Юрьев Дмитрий Васильевич

Факультет компьютерных наук и технологий

Кафедра автоматизированные системы управления

Специальность «Компьютерные системы технической и медицинской диагностики»

Тема магистерской работы:

«Разработка специализированной компьютерной системы для постановки диагноза по биохимическому анализу крови»

Научный руководитель: к.т.н., доцент Ярошенко Н.А.

Введение. Обоснование актуальности темы

Биохимический анализ крови — это лабораторный метод исследования, использующийся в медицине, который отражает функциональное состояние органов и систем организма человека. Он позволяет оценить работу многих внутренних органов в частности печени, почек, активный воспалительный процесс, ревматический процесс, а также нарушение водно-солевого обмена и дисбаланс микроэлементов. Биохимический анализ один из способов лабораторной диагностики, который очень информативен для врача и отличается высокой степенью достоверности. Поэтому он может не только раскрыть полную картину функционирования того или иного органа, но и расскажет, испытывает ли человек недостаток в том или ином микроэлементе или витамине. Биохимический анализ помогает поставить диагноз, назначить и скорректировать лечение, а также определить стадию заболевания. В настоящее время обработка результатов анализа, и постановка диагноза происходит в ручную.

Актуальной проблемой в области медицины является автоматизация постановки предварительного диагноза заболеваний по биохимическому анализу крови и мочи.

Цель и задачи работы

Целью разработки СКС есть постановка предварительного диагноза по биохимическому анализу крови и мочи.

Для достижения сформулированной цели необходимо разработать СКС которая будет решать следующие задачи:

• Создание базы данных, содержащая сведения о результатах биохимического анализа данных пациента.

• Анализ и выбор метода обработки результатов данных.

• Разработка математической модели постановки диагноза.

• Разработка программного обеспечения для постановки предварительного диагноза.

• Разработка технического обеспечения СКС.

Предполагаемая научная новизна и практическая ценность

Биохимический анализ крови выдает двадцать пять показателей, по которым можно оценить состояние человека. Показатели анализа следующие: общий белок; общий билирубин; прямой билирубин; аспартатаминотрансфераза (АсАТ); аланинаминотрансфераза (АлАТ); щелочная фосфатаза; амилаза; гамма-глутамилтрансфераза (Гамма-ГТ); креатинфосфокиназа; холестерин; триглицериды; глюкоза; мочевина; креатинин; мочевая кислота; железо; магний; фосфор; кальций; хлориды; лактатдегидрогеназа (ЛДГ); калий; натрий; С-реактивный белок; ревматоидный фактор; антистрептолизин-О.

Существуют определенные нормы биохимического анализа крови - то есть и количество показателей, которое должно присутствовать в крови человека определенного возраста и пола. Это статистически установленные показатели здоровых людей являющимся как эталонными. Отклонение от этих показателей являются симптомами всевозможных нарушений в деятельности организма, сбой в работе определенных органов или в системе органов.

Новизной проекта является разработка математической модели автоматизации, процесса постановки диагноза. Практическая ценность работы состоит в том, что разрабатываемая система сможет автоматически обрабатывать данные, и по разработанной модели ставить предварительный диагноз пациента, окончательное решение постановки диагноза делает врач, что ускоряет и оптимизирует работу медперсонала в диагностике.

Обзор существующих исследований и разработок по теме

Анализ существующих средств диагностики

Биохимический анализатор крови использует механические, оптические и компьютерные технологии для получения величины концентрации того или другого вещества в крови. Биохимические анализаторы позволяют определить уровни ферментов (амилазы, АЛТ ГГТ и проч.), субстратов (билирубин, глюкоза), микроэлементов (натрий, калий), жиры (холестерин, триглицериды). Существуют разные анализаторы, которые отличаются количеством тестов, которые проводятся, производительностью, надежностью но по строению все биохимические анализаторы разделены на два вида: полуавтоматические и автоматические.

В полуавтоматическом биохимическом анализаторе врач проводит смешивание реактивов, необходимые расчеты, а сам анализатор проводит измерения, нагрев, обработку данных распечатывание. Количество анализов которые выполняет такие анализаторы не большое, высокая трудоемкость, не исключенное влияние человеческого фактора на результаты анализов.

Такие недостатки отсутствуют в автоматическом биохимическом анализаторе, который проводит дозирование, смешивание промывание, обработку, расчеты, распечатывание самостоятельно. Биохимические анализаторы такого класса используются большими лабораториями, что позволяет максимально экономить время и получить точный результат исследования.

Но все эти системы имеют общие недостатки - они требуют дополнительной обработки их результатов, которая забирает время. Для решения этой проблемы необходимо создавать специализированную СКС. Разработанная СКС будет улучшать качество диагностики за счёт ведения современной электронной базы пациентов, которая позволит автоматизировать процесс постановки диагноза.

