Учебное пособие 800633

УДК 681.3

В.С. Субботина, Е.И. Новикова

ПРОДУКЦИОННАЯ СИСТЕМА ДЛЯ ДИАГНОСТИКИ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ ОСТРОГО ЦИСТИТА И ОСТРОГО ПРОСТАТИТА

В статье анализируется возможность применение сетей Петри для создания экспертной системы, которая позволяет с некоторой степенью точности диагностировать острый цистит и острый простатит и предлагать тактику лечения

Ключевые слова: экспертная система, сети Петри, математическое моделирование, моделирование систем, автоматизация рабочего места, острый цистит, острый простатит, диагностика, лечение

Своевременная и полная диагностика заболеваний является основополагающим фактором для быстрого подбора наилучшей тактики лечений. В настоящее время существуют вычислительные средства, которые не только автоматизируют действий врача, но и помогает самому пациенту еще до приема у специалиста оценить риски возможных заболеваний.

Относительно медицины, экспертные системы позволяют на основе базы знаний некоторого количества экспертов, подтвердить или опровергнуть предположения врача, оценить риски, быстро и точно поставить диагноз, назначить необходимые дополнительные исследования и порекомендовать необходимую схему лечения.

Теория сетей Петри делает возможным моделирование системы математическим представлением её в виде сети Петри и представляет собой механизм формализации процесса моделирования.

Сети Петри (СП) — признанный инструмент моделирования и функционального анализа вычислительных систем и процессов.

На основе проведенного анализа симптоматики, а так же данных о диагностике заболеваний и их лечении была предложена математическая модель на основе сетей Петри, назначением которой является диагностика и лечение острого цистита или острого простатита.

Математическая модель разработанной сети Петри представляется в виде элементов N=<B, D, O, I, M>.

151

где В –позиции: D –переходы:

Сеть Петри для диагностики и лечения острого цистита и простатита представлена на рис. 1.

Рис. 1. Граф сети Петри

152

В таблице представлены значения позиций.

Описание позиций

153

154

Окончание таблицы

Для проверки пригодности и достоверности предложенной построенной модели было протестировано несколько пациентов с подозрением на рассматриваемые заболевания.

Например: молодой человек, 24 года. Жалобы: дискомфорт в области паха и в половом члене, частые и болезненные мочеиспускания, малые дозы мочи, ухудшение эрекции, снижение потенции, нарушение сна, потеря аппетита, слабость, повышение температуры, проблемы с дефекацией, пульсирующая боль в области прямой кишки.

После осмотра, пациент был направлен на ОАК и биохимический анализ крови, а так же УЗИ. Результаты ОАК показали увеличение лейкоцитов > 9* , повышение СОЭ более, чем 5 мм/ч и появление более 4 палочкоядерных лейкоцитов, ПСА в норме – менее 2,5 нг/мг; результаты биохимического анализа: повышение общего белка (120 г/л), альфа 1 белка (40 г/л), альфа 2 белка (34,9 г/л), мочевины (9 ммоль/л) и общего холестерина (6,5 г/л).

Результат ТРУЗИ: Предстательная железа овальной формы, симметричная. Капсула прослеживается на всём протяжении. Размеры 4,8х2,8 см. Центральная часть железы увеличена. Периферические отделы не сдавлены центральной зоной. Эхогенность неоднородная. Внутренняя структура неоднородная за счет фиброзной тяжистости. Простатическая часть уретры расширена. В мочевой пузырь вдается. Отношение к прямой кишке не имеет.

155

Микроскопическое исследование секрета предстательной железы: изменение цвета секрета (белый), без изменения запаха, плотность повышена 1,500, наличие эритроцитов в поле зрения 3 шт, клетки эпителия отсутствуют, повышен уровень лейкоцитов (20), отсутствуют различные виды грибка и бактерий.

Всоответствии со всеми результатами проведенных обследований пациенту был поставлен диагноз «Острый простатит» и назначено лечение.

