Разработка методики и аппаратного комплекса для изготовления биофотонных препаратов на основе лекарственных средств в целях повышения эффективности лечения социально-значимых заболеваний.
При поддержке Фонда содействия развития малых форм предприятий в научно-технической сфере (Фонд содействия инновациям).
УДК 001.8+ УДК 004.891.3 +УДК 611/612
1Загустина Н.А., 1Гурин С.В., 2Алехин А.И. 2Ковтюх И.В., 2Корвяков С.А., 3Латышев А.В
1ООО «НПЦ «Потенциал», Россия, СПб,
e—mail:s_zna@mail.ru;
2УРАН Центральная клиническая больница РАН, Москва,
e-mail: science@ckbran.ru;
3ФИЦ «Информатика и управление» РАН, Москва,
e-mail: andy_62@inbox.ru
РЕЗУЛЬТАТЫ СРАВНИТЕЛЬНОГО АНАЛИЗА ИНФОРМАЦИОННЫХ ОБЪЕКТОВ, ПОЛУЧЕННЫХ НА ДИАГНОСТИЧЕСКОЙ ЭКСПЕРТНОЙ СИСТЕМЕ «КСИ-МЕД», С РЕЗУЛЬТАТАМИ ТРАДИЦИОННЫХ КЛИНИЧЕСКИХ МЕТОДОВ ОБСЛЕДОВАНИЯ ПАЦИЕНТОВ
Аннотация: разработаны и применены алгоритмы классификации (с использованием статистических методов), данных проведения традиционных клинических методов обследования пациентов и результатов оценки состояния здоровья человека на основе данных, полученных на диагностической экспертной системе «КСИ-Мед» (ДЭС) (регистрационное удостоверение № ФСР 2011/ и приказ от 09.10.2013 года.) Проведен сравнительный анализ предложенных алгоритмов классификации информационных объектов на базе разработанных алгоритмов с результатами проведения классических клинических методов обследования. На примере ишемической болезни сердца (ИБС) показана возможность осуществления нозологической диагностики на базе нормированных показателей здоровья пациента. При этом достигнутая в процессе исследования корреляция с данными клинических методов составила 78,13% и данная точность не является предельной.
Ключевые слова: информационные объекты, методы искусственного интеллекта, персонифицированный подход, ДЭС «КСИ-Мед», акупунктурная функциональная система (АФС), алгоритмы классификации, статистические методы, электронные медицинские карты (ЭМК), клинические исследования, сбор информации о здоровье, КСИ-потенциалометрия.
В современном мире одной из ведущих причин смертности и инвалидизации населения планеты являются кардиологические заболевания. В связи с этим возрастает роль системной оценки состояния здоровья с целью прогнозирования и раннего выявления патологии, а также определения её тяжести в целях сохранения, укрепления и восстановления здоровья людей.
Для повышения эффективности лечебного процесса необходима объективная оценка здоровья с учетом индивидуальных адаптационных возможностей и персонифицированный подбор средств коррекции. Необходимы высокочувствительные технологии, позволяющие получать информацию о состоянии организма без искажений и с хорошей повторяемостью. Существующие в мировой практике автоматизированные аппаратно-программные комплексы для количественной оценки здоровья почти исключительно основаны на показателях кардиореспираторной системы и отражают снижение адаптивных возможностей только в связи с патологией сердечно — сосудистой системы. Для разработки оптимальных технологий необходим целостный подход к организму человека, как открытой системе сверхслабых взаимодействий, необходимы показатели, количественно отражающие уровень индивидуального здоровья и характеризующие механизмы самоорганизации живой системы – адаптации, гомеостаза, реактивности. Именно такой подход обеспечит качественное доступное, неинвазивное динамическое сопровождение и контроль результативности применяемых восстановительных технологий, оптимальное управление процессом лечения, максимальную эффективность результатов и предупреждение срыва адаптации. В результате восстанавливается способность организма подстраиваться не только под определенные функциональные потребности организма, но и способность к реализации потребностей организма без эмоционального, психического и физического напряжения.
Цель работы — сравнительный анализ информационных объектов, полученных на ДЭС с результатами традиционных клинических методов обследования пациентов и статистическими данными.
Материал и методы:
Материал исследования:
— обезличенные данные пациентов ЦКБ РАН, госпитализированных в период с 2019 по 2021 г. включительно;
— клинические тексты из электронных медицинских карт (ЭМК): эпикризы, протоколы исследований, истории болезни, данные осмотра, анамнезы и др.;
— информация из электронных медицинских карт соответствующих пациентов из МИС МО «ИНТЕРИН-PROMIS»;
— данные измерений КСИ-потенциалов на ДЭС — более 400 пациентов.
