НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА ВЫБОРА СХЕМЫ ЛЕЧЕНИЯ ПАЦИЕНТОВ С ХРОНИЧЕСКИМ ПИЕЛОНЕФРИТОМ И МОЧЕКАМЕННОЙ БОЛЕЗНЬЮ

Работа посвящена актуальной проблеме повышения точности выбора схемы лечения заболеваний мочевыделительной системы за счет компьютерной обработки данных и применения методов искусственного интеллекта для систем поддержки принятия решений. В статье представлены результаты нейросетевого моделирования процесса выбора схемы лечения пациентов с хроническим пиелонефритом и мочекаменной болезнью. На этапе формирования матрицы входной информации были обработаны 150 историй болезни пациентов с диагнозами хронический пиелонефрит, мочекаменная болезнь, а также, больные у которых наблюдалось сочетание данных патологий. В матрицу входных значений вошли 25 показателей, среди которых результаты лабораторных и инструментальных исследований. Построение многослойного персептрона проводилось на базе модуля NeuralNetworks в программе Statistica. Была получена сеть, которая состоит из 25 входных векторов и одного скрытого слоя, содержащего 14 нейронов. Обучение нейронной сети осуществлялось по выборке, включающей в себя 100 примеров. Полученная нейросетевая модель имеет 5 выходов, каждый из которых идентичен присутствующим в обучающей выборке классам типа лечения. Разработанная модель дает возможность выбрать один из 5 видов лечения: Y1 – консервативная терапия антибактериальными, спазмолитическими и противовоспалительными препаратами в сочетании с физиотерапевтическими процедурами; Y2 — консервативная терапия в сочетании с оперативным лечением в объеме контактной литотрипсии (КЛТ); Y3 — консервативная терапия в сочетании с оперативным лечением в объеме дистанционной литотрипсии (ДЛТ); Y4 — консервативная терапия в сочетании с оперативным лечением в объеме перкутанной нефролитолапаксией (ПНЛТ); Y5 — открытая операция и консервативное лечение. Апробация разработанной сети проводилась на контрольной выборке, включающей 50 примеров. В результате тестирования трем пациентам был поставлен неправильный диагноз. Таким образом, точность модели составила 94%.

1. Savas L. Nosocomial urinary tract infections: micro-organisms, antibiotic sensitivities and risk factors. / L. Savas, S. Guvel, Y. Onlen//WestIndianMed. -2006.-Т. №55 (3). -р. 188-193.

2. Урология: Национальное руководство / Под ред. Н.А. Лопаткина. - М.: ГЭОТАР- Медиа, 2009.- С.434-451.4.

3. Коровин Е.Н., Родионов О.В. Методы обработки биомедицинских данных: учебное пособие. Воронеж: ВГТУ, 2007.

4. Новикова Е.И. Алгоритмизация и управление процессом диагностики гинекологических заболеваний на основе многовариантного моделирования / Е.И. Новикова, О.В. Родионов // монография. Воронеж: ВГТУ, 2012. 132с.

5. Новикова Е.И. Моделирование биомедицинских систем / Е.И. Новикова, О.В. Родионов, Е.Н. Коровин // учебное пособие, Воронеж: ВГТУ, 2008. – 196с.

6. Коровин Е.Н., Левенков К.О., Рябчунова Л.В. Анализ и алгоритмизация процессов диагностики, и выбор тактики лечения хронического пиелонефрита на основе имитационного моделирования// Системный анализ и управление в биомедицинских системах. - 2016. Т. 15. № 1. С. 84-87.

7. Левенков К.О. Кластерный анализ данных по выбору тактики лечения хронического пиелонефрита/К.О Левенков, А.С. Турбин, Е.Н. Коровин, А.В. Кузьменко, Т.А. Гяургиев // Системный анализ и управление в биомедицинских системах. -2017.- Т. 16. № 4. -с.857-861.

8. Коровин В.Н. Разработка нейронной сети для поставновки диагноза «хронический пиелонефрит»/ В.Н. Коровин, Е.Н. Коровин, К.О. Левенков, М.В. Лущик //Системный анализ и управление в биомедицинских системах. -2015. -Т. 14. № 3. - С. 585-588,647-651.

9. Коровин Е.Н. Интеллектуализация процесса диагностики хронического пиелонефрита на основе априорного ранжирования мнения экспертов/ Е.Н. Коровин, В.Н. Коровин, К.О. Левенков, М.В. Лущик //Системный анализ и управление в биомедицинских системах. - 2016. -Т. 15. № 4. - с.647-651.

10. Левенков К.О. Цифровая обработка результатов ультразвуковой допплерографии у больных хроническим пиелонефритом и мочекаменной болезнью/ К.О. Левенков, Е.Н. Коровин// Системный анализ и управление в биомедицинских системах. - 2018. -Т.17. №3. - с.686-692.