Автореферат и диссертация по медицине (14.00.08) на тему:Оптимизация прогнозирования клинического течения первичной открытоугольной глаукомы

На правах рукописи

□03055581

КИМ Татьяна Сергеевна

ОПТИМИЗАЦИЯ ПРОГНОЗИРОВАНИЯ КЛИНИЧЕСКОГО ТЕЧЕНИЯ ПЕРВИЧНОЙ ОТКРЫТОУГОЛЬНОЙ ГЛАУКОМЫ

14.00.08 - Глазные болезни

Автореферат на соискание ученой степени кандидата медицинских наук

Москва - 2007

003055581

Работа выполнена на кафедре глазных болезней ГОУ ВПО «Красноярская государственная медицинская академия Федерального агентства по здравоохранению и социальному развитию» в Красноярском межрегиональном центре микрохирургии глаза им. П.Г. Макарова;

ФГУ «3 Центральный военный клинический госпиталь им. A.A. Вишневского Минобороны России»

Научный руководитель:

заслуженный врач РФ, доктор медицинских наук, профессор ЛАЗАРЕНКО Виктор Иванович

Официальные оппоненты:

доктор медицинских наук, профессор ЕРИЧЕВ Валерий Петрович доктор медицинских наук, профессор КОРНИЛОВСКИЙ Игорь Михайлович

Ведущая организация: ГОУ ВПО «Российский университет дружбы народов»

Защита состоится «/¿У» 2007 г. в часов

на заседании диссертационного совета Д 208.042.01. при ФГУ «Московский научно-исследовательский институт глазных болезней им. Гельмгольца Росздрава» (105062, Москва, ул. Садовая-Черногрязская, д. 14/19).

С диссертацией можно ознакомиться в библиотеке Московского НИИ глазных болезней им. Гельмгольца

Автореферат разослан « »_2007 г.

Ученый секретарь диссертационного совета

доктор медицинских наук, профессор КОДЗОВ М.Б.

Общая характеристика работы

Актуальность проблемы. В последнее время наблюдается широкое внедрение компьютерных технологий в область медицины. Быстрыми темпами развивается медицинская нейроинформатика. На базе Института вычислительного моделирования РАН и лаборатории нейросетевого моделирования КрасГМА были разработаны теория и методология применения в медицине самообучающихся экспертных систем на основе искусственных нейронных сетей. Это позволило использовать нейронные сети для диагностики и прогнозирования различных заболеваний. Известны первые результаты по использования ИНС в офтальмологии (Гарькавенко В.В., 2002; Комаровских E.H., Лазаренко В.И., Ильенков С.С., 2001; Хомушку М.Д., 2005).

Наболевшей проблемой современной офтальмологии остается первичная открытоугольная глаукома. ПОУГ привлекает внимание офтальмологов всего мира многообразием клинических форм, сложностью патогенеза, трудностью диагностики и лечения, а также серьезностью прогноза и медико-социальной значимостью заболевания (Водовозов А.М., 1983; Егоров В.В., 2000; Еричев

B.В., 2004; Краснов М.М., 1998; Кунин В.Д.,2000; Лазаренко В.И., 2000; Нестеров А.П., 1995; Bautista-R-D, 1999; Broadway D., Drance H., 1998; Gloster J., 1986; Greve E.L., 1992; Sommer A., 1996; Tiande Sbou et al., 2003). Отмечаются широкая распространенность, неуклонный рост и тяжелые последствия заболевания. Несмотря на многочисленные исследования в этой области, число больных ПОУГ неизменно растет с каждым годом (Исламова

C.Е. с соавт., 2004; Южаков А.М., 2003). Одним из приоритетных направлений в решении проблемы глаукомы является раннее прогнозирование клинического течения заболевания с целью профилактики слепоты и стабилизации патологического процесса.

В последнее время появилась возможность привлечь для прогнозирования клинического течения ПОУГ самообучающиеся искусственные нейронные сети, параметрами баз данных которых выступают показатели глаукомы. Нейронная сеть после полного обучения и автоматической минимизации числа обучающих параметров способна прогнозировать клинического течения первичной открытоугольной глаукомы. На практике это позволяет дифференцировать информацию и значительно сокращает время сбора анамнеза. Это облегчает работу врача и помогает осуществить индивидуальный подход в лечении конкретного больного. Применение самообучающихся искусственных нейронных сетей в прогнозировании глаукомы актуально. Новый метод может быть использован в скрининговых исследованиях, при массовых обследованиях больных глаукомой.

Цель работы

Разработка метода прогнозирования клинического течения первичной открытоугольной глаукомы.

