APPLICATION OF ARTIFICIAL NEURAL NETWORKS FOR DIFFERENTIAL DIAGNOSIS AND PROPHYLAXIS OF THE DISEASES OF HEPATOPANCREATODUODENAL ZONE

Full Text

Risk factors, hepatopancreatoduodenal zone, diagnosis, prophylaxis, software. Язвенная болезнь и ее хирургические осложне- тактических решений. Опыт практического применения ния, острый холецистит, а также острый или обострение информационных систем поддержки принятия решений хронического панкреатита занимают ведущие позиции в ургентной хирургии демонстрирует высокий потенци-среди причин госпитализации больных в хирургические ал, однако тема диагностики язвенной болезни, холе-стационары [1]. Их диагностика в ряде случаев пред- цистита и панкреатита с их помощью остается недоста-ставляет собой сложную задачу по причине схожести точно раскрытой [8, 9]. Сохраняет актуальность и воп-клинической картины. Зачастую отмечается сочетание рос комплексного анализа сочетания множества нескольких заболеваний гепатопанкреатодуоденальной факторов риска (ФР) как причин развития заболеваний зоны у одного пациента, что дополнительно гепатопанкреатодуоденальной зоны, их вклада в раз-затрудняет диагностический и дифференциально-диагно- витие отдельных нозологий [10]. Применение традици-стический поиск, замедляет процесс принятия лечебно- онных статистических методов для анализа таких 50 Выпуск 3 (67). 2018 сложных данных в их совокупности затруднено вследствие высокой изменчивости набора ФР, действующего в популяции, паутинной причинности между отдельными факторами [3]. С подобными задачами успешно справляются компьютерные системы, основанные на искусственных нейронных сетях (ИНС). Актуальной является проблема выработки индивидуализированной профилактической стратегии [2, 7] Представляется целесообразной попытка применения для этой задачи методологической основы ИНС. ЦЕЛЬ РАБОТЫ Оценить возможности нейросетевой дифференциальной диагностики заболеваний гепатопанкреатодуо-денальной зоны и их потенциал для формирования индивидуализированной профилактической стратегии. МЕТОДИКА ИССЛЕДОВАНИЯ В исследование были включены 469 пациентов с диагностированными заболеваниями гепатопанкре-атодуоденальной зоны: язвенной болезнью, холециститом, панкреатитом и 19 человек, у которых такие диагнозы в процессе обследования были исключены. Рандомизация осуществлялась следующим образом: с применением генератора случайных чисел выбирались порядковые дни года, в которые проводилось тотальное анкетирование больных, удовлетворяющих критериям включения в исследование (наличие одного или нескольких рассматриваемых заболеваний). Производился сбор данных о наличии у них модифицируемых и немодифицируемых ФР, таких как: возраст, пол, состояние при поступлении, социальное положение, наличие вредных привычек (курение и злоупотребление алкоголем), стрессы перед поступлением, соблюдение диеты и выполнение врачебных рекомендаций. Для обработки данных использовалась про грамма собственной разработки «Система интеллектуального анализа и диагностики заболеваний» (свидетельство о государственной регистрации программы для ЭВМ № 2017613090), основанная на искусственной нейронной сети типа многослойный персептрон с активационной функцией гиперболический тангенс. Функциональные возможности программы описаны нами ранее [4-6]. РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ И ИХ ОБСУЖДЕНИЕ В целях оптимизации обучения (ускорения сходимости) персептрона проводилось раздельное обучение для трех нозологических групп: язвенная болезнь, холецистит, панкреатит. Каждой нозологии соответствовал логический выход нейросети, подразумевающий истинное значение (наличие заболевания) или ложное значение (его отсутствие). А также, поскольку значение активационной функции нейрона выходного слоя (гиперболического тангенса) (y) - это действительное число, допускалась интерпретация близких к нулю значений |y| < yB как неопределенных (где yB - действительное число, настраиваемое оператором пороговое значение). После раздельного обучения нейросети объединялись в одну. Результаты обучения искусственной нейронной сети представлены в табл. Как видно из представленной таблицы, искусственная нейронная сеть успешно справилась с задачей дифференциальной диагностики заболеваний гепатопан-креатодуоденальной зоны, обеспечивая уровни чувствительности и специфичности > 80 %, что сопоставимо с традиционными методами диагностики рассматриваемых нозологий. Результаты, полученные на первом этапе исследования, послужили основой для развития системы Результаты статистической оценки изучения результатов обучения искусственной нейронной сети при уё = 0,3 Показатель