Комбинированная термография (КТГ) используется в диагностике острой венозной патологии и хронических заболеваниях вен (ХЗВ) нижних конечностей. Диагностические возможности этого метода при изучении варикозной болезни и острого венозного тромбоза в сравнении с ультразвуковым ангиосканированием (УЗАС) можно оценить на уровне 70-80 и 90-100% соответственно. КТГ может быть полезна для выявления как начальных стадий, так и в мониторинге состояния пациентов с венозной патологией после операции или на фоне неоперативного лечения. Очевидным недостатком метода может служить отсутствие характерных топических признаков тромбоза, т.е. термографическая картина тромбоза вен голени и илиофеморального тромбоза будут схожи. Однако как метод динамического наблюдения за состоянием мягких тканей после лечения он во многом уникален, другого способа интегральной оценки состояния кровенаполнения, микроциркуляции кожи, мышц и подкожной клетчатки нет. В практической медицине этот метод не может и не должен конкурировать с УЗАС. Оптимальной ролью для него может быть скрининг, так как он прост, не требует знания деталей анатомии, неинвазивен. Настоящая работа в основном посвящена изучению надежности метода КТГ и попыткам создания математических моделей обработки данных для уменьшения субъективизма и ускорения анализа термограммы врачом.

Надежность определяет воспроизводимость результатов диагностического теста как меру вариабельности результата теста при его использовании более 1 раза для обследования одного и того же больного или для проведения тестирования одного и того же больного разными специалистами [4]. Сегодня лучшим из доступных методов, которые можно использовать в качестве референс-теста для диагностики сосудистых расстройств нижних конечностей, считают УЗАС. Однако, по данным литературы [4-6], этот способ обладает высокой чувствительностью и низкой специфичностью, т.е. венозная патология может быть «выявлена» у здоровых лиц. Так как КТГ является новым методом, в определении его надежности нам хотелось быть абсолютно уверенными в диагнозе референс-теста. Поэтому мы провели свое исследование на группе пациентов, у которых при УЗАС не было обнаружено патологии вен нижних конечностей.

В опытную группу пациентов включили 13 человек (26 конечностей) без патологии вен нижних конечностей, которые были отобраны после обследования методом УЗАС на аппарате Vivid-3 expert («General Electric», США). Термографическое обследование проводили последовательным измерением кожной (инфракрасной) температуры (инфракрасная термография - ИКТГ) и глубокой микроволновой термометрии (радиотермография - РТГ) в 12 симметричных точках, расположенных по задней поверхности обеих голеней пациента, в положении стоя и лежа. Для регистрации как инфракрасной температуры с поверхности тела, так и температуры тканей на глубине 4-6 см мы использовали диагностический комплекс РТМ-01-РЭС, позволяющий регистрировать температуру тканей по их естественному тепловому излучению в инфракрасном и микроволновом диапазоне. Аппаратура, методика обследования и интерпретация результатов подробно описаны нами ранее [1, 2]. Термографическое обследование проводилось «вслепую», т.е. врач не знал о результатах, полученных специалистом ультразвуковой диагностики при УЗАС. После сопоставления диагнозов определяли диагностическую эффективность термографии по формуле (А+Д/n)·100%, где А - количество истинно-положительных диагнозов; Д - количество истинно-отрицательных диагнозов; n - количество обследованных пациентов. Также диагноз специалиста по термографии записывали как 0 - «болен», если выносилось заключение о патологии вен, и 1 - «здоров», если патологии не обнаруживали. Данный вид записи использовали в дальнейшем для расчетов oценки надежности методом test-retest [7, 8].

Результаты термографического обследования также оценивали посредством двух математических моделей. Первая была основана на непараметрической оценке плотности распределения вероятности [9]. Математический анализ результатов проводили на основе сравнения параметров термограмм пациентов опытной группы с базой данных по смешанной группе, состоявшей из здоровых лиц и больных варикозной болезнью, посттромботической болезнью, острым венозным тромбозом. Сравнивали температуру в каждой исследуемой точке голени пациента из опытной группы в положении пациента лежа и стоя с температурой в аналогичных точках и положениях пациентов с известным диагнозом из базы данных. Наша база данных (обучающая выборка) представляется как упорядоченный набор из 48 (P) признаков-координат, т.е. в виде матрицы:

где yⁱ - номер одного из классов «здоров» - «болен» (например, yⁱ=1, если в строке стоят признаки-координаты здорового пациента, и yⁱ=0, если больного); N - общее число наблюдений, i=1...N. И если T= (t¹, t², ..., t^N)^T - заданная контрольная выборка, где tⁱ= (tⁱ₁, tⁱ₂, ... tⁱ_P) при i=1…N, то x (x₁, x₂,..., x_P) - новое наблюдение, т.е. вектор признаков-координат пациента, которому нужно вынести диагностическое заключение (отнести к одному из имеющихся классов и причислить ему соответствующий номер 1 - «здоров» или 0 - «болен»). Ранее нами было установлено [3], что одно из оптимальных решений нашей задачи мы получим при помощи непараметрической оценки плотности распределения, используя формулу ядерной оценки плотности Парзена-Розенблатта (формула 1), и увеличением количества признаков-координат до 140 (P=140) с помощью сплайн-интерполяции функции, описывающей распределение температуры внутри голени:

В формуле (1) ρ (x, tⁱ) - функция расстояния, заданная в пространстве R^P и V(b) - нормирующий множитель; b - произвольное положительное значение, называемое параметром сглаживания, в нашем случае b=1; N_j- общее число наблюдений соответствующего класса.

Вторая математическая модель представляет собой метод оценок, полученных по результатам статистической обработки эмпирических наблюдений. На основании ранее полученных нами численных значений термографии и по результатам статистической обработки эмпирических наблюдений был разработан алгоритм классификации «здоров – болен». Для этого, во-первых, базу данных разбили на четыре подгруппы по соответствующим интервалам температур окружающей среды, так как каждый новый пациент будет сравниваться только с той группой, которую обследовали при соответствующей температуре окружающей среды пациента из базы данных. Во-вторых, вычисляли следующие значения для вновь пришедшего пациента и соотносили с таковыми из базы данных: средняя температура по всей ноге; осевой градиент – среднее значение температур в точках 1, 2, 3 минус среднее значение в точках 10, 11, 12; медиально-латеральный градиент - среднее значение точек 1, 4, 7, 10 минус среднее значение точек 3, 6, 9 и 12. Указанные значения определили 12 оценок для каждого пациента: по данным ИКТГ( в положении пациента лежа и стоя) и по данным РТГ (в положении пациента лежа и стоя). По результатам численных экспериментов был определен способ получения оценки и критическая граница измерений. Далее суммировали все 12 оценок и, если полученный результат превышал критическую границу, то относили обследуемого к классу 0 («болен»). Результаты обработки данных использовали для оценки надежности термографии методом «test-retest» для каждой математической модели отдельно. Таким образом, результат термографического обследования нижних конечностей был оценен разными способами трижды. Достоверность полученных результатов оценивали по каждому методу отдельно вычислением внутриклассового коэффициента корреляции (ВКК) по формуле: ВКК=1- En(TE – ΣC²)/[Т(nЕ – Т)(Е – 1)], где С - сумма положительных оценок для отдельного пациента; Т - общая сумма положительных оценок метода. ВКК считали достоверным, если выполнялось условие n(1+(Е–1)ВКК)> χ²(Q, α), где α - заданный уровень достоверности и Q - число степеней свободы [8].

Частота совпадения диагнозов ультразвукового и термографического обследования с клиническим заключением врача в одной и той же группе пациентов составила 76,9, 73,1 и 76,9% при первом, втором и третьем обследовании соответственно. При использовании первой математической модели сравнения признаков-координат термограмм пациентов диагноз «здоров» был поставлен 96,1, 88,5 и 92,3% пациентов; при анализе термограмм методом оценок диагноз «здоров» был поставлен 88,5, 100 и 96,1% пациентов при первом, втором и третьем обследовании соответственно. ВКК для повторных термографических измерений, произведенных врачом, составил 0,7315, для первой математической модели оценки состояния вен - 0,097222, для второй модели - 0,05405 (см. таблицу).

Анализ надежности диагностики после термографического обследования, проведенного врачом, и после математической обработки данных термографии в одной и той же группе пациентов показал, что при устранении субъективности восприятия результатов обследования диагностическая эффективность метода КТГ возрастает (при сравнении лучшего результата диагностики врачом (76,9%) и с помощью математических моделей (100%) z=2,172, р=0,03). Показатель ВКК для групп, где диагностика проводилась после математической обработки термограмм, близок к нулю, что свидетельствует о высокой воспроизводимости результатов обследования в одной и той же группе пациентов, так как ВКК равен нулю только в случае, когда оцениваемый эффект случайного фактора равен нулю. Выполнение необходимых неравенств для доказательства достоверности ВКК подтверждает также то, что нулевая гипотеза об отсутствии разницы термограмм у пациентов отвергнута. Наибольшая вариабельность данных по каждому пациенту внутри класса наблюдалась при субъективном анализе термограмм (ВКК=0,7315). Таким образом, метод КТГ является надежным методом диагностики состояния вен нижних конечностей и надежность метода возрастает после объективизации данных термографии. Использованные математические модели в дальнейшем могут быть положены в основу компьютерной программы автоматизированного анализа термограмм.