Задачи исследования

1. Разработать метод нейросетевого прогнозирования клинического течения первичной открытоугольной глаукомы.

2. Определить наиболее значимые показатели развития неблагоприятного и благоприятного течения первичной открытоугольной глаукомы для прогнозирования с помощью самообучающихся искусственных нейронных сетей.

3. Изучить изменения клинических показателей у больных первичной открытоугольной глаукомы и их зависимость от характера течения

заболевания, для последующего обучения искусственных нейронных сетей.

Научная новизна и практическая значимость работы

1. Впервые определены наиболее значимые признаки глаукомы в зависимости от клинического течения при моделировании самообучающихся искусственных нейронных сетей.

2. Впервые обоснована возможность прогнозирования клинического течения первичной открытоугольной глаукомы с помощью самообучающихся искусственных нейронных сетей.

3. Предложен метод нейросетевого прогнозирования, который позволяет определить степень вероятности развития неблагоприятного течения первичной открытоугольной глаукомы.

Основные положения, выносимые на защиту

1. Разработка методики прогнозирования клинического течения первичной открытоугольной глаукомы с помощью искусственных нейронных сетей.

2. Больные первичной открытоугольной глаукомой с благоприятным и неблагоприятным течением заболевания, прослеженного в течение 5 - 10 лет, отличаются выраженностью и частотой патологических изменений глаз. Неблагоприятное течение глаукомы чаще наблюдали у больных с длительным стажем первичной открытоугольной глаукомы, сопутствующими глазными и соматическими заболеваниями.

3. Наиболее важными клиническими признаками при прогнозировании клинического течения первичной открытоугольной глаукомы с

помощью самообучающихся искусственных нейронных сетей являются: окраска диска зрительного нерва, стадия глаукомы, размер экскавации диска зрительного нерва, сужение поля зрения, ВГД, наличие сопутствующих атеросклероза и сахарного диабета.

4. Применение ИНС позволяет правильно прогнозировать клиническое течение ПОУГ в 81,1% случаев, что является основой для скрининговых исследований.

Апробация работы

Результаты исследования доложены и обсуждены на заседаниях кафедры глазных болезней КрасГМА (2001-2006 гг.), на межрегиональных научно-практических конференциях офтальмологов КМЦМГ им. П.Г. Макарова (20012006 гг.), на юбилейной научно-практической конференции, посвященной 60-летию А.И.Еременко (Краснодар, 2002), на межотделенческой конференции Московского научно-исследовательского института глазных болезней им. Гельмгольца (2006 г.)

Внедрение в практику

Результаты работы внедрены в клиническую практику КМЦМГ им. П.Г. Макарова (г. Красноярск) и в поликлинике ФГУ «3 ЦВКГ им. А.А.Вишневского Министерства обороны РФ» (Москва). Результаты исследования используются в учебном процессе для лекционных и практических занятий по курсу глазных болезней для студентов лечебного факультета КрасГМА.

Объем и структура работы

Диссертация изложена на 116 страницах машинописного текста и состоит из введения, обзора литературы, главы материалов и методов исследования, главы собственных исследований, главы, посвященной нейроинформационной технологии прогнозирования клинического течения глаукомы, заключения, выводов, практических рекомендаций, указателя литературы, который включает в себя 132 отечественных и 27 иностранных источников. Работа иллюстрирована 29 таблицами и 9 рисунками.

Публикации результатов исследования

По материалам диссертации опубликовано 7 печатных работ (1 - в центральной печати), разработаны и подготовлены к печати усовершенствованные медицинские технологии по теме диссертации.

СОДЕРЖАНИЕ РАБОТЫ Материалы и методы Характеристика клинического материала

В исследовании принимали участие 105 пациентов (179 глаз). Наблюдали пациентов с различными стадиями первичной открытоугольной глаукомы, получавших лечение в КМЦМГ им. П.Г. Макарова, городской поликлинике № 14 г. Красноярска, ФГУ «3 ЦВКГ им. А.А. Вишневского» (г. Красногорск, Моск. обл.). Анализ течения заболевания производили в сроки 5-10 лет. Диспансерное наблюдение за всеми больными осуществляли регулярно.

Из всех обследованных больных сформировали 3 клинические группы: обучающую (1), тестирующую (2) и контрольную (3). Обучающая группа (1)

состояла из 77 больных (123 глаза). Среди них было 33 (43%) мужчины и 44 (57%) женщины. Средний возраст пациентов составлял 70,9±0,7 лег. Тестирующая клиническая группа (2) состояла из 33 больных (63 глаза). В этой группе было 10 мужнин (30%) и 23 женщины (70%). Средний возраст обследованных пациентов составлял 65,2±0,6 лет. Контрольную группу (3) составили 28 человек (56 глаз). Среди пациентов было 6 женщин (22%) и 22 мужчин (78%). Средний иозраст - 72,5±0,6 лет.

Демографические и соматические показатели пациентов были сопоставимы. Характеристика пола всех обследованных больных представлена на рис. 1.

52.4

5

53 52 51 50 49 48 47 46 45

т.

ж

р »в ■ ■

ЙЯШР

Ч а.

□ Женщины

□ Мужчины

Рис, 1. Распределение пациентов обследованных групп в зависимости от пола.

Во всех обследованных группах преобладали городские жители (97%). Распределение пациентов по месту жительства представлено на рис, 2.

□ Город ЕЗСело

Рис. 2. Распределение пациентов обследованных групп в зависимости от места жительства.

По социальному положению больные распределились следующим образом: рабочих было 4%, служащих - 8%, пенсионеров - 87%, прочих - 1 %. Среди обследованных пациентов преобладали пенсионеры (87%). Характеристика социального статуса обследованных больных представлена на рис. 3.

90 80 70 60 50 40 30 20 10 О

------ 87.....

71

□ Рабочие

□ Служащие

□ Пенсионеры

□ Прочие

Рис. 3. Распределение пациентов обследованных групп в зависимости от социального положении.

Из сопутствующих глазных заболеваний у пациентов всех групп преобладали сосудистая патология сетчатки и катаракта. Удельный вес ангиосклероза составил 73%, ангиопатии - 68%, катаракты - 70%. Нарушение рефракции в виде миопии встречалось в 9% случаев ПОУГ. Частота сопутствующей патологии глаз обследованных групп представлена на рис. 4.

Миопия

Ангиопатия ¿нгиосклероз Катаракта

Ретинопатия

Уд. вес, %

Рис. 4. Частота сопутствующей патологии глаз пациентов обследованных групп.

Во всех группах у больных ПОУГ имелась сопутствующая соматическая патология. Чаще всего наблюдались заболевания сердечно-сосудистой системы. Удельный вес атеросклероза составил 80%. ИБС - 73%, гипертонической болезни 58%. Частота сопутствующих соматических заболеваний у обследованных пациентов представлена на рис, 5.

90 80 70 60 ё 50 ш 40 5 30 20 1С о

ЧР

•г /

.О

/

■С?

Рис. 5. Частота сопутствующих соматических заболеваний у пациентов обследованных групп.

Методы исследования

В период наблюдения применяли традиционные методы обследования офтальмологических больных:

• визометрия

• офтальмобиомикроскопия

• офтальмоскопия

• тонометрия

• периметрия

•гониоскопия

Исследования во всех группах проводили в равном объеме:

Статистическую обработку данных осуществляли с помощью методов вариационной статистики с вычислением основных величин: средней арифметической (М), средней квадратичной ошибки (m), Т - критерия Стьюдента. Корреляционный анализ проводили на персональном компьютере с помощью пакета прикладных программ для статистических расчетов «MN Stat».

Нейроинформационные исследования производили на персональном компьютере с программным обеспечением для создания и обучения искусственных нейронных сетей. Использовали пакет программ «Multi Neuron 2.0» и программу - нейроимитатор «NeuroPro 2.0» (Россиев Д.А., 1998).

Результаты исследования и их обсуждение

Основой работы самообучающихся нейропрограмм является нейронная сеть. Нейросеть - это совокупность нейронов, связанных между собой определенным образом посредством связей (синапсов и дендритов). Структура взаимосвязей между нейронами в нейрокомпьютере или нейропрограмме аналогична таковой в биологических объектах. Уникальность сетей

проявляется в том, что сети с одинаковыми параметрами, обучающиеся на одинаковых задачах, ведут себя неодинаково. Это касается времени обучения, качества обучения, уверенности в выдаваемых ответах при тестировании.

Единицей нейросети является искусственный нейрон. Нейрон состоит из двух функциональных блоков: входного сумматора и собственно нейрона, или преобразователя (Россиев Д.А., 1998). (рис. 6).

Ряс. б. Схема нейрона.

Через входные синапсы на нейрон подаются сигналы (значения параметров глаукомы). Они суммируются, преобразуются и получается новое число, которое отправляется к другим нейронам. Процесс повторяется снова до тех пор пока на выходном нейроне мы не получим ответ нейросети (прогноз глаукомы). Чтобы добиться выдачи сетью требуемого результата, необходимо обучить ее.

Процесс создания искусственной нейронной сети включает несколько этапов:

1. Создание обучающей выборки.

2. Обучение созданных нейронных сетей.

3. Проверка качества обученности на примерах с известным прогнозом.

4. Прогностическое тестирование неизвестных клинических примеров.

Для создания ИНС из всех обследованных пациентов сформировали три группы: обучающую, тестирующую и контрольную.

• ОБУЧАЮЩАЯ - для обучения самообучающейся искусственной нейронной сети

• ТЕСТИРУЮЩАЯ- для проверки качества обучения нейронной сети

• КОНТРОЛЬНАЯ - для нейросетевого прогнозирования клинического течения первичной открытоугольной глаукомы

В процессе работы мы выделили клинические признаки глаукомы, послужившие входными параметрами Баз данных нейронной сети. Если значение параметра представляет собой выбор из нескольких вариантов, после названия параметра перечислены числовые значения и соответствующая им расшифровка каждого варианта. Большинство признаков относятся к субъективным категориям, выработанным в процессе накопления опыта в определенных клинических школах. Многие параметры могут принимать всего два значения - 0 (нет признака) и 1 (есть признак).

Обучающие параметры для прогнозирования ИНС

Параметры

1. Пол больного--------------------------

2. Возраст больного, лет

3. Местожительства--------------------

4. Социальный статус--------------------

5. Наличие гипотензивных операций

6. Жалобы-------------------------------

7. Острота зрения с коррекцией

8. Стадии развития ПОУГ--------------

9. Состояние угла передней камеры-Ю.Состояние радужной оболочки—

Шифры

•0-1

-0-1 -0-3 0-1

-0-2

1-4

0-2

0-2

1 ¡.Состояние зрачковой пигментной каймы-------------------------------0 - 3

12.0краска ДЗН--------------------------------------------------------0-2

13.Экскавация ДЗН (абс. знач.)

14.Скотомы в центральном поле зрения-------------------------------0 -1

15.Периферическое поле зрения---------------------------------------------0-2

16.Внутриглазное давление, мм рт. ст. (абс. знач.) И.Ишемическая болезнь сердца----------------------------------------0 -1

18.Гипертоническая болезнь---------------------------------------------0- 1

19.Сахарный диабет-------------------------------------------------------0- 1

20. Атеросклероз-----------------------------------------------------------0- 1

22.Ангиосклеро з-------------------------------------------------------------0- 1

23.Ретинопати я--------------------------------------------------------------0-1

24.Катаракг а----------------------------------------------------------------0-1

25.Миопи я--------------------------------------------------------------0- 1

Всего создали 10 баз данных (БД). Каждая база данных соответствует одному году наблюдения. Одна БД содержит 25 входных параметра и 1-выходной параметр. 10 БД - 250 параметров. Выходной параметр определяет ответ нейросети (прогноз заболевания). 1 класс - благоприятное течение первичной открытоугольной глаукомы, 2 класс - неблагоприятное течение заболевания (рис. 7).

Благоприятный

Неблагоприятный

Рис. 7. Схема нейронной сети для прогнозирования ПОУГ.

Для обучения самообучающихся искусственных нейронных сетей создали обучающую выборку, которую составили 77 пациентов (123 глаза). Среди пациентов было 43% мужчин и 57% женщин. Средний возраст больных с благоприятным клиническим течением ПОУГ- 68,9±1,3 лет, с неблагоприятным - 72,4±0,9 лет.

В этой группе провели сравнительный анализ клинических признаков ПОУГ среди пациентов с благоприятным и неблагоприятным течением глаукомы. Обследованные пациенты в основном были пенсионного возраста и являлись городскими жителями. Среди больных с неблагоприятным течением глаукомы преобладали женщины. Сопутствующая соматическая патология присутствовала у всех больных ПОУГ. В основном были заболевания сердечно-сосудистой системы. У пациентов с неблагоприятным течением глаукомы сопутствующая соматическая патология встречалась чаще, чем у

больных с благоприятным течением ПОУГ. Результаты анализа приведены в табл. 1.