Язвенная болезнь все случаи Панкреатит Холецистит Всего единиц наблюдения (Nz) 469 Подтвержденных случаев (D+), чел. 176 167 203 Исключенных случаев (D?), чел. 293 302 266 Истинноположительные (TP), чел. 149 136 187 Ложноположительные (FP), чел. 24 10 8 Истинноотрицательные (TN), чел. 268 272 220 Ложноотрицательные (FN), чел. 20 5 31 Даны определенные суждения всего (Ny), чел. 461 423 446 Даны положительные суждения, чел. 169 141 218 Даны отрицательные суждения, чел. 292 282 228 Чувствительность (Se), % P = 84,66, m = 1,66 4, 0 4, 8, 5 V 11 p Pm P = 92,12, m = 1,24 Чувствительность, recall1, % P = 86,13, m = 1,61 P = 93,15, m = 1,23 0, 4 9, 9, LO CD œ і і 11 p Pm Специфичность (Sp), % P = 91,47, m = 1,29 P = 90,07, m = 1,38 P = 82,71, m = 1,75 Выпуск 3 (67). 2018 51 fèi(5ÿ?ÎÏÏKl[Ufa П^бУпТгГІМШ = Окончание таблицьі Показатель Язвенная болезнь все случаи Панкреатит Холецистит Специфичность (Sp вар.2)1, % P = 93,06, m = 1,18 P = 98,19, m = 0,65 P = 87,65, m = 1,56 Точность, диагностическая эффективность (Ac), % P = 88,91, m = 1,45 P = 86,99, m = 1,55 P = 86,78, m = 1,56 Прогностическая ценность положительного результата, precision (PPV), % P = 88,17, m = 1,50 P = 96,45, m = 0,90 P = 85,78, m = 1,65 Прогностическая ценность отрицательного результата (NPV), % P = 91,78, m = 1,28 P = 96,45, m = 0,90 P = 96,49, m = 0,87 Доля ложноотрицательных результатов (FNR), % P = 13,64, m = 1,58 P = 5,99, m = 1,10 P = 3,94, m = 0,90 Доля ложноотрицательных результатов (FNR вар. 2)2, % P = 13,87, m = 1,61 P = 6,85, m = 1,23 P = 4,10, m = 0,94 Доля ложноположительных результатов (FPR), % P = 6,83, m = 1,16 P = 1,66, m = 0,59 P = 11,65, m = 1,48 Доля ложноположительных результатов (FPR вар. 2)3, % P = 6,94, m = 1,18 P = 1,81, m = 0,65 P = 12,35, m = 1,56 False Discovery Rate (FDR), % P = 11,83, m = 1,50 P = 3,55, m = 0,90 P = 14,22, m = 1,65 False Omission Rate (FOR), % P = 8,22, m = 1,28 P = 3,55, m = 0,90 P = 3,51, m = 0,87 Показатель F1 87,13 94,77 90,56 Коэфициент корреляции Matthews (MCC) 0,80 0,92 0,83 Informedness (BM) 178,18 190,35 182,55 Markedness (MK) 178,95 191,91 181,27 Positive likehood ratio (LR+) 12,40 51,61 7,76 Negative likehood ratio (LR?) 0,15 0,07 0,05 Diagnostic odds ratio (DOR) 83,19 739,84 165,89 Примечание. Наименования ряда показателей приведены нами на английском языке, поскольку в доступной нам отечественной литературе по медицинской статистике переводов терминов и методик вычисления связанных с ними показателей не найдено. 1Формула для определения чувствительности и специфичности принимает в знаменателе Nz (вариант 1) или Ny (вариант 2), Ny < Nz, так как |y| < yB интерпретируются как неопределенные. 2Формула для вычисления доли ложноотрицательных результатов принимает в знаменателе D+ (вариант 1) или (TP + FN) (вариант 2). 3Формула для вычисления доли ложноположительных результатов принимает в знаменателе D- (вариант 1) или (TN + FP) (вариант 2). поддержки принятия решений, ориентированной на поиск путей формирования индивидуализированной профилактической стратегии. Для этого вектор входных данных о ФР пациента подавался на вход ИНС. Полученный результат - решение нейросети - сохранялся в специальной переменной. Затем осуществлялась оценка решений нейросети в случае изменения входного значения одного из ФР (ложные нулевые значения заменялись истинными и, наоборот, осуществлялось увеличение количественного фактора - возраста, осуществлялся перебор альтернативных значений со множественным выбором). В общей сложности оценивалось 13 ФР (производилось вычисление свыше 20 возможных вариантов значений ФР в случае их модификации или самостоятельного изменения). Новые полученные решения ИНС сравнивались с сохраненным ранее решением, полученным на основании эмпирических данных, результат сравнения приводился в виде интуитивно понятного списка (рис.). В случае если разность нового и старого значения решения ИНС существенно не отличалась (модуль разности был меньше некоторого небольшого числа Д), программа выводила знак «»», в противном случае, направление изменения обозначалось стрелками. Дополнительно выводилось числовое значение решения нейросети для измененного ФР Как показано на рис. А, решение нейросети для приведенного больного говорит о том, что отказ от курения позволит пациенту исключить риск развития панкреатита, а нормализация отношений в семье - существенно его снизит. В случае сохранения текущего набора ФР риски развития данного заболевания со временем (с возрастом пациента) останутся на том же уровне. Подобные принципы у алгоритма профилактики, основанной на применении количественных выходов нейросети. В качестве такого может быть принят возраст, при котором развитие заболевания приведет к поступлению в стационар - возраст вероятной госпитализации (рис. Б). Для приведенного больного важнейшим фактором является соблюдение диеты (как 52 Выпуск 3 (67). 