В настоящее время ухудшение экологических условий проживания человека, усиление роли социального фактора на психологическое, психическое и физическое состояние человека, ускоренное уменьшение людей постоянно проживающих и-или работающих в сельской местности приводит к ухудшению популяционных свойств [4, 5]. В связи с этим существенно повышаются требования к качеству массового периодического обследования населения (в том числе в ходе диспансеризации) населения с применением скрининга, стандартизации и унификации методов превентивной медицины, искусственного интеллекта и IT-технологий с использованием достижений в областях вычислительной техники.
Например, в Российской Федерации, начиная с конца XX века, ведутся разработки в области проектирования и эксплуатации систем поддержки принятия решений скрининга здоровья детей и подростков (системы ВИТА-90, АКДО, АСПОН, КМАДО, АСДОК, САНУС, КАСМОН и др.) [3]. Аналогичные проекты реализованы и продолжают активно разрабатываться в США (фирмы «Control Date Corp», «GETZ CORP») и в других странах [9].
Базовая автоматизированная система поддержки принятия решений процесса скрининг
диагностики включает в себя подсистемы: регистрации пациента автоинтервьюирования, проверки работы различных физиологических и сенсорных систем организма, анализа ЭКГ и артериального давления, результаты лабораторных анализов различных биологических проб. К настоящему времени разработаны и эксплуатируются системы скрининга различных заболеваний [3, 1]. К прогрессирующим заболеваниям, требующим качественную и своевременную диагностику на ранней стадии заболевания в процессе реализации технологий превентивной медицины, относятся онкологические. Например, нашли широкое применение технологии скрининг-диагностики (в том числе с применением автоматизированных систем поддержки принятия решений) нозологических заболеваний по выявлению рака: яичников, шейки матки, молочной железы, предстательной железы, легких, прямой кишки, мочевого пузыря, полости рта, кожи, поджелудочной железы [3]. Ранняя диагностика рака желудка в силу специфики протекания заболевания в процессе массовой диспансеризации осуществляется крайне редко, поскольку требует проведения достаточно дорогих и технологически сложных процедур и исследований на фоне, как правило, отсутствия жалоб специфического характера со стороны обследуемого. Применяются в основном методы фото-флюорографии с двойным контрастроированием и гастроскопией в специализированных центрах или клиниках. С этой целью применяется и онкомаркеры типа РЭА, СА242, СА72.4, СА19.9, с диагностической эффективность порядка 60-65 % [6]. Несвоевременная диагностика на ранней стадии приводит к росту летальности.
Указанные факторы обусловливают актуальность проведения исследований в области разработки достаточно формализованных для автоматизации методов скрининга заболеваний рака желудка на ранней стадии при массовых обследованиях населения без применения специализированных клинических исследований для повышения качества предоставляемых населению услуг медицинского и профилактического характеров, снижения смертности и экономических затрат на лечение и последующую реабилитацию больных, уменьшения последствий терапевтических воздействий (в первую очередь, химиотерапии и хирургического вмешательства).
Целью настоящего исследования являлась разработка формализованного метода диагностики возможности возникновения и-или наличия онкологических заболеваний желудка при скрининге на основе анализа результатов ответов на вопросы, отражающих: социальный статус обследуемого, наличие текущих и перенесенных заболеваний, образ жизни обследуемого.
Материалы и методы исследования
Для решения поставленной цели использовалась методологий системного анализа, синтез нечетких логических правил и математического моделирования при анализе различных рекомендаций, предложенных в доступных информационных источниках и консультациях с экспертами – врачами-онкологами [6, 7, 8].
Результаты исследования и их обсуждение
В процессе диагностического процесса с помощью представленной на рисунке 1 системы поддержки принятия решений (СППР) скрининг-диагностики рака желудка для лица, принимающего решение управляющего и корректирующего характеров [2] формируются следующие рекомендации о: необходимости дальнейшего обследования в специализированных медицинских центрах, подготовке сопровождающей документации, необходимости коррекции функционирования модуля «Подсистема формирования рекомендаций для СППР» с помощью «Подсистемы настройки», путем изменения классификационных пороговых значений для мер доверия и параметров функций соответствия, характеризующих «образ жизни» факторов, алгоритмов синтеза решающих правила, технологии формирования обучающей и контрольной выборок, базы данных для обучения СППР.