Всоответствии с исходными данными проверяем работоспособность мо-

дели. Начальная маркировка: M0(1,1,1,0,1,0,1,0,1,1,1,1,1,1,0,1,0,0,0,0,0,0, 0,0,0, 0, 0, 0,1,1,1,0,0,0,0,0,2,1,1,1,1,0,0,1,1,0,0,1,1,0,0,1,0,1,1,0,1,0,0,0,0,0,0,0,0,0,1,1,0,0,0, 0,0,0,0,0,0,0,0,0,0,0,0). Далее срабатывают переходы d1, d2, d47, d49, d51, d53, d54, d55, d56, d57, d58, d60 М12(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,12,7, 0, 0, 0,1,1,1,0,0,0,0,0,2,1,1,1,1,0,0,1,1,0,0,1,1,0,0,1,0,1,1,0,1,0,0,0,0,0,0,0,0,0,1,1,0,0, 0, 0, 0,0,0,0,0,0,0,0,0,0,0) и M12 М13 М13(0,0,0,0,0,0,0,0,0,0,0, 0,0,0, 0,0,0, 0,0, 0,0, 0,0, 3,7, 5,0,0,1,1,1,0,0,0,9,0,2,1, 1,1,1,0, 0,1, 1,0,0,1,1, 0,0,1,0, 1,1,0,1, 0,0,0,0, 0,0, 0, 0, 0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0).

После чего могут сработать переходы d6, d7, d8, d9, d10, d11, d13, d14,

что приедет к разметке М21(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,3,7,8, 0,0, 0, 0, 0,0,2,0,18,0,0,0,0,0,0,0,0,1,1,0,0,1,1,0,0,1,0,1,1,0,1,0,0,0,0,0,0,0,0,0,1,1,0,0,0,0, 0,

0, 0,0,0,0,0,0,0,0,0) и затем M21 М22 М22(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0, 0, 0, 0, 0, 3,7,1,0, 0,0,0,0,0, 2,0,4,0,0,0, 0,0, 0,1, 0, 1, 1,0,0,1, 1,0,0,1, 0,1,1, 0,1,0, 0,0,0, 0, 0,

0,0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0). M22 М23 М23(0,0,0,0,0, 0,0, 0,0, 0, 0, 0, 0, 0,0,0,0,0,0,0,0,0,0,3, 7,1,0,0,0,0,0,0, 2,0,4,0,0,0,0,0,0, 0,7,1,1,0,0,1,1,0, 7,1,0,1, 1, 0, 1, 0,0, 0,0,0,0,0,0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0). После чего могут сработать переходы d18, d19, d22, d23, d25, d27, d28, d30, что приведет к разметке М31(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,3,7,1,0,0,0,0,0,0,2,0,4,0,0,0,0,0,0,0, 11,0,0,0,0,0,0,0,11,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0). Затем M31 М32 М32(0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,3, 7,1,0,0,0,0,0,0, 2, 0,4, 0, 0,0,0,0, 0,0,1,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,1,0,0,0,0,0,0,0,1,1, 0,0,0,0, 0,0,0,0, 0, 0, 0,0, 0,0,0).

Таким образом, окончательный диагноз для пациента «Острый простатит», что соответствует диагнозу, поставленному врачом. Это говорит о достоверности сети Петри. В результате дальнейшего функционирования больному назначается лечение.

Литература 1. Новикова Е.И. Алгоритмизация и управление процессом диагностики

гинекологических заболеваний на основе многовариантного моделирования /

156

Е.И. Новикова, О.В. Родионов // монография. Воронеж: ВГТУ, 2012. 132 с.

2.Новикова Е.И. Моделирование биомедицинских систем / Е.И. Новикова, О.В. Родионов, Е.Н. Коровин // учебное пособие, Воронеж: ВГТУ, 2008. – 196 с.

3.Новикова Е.И. Поддержка принятия решения дифференциальной диагностики острого панкреатита на основе имитационного моделирования / Новикова Е.И., Штырлина Д.П. В сборнике: управление в биомедицинских, социальных и экономических системах // межвузовский сборник научных трудов.

Воронеж, 2014. С. 84-87.

4.Новикова Е.И. Применение сетей Петри для поддержки принятия решений в ургентной гинекологии / Системный анализ и управление в биомеди-

цинских системах. 2013. Т. 12. № 4. С. 1119-1123.

5.Новикова Е.И. Анализ и алгоритмизация процесса диагностики острого панкреатита на основе имитационного моделирования / Вестник Воронежского государственного технического университета. 2011. Т. 7. № 1. С. 117-120.

6.Новикова Е.И. Разработка моделей и алгоритма, обеспечивающих повышение эффективности процесса дифференциальной диагностики острого панкреатита / Новикова Е.И., Штырлина Д.П., Панченко И.В. // Системный анализ и управление в биомедицинских системах. 2014. Т. 13. № 4. С. 933-937.