2018 üssmpfä 1)<§тППЩ| г Профилактический совет Выход сети: ІІДНЯЯЯЯ Текущее значение: 99,60 л Возраст +1 год - Новое значение: 99,62 (к) +3 года - Новое значение: 99,67 (s) +5 лет - Новое значение: 99,72 (к) +10 лет - Новое значение: 99,83 (я) л Стресс ! : Отсутствие - Новое значение: 99,60 (я) л Злоупотр. алкоголем і : - Отказ от В. П. - Новое значение: 97,93 (і) л Курит і : - Отказ от В. П. - Новое значение: 0,04 (J.) л Субъективно соблюдает диету ; Несоблюдение диеты - Новое значение: 89,26 (і) Объективно соблюадет диету 1 Соблюдение диеты - Новое значение: 99,62 (я) л Работает и учится или нет (устар.) і ■ Незанятость - Новое значение: 0,08 (і) л Одинокий или нет I L Одиночество - Новое значение: 99,16 (я) л Отношения в семье Удовлетворительные - Новое значение: 97,92 (і) Хорошие (доброжелательные) - Новое значение: 21,49 (А) Отличные - Новое значение: 2,06 (і) л Частота ссор (устар.) Не бывает - Новое значение: 99,66 (я) 2-3 раза в год - Новое значение: 99,66 (к) 3-4 раза в месяц - Новое значение: 99,65 (я) Ежедневно - Новое значение: 99,57 (я) л Питается дома і : - Питание вне дома - Новое значение: 98,82 (я) л Обращается за помощью профилактически і Необращение - Новое значение: 85,50 (І) л Выполняет рекомендации врача Невыполнение - Новое значение: 99,89 (я) X Закрь А фг Профилактический совет.. Выход сети: Текущее значение: 59,46 Возраст вероятной госпитализации А Стресс j : Наличие - Новое значение: 59,46 (я) л Злоупотр. алкоголем і ; Наличие В. П. - Новое значение: 59,04 (я) л Курит ! ; Отказ от В. П. - Новое значение: 58,88 (я) л Субъективно соблюдает диету ; Соблюдение диеты - Новое значение: 62,35 (Т) Объективно соблюадет диету Соблюдение диеты - Новое значение: 62,17 (Т) Работает и учится или нет (устар.) Занятость - Новое значение: 59,94 (я) Одинокий или нет : Одиночество - Новое значение: 46,17 (І) Отношения в семье Крайне напряженные - Новое значение: 56,51 (і) Удовлетворительные - Новое значение: 57,24 (і) Хорошие (доброжелательные) - Новое значение: 58,30 (і) Частота ссор (устар.) 2-3 раза в год - Новое значение: 59,53 (я) 3-4 раза в месяц - Новое значение: 58,63 (я) 2-3 раза в неделю - Новое значение: 56,64 (і) Ежедневно - Новое значение: 52,62 (I) Питается дома ä~ Домашнее питание - Новое значение: 65,16 (f) Обращается за помощью профилактически ; Обращение - Новое значение: 57,32 (і) Выполняет рекомендации врача Невыполнение - Новое значение: 59,11 (я) X Закрь Б Рис. Пример формы с решениями обученной нейросети в отношении профилактики развития панкреатита при условии модификации имеющихся у него ФР A - влияние модификации ФР на риск развития панкреатита, Б - влияние модификации ФР на возраст вероятной госпитализации субъективное, так и объективно оцененное медицинским работником), а также домашнее питание. Соблюдение диетического режима увеличит возраст вероятной госпитализации. Одиночество, увеличение частоты семейных ссор, как следует из приведенных данных, напротив, ускорит развитие патологии - снизит возраст наступления вероятной госпитализации. ЗАКЛЮЧЕНИЕ Применение искусственных нейронных сетей типа многослойный персептрон для анализа факто ров риска может использоваться в качестве основы системы поддержки принятия врачебных решений в вопросах дифференциальной диагностики заболеваний гепатопанкреатодуоденальной зоны. Достигаемые уровни чувствительности и специфичности превышают 80 %, что сопоставимо с таковыми для традиционных диагностических методик. Нейросетевой анализ факторов риска также может успешно применяться для целей индивидуализированной профилактики заболеваний гепатопанкреатодуоденальной зоны. В основе методического Выпуск 3 (67). 2018 53 ЩШгорСз [ЩсмеТКЩ решения может применяться перебор искусственной нейронной сетью альтернативных вариантов входных значений, соответствующих модифицируемым факторам риска, вычисление результатов и их сравнение с исходным решением.

About the authors

V. A Lazarenko

FSBEI HE «Kursk State Medical University» of Public Health Ministry of the Russian Federation

Email: lazarenkomed@mail.ru

T. V Zarubina

FSBEI HE «Russian National Research Medical University named after N. I. Pirogov»

A. E Antonov

FSBEI HE «Kursk State Medical University» of Public Health Ministry of the Russian Federation

Barragan D.A. Cervantes

Universidad Tecnologica de Panama

References

Supplementary files