Возможности методов искусственного интеллекта для дифференциальной диагностики подтипов транзиторных ишемических атак

Вид материала

Документы

Содержание Первые результаты применения адаптивного нейросетевого классификатора и генетического алгоритма Выписка из карты реабилитационного больного № 15798/1209 ЭхоКардиография 18,10,2007. Транзиторная ишемическая атака в вертебрально-базиллярном бассейне артерий при артериальной гипертензии» б Место генетического алгоритма и адаптивного нейросетевого классификатора в прогнозной диагностике подтипов ТИА Наши представления о подтипах транзиторных ишемических атак Необходимость пересмотра устоявшихся представлений о ранних проявлениях преходящих ишемических нарушениях мозгового кровообращен Традиционное определение ТИА Новое определение ТИА К вопросу стандартизации диагностики и лечения ТИА Профилактический аспект по предотвращению эпизодов ТИА

Подобный материал:

• Задачи искусственного интеллекта 6 Тест по теме «История развития искусственного интеллекта», 1504.97kb.
• В. К. Финн к структурной когнитологии: феноменология сознания с точки зрения искусственного, 366.95kb.
• Возможности методов лучевой диагностики в визуализации дополнительных образований почек, 154.33kb.
• Программа дисциплины основы искусственного интеллекта (дпп. Ф. 10) для специальностей, 126.28kb.
• Дифференциальной диагностики. // Проблемы информатики в образовании, управлении, экономике, 33.35kb.
• План практического занятия: обсуждение методов диагностики, дифференциальной диагностики, 118.68kb.
• Статья рассматривает вопросы в области информационных технологий в системах: человек-машина,, 261.17kb.
• Системы искусственного интеллекта и нейронные сети, 208.41kb.
• Системы искусственного интеллекта, 15.16kb.
• Системы искусственного интеллекта, 58.18kb.

ARS MEDICA

№ 3 (13), 2009, с. 60-72


Возможности методов искусственного интеллекта

для дифференциальной диагностики подтипов

транзиторных ишемических атак

В.В. Евстигнеев, Е.Н. Апанель, Н.А. Новоселова, А.С. Мастыкин


Транзиторные ишемические атаки (ТИА) – заболевание полиэтиологичное, причины их возникновения разнообразны – это и многочисленные факторы риска, и сопутствующие заболевания и различные нарушения нормальных физиологических функций организма пациента, нарушения метаболизма. Прежде всего следует отметить системный атеросклероз, склероз сосудов головного мозга, кардиопатии, артериальная гипертензия. Следует также не упускать из виду возможность наличия у пациента гемостазиопатий (тромбофилии, ДВС и др.) [5, 7, 10, 13].

В последнее время отмечается увеличение частоты ТИА, обусловленных экстравазальной компрессией позвоночных артерий патологически измененными шейными позвонками вследствие остеохондроза. В случае обратимой компрессии позвоночных артерий или шейного остеохондроза развиваются приступы резкой мышечной гипотонии и обездвиженности с кратковременной (несколько секунд) утратой сознания, провоцируемые поворотами или запрокидыванием головы (дроп-атаки). Если аналогичный пароксизм протекает более длительно, то в этом случае речь идет о синдроме Унтерхарншейдта.

Основное отличие патогенеза ТИА от патогенеза ишемического инсульта заключается в нестабильности патологического процесса и его обратимости, который может благополучно закончиться, как правило, в течение часа, но может длиться несколько часов до суток, и перейти в необратимый процесс. Впрочем, представления о ТИА, об их этиологии и патогенезе окончательно не устоялись и в настоящее время переживают период реорганизаций пересмотра и уточнений формулировок.

Такое положение вещей побуждает искать новые подходы к дифференциальной и прогнозной диагностики этой острой цереброваскулярной патологии.

Одним из перспективных подходов к решению этой проблемы мы видим в привлечении формально-логических интеллектуальных систем, способных приблизится к самому началу развития острой церебральной недостаточности путем более глубокого и скрупулезного анализа анамнестических данных и несложных быстродоступных признаков-предикторов начала возникновения пока еще обратимой ишемии мозга.


Общие представления об интеллектуальных алгоритмах распознавания образов (дифференциальной диагностики) и историческая справка по созданию моделей искусственного интеллекта

Отличительной чертой систем или моделей на базе разработок по созданию искусственного интеллекта – это их способность генерировать гипотезы. Причем, не только генерировать, но адаптироваться самим и адаптировать исходные данные под цели, преследуемые в распознавательных (дифференциально-диагностических) задачах. В этом отношении особенность их работы заключается в схожести с обычным естественным обучением в приобретении знаний. На основе приобретенных знаний, они становятся способными генерировать гипотезы (в большинстве случаев, это классифицирующие правила в формате «Если..., то…с вероятностью…»), делать обобщения и экстраполировать свой искусственно приобретенный интеллектуальный опыт на новую, не встречающуюся ранее классификационную ситуацию.

Попытки объединить разрозненные работы по пониманию и моделированию процессов обработки информации мозгом начали предприниматься еще с 40-х года прошлого столетия.

С течением времени они объединялись в разработках по созданию искусственного интеллекта, постепенно выкристаллизовываясь в единое научное направление. С 80-х годов прошлого столетия это направление начало особенно интенсивно развиваться и включало в себя уже различные научные направления и технические устройства с приставкой нейро: нейрокибернетика, нейроинформатика, нейроматематика, нейрокомпьютеры, нейрочипы, нейроускорители. В этом же русле – нейрофизиология, нейрореабилиталогия и ангионеврология. Начали более четко обозначаться единые принципы понимания и моделирования биологической когнитивной способности мозга, и, наконец, слились в единое обобщающее понятие: НЕЙРОКОМПЬЮТИНГ. В этом ключе известная узкому кругу теоретиков-математиков теорема Колмогорова-Арнольда-Хехт-Нильсона служит математической основой теории нейронных сетей и ее прикладного применения [31, 37].