Исследования

Разработки базы данных, содержащая сведения о
результатах биохимического анализа данных пациента

Требованиям, касающимся информационного обеспечения БД отнесем:

• создание базы данных должно осуществляться с использованием современных средств разработки;

• автоматизация ввода и обработки информации сохраненной в БД;

• поддержка целостности и надежного хранения данных,
  

  что является неотъемлемым фактором проектируемой БД;

• обеспечить ввод первичных документов, используя соответствующие формы
  

  ввода и заполняя соответствующие формы;

• организация проверки корректности вводимой информации;

• реализации доступа к данным, при формировании запросов;

• обеспечение высокой производительности и скорости доступа к данным, при генерации отчетов;

• обеспечение защиты от несанкционированного доступа к БД, с помощью аутентификация пользователя.

Описание метода принятия решения обработки результатов анализа

Основой любой системы поддержки принятия решений (СППР) является совокупность знаний, структурированная в целях упрощения процесса принятия решения. Для специалистов в области искусственного интеллекта термин знания означает информацию, которая необходима программе, чтобы она вела себя «интеллектуально». Эта информация принимает форму фактов и правил. Факты и правила в СППР не всегда либо истинны, либо ложные. Иногда существует некоторая степень неуверенности в достоверности факта или точности правила. Если это сомнение выражено явно, то оно называется «коэффициентом уверенности».
Коэффициент уверенности – это число, которое означает вероятность или степень уверенности, с которой можно считать данный факт или правило достоверным или справедливым. Данный коэффициент является оценкой степени доверия к решению, выдаваемому системой. Теория уверенности предлагает понятия доверия и недоверия. Эти понятия являются независимыми друг от друга и таким образом не могут быть объединены тем же путем, как вероятности, но они могут быть объединены и представлены в математической модели постановки диагноза, представленного ниже. Принципы работы системы поддержки принятия решений, основанной на знаниях, иллюстрируются на рис.1. Пользователь передает в систему факты или, в нашем случае, симптомы и получает в качестве результата экспертные знания или диагноз. По своей структуре экспертная система подразделяется на два основных компонента - базу знаний и машину логического вывода. База знаний содержит знания (показания), на основании которых машина логического вывода формирует заключения (диагноз). Эти заключения представляют собой ответы системы поддержки принятия решений на запросы пользователя, желающего получить экспертные знания.

Рисунок 1 — Основные принципы функционирования системы поддержки принятия решений

Разработка математической модели постановки диагноза

Перечень задач, решаемых с помощью математических методов:

• обеспечение адекватности и точности получаемых результатов;

• обеспечение быстродействия при обработке данных.

Обеспечение адекватности и точности получаемых результатов заключается в СППР Из выше изложенного, что теория уверенности предлагает понятия доверия и недоверия. Эти понятия являются независимыми друг от друга и таким образом не могут быть объединены тем же путем, как вероятности, но они могут быть объединены в соответствии со следующей формулой:
КУ(В,С)=МД(В,С)-МН(В,С), где КУ - коэффициент уверенности, МД - мера доверия, МН - мера недоверия, В – вероятность, С - свидетельство или событие. Возможны несколько способов достижения цели, каждый с различными КУ для данного множества фактов. Когда мы имеем систему, основанную на знаниях с несколькими взаимосвязанными правилами, каждое из которых делает то же заключение, но с различным коэффициентом уверенности, тогда каждое правило может рассматриваться как часть свидетельства, которое поддерживает совместное заключение. Результат объединения вычисляется как:
КУ(П1, П2)=КУ(П1)+КУ(П2)[1-КУ(П1)].
Обеспечение быстродействия при обработке данных заключается от сложности построения диагностирующих продукционных экспертных систем (ЭС), и аппаратных возможностях СКС.

Рассмотрим один из подходов к созданию диагностирующих продукционных ЭС. Соответствующие интерпретации могут быть разными и потому область применимости обсуждаемых конструкций оказывается достаточно широкой. Заданное огромное количество фактов

что состоит из элементов двух типов. Элементы a_ij определяют обычные декларативные знания из конкретной предметной области. Элементы q_i определяют вид взаимодействия с внешней средой и в данном случае являются вопросами пользователю в виде альтернативного меню:

Некоторые из q_i, имеют другой смысл - результирующих выводов или диагнозов, оформленных в виде соответствующих сообщений пользователю. Продукции в данной системе имеют вид

Все огромное количество фактов и продукций организованы в некоторую систему, представленную в виде графа "ИЛИ". Фрагмент такого диагностирующего графа с вершинами-диагнозами q₉, q₁₀, q₁₁, q₁₂ (терминальными вершинами) представлен на рис.2 [2].

