Применение ГРВ для диагностики состояний пациентов

*Гурский В.В., *Короткина С.А., **Волков А.В., **Телешева Т.Ю.
* КТИ, Санкт-Петербург,
** Клиника «Эколабмедтест» («Клиника доктора Волкова»), Москва

1. Описание задачи и методов исследования

В анализе использовались ГРВ граммы 328 пациентов, разбитых на группы по значениям различных параметров, описывающих состояния пациентов. Основной целью исследования являлся поиск возможных корреляций между параметрами ГРВ грамм и дополнительной диагностической информацией о пациентах. А именно, были исследованы возможности предсказания диагнозов и других особенностей состояния пациентов на основе ГРВ параметров. В качестве методов исследования использовались метод нейронных сетей и анализ разброса значений нормализованных ГРВ параметров в группах по нозологиям.

Значения параметров ГРВ грамм пациентов были получены с помощью программы GDV Scientific Laboratory . Данные значения включали в себя средние значения на всех пальцах, а также значения на каждом отдельном пальце. Были рассчитаны ГРВ параметры фильтровых и бесфильтровых ГРВ грамм, а также отношения и разности фильтровых и бесфильтровых ГРВ параметров.

Для приведения всех ГРВ параметров к одному масштабу использовалась процедура нормализации, а именно значение каждого ГРВ параметра на каждом пальце пациента делилось на среднее значения данного параметра по всем пальцам данного пациента. Средние отклонения нормализованных ГРВ параметров от средних значений анализировались в группах по нозологиям. Идея состоит в том, чтобы сравнить данные отклонения с их аналогами в группе условно здоровых пациентов, т. е. пациентов, у которых нет данной нозологии. Положительным с диагностической точки зрения является случай, когда среднее отклонение какого-либо параметра в группе с нозологией заметно меньше, чем в группе здоровых. Анализировались следующие нозологии: Заболевания желудочно-кишечного тракта (ЖКТ) в качестве ведущего синдрома (94 человека); Заболевания сердечно-сосудистой системы (ССС) (81 человек); Заболевания кожи (41 человек).

Методом нейронных сетей строились модели, в которых входными параметрами были различные комбинации ГРВ параметров, а выходными — категориальные параметры, определяющие принадлежность пациента к тому или иному классу по заболеваниям. Общая схема моделирования выглядит следующим образом. На входе в сеть подаются значения ГРВ параметров пациента, на выходе получается предсказываемая вероятность принадлежности пациента к группе по диагнозу. Выборка пациентов, на которой строилась модель, разбивалась на три части: обучающая выборка (примерно 80% всех пациентов), проверочная (примерно 20%) и тестовая (20%). Обучение нейронных сетей происходило на обучающей выборке, то есть коэффициенты внутри модели находились таким образом, чтобы предсказания модели как можно точнее соответствовали фактическому разбиению на группы по диагнозу. При этом процесс обучения корректировался перекрестной проверкой модели на проверочной выборке. После того, как модель была построена в результате такого обучения, она тестировалась на тестовой выборке, то есть предсказания модели на пациентах тестовой выборки сравнивались с фактическим разбиением пациентов из этой выборки. Модель принималась как удовлетворительная, если результаты ее предсказания были удовлетворительными на всех трех выборках.

2. Результаты .

2.1. Модель распределения пациентов по группам значений переменной Резерв

Переменная Резерв описывает состояния повышенного или пониженного внутреннего функционального резерва организма и является одной из важных характеристик, используемых в процессе диагностики в клинике доктора Волкова. Была построена удовлетворительная нейронная модель на основе фильтровых значений ГРВ параметров на левой руке, которая правильно предсказывает распределение пациентов по группам значений переменной Резерв. В Таб. 1–2 представлены результаты модели.

Таблица 1. Результаты нелинейной нейронной модели по фильтровым значениям ГРВ параметров на левой руке, полученные на обучающей выборке. В таблице вертикальные столбцы соответствуют фактическому распределению пациентов из рассматриваемой выборки, горизонтальные столбцы соответствуют предсказаниям модели. Числа на диагонали таблицы суть числа правильно классифицированных пациентов согласно модели, во внедиагональных ячейках находятся числа неправильно классифицированных пациентов. Например, из таблицы следует, что 57 пациентов из группы «Пониженный резерв» был правильно занесен моделью в ту же группу, но 17 пациентов из этой же группы модель неправильно занесла в группу «Повышенный резерв». Последняя строчка содержит проценты пациентов, правильно классифицированных моделью, для каждой группы.

Таблица 2. То же, что в Таб. 1, но для тестовой выборки.

2.2. Анализ отклонений ГРВ параметров от средних значений в группах по нозологиям

Здесь приведены результаты (Таб. 3–8), показывающие разницу (в процентах) между средним отклонением нормализованных ГРВ параметров от среднего значения в группе условно больных (пациенты с наличием нозологии) и средним отклонением в группе условно здоровых (пациенты с отсутствием данной нозологии). Статистически значимой считалась разница близкая или более 20%.

Таблица 3. Значения разницы (в процентах) между средними отклонениями нормализованных ГРВ параметров (фильтровые значения), посчитанных в группе с нозологией ЖКТ и в группе без нозологии. В первой строчке помещены сокращенные названия ГРВ параметров. В первом столбце помещены номера пальцев, на которых данные параметры измерялись. Статистически значимые значения отмечены цветом.

Таблица 6. То же, что в Таб. 5, но для отношений фильтровых значений ГРВ параметров к бесфильтровым.