Методы:
— неинвазивные исследования в биологически активных точках (БАТ) на диагностической экспертной системе (ДЭС) «КСИ-Мед»;
— классификация информационных объектов с использованием разработанных алгоритмов и их сравнение с результатами проведения классических методов обследования.
Функционирование ДЭС опирается на устройство для получения информации об исследуемом объекте, путем неинвазивной регистрации изменений потенциала жидких сред организма (патент № 111670) и способ оценки состояния объектов (патент РФ №2405727).
Электропунктурные методы оценки функционального состояние организма человека, известные в настоящее время, не позволяют получать достоверные повторяющиеся результаты измерений. Они имеют уровень энергетического воздействия на несколько порядков, превышающий собственную электрическую мощность накожных проекций биологически активных точек (БАТ) (Nakatani – (2.4-3.6)*10–3 ВА, Нечушкин – (4-6)*10–5 ВА, Foll – (2-3)* *10 – 6 ВА, Портнов – 1.8 *10 – 6 ВА).
ДЭС — это автоматизированная система моделирования и анализа состояния биосистем (БС) в масштабе реального времени имеет уровень диагностического воздействия адекватный энергетике биологических процессов исследуемой БС и соответственно энергетике БАТ – 10*10 – 9 ВА. Она базируется на КСИ-потенциалометрии.
КСИ-потенциал (UКСИ) — потенциал, возникающий в растворах электролитов под воздействием слабых полей внешней среды (электромагнитных, гравитационных и др.). Жидкие среды организма, не являясь исключением, так же генерируют UКСИ, который можно зарегистрировать в репрезентативных БАТ. КСИ-потенциалы этих БАТ отражают состояние АФС и зависят от концентрационной неоднородности электролитов жидких сред организма [1, с.35-46].
UКСИ, проявляется и может быть зарегистрирован исключительно при сверхслабых энергетических возмущениях, адекватных энергетике клетки и БАТ (порядка 10–9 ВА). Значение UКСИ зависит от химического состава жидкой среды, концентрации её компонентов и уровня внешних воздействий. Информативность и достоверность данного параметра подтверждена многолетними исследованиями в лучших клиниках Санкт-Петербурга и Москвы.
Измерение UКСИ производится в 24-х репрезентативных точках 12-ти симметричных китайских меридианов в режиме «холостого хода» и в активном режиме «генератора тока». На рисунке 1 представлен пакет данных о пациенте и результаты измерений в БАТ. На основании этих результатов строится модель функционального состояния БС — энергопунктурограммы (ЭнПГ). Она показана на рисунке 2. Характеристики ЭнПГ анализируются и сравниваются с данными статистической модели здорового человека, полученной на базе более, чем 10000 исследований практически здоровых лиц разного возраста.
Коридору здоровья соответствуют значения КСИ потенциалов от -68 мВ до -100 мВ. Зоне значений UКСИ от -40 до -120 мВ соответствует компенсированное состояние организма. Зоне UКСИ > -40 мВ – метаболический ацидоз, UКСИ < -120 мВ — метаболический алкалоз. Т.О., ЭнПГ характеризует психосоматическое состояние человека через его кислотно-щелочной гомеостаз.
Рис 1. – Пакет данных о пациенте. Результаты измерений в БАТ
Рис. 2 – Энергопунктурограмма
Сравнительный анализ показал, что интегральные критерии ЭнПГ имеют коэффициент корреляции порядка 0.7 с такими показателями как работоспособность — PWC170, pH крови, количество тромбоцитов и лимфоцитов, СОЭ, парциальное давление О2 и СО2 др. [2 с.146, 3-5].
При оценке состояния БС объективно учитываются основные положения древневосточной медицины, современных теорий гомеостаза, адаптации и функциональных систем организма, а также ритмологическая активность АФС, обусловленная экзогенными факторами (временем суток, датой, географической широтой места проведения исследования, фазами Луны).
Для выявления индивидуальных особенностей каждой ЭнПГ данные нормируются, рассчитываются нормированные дифференциальные характеристики ЭнПГ, дается прогностическая оценка функционального состояния АФС (рисунок 3).
Рис. 3 — нормированные дифференциальные характеристики ЭнПГ
прогностическая оценка функционального состояния АФС
Компенсированному состоянию АФС соответствуют показатели меньшие 2 по модулю. Значения показателей со знаком плюс соответствуют смещению состояния АФС в сторону гиперфункции (метаболический ацидоз, закисление, стресс) – преобладание симпатических влияний в деятельности вегетативной нервной системы. Значения со знаком минус — в сторону гипофункции (метаболический алкалоз, защелачивание) – преобладание парасимпатики, Далее, на рисунке 4 отражены АФС приоритетной коррекции, прогностическая оценка функционального состояния организма, адаптационные потенциалы по стандартным системам гомеостаза и адаптационный потенциал организма в целом.
Рис.4 Интегральные и дифференциальные характеристики модели здоровья.
Адаптационный потенциал систем гомеостаза и организма в целом.
Особенности метода:
- Время проведения исследования 15 минут;
- Низкий уровень тестирующего сигнала практически совпадает с мощностью излучения клетки и биологически активной точки;
- Состояние организма не искажается при тестировании;
- Получение достоверных повторяющихся данных о состоянии здоровья;
- Отсутствие возрастных и др. ограничений для проведения диагностики;
- Оценка здоровья беременных женщин, грудных детей;
- Возможность многократного повторения исследования в течение суток. Например, оценка здоровья тяжелобольных (после сложнейших нейрохирургических операций на всех этапах нейрореабилитации, включая острый) с целью предупреждения возможности возникновения обострений и тяжелых поражений головного мозга;
- Возможность предвидеть вероятность инфаркта или инсульта заранее до клинических проявлений.
Методология проведения сравнительного анализа информационных объектов, полученных на ДЭС, с результатами традиционных клинических методов обследования пациентов включала:
— Обработку данных – из более, чем 400 исследований выбраны 142 записи в виде пакета нормированных КСИ-потенциалов для 142 пациентов, осуществлен анализ информации из МИС МО на предмет наличия у пациентов ишемической болезни сердца (ИБС);
— выгрузку данных ЭМК пациентов из медицинской информационной системы медицинской организации (МИС МО) «ИНТЕРИН-PROMIS»;
— выгрузку информация о результатах оценки состояния здоровья человека с помощью КСИ-потенциалометрии из ДЭС «КСИ-Мед»;
— исследование алгоритмов классификации информационных объектов на основе результатов КСИ-потенциалометрии с использованием статистических методов и их сравнение с алгоритмами классификации информационных объектов на основе результатов КСИ-потенциалометрии с использованием методов искусственного интеллекта;
Информация о пациентах была получена в обезличенном виде, что достигалось путем исключения данных, позволяющих однозначно идентифицировать пациента и завладеть персональной информацией. Соотнесение информации о пациентах из двух источников осуществлялось по уникальным идентификаторам и дате рождения. Для проведения исследования была выбрана группа заболеваний – ИБС. Наличие или отсутствие данного заболевания определялось на основе информации, полученной из МИС МО, и фиксировалось в таблице измерений КСИ-потенциалометрии в дополнительном (вручную добавленном) столбце “MIS_IBS” значениями 0 и 1 для отсутствия или наличия заболевания соответственно. Анализ историй болезней осуществлялся с помощью программы интеллектуального анализа текстов [6]. Алгоритм классификации информационных объектов на основе результатов КСИ-потенциалометрии с использованием статистических методов был реализован с помощью метода логистической регрессии.
Алгоритм классификации информационных объектов на основе результатов КСИ-потенциалометрии с использованием методов искусственного интеллекта осуществлялся с использованием нейронных сетей.
Обработка исходных данных и подбор конфигурации с последующим построением нейронной сети осуществлялись с использованием встроенных инструментов компьютерной программы «Statistica Ultimate Academic 1З».
Сравнение результатов классификации информационных объектов с использованием разработанных алгоритмов с результатами проведения классических методов обследования осуществлялось на примере тестовой выборки пациентов. Соответствие наличия или отсутствия ИБС по прогнозам, регрессионной и нейросетевой моделей данным, полученным на основе анализа ЭМК из МИС МО, являлось критерием точности.
На основе алгоритма классификации информационных объектов на базе результатов КСИ-потенциалометрии с использованием статистических методов, было получено уравнение логистической регрессии удовлетворяющее требованиям построения модели. Алгоритм классификации информационных объектов по результатам КСИ-потенциалометрии с использованием методов искусственного интеллекта разработан на основе нейронной сети. Проведена классификация информационных объектов с использованием разработанных алгоритмов. Проведено сравнение результатов классификации информационных объектов (с использованием разработанных алгоритмов) с результатами проведения традиционных методов обследования.
В качестве методов классификации были выбраны алгоритмы анализа, путем построения регрессионной логистической модели и алгоритмы нейронного анализа, применяемые в задачах бинарной классификации. Нейросетевой подход показал лучший результат в прогнозировании наличия ИБС, чем регрессионная модель. Корреляция разработанной нейросетевой модели с данными клинических исследований составила 78,13%. В результате выполнения настоящей научно-исследовательской работы на примере ИБС показана возможность осуществления нозологической диагностики на основании нормированных КСИ-потенциалов пациентов.
