Scientific journal
Modern problems of science and education
ISSN 2070-7428
"Перечень" ВАК
ИФ РИНЦ = 1,006

ALGORITHM FOR THE PREDICTION AND PREVENTION OF STONE RECURRENCE IN UROLITHIASIS WITH USING FUZZY LOGIC

Kotsar A.G. 1 Tsukanova M.N. 1
1 Southwest state university
The article describes a method of fuzzy logic for prediction and prevention of urolithiasis. Formed dictionary informative features and alphabet of classes.developed the formula for calculating the membership functions according to the features, аnd using an iterative rule, calculate the coefficient of confidence in the examined object belonging to the desired class. By comparing the values obtained with the threshold values of the coefficients of confidence is defuzzification conclusion. Based on these decision rules,we developed an algorithm for selecting the prevention method in urolithiasis. The research of the effectiveness the synthesized decision rules was conducted. We made a prospective analysis of the stone recurrence after treatment 200 patients in Kursk Emergency Hospital. After one year of follow we had two groups of patient: 37 – with recurrent stone formation, 163 – without relapse. Using decision rules were calculated curative conclusions for these patientsand were constructed distribution histogram coefficient values. Analyze the intersection histogram shows a good agreement between the results of expert evaluation and synthesized decision rule in the control group: the diagnostic sensitivity – 0.9, the diagnostic specificity – 0.98, the positive predictive value – 0.98, the negative predictive value – 0.91 and diagnostic efficiency is 0.94.
expert system.
fuzzy logic
prevention
prediction
stone recurrence
urolithiasis

Введение

Уролитиаз – «болезнь цивилизации», поражающая не менее 5 % населения индустриально развитых стран [7]. Глобализация, техницизм, информатизация, дезинтеграция, свойственные современному обществу, ведут к значительным изменениям состояния здоровья населения планеты. Демографическое старение популяции развитых стран [6], экологические проблемы, глобальное потепление [4], ускоряющийся темп жизни, меняющий суточный ритм, режим и качество питания [5], сна и отдыха, гиподинамия, хронический стресс привели за последние 20 лет к удвоению заболеваемости мочекаменной болезни (МКБ) в таких странах, как США, Италия, Германия, Испания, Япония [10]. В России абсолютное число зарегистрированных больных мочекаменной болезнью в период с 2002 по 2009 г. увеличилось на 17,3 % [1]. Характерной особенностью и одной из серьезных проблем в лечении мочекаменной болезни являются высокие показатели рецидивирования камнеобразования. В целом у пациентов со впервые выявленными камнями существует 10-процентная вероятность появления нового камня в течение года или 50-процентная вероятность рецидива в течение 5 лет – при отсутствии медицинского обследования и лечения [12]. Несмотря на значительные успехи, достигнутые в методах удаления и дезинтеграции конкрементов за счет применения экстракорпоральных и малоинвазивных эндоскопических методов, вопросы профилактики и метафилактики МКБ, воздействия на этиологические и патогенетические факторы образования и роста камней остаются в тени технологического прогресса. Особенности патогенеза заболевания и широкое внедрение современных методик дезинтеграции конкрементов (с формированием резидуальных фрагментов) обуславливают высокую частоту рецидивов заболевания. Так, после ДУВЛ вероятность рецидива камнеобразования в течение 4 лет колеблется от 20 до 41,8 % [8,9,11].

Повысить качество прогнозирования и принятия решений по выбору адекватной комбинации методов профилактики можно путем внедрения в практику врача-уролога автоматизированной системы поддержки принятия решений (СППР). Медицинские экспертные системы позволяют врачу не только проверить собственные диагностические предположения, но и обратиться к компьютеру за консультацией в трудных диагностических случаях; и применяются для решения неформализованных проблем, к которым относятся задачи, обладающие одной или несколькими характеристиками из следующего списка: задачи не могут быть представлены в числовой форме; исходные данные и знания о предметной области неоднозначны, неточны, противоречивы; цели нельзя выразить с помощью четко определенной целевой функции; не существует однозначного алгоритмического решения задачи. Все вышеперечисленные свойства являются типичными для медицинских задач, так как в большинстве случаев они представлены большим объемом многомерных, запутанных, а порой и противоречивых клинических данных [2].

Цель исследования

Разработка методов и средств и алгоритмов прогнозирования возникновения и рецидива мочекаменной болезни на основе комплексного учета информативных прогностических признаков, управляемых автоматизированной системой поддержки принятия решений врача-уролога, обеспечивающей высокое качество оказания медицинской помощи в условиях неопределенности и неполноты представления данных при пересекающихся структурах классов.

