рейс, С.В.Морозов, В.Л.Полуэктов и др.// Омский научный вестник.- 2013.- №1 ( 118).- С. 156-159
26. Савельев В.С. Критерии выбора эффективной тактики хирургического лечения распространенного перитонита./ В.С.Савельев, Б.Р.Гельфанд, М.И.Филимонов [и др].// Анналы хирургии.- 2013.-№2.- С. 48-54
27. Саганов В.П. Стерильные и инфицированные формы панкреонекроза как проблема ургент-ной хирургии ( обзор литературы)// В.П. Саганов, В.Е.Хитрихеев, Г.Д. Гунзынов, О.В.Очиров// Вестник Бурятского университета.- 2010.- №12.- 175-179
28. Сипливый В.А. , Шаповалов Е.А., Евтушенков Д.В. Объективная оценка тяжести и индивидуализированный подход при остром панкреатите// Материалы XIV международной конференции хирургов-гепатологов России и стран СНГ .- Спб, 2007.- С.227-228
29. Сотниченко Б.А., Салиенко С.В. Возможность прогнозирования течения острого деструктивного панкреатита на основании динамики показателей цитокинового статуса// Материалы XIV международной конференции хирургов-гепатоло-гов России и стран СНГ .- Спб, 2007.- С.229
30. Харьков С.В. Нечеткие нейронные сети для интегральной оценки состояния здоровья/ Биотехнические, медицинские и экологические системы и комплексы ( Биомедсистемы-2011): сб. матер. XXIVВсероссийской научно-технической конференции студентов, молодых ученых и специалистов. Ч2- Рязань, 2011. С.199-204
31. Шнейдер В.Э.Прогнозирование риска развития послеоперационных осложнений при травматических повреждениях поджелудочной железы/
B.Э.Шнейдер, А.Г.Санников// Системы поддержки принятия врачебных решений.- 2015.- №1.- С.35-43
32. Шульга А.Ф. Результаты лечения острого холецистита в многопрофильном стационаре/ А.Ф.Шульга, Е.С.Губочкин, С.Н Покалюхин // Вестник С.-Петербургского университета.- 2009.-№11(2).- С.87-93.
33. Юдин В.А. Прогнозирование тяжести течения панкреонекроза// Актуальные проблемы хирургической гепатологии.- Екатеринбург, 2009.-
C.106.
34. Frossard J-L, Hadengue A.,Pastor C.M. New serum markers for the detection of severe acute pancreatitis in humans// AmerJ.Respir.Crit.Care Med.2001. Vol.164.P.162-170
35. Gard P.K., Madan K., Pande G.K. e.a. Association of extent and infection of pancreatic necrosis with organ failure and death in acute necrotizing pancre-
atitis// Clin.Gastroenterol.Hepatol.- 2005.-Vol.3- №2-P.159-166
36. Haga Y., Beppy T.,Doi K.e.a. Systemic inflammatory response syndrome and organ dysfunction following gastrointestinal surgery // Crit. Care Med. 1997. Vol.25.P.1994-2000
37. Holster IL, Kuipers EJ. Management of acute nonvariceal upper gastrointestinal bleeding: current policies and future perspectives. World J. Gastroenterol. 2012; 18(11): 1202-1207
38. Prediction of severe acute pancreatitis at
admission to hospital using artificial neural networks/ B. Andersson et al.// Pancreatology.- 2011.-vol.11,№3.-P. 328-35
39. Rau B., Steinbach G.,Gansauge F. e.a. The potential role of procalcitonin and interleukin 8 in the prediction of infected necrosis in acute pancreatitis// Gut. 1997- Vol. 41.№6.-P.832-840
40. Yang A.L. , Vadhavkar S., Singh G., Omary M.B. Epidemiology of alcohol -related liver and pancreatic disease in the United States // Arch.Intern. Med.2008.Vol.168.P.649-656