На рис. 1 используются следующие условные обозначения: БДПКО – база данных показателей общего анализа крови для обучения системы классификации; МФПММ – модуль формирования пакетов математических моделей; МИСП – модуль информационной селекции показателей; МРМДДиМ – модуль расчета мер доверия к данным и моделям; ТПА – таблица показателей анамнеза и «образа жизни» обследуемого (Q); МФИП – модуль формирования интегральных показателей; ППРР – пакет программ расчета рисков; МВМД – модуль вычисления мер доверия; МВ – модуль визуализации; МПДок – модуль подготовки документации; МПРС – модуль протоколирования работы системы поддержки принятия решений; МДС – модуль диагностики состояния обследуемого (на предмет выявления рака желудка); МПМБ – модуль параметров для расчета мер близости к альтернативным классах w0 и w1; МФРек – модуль формирования рекомендаций для ЛПР; ТКП – таблица классификационных порогов; МВФС – модуль вычисления значений функций соответствия результатов модельных вычислений и измерений; МВРА – модуль вычисления риска по анализу анамнеза и «образа жизни, истории болезни, жалоб и т.п.»; МРЗПМ – модуль расчета значений показателя по математическим моделям; МРМБ – модуль расчета меры близости; МФИДП – модуль формирования идентификационных данных пациента (по медицинской карте); БДПА – база данных показателей «образа жизни» и анамнеза; МИВТ – модуль идентификации временного тренда; ДО – данные для обучения системы; МПО – модуль прогноза оперативности обследования; ЛПР – лицо принимающее решение; «Подготовка мед. карты по ….» – модуль подготовки электронной медицинской карты субъекта исследования; Субъект – обследуемый на предмет выявления рака желудка и необходимости проведения дальнейшего дополнительного клинического обследования человек.
Рис. 1. Структура интеллектуальной системы поддержки принятия решения скрининг-диагностики рака желудка
Представленная интеллектуальная СППР состоит из двух подсистем: «Подсистема формирования рекомендаций для ЛПР» и «Подсистема настройки», взаимодействие которых осуществляется с помощью внутреннего интерфейса системы. Указанные подсистемы посредством внешнего интерфейса реализуют следующие целевые функции системы:
– первая формирует и сообщает ЛПР информацию рекомендательного характера о необходимости дальнейшего клинического обследования пациента;
– вторая осуществляет определение необходимых для нормального функционирования модулей «Подсистемы формирования рекомендаций для ЛПР» структур, параметров и условий.
«Подсистема настройки» включает в себя модули: МФППММ, МРМДДиМ, МПМБ, ППРР ТПА, МИСП, МФИП, БДКО, ТКПЮ, БДПА. «Подсистема формирования рекомендаций для ЛПР» включает в себя следующие: МРМБ, МВРА, МРЗПМ, МВФС, МВМД, МДС, МФРек, МДС, МФИДП, МПДок, МВ, МПРС, МПО. «Подсистема настройки» взаимодействует посредством дружественного интерфейса с оператором (врач-кибернетик), который под руководством ЛПР вводит в подсистему необходимую для этапа обучения информацию: формирует БДПК, вводит пороговые значения уровней мер доверия и уверенности.
Для признаков, сформированных по анализу обследуемого Q, на основании специфической информации и опыта экспертов-врачей, определяются риски по отношению к заболеванию раком желудка 
. На этапе обучения СППР формируются гибридные нечеткие решающие правила для оценки уверенности 
в классе 
по значениям Q и 
, вида:
, (1)
где 
– уверенность в классе 
; Qi – набор признаков, получаемых в ходе анализа ответов на опросник, 
– функционал агрегации; 
– показатели риска, получаемые из справочных общепризнанных источников.
Для регулирования соотношений между количеством ошибок первого и второго родов на экспертном уровне выбираются величины двух порогов 
и 
, алгоритм принимаемых решений по которым определяется табл. 1.
Таблица 1
Диагностические заключения относительно порогов 
|
|
|
|
|
Идентификатор (№) ситуации |
Описание ситуации |
|
0 |
0 |
0 |
0 |
1 |
Дополнительное обследование |
|
0 |
0 |
0 |
1 |
2 |
Здоров – класс |
|
0 |
0 |
1 |
0 |
1 |
Дополнительное обследование |
|
0 |
1 |
0 |
0 |
3 |
Болен – класс |
|
1 |
0 |
0 |
0 |
1 |
Дополнительное обследование |
Таблица 2
Факторы риска заболевания раком желудка по показателям множества {Q}
|
группа NQg |
Группа показателей Qg |
Семантика показателя (вопроса в опроснике) |
Балл |
|
|
1 |
2 |
3 |
4 |
5 |
|
1 |
Половозрастной фактор |
Мужчины, 55 лет и старше Женщины, 60 лет и старше Мужчины моложе 55 лет Женщины моложе 60 лет |
1 1 0 0 |
FQ1 |
|
2 |
Страна проживания |
Япония, Центральная Америка, Восточная Европа, Южная Америка, Южная Европа, Китай Другие страны |
1 0 |
FQ2 |
|
3 |
Особенности питания |
Чрезмерное увлечение пищей: копченой, острой, соленой, жареной (пережаренной), консервированной пищей, длительно хранящимися продуктами, содержащими нитраты |
1 1 1 1 1 1 1 |
FQ3 |
|
4 |
Употребление алкоголя |
Злоупотребление |
0-10 |
FQ4 |
|
5 |
Курение |
Чрезмерное |
0-10 |
FQ5 |
|
6 |
Общее самочувствие |
Понижение аппетита Изменение пищевых пристрастий Постоянное повышение температуры Ощущение тяжести в животе после еды, тошнота и рвота, быстрая насыщаемость Желудочный дискомфорт Нарушение стула (поносы, запоры) Желудочно-кишечные кровотечения Опоясывающие боли Увеличение объема живота Похудение Общая слабость, снижение трудоспособности Побледнение покровов, их пастозность или отечность Психическая депрессия (потеря целесообразности труда, отчужденность, апатия) |
8 10 5 8 8 5 10 3 5 8 5 5 5 |
FQ6 |
|
7 |
Ранее перенесенные болезни |
Гастриты (с пониженной кислотностью), язвы и полипы желудка Операции на желудке Пернициозная (злокачественная) анемия Резекция желудка Неэпителиальные опухоли желудка Язвенная болезнь желудка Первичные и вторичные иммунодефицитные состояния Длительно существующее воспаление желудка Частичное удаление блуждающего нерва (ваготомия) |
5 6 10 8 10 5 6 4 6 |
FQ7 |
|
8 |
Болезнь Менетрие |
Гипертрофическая гастропатия |
0-1 |
FQ8 |
|
9 |
Вирусы и бактерии |
Наличие в организме бактерии Helicobacterpylon Вирус Эпштейн-Барр |
10 8 |
FQ9 |
|
10 |
Семейный анамнез |
Больные раком желудка близкие родственники |
0-5 |
FQ10 |
|
11 |
Характер ритма жизни |
Беспорядочный Напряженный Стрессовый |
0-5 0-5 0-10 |
FQ11 |
|
12 |
Недостаток физической активности |
0-5 |
FQ12 |
|
|
13 |
Дефициты |
Витамина В12 Витамина С Овощей и фруктов |
0-5 0-5 0-5 |
FQ13 |
|
14 |
Окружающая среда |
Работа с химическими веществами: металлическая пыль, отходы горной промышленности при разработке карьеров, камнерезанье, отработанное дизельное топливо, радон, асбест, никель, резина, минеральные масла Ионизирующее излучение |
10 8 |
FQ14 |
Анализ различных информационных источников (например, [6, 7, 8, 9] и мнений экспертов-медиков позволил сформировать множество показателей множества {Q}, осуществить их кластеризацию в группы по семантической нагрузке, определить баллы и составляющие влияния группы на 
групповых показателями риска 
(g – номер семантической группы). Результаты выполненных исследований представлены в табл. 2.
В табл. 2: Qg – группа показателей из {Q}; 
– составляющие влияния группы показателей Qg на риск возникновения и/или наличия рака желудка (
); NQg – номер группы показателей Qg; 
– частный показатель риска, определяющей значение 
согласно заданной функции в зависимости от баллов показателей Qg в группе NQg.
Для каждой функции 
синтезируются правила ее вычисления, указанные в табл. 3. В таблице использованы следующие условные обозначения: 
– сумма баллов в соответствующей группе NQg показателей из {Q}, если последних в группе более одного:
. (2)
Для определения риска 
первоначально анализируются доминирующие группы показателей NQ7, NQ8, NQ9 и рассчитывается значение промежуточной переменной R:
(3)
Таблица 3
Формулы определения частных рисков 
|
NQg |
Частный показатель риска |
|
1 |
для мужчин: |
|
2 |
|
|
3 |
|
|
4 |
|
|
5 |
|
|
6 |
|
|
7 |
|
|
8 |
|
|
9 |
|
|
10 |
|
|
11 |
|
|
12 |
|
|
13 |
|
|
14 |
|
, для женщин: 
, где Voz – возраст в годах
Переменная R определяет риск наличия заболевания в условиях отсутствия субъективных показателей у обследуемого анамнезе пациента при наличии таковых в доминирующих группах.
Затем рассчитывается финальное значение риска 
:
(4)
Таким образом, предлагаемая методика позволяет определить значение риска наличия рака желудка 
путем анализа анамнеза пациента без проведения лабораторных исследований или иных клинических исследований. Меру уверенности 
в правильности формируемой рекомендации предлагается вычислять по формуле (5) (функционал F в (1)):
. (5)
(С учетом популяционной специфики и степени строгости в выборе, рекомендации могут быть применены и более сложные структуры функционала F).
Выводы
Полученные функции и методика оценки степени риска заболевания раком желудка позволяют использовать их в базе знаний СППР для автоматического формирования рекомендаций по дальнейшему обследованию и вычисления мер доверия к ним.
Предлагаемый опросник, основанный на анализе различных информационных источников, позволяет достаточно адекватно оценивать состояние обследуемого в процессе реализации превентивной медицины в ходе массовой диспансеризации населения при наличии или отсутствии ряда ответов.
Разработанный математический аппарат оценки уверенности в адекватности формируемых СППР рекомендаций, применение интервалов пороговых значений мер уверенности позволяет формализовать идентификацию решающих диагностических правил рака желудка и спроектировать гибкую диагностическую автоматизированную систему, не требующую проведение клинических специализированных исследований и использует результаты ответов обследуемого на предлагаемые вопросы без первоначальной концентрации его внимания на семантику формируемого диагноза, – что позволяет существенным образом повысить объективность оценки полученной субъективной информации.