Материал и методы исследования

Для решения поставленных задач в медицинской практике хорошо зарекомендовали себя методы нечеткой логики принятия решений и теории распознавания образов [3]. Согласно общей концепции синтеза нечетких решающих правил, задача прогнозирования возникновения/рецидива МКБ рассматривалась нами как задача разделения обследуемых на два класса: ω0 – риск заболевания МКБ отсутствует, ω1 – существует риск возникновения или рецидива заболевания.

С учетом поставленной задачи на основании анализа литературных данных и собственного опыта был сформирован перечень информативных признаков – факторов риска возникновения мочекаменной болезни, получаемых в результате опросов, осмотров и простейших исследований. В этот перечень вошли следующие признаки.

Для прогнозирования возникновения МКБ

I. Место проживания:

х1 – климатогеографическая зона, х2 – миграция с частой сменой климатических условий.

II. Производственные факторы:

х3 – класс труда по выполняемой нагрузке, х4 – нарушения привычной ритмичности жизни и режима труда, х5 – характер трудового процесса.

III. Факторы питания:

х10 – злоупотребление продуктами, повышающими кислотность мочи (острая, соленая, кислая пища), х11 – употребление «сырой» воды, х12 – питьевой режим (мл/сут).

IV. Поведенческие факторы:

х13 – длительная стрессовая ситуация, х14 – двигательная активность, х15 – длительный прием потенциально литогенных медикаментов.

V. Медико-биологические факторы:

х16 – наследственная предрасположенность, х17 – индекс массы тела (кг/м2), х18 – патология костей, х19 – хронические заболевания желудочно-кишечного тракта, х20 – рН мочи, х21 – гиперурикемия, х22 – кристаллурия, х23 – фоновые заболевания, х24 – врожденные аномалии и приобретенные анатомические дефекты мочевой системы, х25 – нейрогенная дисфункция мочевого пузыря, инфравезикальная обструкция, х26 - хронический пиелонефрит, х27 – количество функционирующих почек, х28 – возрастпациента, х29 – пол пациента, х30 – генетические патологии.

Для прогнозирования рецидива МКБ дополнительно:

VI. Индивидуальные особенности течения МКБ:

х31 – пациент страдает мочекаменной болезнью, х32 – начало заболевания произошло в раннем возрасте (до 25 лет), х33 – частота повторного образования камней в течение последних трех лет, х34 – химический состав камней, х35 – остаточные фрагменты (спустя 3 мес. после лечения камней), х36 – двустороннее объемное поражение камнями.

Используя каждый из выделенных признаков, как носитель функций принадлежностей, группа высококвалифицированных экспертов – специалистов в области урологии, под руководством инженера по знаниям, построила функции принадлежностей к классу ω1. Полученные данные были усреднены по всем экспертам и после их экспертного согласования получен набор соответствующих функций принадлежности.

С учетом того, что все приведенные факторы приводят к увеличению уверенности в прогнозе возникновения/рецидива мочекаменной болезни, общая прогностическая уверенность (КУРМКБ) определяется итерационной формулой вида:

, (1) где КУРМКБ(r) – коэффициент уверенности в классе ω на r-ом шаге итерации; причем КУРМКБ(r)= μω(x1); μω(xi+1) – функция принадлежности для вновь вводимого признака с номером i+1, i=1,…, 36.

Получаемые результаты нечетких решающих правил являются исходными данными для работы алгоритма управления профилактическими мероприятиями при МКБ. Блок-схема алгоритма приведена на рис. 1.

Словесный алгоритм управления диагностическими и лечебными мероприятиями, предлагаемый в работе, состоит из следующих пунктов:

1. Определяется задача исследования: прогнозирование и метафилактика рецидива МКБ (блок 1), прогнозирование и профилактика возникновения МКБ (блок 2), профилактика по известным КУ (блок 3).

 

Рис.1.Алгоритм профилактики МКБ

2. Методом опроса у обследуемого выясняется наличие и выраженность факторов риска. В зависимости от поставленной задачи: для прогнозирования рецидива признаки х1-х30 (блок 4), для прогнозирования возникновения – х1-х36 (блок 5). по этим факторам на основании выражения 1 рассчитывается коэффициент уверенности КУРМКБ (блок 7,8).

3. Если решается задача прогнозирования рецидива, то уточняется химический состав камней (блоки 17,24,32,38,45,47).

