Ястремский А.П.

Кафедра ЛОР-болезней Тюменского государственного медицинского университета, Тюмень, Россия, 625023

Извин А.И.

Кафедра оториноларингологии Тюменской государственной медицинской академии

Математические подходы к дифференциальной диагностике острых заболеваний глотки

Журнал: Вестник оториноларингологии. 2017;82(2): 24-28

Просмотров : 17

Загрузок :

Как цитировать

Ястремский А. П., Извин А. И. Математические подходы к дифференциальной диагностике острых заболеваний глотки. Вестник оториноларингологии. 2017;82(2):24-28. https://doi.org/10.17116/otorino201782224-28

Авторы:

Ястремский А.П.

Кафедра ЛОР-болезней Тюменского государственного медицинского университета, Тюмень, Россия, 625023

Все авторы (2)

Воспалительные заболевания глотки занимают лидирующее место в структуре патологии ЛОР-органов, что обусловлено не только анатомическими особенностями глотки, но и действием неблагоприятных внешних факторов окружающей среды. Проблема диагностики острых заболеваний глотки, включающих флегмонозные процессы, представляет определенные трудности ввиду их локализации в пара- и ретрофарингеальных пространствах, при которых обычными физикальными методами не всегда возможна их верификация, что влечет за собой диагностические ошибки с серьезными последствиями [1—5]. Поэтому поиск методов дифференциальной диагностики данных заболеваний (паратонзиллярных и парафарингеальных абсцессов) является актуальной проблемой не только для оториноларингологов, но и для врачей других специальностей. В этой связи применение методов математического анализа, являющегося основой экспертных систем, может существенным образом повысить качество и эффективность диагностики и лечения больных с вышеназванными заболеваниями [6, 7].

Цель работы — разработать программу для дифференциальной диагностики острых заболеваний глотки на основе искусственной нейронной сети «ЛОР-Нейро».

Материал и методы

Для разработки экспертной системы (ЭС) острых заболеваний глотки проведена выборка 476 законченных клинических случаев с острыми заболеваниями глотки, к которым отнесли паратонзиллит, парафарингит, острый фарингит, острый тонзиллит по архивным данным двух лечебных учреждений Тюмени (ГЛПУ ТО ОКБ № 2 и ГЛПУ ТОИБ). Возраст пациентов колебался от 19 до 80 лет, средний возраст составил 31,26±11,02 года, мужчин было 283, женщин — 193 (табл. 1).

Таблица 1. Распределение пациентов по нозологическим формам

Для разработки программы использована искусственная нейронная сеть (ИНС), в основе которой лежит принцип набора признаков разных заболеваний, схожих по своей клинической картине, позволяющая классифицировать эти признаки более объективно. Кроме того, данные системы дают возможность значительно повысить специфичность метода без снижения его чувствительности [8—10].

Одним из главных преимуществ нейронных сетей перед традиционными алгоритмами является способность в нахождении коэффициентов связей между нейронами, при этом нейронная сеть способна выявлять сложные зависимости между входными и выходными данными и выполнять обобщение полученных знаний [11, 12].

Для хранения ИНС использовалась кроссплатформенная база данных SQLite. Доступ к просмотру данных осуществлялся с помощью свободного программного обеспечения SQLiteStudio v 2.1.4 (распространяется согласно GNU GENERAL PUBLIC LICENSE Version 2, June 1991). Разработка проводилась на языке Delphi (Embarcadero Delphi XE4).

Для создания ИНС для сбора информации о клинических случаях и приведения ее к формализованному виду использовалась разработанная нами автоматизированная система «Карта обследования пациентов с заболеваниями глотки» (регистрационный номер 2010613489 Роспатента от 28 мая 2010 г.). Полученные сведения обрабатывались с помощью разработанной ранее автоматизированной системы «Редактор базы знаний заболеваний глотки» (регистрационный номер 2010613472 Роспатента от 27 мая 2010 г.) и переносились в базу знаний. База знаний «Семиотика заболеваний глотки» (регистрационный номер 2010620304 Роспатента от 27 мая 2010 г.) хранит номер истории болезни, диагноз и его код по системе МКБ-10, а также информацию о клинической картине (наличии набора признаков) каждого отдельного клинического случая.

При обучении ЭС была использована однослойная искусственная нейронная сеть; количество входных параметров — 439, количество выходных параметров — 7.

Для хранения симптомов рассматриваемых заболеваний создана таблица симптомов (symptoms), которая содержит описания признаков данного заболевания. Каждый признак представленных заболеваний соответствует определенному сенсору нейронной сети (рис. 1).

Рис. 1. Пример заполнения таблицы Symptoms.

Для обучения ИНС написана программа-учитель; «Программа для обучения искусственной нейронной сети «ЛОР-Нейро» [13]. Она позволяет работать в двух режимах; первый режим предусматривает обучение ИНС, второй режим предполагает контроль обучения (рис. 2).

Рис. 2. Протокол контроля обучения.

Технология работы обучающей программы представлена следующим образом. Выборка пациентов (476) разбивалась на две части: обучающую (431 случай) и контрольную (45 случаев), которые не пересекались между собой. Ввиду малого количества наблюдений в процессе обучения была использована перекрестная валидация (cross validation test). Обучающая выборка разбивалась на 10 подгрупп случайным образом. Каждая из них по очереди становилась контрольной выборкой, а на остальных 9 проводилось обучение.

После всех разбивок ИНС инициализировалась случайными малыми значениями, лежащими в диапазоне от 10–3 до 10–4. Эмпирически выставлялся коэффициент обучения. После этого проводилось обучение и контроль. На каждом этапе контроля оценивалось количество ошибок и итераций. Обучение прекращалось в тот момент, когда количество ошибок переставало сокращаться. В дальнейшем, когда результаты обучения признавались удовлетворительными, ИНС запускалась на контрольной выборке. Если результаты контроля признавались неудовлетворительными (более 5% ошибок), ИНС инициализировалась заново и процесс повторялся. Если при повторном обучении получались те же результаты, менялся коэффициент обучения (табл. 2).

