Научный журнал
Фундаментальные исследования
ISSN 1812-7339
"Перечень" ВАК
ИФ РИНЦ = 1,087

ПРОГНОЗИРОВАНИЕ ОБОСТРЕНИЯ ГЕРПЕСВИРУСНОЙ ИНФЕКЦИИ ПОЛОВЫХ ОРГАНОВ НА ОСНОВЕ ГИБРИДНЫХ НЕЧЕТКИХ МОДЕЛЕЙ

Лукашов М.И. 1
1 ФГБОУ ВПО «Юго-Западный государственный университет»
В работе рассматриваются вопросы получения решающих правил для прогнозирования обострения генитального герпеса с целью выбора рациональных схем профилактики этого заболевания. Математические модели прогнозирования заболевания построены на основе гибридных нечетких решающих правил. Предложена процедура синтеза прогностических решающих правил обострения герпесвирусной инфекции половых органов, включающая построение математической модели агрегирования различных составляющих уверенности в правильном прогнозе по выделенным группам информативных признаков. Задача прогнозирования определялась как задача разделения двух классов: обострение генитального герпеса в ближайшей перспективе не ожидается; в течение восьми дней ожидается обострение заболевания. В?качестве претендентов на информативные признаки были выбраны: относительные отклонения сопротивлений биологически активных точек от своих номинальных значений; опросник с семью вопросами и двоичными ответами; уровень психоэмоционального напряжения; уровень утомления, уровень защиты организма от рецидивов герпесвирусной инфекции. На репрезентативной контрольной выборке показывается, что с использованием технологии мягких вычислений достигаются приемлемые для медицинской практики результаты.
генитальный герпес
гибридные нечеткие модели
классификация
герпесвирусная инфекция
1. Еремин А.В. Методы модели и алгоритмы нечеткого прогнозирования обострения и оценки степени тяжести больных генитальной вирусной инфекцией: дис. ... канд. техн. наук: 05.11.17. – СПб., 2010. – 135 с.
2. Кореневский Н.А. Проектирование нечетких решающих сетей, настраиваемых по структуре данных для задач медицинской диагностики // Системный анализ и управление в биомедицинских системах. – М., 2005. – Т. 4. – № 1. – С. 12–20.
3. Кореневский Н.А. Использование нечеткой логики принятия решений для медицинских экспертных систем // Медицинская техника. – 2015. – № 1(289). – С. 33–35.
4. Кореневский Н.А. Метод синтеза гетерогенных нечетких правил для анализа и управления состоянием биотехнических систем // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. – 2013. – № 2. – С. 99–103.
5. Кореневский Н.А. Интерактивный метод классификации в задачах медицинской диагностики / Н.А. Кореневский, С.В. Дегтярев, С.П. Серегин, А.В. Новиков // Медицинская техника. – 2013. – № 4. – С. 1–3.
6. Кореневский Н.А., Крупчатников Р.А. Информационно-интеллектуальные системы для врачей рефлексотерапевтов: монография. – Старый Оскол: ТНТ, 2013. – 424 с.
7. Кореневский Н.А. Синтез нечетких сетевых моделей обучаемых по структуре данных для медицинских экспертных систем / Н.А. Кореневский, Р.А. Крупчатников, С.А. Горбатенко // Медицинская техника. – 2008. – № 2. – С. 18–24.
8. Кореневский Н.А. Синтез коллективов гибридных нечетких моделей, оценки состояния сложных систем / Н.А. Кореневский, К.В. Разумова // Наукоемкие технологии. – 2014. – Т.15. – № 12. – С. 31–40.
9. Кореневский Н.А. Синтез нечетких классификационных правил в многомерном пространстве признаков для медицинских приложений / Н.А. Кореневский, К.В. Разумова // Известия Юго-Западного государственного университета. Серия: управление, вычислительная техника, информатика. Медицинское приборостроение. – 2012. – № 2. – Ч1. – С. 223–227.
10. Кореневский Н.А. Метод прогнозирования и диагностики состояния здоровья на основе коллективов нечетких решающих правил / Н.А. Кореневский, Р.В. Руцкой, С.Д. Долженков // Системный анализ и управление в биомедицинских системах. – 2013. – Т. 12. – № 4. – С. 905–909.
11. Кореневский Н.А. Геометрический подход к синтезу нечетких решающих правил для решения задач прогнозирования и медицинской диагностики / Н.А. Кореневский, С.А. Филист, А.Г. Устинов, Е.Б. Рябкова // Биомедицинская радиоэлектроника. – 2012. – № 4. – С. 20–25.
12. Лукашов М.И. Синтез решающих правил прогнозирования обострения заболеваний на примере генитального герпеса / М.И. Лукашов, А.Г. Устинов, И.И. Хрипина, С.В. Солошенко // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. – 2014. – № 3. – С. 70–80.
13. Лукашов М.И. Использование методов рефлексодиагностики при ведении больных генитальным герпесом / М.И. Лукашов, Н.А. Кореневский, А.В. Еремин, Р.А. Крупчатников // Системный анализ и управление в биомедицинских системах. – 2009. – Т.8 – № 4. – С. 869–872.
14. Лукашов М.И. Оценка уровня психоэмоционального напряжения и его роль в появлении и развитии психосоматических заболеваний / М.И. Лукашов, Н.А. Кореневский, О.И. Филатова // Системный анализ и управление в биомедицинских системах. – 2009. – Т.8. – № 3. – С. 603-607.
15. Лукашов, М.И. Использование информационных технологий для прогнозирования и диагностики инфекционных заболеваний (на примере генитального герпеса): монография / М.И. Лукашов, Н.А. Кореневский, В.И. Серебровский и др. – Курск: Изд-во Курск. гос. с-х. ак., 2011. – 123 с.
16. Лукашов, М.И. Определение уровня длительного физического утомления как факторов риска рецидивов хронических заболеваний / М.И. Лукашов, Н.А. Кореневский, А.В. Еремин, О.И. Филатова // Биомедицинская радиоэлектроника. – 2009. – № 5. – С. 10–15.
17. Лукашов М.И. Нечеткая оценка степени психоэмоционального напряжения и ее роль в прогнозировании и диагностике заболеваний / М.И. Лукашов, В.А. Буняев, В.В. Буняев, В.И. Афанасьев // Известия высших учебных заведений. Северо-Кавказский регион. Серия: Технические науки. – 2009. – № 5. – С. 27–31.
18. Шуткин А.Н. Использование технологии мягких вычислений для оценки защитных механизмов организма / А.Н. Шуткин, Е.А. Бойцова, Л.П. Лазурина, М.В. Писарев // Известия Юго-Западного государственного университета: Серия Управление, вычислительная техника, информатика. Медицинское приборостроение. – 2015. – № 2. – С. 62–72.
19. Шуткин А.Н. Применение теории измерения латентных переменных для формирования пространства информативных признаков в задачах оценки функционального состояния человека / А.В. Бойцов, Л.П. Лазурина, С.Н. Кореневская, А.Н. Шуткин // Известия Юго-Западного государственного университета. – 2014. – № 6. – С. 52–58.
20. Korenevskiy N.A. Design of network-based fuzzy knowledge bases for medical decision-making support systems [text] / N.A. Korenevsky, S.A. Gorbatenko, R.A. Krupchatnikov, M.I. Lukashov // Biomedical Engineering. – 2009. – Vol. 43. – № 4. – P. 187–190.
21. Korenevskiy N.A. Use of an Interactive Method for Classification in Problems of Medical Diagnosis / N.A. Korenevsky, S.V. Degtyarev, S.P. Seregin, A.V. Novikov // Biomedical Engineering November. – 2013. – Vol. 47, Issue 4. – Р. 169–172.
22. Korenevskiy N.A., Krupchatnikov R.A., Gorbaten ko S.A. Generation of fuzzy network models taught on basic of data structure for medical expert systems, Biomedical Engineering Journal. – 2008. – Vol. 42, № 2 – Р. 67–72.
23. Korenevskiy N.A. Application of Fuzzy Logic for Decision-Making in Medical Expert Systems // Biomedical Engineering. – May 2015. – Vol. 49, Issue 1. – Р. 46–49.
24. Rasch G. Probabilistic models for some intelligence anent tests (Expanded edition, with foreword and afterword bu Benjamin D. Wright). – Chicago: University of Chicago Press, 1980. – 199 p.
25. Smith E.V., Smith M.S. Introduction to RaschMeas-urement. Theory, Models and Applications. – Marle Grove, Minnesota: JAM Press, 2004. – 689 p.

Вопросам использования технологии мягких вычислений для прогнозирования обострения генитального герпеса посвящен ряд работ ученых Юго-Западного государственного университета [1, 12, 15].

Для оценки практической эффективности математических моделей, полученных в этих работах, нами были проведены соответствующие статистические испытания на репрезентативных контрольных выборках. В ходе этих испытаний было установлено, что предложенные математические модели имеют относительно «широкую» зону неопределенности в принимаемых решениях, что в ряде случаев затрудняет выбор схем профилактических мероприятий.

С целью устранения этого недостатка нами, в соответствии с рекомендациями работ [2, 4, 5, 6, 7, 8, 9, 11], был проведен разведочный анализ с целью изучения структуры данных, описывающих классы состояний пациентов с обострившимся генитальным герпесом.

В ходе разведочного анализа перед экспертами была поставлена задача уточнить список информативных признаков, использованных в работах [1, 12, 15], для чего были привлечены аппараты экспертного оценивания и теории измерения латентных переменных, а также определялась информативная мера по Кульбаку Ik. Как и в работах [1, 12, 15], задача прогнозирования определялась как задача разделения двух классов: ?0 – обострение генитального герпеса в ближайшей перспективе не ожидается; ?об – в течение 8 дней ожидается обострение заболевания. В качестве претендентов на информативные признаки были выбраны: относительные отклонения сопротивлений биологически активных точек (БАТ) F11, VC1, VC7, VG1 и P7 от своих номинальных значений [13]; опросник с семью вопросами и двоичными ответами b1, ..., b7 [15]; уровень психоэмоционального напряжения UP [17]; уровень утомления (UU) [16], уровень защиты организма от рецидивов герпесвирусной инфекции (UZ) [14, 18].

Оценка информативной ценности по Кульбаку и группе экспертов приведена в табл. 1.

Таблица 1

Информативная ценность БАТ

БАТ

Класс

Информативность по классу (Кульбак)

Общая информативность Ik

Экспертная оценка ценности точки

F11

?0

5

9

0,1

?об

4

VC1

?0

12

22

0,2

?об

10

VC7

?0

14

31

0,35

?об

17

VG1

?0

10

18

0,25

?об

8

Р7

?0

10

25

0,3

?об

15

Информативная ценность других типов информативных признаков представлена в табл. 2.

Как и при оценке БАТ, в качестве порогового значения была выбрана величина Ik = 20. Каждый из признаков bi такой информативностью не обладает, однако их совокупность позволяет получить Ik = 21.

Уточнение информативности признаков производилось с использованием теории измерения латентных переменных по модели Г. Раша с использованием пакета RUMM2020 [19, 24, 25].

Для использования пакета RUMM 2020 по выборке значений, используемых прогностических признаков сформирована таблица исходных данных, фрагмент которой приведен в табл. 3.

Обобщенной характеристикой соответствия между интегральной латентной переменной и системой индикаторов служат гистограммы распределения интегрального показателя «уверенности» в прогнозе обострения генитального герпеса (рис. 1) [19].

Анализ данного графика показывает наличие трёх довольно чётко выраженных состояний обследуемых, которые интегрируются как низкая, средняя и высокая уверенность в обострении генитального герпеса что позволяет сделать вывод о том, что система критериев соответствует измеряемой латентной переменной – «Уверенность» в прогнозе обострения генитального герпеса и набор используемых индикаторных переменных является эффективным для целей измерения обобщенной латентной переменной.

Процедура синтеза прогностических решающих правил была реализована на основе общих рекомендаций, разработанных в Юго-Западном государственном университете [3, 10, 20, 21, 22, 23].

Таблица 2

Информативная ценность пространства прогностических признаков

Признак

Класс

Информативность по классу

Общая информативность Ik

Экспертная оценка прогностической ценности

UP

?0

12

23

0,24

?об

11

UU

?0

14

29

0,3

?об

15

UZ

?0

16

36

0,4

?об

20

b1

?0

1,5

3

0,04

?об

1,5

b2

?0

1,5

3

0,04

?об

1,5

b3

?0

1,5

3

0,04

?об

1,5

b4

?0

1,5

3

0,04

?об

1,5

b5

?0

1,5

3

0,04

?об

1,5

b6

?0

1,5

3

0,04

?об

1,5

b7

?0

1,5

3

0,04

?об

1,5

Общая по группе bi

?0

10

21

0,28

?об

11

Таблица 3

Значения индикаторных переменных для латентной переменной «Уверенность» в прогнозе обострения генитального герпеса (UOG)

Индикаторные переменные

?RVC1

?RVC7

?RVG1

?RP7

UP

UU

UZ

lukashov01.wmf

5,2

10,1

8,1

3

0,15

0,1

0,8

2

2,3

8,2

7,3

1,8

0,1

0,2

0,83

1

6,5

7,5

8,5

5,1

0,2

0,25

0,9

1

3,9

6,5

6,5

4,2

0,15

0,22

0,91

0

4,2

8,2

15,2

2,15

0,3

0,1

0,85

0

7,1

10,5

10,1

3,5

0,15

0,26

0,87

0

5,3

7,3

14,1

5,1

0,12

0,13

0,75

0

pic_46.tif

Рис. 1. Распределение интегрального показателя «Уверенность» в прогнозе обострения генитального герпеса

В результате процедуры синтеза получена прогностическая модель вида

YPZ = max[0, (YPF – UZ)], (1)

где YPF – уверенность в обострении генитального герпеса без оценки уровня защитных свойств UZ.