7.Новикова Е.И. Оценка состояния больных с опухолями матки и яичников на основе кластерного и дискриминантного анализа / Новикова Е.И., Родионов О.В., Фролов М.В. Системный анализ и управление в биомедицинских системах. 2006. Т. 5. № 2. С. 364-366.

8.Новикова Е.И. Анализ, алгоритмизация и управление процессом диагностики гинекологических заболеваний на основе многовариантного моделирования / Новикова Е.И. автореферат диссертации на соискание ученой степени кандидата технических наук / Воронежский государственный технический университет. Воронеж, 2006

9.Новикова Е.И. Анализ, алгоритмизация и управление процессом диагностики гинекологических заболеваний на основе многовариантного моделирования / Новикова Е.И. диссертация на соискание ученой степени кандидата технических наук / Воронеж, 2006.

10.Новикова Е.И. Разработка решающих правил для прогнозирования диагноза опухолей матки и яичников / Новикова Е.И., Родионов О.В., Фролов М.В. Вестник Воронежского государственного технического университета. 2006. Т. 2. № 7. С. 27-29.

Воронежский государственный технический университет

157

УДК 681.3

В.Н. Коровин, Т.П. Зубарева

ПРОГНОЗИРОВАНИЕ ЗАБОЛЕВАЕМОСТИ КАРИЕСОМ И ЕГО ОСЛОЖНЕНИЯМИ

В данной статье рассматривается прогнозирование заболеваемости кариесом и его осложнениями населения Российской Федерации, приводится структура обращаемости за стоматологической помощью у обоих полов, рассчитываются ошибки прогнозирования

Ключевые слова: прогнозирование, линейный тренд, экспоненциальное сглаживание, начальный кариес, средний кариес, глубокий кариес, кариес цемента, острый пульпит, пульпарный абсцесс, хронический язвенный пульпит, пульпарный полип, некроз пульпы, острый апикальный периодонтит, хронический апикальный периодонтит, периапикальный абсцесс

Стоматология является повсеместной отраслью медицины. Любой человек хотя бы раз в жизни обращается за стоматологической помощью к соответствующему специалисту. При этом подавляющее большинство обращений обусловлено кариесом и его осложнениями (пульпитом и периодонтитом), которые в свою очередь имеют множество форм. Поэтому очень важно верно диагностировать формы этих заболеваний и обнаруживать кариес на ранних стадиях. Прогнозирования заболеваемости кариесом также является важным фактором в повышении эффективности планирования средств бюджета, открытия дополнительных клиник, в том числе и коммерческих. Прежде чем прогнозировать заболеваемость, необходимо оценить структуру причин обращения за стоматологической помощью. На представлена такая структура для мужчин (рис.1) и для женщин (рис.2).

Рис. 1. Структура причин обращения за стоматологической помощью

158

Рис. 2. Структура причин обращения за стоматологической помощью

Как видно, из данных диаграмм большая часть обращений (около 70% как для мужчин, так и для женщин) приходится на кариес и его осложнения.

Для прогнозирования была использована программа Statistica. В качестве данных, на основе которых производился прогноз, используются значения показателей обращения за стоматологической помощью по РФ на 100 тысяч населения за период с 2005 по 2016 год, умноженные на 0,7 и округленные до целых (это необходимо, таккакнаинтересующиезаболевания приходится70% обращений).

График заболеваемости по годам представлен на рис. 3. К этому графику было применено простое экспоненциальное сглаживание (alpha=0,40), в результате чего был получен сглаженный график, который и использовался для прогнозирования. При прогнозировании был использован линейный тренд, а сам прогноз произведенна5 лет. Результатпрогнозапредставлен нарис. 4.

Рис. 3. Заболеваемость кариесом и его осложнениями по РФ на 100 тысяч населения за период с 2005 по 2016 год

159

Рис. 4. Результаты прогноза

В столбце РФ находятся начальные данные. В столбце Smoothed Series – сглаженные начальные данные и прогноз. В столбец Resids заносится разность между вычисленным и фактическим значениями временного ряда. В полученном прогнозе можно наблюдать тенденцию к снижению числа обращений за стоматологической помощью. Наибольшую точность прогноз имеет в 2006, 2008, 2011 и 2014 годах. Максимальное расхождение наблюдается на 2015 год. Также программа Statistica предоставляет результаты прогноза в графическом виде (рис. 5) и таблицу с ошибками (рис. 6).

Рис. 5. Результаты прогнозирования в графическом виде

Рис. 6. Ошибки прогнозирования

160