1.2.5 Лечение панкреатита

Консервативная терапия панкреатита включает в себя комплекс мер. В основу терапии положены следующие принципы:

• соблюдение диеты;

• коррекция недостаточности поджелудочной железы;

• устранение болевого синдрома;

• предупреждение осложнений.

При лечении панкреатита необходимо исключить употребление алкоголя, прием лекарственных препаратов, способных оказывать повреждающее воздействие на поджелудочную железу (антибиотики, антидепрессанты, сульфаниламиды, диуретики – гипотиазид и фуросемид, непрямые антикоагулянты, индометацин, бруфен, парацетамол, глюкокортикоиды, эстрогены и многие другие). Чрезвычайно важно проводить лечение заболеваний желудочно-кишечного тракта и своевременную профилактику инфекционных заболеваний, вызывающих поражение поджелудочной железы (вирусных гепатитов В и С, эпидемического паротита).

Нарушения питания, такие как переедание, злоупотребление алкоголем, алиментарная белковая недостаточность, пищевая аллергия могут быть непосредственной причиной панкреатит.

Без применения диетотерапии трудно рассчитывать на достаточный лечебный эффект. Правильно организованное питание может предотвратить развитие осложнений, обострений болезни и ее прогрессирование.

При обострении панкреатита больные нуждаются в госпитализации с ежедневным в течение первой недели контролем параметров крови, водного баланса, числа лейкоцитов, уровня ферментов в сыворотке крови, кислотно-щелочного равновесия.

Недостаточность функции поджелудочной железы проявляется синдромом нарушенного кишечного всасывания. По современным представлениям данный синдром не проявляется при хроническом панкреатите до тех пор, пока секреция ферментов не снизится до 10% своего исходного потенциала. Лечение недостаточности поджелудочной железы сводится к назначению диеты и заместительной ферментной терапии. При этом доза ферментного препарата подбирается каждому больному индивидуально.

Основным критерием эффективности лечения является динамика количества жира в кале и массы тела больного. Обычно лечение начинают с 3-х таблеток до, после и во время основных приемов пищи. При тяжелых формах количество препарата может достигать 20 и более таблеток ежедневно. Ферментные препараты при хроническом панкреатите назначаются на очень длительное время, часто пожизненно. Возможно добиться снижения их дозы при соблюдении строгой диеты с ограничением жира и белка. Однако при расширении диеты дозы ферментных препаратов должны увеличиваться.

Физиотерапия оказывает болеутоляющий эффект и определенное противовоспалительное действие.

1.3 Нейросетевое моделирование систем

1.3.1 Основные понятия нейросетевой модели

Искусственные нейронные сети (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Это понятие возникло при изучении процессов, протекающих в мозге, и при попытке смоделировать эти процессы. Первой такой попыткой были нейронные сети Маккалока и Питтса. После разработки алгоритмов обучения, получаемые модели стали использовать в практических целях: в задачах прогнозирования, для распознавания образов, в задачах управления и др.

ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты, особенно в сравнении с процессорами, используемыми в персональных компьютерах. Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие локально простые процессоры вместе способны выполнять довольно сложные задачи.

С точки зрения машинного обучения, нейронная сеть представляет собой частный случай методов распознавания образов, дискриминантного анализа, методов кластеризации и т. п. С математической точки зрения, обучение нейронных сетей — это многопараметрическая задача нелинейной оптимизации. С точки зрения кибернетики, нейронная сеть используется в задачах адаптивного управления и как алгоритмы для робототехники. С точки зрения развития вычислительной техники и программирования, нейронная сеть — способ решения проблемы эффективного параллелизма. А с точки зрения искусственного интеллекта, ИНС является основой философского течения коннективизма и основным направлением в структурном подходе по изучению возможности построения (моделирования) естественного интеллекта с помощью компьютерных алгоритмов.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искаженных данных.

ИНС может рассматриваться как направленный граф со взвешенными связями, в котором искусственные нейроны являются узлами. По архитектуре связей ИНС могут быть сгруппированы в два класса (рис. 2): сети прямого распространения, в которых графы не имеют петель, и рекуррентные сети, или сети с обратными связями.

Рисунок 2 - Систематизация архитектур сетей прямого распространения и рекуррентных (с обратной связью)

В наиболее распространенном семействе сетей первого класса, называемых многослойным перцептроном, нейроны расположены слоями и имеют однонаправленные связи между слоями. На рис. 2 представлены типовые сети каждого класса. Сети прямого распространения являются статическими в том смысле, что на заданный вход они вырабатывают одну совокупность выходных значений, не зависящих от предыдущего состояния сети. Рекуррентные сети являются динамическими, так как в силу обратных связей в них модифицируются входы нейронов, что приводит к изменению состояния сети.