4. Проверяются условия превышения КУРМКБ пороговых значений и (блоки 11,13,14, 18, 26,33,40, 56) и формируется четкий вывод работы блока прогнозирования с указанием значения КУРМКБ:

ЕСЛИ (<) (блоки 11, 13) ТО [«нет риска возникновения мочекаменной болезни» (блок 12) ИЛИ «низкий риск рецидива камнеобразования» (блок15)];

ЕСЛИ (<) (блоки 14, 18, 26, 33, 40, 56), ТО

[«средний риск возникновения мочекаменной болезни» (блок 16) ИЛИ «средний риск рецидива камнеобразования» (блоки 21, 2835, 42,57)]

ИНАЧЕ [«высокий риск возникновения мочекаменной болезни» (блок 19) ИЛИ

«высокий риск рецидива камнеобразования» (блок 20,27,34,41,48,49,55].

7. На основании полученных данных, принимается решение о проведении профилактических мероприятий, путем комбинации профилактических блоков согласно следующим принципам.

При среднем риске возникновения МКБ и низком риске рецидива камнеобразования необходимо проведение профилактических мероприятий. В данном классе достаточно исключения, или ослабления влияния имеющихся факторов риска (блок 58) и соблюдения общих профилактических мероприятий по предупреждению возникновения МКБ (блок 54).

При высоком риске возникновения мочекаменной болезни к программе профилактики добавляется фитотерапия (блок 59).

В случае среднего риска рецидива уже имеющейся мочекаменной болезни к метафилатике, кроме предыдущих блоков 54,58, добавляется фитотерапия (блок 59) и, при известной минералогической форме уролитиаза, диетотерапия (блоки 23, 31,37, 44).

При высоком риске рецидива уролитиаза профилактические мероприятия, кроме блока 54 и 58, дополняются проведением специфических (с учетом химического состава конкрементов) медикаментозных мероприятий (блоки 25,30,39,46,52,53) и рекомендациями по лабораторной диагностике (блоки 22,29,36,43,50,51).

8. При решении задачи «профилактика по известным значениям КУ», пользователю необходимо ввести значение известного или предполагаемого КУ (блок 6), и для уточнения предметной области профилактических рекомендаций ответить на вопрос, «страдает ли пациент мочекаменной болезнью?» (блок 9), и выбрать минералогический состав конкремента (блок 10). В зависимости от результата система по алгоритму переходит к искомым профилактическим блокам.

Результаты исследования

Для проверки качества «срабатывания» синтезированных решающих правил проведен проспективный анализ рецидивов камнеобразования у 200 пациентов мочекаменной болезнью, находившихся на стационарном лечении в урологическом отделении ОБУЗ КГКБ СМП г. Курска за период 2010–2012 гг. Для всех пациентов, согласно синтезированным решающим правилам, были рассчитаны КУрмкб. Больные МКБ после выписки из стационара наблюдались в течение 1 года. Мониторинг камнеобразования осуществлялся путем выполнения ультразвукового исследования почек. По его результатам пациенты разделены на 2 группы: 1 – люди с рецидивом камнеобразования (37 пациентов), 2 – люди без рецидива (163 пациента). С учетом полученных результатов построены гистограммы процентного соотношения обследуемых по значениям КУ (рис. 2).

Рис. № 2. Гистограммы распределения объектов классов по значению КУРМКБ

На основании анализа пересечения полученных гистограмм в качестве пороговой величины для прогнозирования рецидива МКБ была выбрана величина 0,6. Относительно этой величины определялись показатели качества прогнозирования рецидива МКБ по КУРМКБ, которые составили: диагностическая чувствительность – 0,9; диагностическая специфичность – 0,98. Прогностическая значимость положительных результатов – 0,98; прогностическая значимость отрицательных результатов – 0,91; диагностическая эффективность – 0,94.

Выводы

Анализ полученных результатов показывает удовлетворительное совпадение результатов экспертного оценивания и проверки качества работы, синтезированных решающих правил на контрольной выборке. Полученные показатели качества прогнозирования МКБ позволяют рекомендовать описанный метод для широкого использования в медицинской практике.

Рецензенты:

Серегин Станислав Петрович, доктор медицинских наук, заведующий урологическим отделением № 2 ОБУЗ Курская городская клиническая больница скорой медицинской помощи, г. Курск.

Сипливый Геннадий Вячеславович, доктор медицинских наук, профессор кафедры урологии ГБОУ ВПО «Курский государственный медицинский университет», г. Курск.