Выводы:
- Полученные результаты являются новыми и лежат на стыке медицины, компьютерной лингвистики, искусственного интеллекта, машинного обучения, информационных технологий и имеют большое значение для дальнейшего развития методов обработки результатов, полученных с помощью КСИ-потенциалометрии;
- В настоящем проекте впервые была показана возможность разработки с помощью методов искусственного интеллекта на основе нейронной сети, алгоритма классификации информационных объектов по результатам КСИ-потенциалометрии с целью диагностики наличия определенных заболеваний у пациентов;
- Алгоритмы, заложенные в ДЭС, обеспечили неинвазивность диагностических воздействий, быстроту и оперативность процедуры диагностики, повторяемость получаемых результатов и возможность прогностической оценки здоровья с целью предупреждения обострений;
- Специальная математическая обработка позволила установить причинно-следственные взаимосвязи между параметрами, определяющими функциональное состояние человека и осознать, что физиологические процессы жестко связаны не с абсолютными значениями биохимических компонентов организма, а с их потреблением и расходом.
Работа выполнялась в рамках гранта Российского фонда фундаментальных исследований (РФФИ) «Разработка методов автоматизации результатов оценки здоровья человека с помощью КСИ-потенциалометрии».
СПИСОК ЦИТИРУЕМОЙ ЛИТЕРАТУРЫ
- Козлов В.Г., Червяков С.И. Взаимодействие открытых систем //Судостроительная промышленность. Серия общетехническая. Выпуск 28., Л. 1990. — С. 35-46.
- Алехин А.И., Гурин С.В., Загустина Н.А. Программно-аппаратная реализация автоматизированной системы моделирования и анализа состояния биосистем в масштабе реального времени. Доклад // V Троицкая конференция «Медицинская физика и инновации в медицине», 4-8 июня, 2012, г. Троицк Московской области. Сб. мат., т. 2, С. 145-147.
- Загустина Н.А., Гурин С.В., Алехин А.И., Иванова Н.Е, Коваленко К.В., Соколова Ф.М., Терешин А.Е, Макаров А.О. Новые подходы к проведению оперативного динамического контроля процесса физической реабилитации при заболеваниях и повреждениях головного и спинного мозга //Международный журнал прикладных и фундаментальных исследований. – 2017.- № 10-2. – С.246-250; ISSN 1996-3955
- Свидетельство о государственной регистрации программы для ЭВМ №2019618644. «Ksineiroeffekt»
- Загустина Н.А., Гурин С.В, Алехин А.И., Ковтюх И.В., Корвяков С.А. Оценка динамики функционального состояния пациентов кардиологического профиля на стационарном этапе. //Российский нейрохирургический журнал имени профессора А.Л.Поленова ISSN 2071-2693 Том XI Специальный выпуск, Сб. материалов XIX Всероссийской научно-практической конференции «Поленовские чтения», СПб. 11-12 ноября 2020, С.177-178.
- А. А. Баранов, Л. С. Намазова-Баранова, И. В. Смирнов, Д. А. Девяткин, А. О. Шелманов, Е. А. Вишнева, Е. В. Антонова, В. И. Смирнов, А. В. Латышев. Методы и средства комплексного интеллектуального анализа медицинских данных Труды ИСА РАН. Том 65. 2/2015
THE RESULTS OF A COMPARATIVE ANALYSIS OF INFORMATION OBJECTS OBTAINED ON THE DIAGNOSTIC EXPERT SYSTEM «KSI-MED» WITH THE RESULTS OF TRADITIONAL CLINICAL METHODS OF EXAMINING PATIENTS
1Zagustina N.A., 1Gurin S.V., 2Alekhin A.I., 2 Kovtyukh I.V., 2 Korvyakov S.A,
3 Latyshev A.V.
1Limited Liability Company Research and development centre «Potential»
St.-Petersburg, Russia, e-mail:s_zna@mail.ru;
2Institution of Russian Academy of Science Centre Clinical Hospital, Moskva e-mail:science@ckbran.ru.
FITS «Informatika i upravleniye» RAN, Moskva, e-mail: andy_62@inbox.ru
Keywords: information objects, artificial intelligence methods, personalized approach, DES «KSI-Med», acupuncture functional system (AFS), classification algorithms, statistical methods, electronic medical records (EMR), clinical studies, collection of information about health, KSI- potentiometry.