Выкристаллизовались два основных направления НЕЙРОКОМПЬЮТИНГА: создание искусственной модели когнитивной способности мозга и разработка инструментария для анализа и обработки данных различных исследований моделированием когнитивной способности мозга.

В основе этих направлений были работы Дж. фон Неймана по созданию самовоспроизводящихся автоматов. Уже в 40-е годы прошлого столетия он предвидел, что однажды "логика будет вынуждена претерпеть метаморфозу и превратиться в неврологию в гораздо большей степени, чем неврология - в раздел логики" [30]. Он же и основоположник архитектуры современных компьютеров (устройства ввода и вывода данных, центральный процессор, память оперативная и долговременная), которыми мы и пользуемся в настоящее время.

Начало изучения искусственных нейронных сетей было предпринято Маккалокком и Питтсом в начале 40-х годов [39]. Уже в последующие 50-е годы Фрэнк Розенблатт разрабатывает теорию обучаемого нейросетевого устройства для распознавания образов – ПЕРСЕПТРОН, который он рассматривал как модель работы мозга [22].

К этим разработкам в конце 60-х годов подключился основоположник теории искусственного интеллекта Мервин Минский, который развил дальше идею ПЕРСЕПТРОНА, окончательно увязав ее с концепцией искусственного интеллекта [14]. Заслуживает упоминания мнение М. Минского о том, что «искусственным интеллектом» принято называть то, что еще пока не создано, но как только появляется система для распознавания объектов, то обобщающее понятие «искусственный интеллект» сразу же утрачивает свое определяющее значение и замещается другим, более конкретным. В наших работах это распознавание с помощью искусственных нейросетевых моделей [1, 4-6, 18-20].

Работы в этом направлении в 60-х годах проводились в Минском мединституте на кафедре невропатологии (проф. Н.С. Мисюк) [15, 16] и на кафедре факультетской терапии (доц. Г.И. Сидоренко) [23]. В масштабах Советского Союза это направление развивалось работами А.И. Берга, А.М. Глушкова, Н.Н. Моисеева. В нейрофизиологии и медицине это направление связано также с именами выдающихся советских ученых: академиками Н.П. Бехтеревой, Н.М. Амосовым, Г.И. Сидоренко, профессорами Н.И. Моисеевой, И.М. Тонконогим и многими другими.

Особое место в прикладном аспекте развития идей нейрокомпьютинга занимают работы основоположника концепции нечетких множеств Лотфи Заде [11, 45]. Здесь же нельзя обойти молчанием работы австрийского математика Курта Гёделя по разработке концепции неполноты логик высказываний и доказательств, в этом же ключе принцип неопределенности Гейзенберга в квантовой механике. В медицине неопределенность порождает феномен «белого халата» при измерении артериального давления, истинное абсолютно точное значение которого так и остается непознанной «вещью в себе».

Однако, следует заметить, что до 80-х лет прошлого столетия ничего принципиально нового в нейрокомпьютинге не произошло. Но с этого периода начал резко возрастать прикладной интерес к этому направлению.

В настоящее время уже имеются отдельные наработки по применению нейросетевых алгоритмов для прогнозной диагностики в неврологической практике. Так, обычными лабораторно-клиническими методами невозможно предупредить эпизод ТИА и провести соответствующие лечебно-профилактические мероприятия, определить зарождающийся в мозге очаг или множественные очаги эпилептиформной активности с последующим принятием упреждающих превентивных мер. Решение этих и аналогичных им прогнозных диагностических задач стало возможным с применением нейросетевых методов искусственного интеллекта [1, 4-6, 18, 19, 21, 33, 35].


Первые результаты применения адаптивного нейросетевого классификатора и генетического алгоритма

Концептуальный аспект нашего подхода к решению дифференциально -диагностической задачи распознавания подтипов ТИА был представлен в предыдущих наших публикациях. По нашему представлению, для решения такой задачи оптимально подходит адаптивный нейросетевой классификатор (АНК) [4-6, 18-20]. В качестве примера эффективности классификации по подтипам с помощью АНК приводим клинический случай. В таблице 1 представлен фрагмент выборки из 40 наблюдений, тестовой дифференциальной диагностики по трем классам (подтипам) ТИА – атеротромботическому (СубТИА1), кардиоэмболическому (СубТИА2) и гипертензивному (СубТИА3), а также по классу НОРМА [5]. Обращает на себя внимание близость вероятностей класса НОРМА и класса СубТИА2. Это побудило провести дополнительное обследование пациента по другим высокотехнологичным параклиническим признакам-предикторам, не включенным в базу данных обучающей выборки. Что и было сделано.

Таблица 1

Дифференциальная диагностика подтипов ТИА по ННМ

(фрагмент тестовой выборки).

Фамилия И.О. и возраст пациента	Класс распозна-вания	Д и а г н о з
		СубТИА1	СубТИА2	СубТИА3	НОРМА
М-ин АС 66 лет	4	0	0,428	0	0,571

Выписка из карты реабилитационного больного № 15798/1209

М-ин А.С., 68 лет Находился на стационарном лечении с 12,10,2007 по 25,10,2007.

Диагноз: Транзиторная ишемическая атака в вертебрально-базиллярном бассейне артерий при артериальной гипертензии.

При поступлении 12,10,2007 Жалобы на периодически возникающие эпизоды головокружения и головные боли под утро 4:00 – 5:30 с периодичностью один раз в 1,5-2 месяца. АД во время таких эпизодов варьирует около значений 160/100 мм рт ст.

Общий анализ крови от 16,10,2007. Hb – 149, Эр. – 4,48 , Лейк. – 5,88, СОЭ – 2, Эоз.- 4,07, Нейтр. – 50,3, Лимф.- 35,1, Моно. – 9,22.

Биохимический анализ крови 16,10,2007 Билирубин – 19,3, Мочевина – 4,0.

ЭКГ 15,10,2007 Умеренная синусовая брадикардия. Синусовый ритм с ЧСС 58-61, отклонение ЭОС влево. Единичная желудочковая экстрасистола. Изменения в миокарде заднедиафрагмальной, боковых отделах ЛЖ.

ЭхоКардиография 18,10,2007. Заключение: стенки аорты утолщены, створки АК и МК неравномерно утолщены, кальцинированы. Межпредсердная перегородка неравномерно утолщена с участками кальциноза (больше в верней части). Размеры полостей – правого желудочка верхняя граница нормы Гипертрофия миокарда ЛЖ. Дилатация ЛЖ, ЛП, восходящего отдела аорты. Регургитация на МК 1 с. Диастолическая функция нарушенна по 1 типу. Сократительная функция ЛЖ сохранена.

Данные МРТ и других параклинических исследований – без особенностей.

В результате этих дополнительных исследований диагноз « Транзиторная ишемическая атака в вертебрально-базиллярном бассейне артерий при артериальной гипертензии» был переписан как «Транзиторная ишемическая атака в вертебрально-базиллярном бассейне артерий по кардиогенному подтипу (СубТИА2) при артериальной гипертензии» [5]. Согласно которому и было назначено соответствующее лечение. Пациент в удовлетворительном состоянии был выписан домой под дальнейшее наблюдение невропатолога по месту жительства.

Следует заметить, что вопрос выбора наиболее информативного набора признаков-предикторов с максимальным дифференциально-диагностическим потенциалом был и пока остается еще далеким от окончательного решения. Чтобы нейросетевой классификатор эффективно работал, ему необходимо предоставить такой предварительно составленный набор наиболее информативных признаков-предикторов для осуществления дифференциально-диагностической прогнозной классификации.

В нашем представлении такую предподготовку лучше всего поручить генетическому алгоритму (ГА). Возможность и целесообразность применения ГА с этой целью также нами апробирована [19, 20]. Пример решения задачи отбора признаков-предикторов с максимально выраженным информационным дифференциально-диагностическим потенциалом с применением ГА приведен на рис. 1.




Рис. 1. Горизонтальная ось определяет количество принятых в рассмотрение признаков-предикторов, вертикальная – ошибку последующей классификации (распознавания) подтипов ТИА по АНК.


В ходе работы ГА (в данном случае это бикретериальная постановка задачи) происходит поиск решений оптимизационной задачи по двум противоречащим друг другу критериям: 1) точность распознавания и 2) выбор малозатратных по стоимости их получения признаков-предикторов, т.е. предполагается одновременная максимизация значения первого критерия и минимизация значения второго критерия. [19, 20].

В результате работы ГА из 41 признака в качестве наиболее эффективных (позволяющих сформировать классификатор с достаточно приемлемой точностью диагностики подтипов ТИА) признаков-предикторов определены восемь: зрительные расстройства (OPDISODS), снижение памяти (MEMORYLO), возраст начала курения (SMOKAGE), снижение трудоспособности (LABEFFEC), бессонница (INSOMNIA), боли области сердца (HEARTACH), характер головных болей (HEADACHE) изменения на ЭКГ (ECG). Они ранжированы по весовым коэффициентам их дифференциально-диагностического потенциала, таблица 2.

Таблица 2.

Признаки-предикторы и их дифференциально-диагностические весовые коэффициенты

Признак	OPDISODS	MEMORYLO	SMOKAGE	LABEFFEC
Весовой коэффициент	9.3	8.3	5.8	5.4
Признак	INSOMNIA	HEARTACH	HEADACHE	ECG
Весовой коэффициент	4.8	4.6	4.6	1.8

Эти признаки-предикторы в классификационном дифференциально-диагностическом ансамбле ГА+АНК обеспечили суммарную точность классификации 80,2% таблица 3 [19].

Таблица 3.

Сопоставление точности распознания по технологиям АНК и ГА

Тип классификтора	Точность классификации (%)
Только АНК	77,2
Ансамблирование ГА+АНК	80.2

Место генетического алгоритма и адаптивного нейросетевого классификатора в прогнозной диагностике подтипов ТИА

Таким образом, выкристаллизовывается целесообразность построения (ассемблирования) инструментального ансамбля из генетического алгоритма и адаптивного нейросетевого классификатора. Схематически место этого ансамбля в общей схеме решения дифференциально-диагностических задач приведено на рис. 2.



Имеющийся общий набор признаков-предикторов

Общая матрица исходных данных MxN, которыми располагает врач


Окончательное недоминированное диагностическое решение, выносится врачем

Обычное логико-клиническое заключение, которое врач считает нужным.









Адаптивный нейросетевой классификатор (АНК)

Обычная работа классификатора по алгоритму распознавания образов.

Генетический алгоритм (ГА)

Автоматическое выделение наиболее информативных («жизнеспособных») признаков-предикторов из общего имеющегося их набора для распознавания подтипов ТИА.






Рис. 2. Блок-схема решения распознавательно-диагностической задачи совместной работой ГА и АНК.


Выбор информативных признаков-предикторов автоматически осуществляет ГА (этап предподготовки) с последующим решением диагностической (распознавательной) задачи по алгоритму работы АНК. Верхние два блока схемы – область преимущественно обычной традиционной рутинной работы врача. Нижние блоки – предлагаемый нами формально-логический компонент общей схемы, выполненный в программном исполнении для компьютера.


Наши представления о подтипах транзиторных ишемических атак

Наши представления о ТИА с годами формировались под влиянием теории распознавания образов, нечеткой формальной логики, теории множеств с нечеткими границами («пушистые множества», fuzzy sets) [4-6, 11, 18-20, 44].

Интуитивно-клинически в математической трактовке подтипы ТИА как варианты цереброваскулярной патологии – это непересекающиеся множества с четкими границами и четким отграничением друг от друга (это желаемое, так хотелось, чтобы так было). В реальных же условиях – фактически, наоборот – границы между нозологиями нечеткие, расплывчатые, что, впрочем, и обусловливает необходимость в проведении дифференциальной диагностики. Подтипы ТИА, по нашему мнению, в этом аспекте скорее «пушистые множества», «множества с нечеткими границами», “fazzy sets”. Поэтому в наших исследованиях мы пользуемся понятием «подтип ТИА», а не «вариант ТИА». Так, этиопатогенетически гемодинамически значимые атероматозные изменения стенок кровеносных сосудов, кардиоэмболия и артериальная гипертензия «беспроблемно уживаются» друг с другом и могут сосуществовать в клинической картине одного пациента, но одно из этих проявлений, как правило, лидирует.

С подобной проблемой нередко приходится сталкиваться и при тестировании, когда из трех-четырех вариантов ответа на вопрос правильными могут быть два или даже все варианты.

Такую ситуацию можно смоделировать на конкретном примере, если необходимо ответить на вопрос, какой фактор риска определяет возникновение эпизода ТИА:

1) Атеросклеротические изменения стенки сосудов?

2) Нарушение сердечной деятельности (мерцательная аритмия)?

3) Артериальная гипертензия?

4) Экстравазальное стенозирование сосуда?

На клинико-интуитивном уровне понятно, что все эти факторы риска в той или иной степени могут быть и предпосылкой и причиной ТИА. Формально-логически, по своей симптоматике в соответствующем признаковом пространстве – это пересекающиеся множества. Положительная корреляция между нозологией ТИА и каждым из этих факторов не вызывает сомнения. Можно удовлетвориться этой констатацией. Но это мало что дает для проведения конкретных целенаправленных превентивных профилактических мероприятий. И совершенно ничего не дает для их унификации и стандартизации. Каждый врач волен по-своему характеризовать эти факторы и истолковывать их приоритетность, и исходя из своих личных представлений и предпочтений, назначать лечебно-профилактические мероприятия.

Уповать только на достигнутые результаты доказательной медицины не достаточно. Выводы из них не дают основы для получения этиотропного эффекта у каждого пациента с цереброваскулярной патологией. «Разговоры о доказательной медицине во многом спекулятивны, так как каждый пациент болеет и поправляется сугубо индивидуально» [27].

Даже самые современные руководства не содержат всех ответов на практические вопросы, которые возникают у врача при лечении ишемических поражений мозга. «К сожалению, стройные представления о механизмах ишемической гибели участка мозговой ткани, процессах эксайтотоксичности и индукции апоптоза не отражают полностью событий, происходящих в мозге» [17].

Наш опыт позволяет нам конкретизировать представления о нозологической единице ТИА. В нашем представлении, ТИА – это гетерогенная нозологическая единица, включающая в себя несколько подтипов, что предопределяет неоднозначный подход в проведении дифференцированных лечебно-профилактических мероприятий по их предотвращению. Аналогичное мнение высказывают J. Tejada et al. (2002). Мы полностью разделяем мнение авторов в том, что ТИА, с учетом сходства их клинической картины с развитием инфаркта мозга, должны классифицироваться по этиологическому принципу: атеротромбоз, кардиоэмболия, лакунарный инфаркт мозга, необычное течение и этиология не определена [44]. Этиопатогенетическая сложность происхождения подтипов ТИА, с учетом вовлеченности различных систем организма в патологический процесс, формально-математически может быть представлена как пересекающиеся, и, в то же время, достаточно обособленные множества, существующие в соответствующем признаковом пространстве.

• Имеет место достаточно выраженная и обособленная векторность проградиентного (кресчендо) развития процесса ишемизации мозга, начиная от субклинических пресимптоматических проявлений эпизодов ТИА по векторам континуума их подтипов до инфаркта мозга.
  
• Применение математических и формально-логических методов (разведочный анализ данных, на базе разработок по созданию искусственного интеллекта) дает возможность прогнозировать континуум динамического развития вектора начальных проявлений ишемического поражения мозга по одному из изначально исходного подтипа ТИА.
  

• Зная наиболее вероятный вектор развития лидирующего подтипа патологического процесса у каждого конкретного обследуемого пациента, ему можно давать более конкретные, адресные лечебно-профилактические рекомендации, обусловленные своеобразием и особенностями соответствующего подтипа ТИА, акцентируя, тем самым, внимание на лечебно-профилактическое этиотропное воздействие на наиболее выраженный этиопатогенетический компонент в контексте динамики «диагноз-лечение» [25, 26].
  

Необходимость пересмотра устоявшихся представлений о ранних проявлениях преходящих ишемических нарушениях мозгового кровообращения

По мере накопления фактического материала, полученного с применением высокотехнологических методов ангио- и нейровизуализации преходящие ишемические нарушения мозгового кровообращения все с большим трудом начинают умещаться в тесные рамки традиционно сложившихся о них представлений, и уже не удовлетворяют повседневной клинической практике, особенно, в превентивной профилактической ангионеврологии.

Становится все более актуальной необходимость пересмотра диагностических критериев ТИА в сопоставлении с традиционно устоявшимся временнóм определении.

1. Традиционное определение ТИА

ТИА – это остро развивающийся очаговый неврологический дефицит или нарушение зрения, предположительно ишемической природы (соотносимый с бассейном определенной артерии), которые полностью регрессируют за 24 часа. Временной интервал выбран для простоты, так как 2/3 всех ТИА длятся не более часа.

2. Новое определение ТИА

ТИА – это кратковременный эпизод неврологической дисфункции, вызванный фокальной ишемией мозга или ретинальной ишемией, для которой типична длительность не более часа, без очевидных признаков острого инфаркта [8, 9]. Иногда используется понятие затянувшийся обратимый ишемический неврологический дефицит (ЗОИНД), в англоязычной литературе - Reversible Ischemic Neurologic Deficit, RIND.

Сопоставление характерных особенностей ТИА в традиционном (временнóм) и новом (на нейропатофизиологической основе поражений мозговой ткани) толковании по G.W. Albers et al (2002) представлено в таблице 3 [29].

Основной временнóй 24-часовой диагностический критерий ТИА вызывает меньше беспокойств, чем само острое начало локальных (фокальных) признаков неврологического дефицита. Он порождает «суточное благодушие» простого наблюдения с колебаниями и раздумьями в расчете на то, что симптоматика «пройдет сама собой», и не инициирует необходимости срочно начинать проведение активных лечебно-профилактических мероприятий. И как следствие, - дает основание для необоснованной и неправомерной отсрочки лечения уже начинающегося инсульта.

Однозначно, основной диагностический акцент должен быть направлен на причину ишемии, а не на продолжительность ее признаков. В кардиологии, например, существует четкая определенность в изначальном дифференцировании «только еще» стенокардии и «уже» состоявшегося инфаркта миокарда. Там прогноз определяется по локализации стеноза или закупорки коронарной артерии, как причин ишемии миокарда, но не по длительности кардиопатологического эпизода. Этому примеру следует последовать и в случае дифференциации ТИА-ишемический инсульт и далее, – острый инфаркт мозга, который, в принципе, может состояться в течение 24 часов, т.е. уложится во временной интервал, отведенный для ТИА.

Таблица 3.

Особенности традиционных и предлогаемых признаков ТИА (G.W. Albers et al., 2002)

ТРАДИЦИОННОЕ, определение, основанное на временнóм факторе	ПРЕДЛОГАЕМОЕ, определение на основе ишемических поражений мозговой ткани
Основано на произвольном суточном сроке 24 часа	Основано на наличии или отсутствии биологически обоснованного окончания патологических проявлений
Дает основание считать, что ишемическая симптоматика началась	Указывает на опасность перехода начавшегося преходящего ишемического процесса в постоянное поражение мозга
Окончательно диагноз ставится преимущественно на временóй, а не на патофизиологической основе	Побуждает к применению нейро-диагностических тестов
Не побуждает к проведению ургентных терапевтических вмешательств при начале развития острой ишемии мозга	Побуждает к проведению ургентных терапевтических вмешательств при начале развития острой ишемии мозга
Неточно предсказывает наличие или отсутствие ишемического поражения мозга	Более точно отражает наличие или отсутствие ишемического поражения мозга
Не дифференцируются различия между станокардией и инфарктом миокарда	Учитываются различия между стенокардией и инфарктом миокарда

Эта ситуация осложняется еще и тем, что, до сих пор среди клиницистов-неврологов нет единого мнения о соответствии морфологических изменений мозга на МРТ изображениях и клинических проявлений ТИА. C. Oppenheim et al. (2006) считают, что пациентов с симптоматикой ТИА и морфологическими изменениями на диффузионно-взвешенных МРТ следует рассматривать как инсультных больных [40].

Судя по все возрастающему количеству публикаций в доступной нам литературе и в Интернете, профилактике преходящих нарушений мозгового кровообращения уделяется все возрастающее внимание с учетом необходимости дифференцированного подхода к распознаванию нюансов их проявления с последующими более обоснованными лечебно-профилактическими мероприятиями по типу SOS-ТИА.

Существующую практику лечения больных с ТИА в стационарах общего инсультного типа stroke units, едва ли можно считать оптимальной. Своеобразие этой патологии c ее способностью к «ускользанию» симптоматики на момент осмотра врачом, несомненно, требует повышенного внимания к себе и особого подхода. Такой подход уже реализован на практике усилиями большого коллектива французских неврологов в нескольких клиниках Франции (Department of Neurology and Stroke Centre, Bichat-Claude Bernard University Hospital, Denis Diderot University and Medical School-Paris VII, Assistance Publique-Hôpitaux de Paris) по программе SOS-TIA с круглосуточным приемом таких пациентов [38].

Если попытаться кратко изложить взаимоотношения проектов SOS-TIA и stroke units, то они выглядят так: основное усилие проекта SOS-TIA преследует цель сделать все возможное, чтобы не дать «своему пациенту» попасть в сферу влияния проекта stroke units.

Между тем, ТИА до настоящего времени, как предвестники инсульта, так и остаются практически неуловимыми, но, в тоже время, их своевременное распознание крайне важно для проведения вторичных профилактических мероприятий [3, 5-10, 17, 31, 33, 34, 36, 38, 40-44]. Существующие методы лечения ТИА, по данным различных информационных и патентных источников, строятся без учета разнообразия по подтипам ТИА без соблюдения стандартов и полного отсутствия их гармонизации. Предлагаемый нами подход к адресному «таргетному» превентивному лечению эпизодов ТИА с дифференциальной диагностикой на базе теории распознавания образов и формальной логики учитывает три наиболее распространенные этиопатогенетические механизма по их подтипам – атеротромботическому, кардиоэмболическому (кардиогенному) и гипертензивному. Они достаточно подробно описаны в предыдущих публикациях [4-6, 13, 18, 19].


К вопросу стандартизации диагностики и лечения ТИА

Как нам представляется, в ангионеврологической диагностике назрела и стала актуальной стандартизация диагностических формулировок по подтипам ТИА, и, что особенно важно, их упорядочение и гармонизация. Впрочем, идея гармонизации медицинских стандартов в системе здравоохранения уже давно назрела, и предпринимаются меры к практической реализации этого намерения в различных сферах медицинской деятельности [28, 29]. В неврологии, в качестве примера гармонизации стандартов врожденных цереброваскулярных заболеваний с применением нейросетевого моделирования, можно привести обширную статью V. Hachinski et al (2006) [35].

Результаты каждого медико-клинического исследования должны удовлетворять качественному стандарту по таким параметрам, как чувствительность, избирательность и точность [4].

При подготовке к проведению медико-клинического исследования сразу же приходится сталкиваться с неприятной, деликатной и уязвимой ситуацией, т.к. в большинстве случаев исходные данные не представлены в единой форме их записи, сами записи попросту не стандартизированы. В реальном положении вещей каждый врач-исследователь обходит это неудобство по-своему. Это вопрос качества исходного материала. Не остается в стороне и количественный аспект – хороших необходимых наблюдений для проведения скрупулезного исследования, как правило, мало, причем, на фоне стремления учесть как можно больше признаков-предикторов. Но во всех случаях вопрос о стандартизации представления исходных данных остается открытым и далеким от удовлетворительного ответа. Здесь, уже на самом начале проведения исследовательской работы, врача-исследователя подстерегают две четко оформленные неприятности. Первая – низкое качество исходных данных для качественного решения поставленной задачи, «мусор на входе, мусор на выходе», эффект GIGO (“garbage in, garbage out”). Это качественный аспект. Вторая – при составлении таблицы исходных данных по признакам-предикторам и количеству наблюдений (составление матрицы MxN), которых, как правило, не хватает, приходится сталкиваться с так называемым, «проклятьем размерности» (“the curse of dimensionality”), т.е. когда матрица исходных данных составлена не корректно – M >N. Это количественный аспект [4, 18]. В этой ситуации остается или вообще отказаться от проведения исследования, или же довольствоваться тем исходным материалом, который имеется. Ассемблирование совместной работы генетического алгоритма и адаптивного нейросетевого классификатора как раз и преследует цель минимизировать последствия влияния на результат исследования этих неприятных моментов при подготовке материала с неточными и некачественными исходными данными.

Существующее положение в повседневной клинической работе настоятельно обязывает уделить максимальное внимание стандартизации формулировок клинических диагнозов и ведения документации. И то, что эта работа до сих пор не доведена до завершения, это не вина практических врачей, а наша общая беда [6, 12, 17].

Выделение подтипов ТИА, стандартизация и упорядочение признаков-предикторов этой нозологии осуществляется нами в русле этой общей тенденции к стандартизации в системе здравоохранения. Тем не менее, проблема окончательного решения дифференциации ТИА по этиологическим (и/или этиопатогенетическим) подтипам все еще так остается нерешенной [42, 44].

Профилактический аспект по предотвращению эпизодов ТИА

Следует подчеркнуть, что выделение подтипов ТИА и их дифференциально-диагностическое определение – это не самоцель. Основная цель – это оптимизация превентивных мероприятий по предотвращению развития траектории континуума патологического процесса, начиная от субклинических проявлений до инсульта с последующим острым инфарктом мозга.

Для проведения эффективной вторичной профилактики эпизодов ТИА неоспорима важность и актуальность своевременного определения начала развития артериальной гипертензии, особенно в случаях скрытой ее формы, при которой повышение артериального давления не выявляется традиционными методами у наиболее сложного с диагностической точки зрения контингента «практически здоровых» пациентов. Авторы, взявшиеся за решение этой проблемы, В.Г. Вилков, Р.Г. Оганов и С.А. Шальнова (2006) исследовали возможности ряда нейросетевых прогнозно-диагностических моделей для выбора самых эффективных из них. Они выражают уверенность в том, что с использованием нейросетевых технологий можно создать модель, позволяющую выявлять артериальную гипертензию на самых ранних стадиях ее проявления у лиц без явной констатации повышения артериального давления традиционным измерением с чувствительностью и специфичностью более 80% [2]. В таких же пределах фигурируют значения этих параметров и в наших исследованиях по выявлению подтипов ТИА [4, 6, 18, 19].

Профилактические мероприятия необходимо проводить всем пациентам, страдающим артериальной гипертензией, метаболическим синдромом, сахарным диабетом, системным атеросклерозом, сердечной патологией, гемостазиопатиями. За каждой из этих нозологий запрятана вероятность зарождения эпизода ТИА по одному или же сразу по нескольким подтипам ТИА с последующей восходящей (кресчендо) пролонгацией патологического процесса. Поэтому вторичная профилактика эпизодов ТИА должна начинать проводиться сразу же при появлении первых признаков заболевания [3, 7-10, 17, 27, 32, 34, 36, 38, 40-44]. Задача невропатолога заключается в адаптации назначенных схем лечения. Для проведения профилактических мероприятии следует выбирать доступные препараты, пригодные для длительного приема, обладающие нейро- и ангиопротективным действием, улучшающие реологические свойства крови, а также оказывающие эффект на «фоновую» терапию [7].

В Беларуси аналогичная профилактическая работа могла бы осуществляться в условиях кардиоангиологического профилактического центра [26] с акцентом на проведение превентивных мероприятий на субклиническом предпатологическом уровне [23-26].

Говоря о превентивных профилактических мерах предотвращения эпизодов ТИА, не следует упускать из поля зрения и первичную профилактику обширного спектра заболеваний кардиоцереброваскулярного профиля устранением влияния их социально обусловленных факторов риска [8, 10, 24-26, 34, 38, 44].

Проведение сложных и дорогостоящих параклинических исследований осуществляется в «глубоком тылу» высококвалифицированными специалистами специализированных стационаров с получением результатов через довольно длительное время, в то же время, превентивные профилактические мероприятия необходимо проводить здесь и сейчас, прямо на «передовой» противостояния кардиоцереброваскулярной патологии в амбулаторных условиях общепрактикующим (семейным) врачом или даже фельдшером. Поэтому так важна разработка диагностических методов при наличии малозатратных и быстро доступных, как правило, анамнестических данных, полезную дополнительную диагностическую информацию «выжать» из которых только усилием естественного интеллекта врача невозможно. А это вполне возможно с использованием методов искусственного интеллекта искусственных нейросетевых моделей и при наличии доступного и недорого компьютера.


Заключение

Применение методов искусственного интеллекта целесообразно лишь в тех случаях, когда для достижения поставленной цели традиционными лабораторно-клиническими методами нет подходящего специального алгоритма для решения дифференциально-диагностической задачи.

В этом контексте, на уровне до- и субклинического проявления болезни традиционными лабораторно-клиническими методами удовлетворительного решения диагностической задачи по выделению подтипов ТИА нет.

Это вынуждает обратиться к методам искусственного интеллекта, точнее, к нейросетевому моделированию дифференциальной прогнозной диагностики подтипов ТИА и генетическому алгоритму выделения информативных признаков-предикторов с последующей их гармонизированной стандартизацией.


ЛИТЕРАТУРА

1. Безобразова С.В., Головко В.А., Евстигнеев В.В. Применение нейросетевых методов и теории хаоса для обнаружения эпилептиформной активности// Вторая Международная конференция "Современные информационные и телемедицинские технологии для здравоохранения" 1-3 октября, Минск, Беларусь. С. 133-137.
   
2. Вилков В.Г., Оганов Р.Г., Шальнова С.А. Сравнительная информативность нейросетевых моделей диагностики скрытой артериальной гипертензии// Физиология человека. 2006. № 6. С. 33-37.
   
3. Гиткина Э.С., Пономарева, Е.Н., Евстигнеев, В.В., Шалькевич, В.Б. Адаптация клинической классификации сосудистых поражений мозга к международной статистической классификации болезней Х пересмотра//Медицинские новости. 2000. № 6. С. 3-10.
   
4. Дривотинов, Б.В., Апанель Е.Н., Новоселова Н.А., Мастыкин А.С., Федулов А.С. Адаптивная нейро-нечеткая модель для дифференциальной диагностики подтипов транзиторных ишемических атак//Военная медицина. 2007. № 4. С. 101-106.
   
5. Дривотинов, Б.В., Тарасевич М.И., Мастыкин А.С., Апанель Е.Н., Новоселова Н.А. К выявлению этиотропного фактора подавления развития кардиоэмболического (кардиогенного) подтипа транзиторной ишемической атаки // Медицинский журнал. 2008. № 1. С. 115-119.
   
6. Дривотинов, Б.В., Апанель Е.Н., Новоселова Н.А., Мастыкин А.С. Концепция ассемблирования генетического алгоритма и адаптивного нейросетевого классификатора для дифференциальной диагностики подтипов транзиторных ишемических атак// Медицинский журнал, 2009. № 1. С. 143-148.
   
7. Евстигнеев В.В., Федулов А.С. Состояние и перспективы изучения сосудистой патологии головного мозга// Здравоохранение 1998, № 6, С.26-32.
   
8. Евстигнеев В.В. Этиология и факторы риска инсульта. Первичная и вторичная профилактика инсульта. В кн. «Краткий курс лекций по неврологии». Минск, 2008. С. 86-88.
   
9. Евстигнеев В.В. Транзиторные ишемические атаки. В кн. «Краткий курс лекций по неврологии». Минск, 2008. С. 92-95.
   
10. Евстигнеев В.В., Кистень О.В., Мастыкин А.С. Социально обусловленные факторы риска кардиоцереброваскулярных заболеваний// Медицинский журнал. 2009. № 1. С. 110-112.
    
11. Заде Л. Тени нечетких множеств// Проблемы передачи информации.1966. Т.2. С.37-44.
    
12. Иерусалимский, А.П. К проблеме формулирования клинического диагноза в неврологии// Ж. невропатол. и психиатр. 2008. № 5. С. 105-106.
    
13. Мастыкин А.С., Дривотинов Б.В. Апанель Е.Н. Алгоритмы транзиторной ишемической атаки: диагностика, лечение, профилактика // Бел. Мед. Журнал. 2005. № 3. С. 60-62.
    
14. Минский М., Пейперт С. Персептроны. - М.: Мир, 1971, 261 с.
    
15. Мисюк Н.С., Лепешинский Н.А., Мастыкин А.С. Материалы к программированию электронной вычислительной машины для диагностики опухолей головного мозга, Минск, 1964.
    
16. Мисюк Н.С., Лепешинский Н.А., Лисковец О.А., Мастыкин А.С. Опыт диагностики опухолей головного мозга при помощи универсальной вычислительной машины "Урал-1"// Ж. невропатол. и психиатр. 1964. № 3. С. 453-458.
    
17. Московко С.П. Доказательная медицина инсульта: всегда ли новые вопросы получают удовлетворяющие нас ответы?//Практична ангiологiя.-2007.- № 3 (8).- С. 12-18.
    