Таблица 2. Сводные данные по скорости и качеству обучения ИНС Примечание. * — процесс обучения расходящийся.

В итерациях 1 и 2 (табл. 2) коэффициент обучения был достаточно большим, что привело к расходящемуся процессу обучения. В начале каждой последующей серии итераций сеть инициализировалась заново. После получения удовлетворительных результатов (не более 5% ошибок, итерация 5), процесс обучения был остановлен. В итоге работы с программой обучения мы получили ИНС, проводящую дифференциальную диагностику между выбранными нозологическими единицами: двухсторонний паратонзиллит, правосторонний паратонзиллит, левосторонний паратонзиллит, правосторонний парафарингит, левосторонний парафарингит, острый тонзиллит, острый фарингит с вероятностью ошибки в 4%.

Результаты и обсуждение

Полученный результат обучения был признан допустимым и «Программа для обучения искусственной нейронной сети «ЛОР-Нейро» интегрирована в экспертную систему для дифференциальной диагностики острых заболеваний глотки (программа для постановки дифференциального диагноза острых заболеваний глотки «ЛОР-Нейро») [14] (рис. 3).

Рис. 3. Главное окно ЭС «ЛОР-Нейро».

Интерфейс программы имеет три активных окна, в которых отражены основные элементы работы программы. На основной панели инструментов ЭС располагаются активные клавиши, с помощью которых выводятся заданные параметры в соответствующем окне. В левом окне располагается дерево симптомов, в котором отмечаются симптомы заболевания. При нажатии клавиши «Провести анализ» программа после обработки клинического случая выводит данные в окне «Ранжирование диагнозов» в порядке наибольшей значимости весовых коэффициентов.

Для работы с третьим окном имеются активные клавиши, которые располагаются в строке над этим окном; «Стандарт», «Клиническая справка», «Пояснение решения». При нажатии соответствующей клавиши в окне выводится или стандарт лечения заболевания, или клиническая справка, или пояснение решения. Также программа имеет модуль «Реестр решений», когда после получения результата пользователь может нажать кнопку «Запомнить решение». После этого ЭС записывает представленный клинический случай в специальную таблицу — базу данных (БД), либо ЭС может проводить экспорт результата в региональный регистр патологий глотки [15].

Для наглядности работы ЭС приводим клинический случай.

Пациентка П., 28 лет, поступила в приемное отделение ОКБ № 2 07.11.15 с диагнозом правосторонний паратонзиллярный абсцесс. Подчелюстной лимфаденит. Парафарингит (?).

Жалобы при поступлении на слабость, недомогание, боль в горле при глотании справа, тошноту, повышение температуры до 38,7 °С, изменение голоса.

Болеет 4-й день после перенесенного ОРВИ. Ангины в анамнезе отрицает. Аллергологический анамнез не отягощен.

Объективно: состояние средней степени тяжести, кожные покровы бледной окраски. В легких дыхание везикулярное, хрипов нет. ЧДД — 21 в мин. ЧСС — 74 в мин. Печень не увеличена. Живот мягкий, безболезненный; стул, диурез в норме.

ЛОР-статус: вынужденный наклон головы в правую сторону, резкая болезненность при пальпации в подчелюстной области справа, отечность мягких тканей, распространяющаяся на верхнюю треть шеи справа. Зев — гиперемия передних и задних дужек, маленький язычок отечен, смещен в левую сторону, правая миндалина смещена в левую сторону, выраженный отек задней небной дужки справа и боковой стенки глотки справа, яркая гиперемия слизистой оболочки. При непрямой ларингоскопии — отек, инфильтрация правого грушевидного синуса, инфильтрация язычной поверхности надгортанника справа. Голосовая щель просматривается, голосовые складки белого цвета, подвижны, края ровные, при фонации смыкаются, подскладковое пространство свободное, дыхание не затруднено.

Общий анализ крови (на момент поступления): эр. 4,23·1012/л; л. 17,22·109/л; Нb 124 г/л; э. 2; п. 3; с. 70; лимф. 17; м. 8; СОЭ 25мм/ч. Общий анализ мочи (09.11.15): светло-желтая; прозрачная; удельный вес 1032; лейкоциты — ед. в п/з; эпителий — ед. в п/з. Биохимический анализ крови (10.11.15): мочевина 5,3 мМоль/л; креатинин 51 мМоль/л; глюкоза 4,5 мМоль/л; биллирубин 5,3; АСТ 46 Ед/л; АЛТ 51 Ед/л; калий 3,93 мМоль/л; натрий 143,9 мМоль/л; хлор 117,2 мМоль/л; С-реактивный белок — «положительный».

Клинические данные и признаки заболевания внесены в программу «ЛОР-Нейро» с целью дифференциального диагноза острых заболеваний, которая верифицировала правосторонний парафарингит (см. рис. 3).

Выводы

1. Разработанная программа острых заболеваний глотки «ЛОР-Нейро» позволяет проводить дифференциальную диагностику между выбранными нозологическими единицами с достоверностью подтверждения результата более 95%.

2. Экспертная система «ЛОР-Нейро» может быть применена не только врачами-оториноларингологами, но и врачами скорой медицинской помощи, семейными врачами и врачами общей практики, а также стоматологами и челюстно-лицевыми хирургами.

Конфликт интересов: авторы статьи подтвердили отсутствие финансовой поддержки/конфликта интересов, о которых необходимо сообщить.

Подтверждение e-mail

На test@yandex.ru отправлено письмо с ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail