Введение

Актуальность работы.На протяжении многих лет сердечно-сосудистые заболевания (ССЗ) стоят на первом месте в структуре смертности населения трудоспособного возраста. Основной причиной смертности является инфаркт миокарда (ИМ) и связанные с ним осложнения, особенно если ИМ является повторным (ПИМ).

Прогноз заболевания в большинстве исследований сводится к прогнозу жизни, где в качестве конечных точек используются все случаи кардиальной смерти, включающие декомпенсацию хронической сердечной недостаточности (ХСН) и случаи внезапной сердечной смерти. Возможность прогноза развития ПИМ - клиническая задача, необходимая для выбора тактики лечения конкретного коронарного больного, которая приобретает наибольшую актуальность у стабильных и социально активных больных.

Таким образом, актуальность данного исследования определяется необходимостью улучшения показателей качества прогнозирования риска повторного ИМ.

Степень разработанности темы исследования.Большое значение в ведении пациентов с острым ИМ имеет, прежде всего, оценка степени риска развития ПИМ. Оценка прогноза больных острым ИМ первоначально опиралась на клинические показатели и была ориентирована на относительно короткий отрезок времени. В 60-70-е годы прошлого века появились индексы долгосрочного прогноза (Peel, Norris, Luria), ориентированные на постгоспитальный долгосрочный прогноз на срок до 1-5 лет. Они явились прообразом современной риск-стратификации больных ИБС. В работах до 70-х годов в основном использовали показатели, полученные в блоке интенсивной

терапии, позже стали использовать данные, полученные при клинико­инструментальном обследовании спустя 1-4 недели от начала заболевания.

Благодаря проспективным исследованиям разработаны прогностические коэффициенты, в том числе и для населения России, позволяющие на основании уровня факторов риска определять риск заболеваемости и смертности от ССЗ на 5-10 лет вперед для больших популяций (город, область, страна).

С развитием компьютерных технологий предпринимаются попытки внедрения программированного прогнозирования в медицинскую практику (М.М. Батюшин, Ю.Л. Шевченко). В частности, очень часто для прогнозирования ПИМ используют решающие модули на основе искусственных нейронных сетей или нечеткого логического вывода (Н.А. Кореневский, С.П. Серегин). Известны системы, интегрирующие эти две парадигмы в виде гибридных решающих модулей (Н.А. Кореневский, С.А. Филист).

Известные методы прогнозирования имеют ряд существенных недостатков: определение индивидуального прогноза у большей части больных остается неудовлетворительным; практически нет единых систем прогнозирования возникновения и исхода заболевания; составление прогноза является трудоемкой работой для врача.

Научно-технической задачей исследования является разработка методов прогнозирования ПИМ, основанных на автоматизации процесса анализа факторов

риска посредством гетерогенных классификаторов, и математических моделей, позволяющих учитывать фактор латентных переменных в риске ПИМ.

Целью диссертационной работыявляется повышение качества прогнозирования повторного инфаркта миокарда на основе гетерогенных классификаторов с виртуальными потоками и учета дополнительных факторов риска в классифицирующих моделях.

Для достижения поставленной цели необходимо решить следующие задачи:

- выполнить анализ методов и моделей прогнозирования сердечно­сосудистых заболеваний и повторного инфаркта миокарда;

- разработать метод синтеза гетерогенных классификаторов для оценки степени риска повторного инфаркта миокарда, основанный на агрегации гетерогенных данных, характеризующих функционирование различных органов и подсистем организма;

- разработать структурно-функциональные решения организации виртуальных потоков в гетерогенных классификаторах повторного инфаркта миокарда;

- разработать виртуальные модели для классификации риска повторного инфаркта миокарда, основанные на исследовании показателей электропроводности биологически активных точек посредством воздействия на биоматериал серией импульсов возрастающего напряжения;

- разработать структуру интеллектуальной системы прогнозирования повторного инфаркта миокарда, построенную на многоагентном походе к построению решающих модулей, основанном на нечетком логическом выводе и нейросетевом моделировании;

- провести апробацию предложенных гетерогенных классификаторов для интеллектуальной поддержки прогнозирования повторного инфаркта миокарда с различной конфигурацией пространства информативных признаков и различными сочетаниями классифицирующих моделей.

Научная новизна.В диссертации получены следующие результаты, характеризующиеся научной новизной:

- метод синтеза гетерогенных классификаторов, основанный на агрегации гетерогенных данных, характеризующих функционирование различных органов и подсистем организма, отличающийся последовательным усилением качества классификации, основанном на агрегировании «слабых» классификаторов в гетерогенный классификатор, позволяющий получать решающие правила для количественной оценки степени риска повторного инфаркта миокарда в реабилитационном периоде с требуемой для медицинской практики точностью;

- метод построения виртуальных моделей для классификации риска повторного инфаркта миокарда, основанный на исследовании показателей электропроводности биологически активных точек, отличающийся структурой «слабых» классификаторов, построенных по тестовым сигналам, получаемым при воздействии на биоматериал серией импульсов возрастающего напряжения, и однопараметровыми экспоненциальными моделями риска, позволяющий осуществлять переход от абсолютной шкалы к порядковой шкале оценки результатов тестирования;

- виртуальные модели классификации риска повторного инфаркта миокарда, первая из которых является моделью индивидуального риска и построена на основе полиномиальной аппроксимации вольтамперных характеристик в биоактивных точках с последующим нечетким логическим выводом, а вторая модель является моделью группового риска и включает три блока, в первом из которых осуществляется нормирование данных относительно контрольных значений тестовых сигналов, во втором блоке строится модель по «сырым» данным на основе статистических исследований в виде аппроксимирующих полиномов, а в третьем блоке реализуется нейросетевая модель «слабого» классификатора, что позволяет формировать гетерогенные классификаторы, агрегирующие факторы риска по релевантным биологически активным точкам;

- интеллектуальная система прогнозирования повторного инфаркта миокарда, включающая ЭВМ с программными модулями обработки данных и ряд вспомогательных технических средств, отличающаяся модульной структурой

принятия решений по риску повторного инфаркта миокарда, позволяющая повысить показатели качества классификации на 14-16% по сравнению с известными диагностическими моделями.