Рисунок 2 — Диагностирующий граф

Требования к разработке програмного обеспечения,
для постановки предварительного диагноза

Программное обеспечение (ПО) должно представлять собой совокупность программ, с помощью которых решаются функциональные задачи в специализированной компьютерной системе. ПО содержит обще системное программное обеспечение и специальное программное обеспечение.

Обще системное программное обеспечение должно включать:

• Операционная система;

• Драйверы для работы периферийных устройств;

• Антивирусные системы;

• Архиваторы.




Специальное ПО:




• Должно быть построено на модульном принципе;

• Должно включать в себя программный модуль проведения процесса планирования;

• Программное обеспечение, должно быть открытой системой и должно предусматривать
  

  возможность расширения функциональных возможностей;

• Обеспечивать возможность добавления новых модулей и внесение изменений в существующие.

Требования к разработке технического обеспечения СКС

Техническая часть системы включает: процессор, системная плата, оперативная память, чипсет, жосткий диск, монитор и видеоадаптер, клавиатура, мышь, принтер.

Требования к техническому обеспечению:

• Процессор должен соответствовать типу сокета
  

  выбранной системной платы с сетевым интерфейсом;

• Тактовая частота не менее 2 ГГц;

• Пропускная способность шины не менее 800 МГц;

• 512 Кб кэша второго уровня;

• Количество ядер - 2 или больше;

• Пропускная способность RAM не менее 800 МГц;

• Монитор ЖК 17 дюймов;

• HDD накопитель - 7200 обор/мин. ;

• Оптический CD-DVD привод;

• Клавиатура;

• Оптическая мышка;

• Принтер,сканер;

Вывод

1. Выбранная методика формирования предварительных диагнозов, расчет их вероятностей.

Все расчеты происходят на основании значений характеристик крови и мочи (показателей),

полученных с помощью биохимического анализа крови и мочи.

2. Выявлены основные показатели биохимического анализа крови и их влияние на соответствующие заболевания.

3. Разработанная CКC, включающая в себя программу «Диагностика» для постановления предварительного

диагноза и базу данных, в которой хранятся анкетные данные испытуемых, врачей, пользователем БД,

наладки программы и результаты обследований и собственно и сами диагнозы.

4. Автоматизирован процесс обработки исследований, а это имеет важную роль в медицине, т.ч. уменьшает

затраченное время на проведение обследования и проявление показателей, которые не находятся в своем

разрешенном диапазоне. Также автоматизация приводит к уменьшению ошибок, которые появляются

за счет человеческого фактора.

Список литературы

1. Данилова Л.А., "Анализ крови и мочи" - 4-е изд., исправ. СПб.: "Салит-Медкнига", 2003г. - 128с.

2. Корячкин В.А., Страшнов В.И., Чуфаров В.Н. "Клинические функциональные и лабораторные тесты в анестезиологии и интенсивной терапии" - 2-е изд., перераб., и доп. СПб.: Санкт-Петербургское медецинское издательство. 2004г. - 304с.

3. Лившиц В.М., Сидельникова В.И. "Медецинские лабораторные анализы" Справочник - М.: "Триада-Х", 2000г. - 312с.

4. Хмелевский Ю.В., Усатенко О.К. "Основные биохимические константы человека в норме и при патологии" - 2-е изд., перераб. и доп. К.: "Здоров'я", 1987г. - 160с.

5. Руанет В.В. "Теория и техника лабораторных работ" учеб. пособ.,/Под ред. проф. Хетагуровой А.К. - М.:"ВУНМЦ Росздрава", 2007г. - 176с.

6. Назаренко Г.И., Кишкун А.А. "Клиническая оценка результатов лабораторных исследований" - М.: "Медецина", 2000г. - 544с.

7. Продеус А.Н., Захрабова Е.Н. "Экспертные системы в медицине" - М.: "Мир", 1991г. - 408с.

8. Маршалл В.Д "Клиническая биохимия" - М.: "Бином" 2002г. - 383с. [Электронный ресурс] &mdash Режим доступа: http://patfiza.net/books/med/biochem/Marshall_Klinicheskaya_bioximiya_%281999%29%28ru%29%28373s%29.djvu

9. Черноруцкий И.Г. "Методы принятия решений" — СПб.: "БХВ-Петербург", 2005г. — 416с.

10. Бочков В.Н., Добровольский А.Б., Кушлинский Н.Е., Логинов В.А., Панченко Е.П., Титов В.Н., Ткачук В.А. "Клиническая биохимия" учеб. пособ., "ГЭОТАР-МЕДИА" 2008г. - 264с.

Примечание

При написании данного автореферата магистерская работа еще не завершена. Дата окончательного завершения работы: декабрь 2011 г. Полный текст работы и материалы по теме могут быть получены у автора или его научного руководителя после указанной даты.