Величина YPF определяется нечеткой интеграционной формулой вида

lukashov02.wmf (2)

Нечеткие составляющие модели (2) определяются системой математических моделей вида

lukashov03.wmf (3)

где YPB – частная уверенность в ?об по величине электрической реакции БАТ; ?об(?Rj+1) – функция принадлежности к классу ?об с базовыми переменными по шкалам отклонения электрических сопротивлений БАТ ?Rj+1, связанных с заболеваниями кожи от своих номинальных значений; lukashov04.wmf lukashov05.wmf lukashov06.wmf lukashov07.wmf YPO – частная уверенность в ?об по данным опроса по опроснику B (b1, …, b7): в анамнезе ОРВИ грипп или другие болезни, ослабляющие иммунную систему (b1); переохлаждение организма (b2); перегрев организма (b3); медицинские манипуляции на половых органах (b4); злоупотребление алкоголем (b5); чрезмерное пребывание на солнце или злоупотребление солярием (избыточные дозы ультрафиолетового излучения) (b6); в анамнезе микрохирургические вмешательства на тройничном нерве (b7); fB(b1, …, b7) – функция агрегации опросника B, ?об(UP) и ?об(UU) функции принадлежности к классу ?об с базовыми переменными уровень ПЭН (UP) и уровень хронического утомления (UU).

Уровень защиты определяется математической моделью вида

UZ = FZ [АP, ЭР, f(aj)], (4)

где АР – адаптационный потенциал; ЭР – энергетический разбаланс общесистемных БАТ; f(aj) – функция принадлежности к ?об с базовыми переменными по данным лабораторного анализа; a1 – иммунорегуляторный коэффициент CD4+/CD8+ (индекс); a2 – CD4 + 25 + T-лимфоциты, экспрессирующие рецепторы к IL2 (процент от CD4+ T-клеток); a3 – активированные NK-клетки (экспрессирующие HLA-DR-мо лекулы) (процент от NK-клеток); a4 – Фенопик NK-клеток CD3-16 + 56 – (высокая) (процент); Fz-функция агрегации составляющих модели (4).

Для оценки качества работы прогностических решающих правил начиная с 2005 года проводились наблюдения за больными генитальным герпесом в Курском областном кожно-венерологическом диспансере с фиксацией факта обострения заболеваний с момента проведения замеров значений признаков, описанных в предыдущих разделах. Фиксировались случаи заболевания через день после измерений, через два дня и т.д. вплоть до двух недель. На рис. 2 приведен график изменения показателей прогностической значимости для моделей (1).

pic_47.wmf

Рис. 2. График изменения показателей ПЗ+ и ПЗ– для шкалы YPZ в зависимости от времени наблюдения

Тенденция изменения показателей качества такова, что на седьмой – десятый день после начала наблюдений качество классификации стабилизируется и в дальнейшем существенно не изменяется. Это и послужило основой для выбора экспертами времени рационально прогноза T0 = 8 дней, причем реальное качество классификации несколько выше, чем дают эксперты, что позволяет рекомендовать полученные решающие правила к использованию в медицинской практике.

Таким образом, предложена процедура синтеза прогностических решающих правил обострения герпесвирусной инфекции половых органов, включающая построение математической модели агрегирования различных составляющих уверенности в правильном прогнозе по выделенным группам информативных признаков. Результаты математического моделирования синтезированных решающих правил и экспертного оценивания показали, что при максимальных значениях всех частных составляющих модели (1) YPZ = 0,9, а для наиболее часто встречающихся значений факторов риска уверенность в правильном прогнозе составляет 0,85, что для прогностических медицинских задач считается хорошим результатом.

Рецензенты:

Ключиков И.А., д.т.н., главный научный сотрудник НИИЦ, ФГУП «18 ЦНИИ» МО РФ, г. Курск;

Серегин С.П., д.м.н., зав. урологическим отделением № 2, ОБУЗ «Курская городская клиническая больница скорой медицинской помощи», г. Курск.


Библиографическая ссылка

Лукашов М.И. ПРОГНОЗИРОВАНИЕ ОБОСТРЕНИЯ ГЕРПЕСВИРУСНОЙ ИНФЕКЦИИ ПОЛОВЫХ ОРГАНОВ НА ОСНОВЕ ГИБРИДНЫХ НЕЧЕТКИХ МОДЕЛЕЙ // Фундаментальные исследования. – 2015. – № 11-4. – С. 703-708;
URL: http://fundamental-research.ru/ru/article/view?id=39491 (дата обращения: 01.04.2020).

Предлагаем вашему вниманию журналы, издающиеся в издательстве «Академия Естествознания»
(Высокий импакт-фактор РИНЦ, тематика журналов охватывает все научные направления)

«Фундаментальные исследования» список ВАК ИФ РИНЦ = 1.074