Теоретическая и практическая значимость работысостоит в том, что разработанные методы, модели, алгоритмы, программно-аппаратный комплекс и соответствующее программное обеспечение составили основу построения системы поддержки принятия решений по классификации риска рецидива инфаркта миокарда, опытная эксплуатация элементов которой позволяет рекомендовать её к использованию при планировании профилактических и реабилитационных мероприятий при ведении пост инфарктных больных.

Работа выполнена в рамках федеральной целевой программы «Исследования и разработки по приоритетным направлениям развития научно­технологического комплекса России на 2014 - 2020 годы» («Проведение прикладных научных исследований в области биоинформационных технологий», уникальный идентификатор прикладных научных исследований (проекта) RFMEFI57614X0071) и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».

Результаты работы внедрены в учебном процессе Юго-Западного государственного университета при подготовке бакалавров по направлению 12.03.04 «Биотехнические системы и технологии» и прошли испытания в отделении медицинской реабилитации клинического научно-медицинского центра «Авиценна», г. Курск.

Методология и методы исследования.Для решения поставленных задач использовались методы: системного анализа, теории биотехнических систем медицинского назначения, математической статистики, теории управления, математического моделирования, нейросетевого моделирования, экспертного оценивания и принятия решений. При разработке нейросетевых моделей и модулей нечеткого логического вывода в качестве инструментария использовался MATLAB. Для сбора данных использован модуль быстродействующего АЦП с

USB 2.0 интерфейсом - E20-10 производства ЗАО «L-Card» с программными средствами, разработанными в среде C++ Builder 6 с использованием библиотек L-Card (Lisbari и LCome).

Положения, выносимые на защиту.1. Метод синтеза гетерогенных классификаторов, основанный на агрегации гетерогенных данных, характеризующих функционирование различных органов и подсистем организма, обеспечивает получение математических моделей оценки степени риска повторного инфаркта миокарда в реабилитационном периоде с требуемой для медицинской практики точностью. 2. Метод построения виртуальных моделей для классификации риска повторного инфаркта миокарда, основанный на исследовании показателей электропроводности биологически активных точек, позволяет осуществлять переход от абсолютной шкалы к порядковой шкале оценки результатов тестирования.

Степень достоверности и апробация работы.Результаты исследования показали их воспроизводимость в различных условиях, непротиворечивость аналогичным результатам, полученным другими исследователями в области исследования системных ритмов живых систем и интеллектуальных систем медицинского назначения. Результаты экспериментальных исследований решающих правил по прогнозированию сердечно-сосудистых рисков согласуются с ранее опубликованными экспериментальными данными по теме диссертации. Результаты исследования показали, что предлагаемые модели и информационные технологии могут быть рекомендованы для прогнозирования сердечно­сосудистых рисков.

Основные теоретические положения и научные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на 14-ти Международных, Всероссийских и региональных конференциях и семинарах:

«Интеллектуальные технологии и средства реабилитации и абилитации людей с ограниченными возможностями (ИТСР-2018)» (Москва - 2018); «Актуальные вопросы биомедицинской инженерии» (Саратов-2018); «Современные проблемы анализа динамических систем. Приложения в технике и технологиях» (Воронеж - 2018); «Информационные системы и технологии: вопросы теории и практики» (Кострома - 2018); «Лазерно-информационные технологии в медицине, биологии, геоэкологии и транспорте» (Новороссийск - 2018); «Нейроинформатика, ее приложения и анализ данных» (Красноярск - 2018); «Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века» (Пермь - 2018); «Закономерности развития современного естествознания, техники и технологий» (Пенза - 2018);

«Proceedings of articles the III International scientific conference» (Czech Republic, Karlovy Vary - Russia, Moscow, 2018); «Роль науки в развитии социума: теоретические и практические аспекты» (Санкт-Петербург - 2018); «Медико­экологические информационные технологии» (Курск - 2018, 2019);

«Искусственный интеллект в решении актуальных социальных и экономических проблем XXI века» (Пермь - 2018); «Физика и радиоэлектроника в медицине и экологии» (Владимир-Суздаль - 2018); «Интеллектуальные информационные системы: тенденции, проблемы, перспективы» (Курск - 2013, 2015, 2017); на научно-технических семинарах кафедры биомедицинской инженерии ЮЗГУ (Курск - 2012-2019).

Публикации.Основные результаты диссертационного исследования отражены в 17 научных работах, из них 4 статьи в ведущих рецензируемых научных журналах.

Структура и объем работы.Диссертация состоит из введения, четырех разделов, заключения и списка литературы, включающего 120 отечественных и 26

зарубежных наименований. Работа изложена на 1 50 страницах машинописного текста, содержит 40 рисунков и 15 таблиц.

1