18. Новоселова Н. А., Апанель Е. Н., Дривотинов Б. В., Мастыкин, А. С. «Консилиум» адаптивных нейросетевых классификаторов для дифференциальной диагностики подтипов транзиторных ишемических атак// Медицинский журнал. 2008. № 3. С. 116-121.
    
19. Новоселова Н. А., Апанель Е. Н., Дривотинов Б. В., Мастыкин А. С. Применение генетического алгоритма для дифференциальной диагностики подтипов транзиторных ишемических атак// Медицинский журнал. 2008. № 4. С. 103-108.
    
20. Новоселова Н. А., Мастыкин А.С., Том И.Э. Эволюционный подход к выделению информативных признаков в задачах анализа медицинских данных// Искусственный интеллект. 2008. № 3. С. 105-112.
    
21. Реброва О.Ю., Максимова М.Ю., Пирадов М.А. Нейросетевой алгоритм диагностики патогенетических подтипов ишемического инсульта //Ж. неврологии и психиатрии им. С.С. Корсакова. Инсульт (Приложение). 2004, вып. 12, С. 23-28.
    
22. Розенблатт Ф. Принципы нейродинамики. М.: Мир, 1965. 480 с.
    
23. Сидоренко Г. И. Пути применения кибернетики для решения вопросов диагностики и терапии // Кибернетика в медицине. Научная конференция 14 марта 1968 г., С. 35-38.
    
24. Сидоренко Г. И., Прокопенко Ю. И. Методологические аспекты предпатологии // Вестник АМН СССР. 1976. № 4. С. 13–22.
    
25. Сидоренко Г. И. Творчество и медицина: поиск неочевидных решений. Минск, 2002. 164 с.
    
26. Сидоренко Г.И. Перспективные направления кардиологической профилактики в Республике Беларусь// Медицинские новости. 2007. С. 41-43.
    
27. Скоромец А.А. Ступени к вершинам или неврологические сомнения СПб., 2007.
    
28. Смирнов Ф. Гармонизация, а не слепое следование стандартам. Медицинская газета № 36. 19 мая 2006 г.
    
29. Снегирев Ф. Медицинские стандарты: курс на гармонизацию. Аптека ссылка скрыта
    
30. фон Нейман Дж. Теория самовоспроизводящихся автоматов. Пер. с англ. - М.: Мир, 1971.
    
31. Хехт-Нильсен Р. Нейрокомпьютинг: история, состояние, перспективы// Открытые системы. 1998. № 4. С.32-37.
    
32. Albers G.W., Caplan L.R., Easton J.D. et al. Transient Ischemic Attack — Proposal for a New Definition // N. Engl. J. Med. 2002. Vol. 347 (21). Р. 1713-1716.
    
33. Baldassarre D., Grossi E., Buscema M., Intraligi M. et al. Recognition of patients with cardiovascular disease by artificial neural networks//Ann. med.- 2004.- Vol. 36.- № 8.-
    

 P.  630-640.

34. Giles MF, Rothwell PM. Transient ischaemic attack: clinical relevance, risk prediction and urgency of secondary prevention// Curr. Opin. Neurol. 2009. Vol. 1. P. 46-53.
    
35. Hachinski V., Iadecola C., Petersen R.C., Breteler M. et al. National Institute of Neurological Disorders and Stroke–Canadian Stroke Network Vascular Cognitive Impairment Harmonization Standards// Stroke. 2006. Vol.37. P. 2220-2241.
    
36. Hakim A.M. Vascular Disease: The Tsunami of Health Care//Stroke.- 2007.- Vol.-38.- P.- 3296-3301.
    
37. Hecht-Nielsen R. Kolmogorov's Mapping Neural Network Existence Theorem // IEEE First Annual Int. Conf. on Neural Networks, San Diego, 1987, Vol. 3. Р. 11-13.
    
38. Lavallée PC, Meseguer E, Abboud H, Cabrejo L., et al. A transient ischaemic attack clinic with round-the-clock access (SOS-TIA): feasibility and effects// Lancet Neurol. 2007. Vol.6. № 11. P. 953-60.
    
39. McCulloch W.S., Pitts W. A logical calculus of the ideas immanent in nervous activity// Bull. Math. Biophys. 1943. Vol. 5. P. 115-133.
    
40. Oppenheim C., Lamy C., Touzé E. et al. Do Transient Ischemic Attacks with Diffusion-Weighted Imaging Abnormalities Correspond to Brain Infarctions? //Am. Journal of Neuroradiology. 2006.Vol. 27. P. 1782-1787.
    
41. Purroy F., Montaner J., Delgado P. et al. Factores clinicos predictores de la aparicion de episodios vasculares tras un ataque isquémico transitorio// Rev Neurol. 2004. Vol.38. № 5. P.416-421.
    
42. Purroy F., Montaner J., Molina С. et al. Patterns and Predictors of Early Risk of Recurrence After Transient Ischemic Attack With Respect to Etiologic Subtypes//Stroke. 2007. Vol. 38. P. 3225-3229.
    
43. Sacco R. Risk factors of TIA and TIA as a risk factor for stroke // Neurology. – 2004. – Vol. 62, № 8 (Suppl. 6). – S.7-S.11.
    
44. Tejada J., Maestre J., Larracoechea J., Gállego J. Capítulo 4. Guía de actuacion clinica en el ataque isquémico transitorio. Comité ad hoc del Grupo de Estudio de Enfermedades Cerebrovasculares de la SEN. San Lorenzo del Escorial. 2002. P. 101 -132.
    
45. Zadeh L. Biological application of the theory of fuzzy sets and systems / L. Zadeh // Proceedings of the International Symposium on Biocybernetics of the Central Nervous System. Boston: Little, Brown & Co., 1969. P. 199-212.