Таблица 1

Сравнительная характеристика частоты некоторых параметров

у пациентов обследованных групп, %

Благоприятное Неблагоприятное

Параметры течение глаукомы течение глаукомы

N = 49 N = 74

Мужской 44,9 39,2

Пол Женский 55,1 60,8

Рабочие 4,1 5,4

Социальная Служащие 20,4 8,1

группа Пенсионеры 75,5 83,8

Прочие - 2,7

Город 95,9 94,6

Место жительства Село 4,1 5,4

1 стадия 35,0 26,0

Стадия ПОУГ 2стадия 4,9 13,8

Зстадия - 18,7

4 стадия - 1,6

Гипотензивная Отсутствует 34,1 34,1

операция Имеется 5,8 26,0

Ангиопатия 30,1 38,2

Сопутствующая Ангиосклероз 29,2 43,9

глазная патология Ретинопатия 6,5 8,1

Катаракта 26,0 43,9

Миопия 4,0 4,9

ИБС 29,2 43,9

Сопутствующая ГБ 21,9 35,8

общая патология Атеросклероз 31,7 48,8

Сахарный диабет 4,0 2,4

Проанализировали жалобы больных. Чаще предъявляли жалобы пациенты, глаукома которых имела неблагоприятное течение. Учитывая преклонный возраст пациентов и наличие сопутствующей патологии, можно предположить, что жалобы были обусловлены и другими причинами. При осмотре переднего отдела глаза выявили, что чаще встречаются и наиболее выражены изменения этих структур у больных с неблагоприятным течением глаукомы. Изменение цвета диска зрительного нерва наблюдается в 6 раз чаще при прогрессирующей ПОУГ. Этот глаукомный признак один из значимых для прогнозирования клинического течения первичной открытоугольной глаукомы.

Для неблагоприятно протекающей ПОУГ более характерен среднеширокий угол передней камеры. Тем не менее, признак не является определяющим для прогнозирования течения ПОУГ. Сравнительный анализ всех показателей представлен в табл. 2.

Таблица 2

Сравнительная характеристика частоты некоторых параметров у пациентов обследованных групп, %

Параметры Благоприятное течение ПОУГ N=123 Неблагоприятное течение ПОУГ N=123

Отсутствуют 13,0 27,7

Боли 15,4 17,9

Жалобы Снижение остроты зреню 11,4 14,6

Без изменений 6,5 6,5

Атрофия 1 степени 33,3 48,8

Состояние радужной оболочки Атрофия 2 степени Атрофия 3 степени - 4,9

Без изменений 4,9 3,2

Состояние Истончена 12,2 18,7

зрачковой Частично разрушена 17,1 26,0

пигментной Полностью разрушена 5,7 12,2

каймы

Цвет диска Бледно-розовый 35,8 36,6

зрительного нерва С сероватым оттенком 3,3 13,8

Серый 0,8 9,7

Ширина угла Широкий 8,9 4,1

передней камеры Среднеширокий узкий 29,3 1,6 55,3 0,8

Сужение Отсутствует 12,3 7,3

полей зрения с периферии Имеется Прогрессирует 27,6 49,6 3,2

Наличие Отсутствует 37,4 56,1

скотом в ЦПЗ Имеется 2,4 4Д

В табл. 3 приведены средние значения некоторых количественных признаков у пациентов благоприятным и неблагоприятным течением глаукомы. Больные с неблагоприятным течением глаукомы старше, имеют более низкую остроту зрения, большие размеры экскавации ДЗН. Среднее значение ВГД приблизительно одинаковое в обеих подгруппах.

Таблица 3

Сравнительная характеристика некоторых количественных параметров у пациентов обучающей группы*

Параметры ПОУГ с благоприятным течением ПОУГ с неблагоприятным течением

Возраст, лет 68,9-1,28 72,4-0,88

Острота зрения 0,66-0,04 0,43-0,04

Размер экскавации, Э/Д 0,25-0,04 0,46-0,04

Внутриглазное давление, мм.рт.ст. 26,11-0,59 25,21-0,84

* Различие статистически достоверно (Р < 0,05)

В результате корреляционного анализа, проведенного между клиническими признаками, которые могут быть взаимосвязаны между собой при ПОУГ и зависят от срока наблюдения, отмечена достоверная устойчивая корреляционная зависимость между проявлениями дистрофического процесса в радужной оболочке и других отделах глаз, прослеживаемая на протяжении 10 лет. Наиболее выражена и имеет максимальный градиент нарастания связь изменений в радужке со стадией глаукомы и изменениями пигментной зрачковой каймы, как неотъемлемой части. Наряду с этим, по мере развития глаукомы, прогрессируют атрофические изменения в диске зрительного нерва в виде деколорации и увеличения диаметра его экскавации, корригирующие с изменениями в радужке. В то же время патологические процессы развиваются в хрусталике - в виде его помутнения, что приводит к снижению остроты зрения. Сопутствующие заболевания также оказывают влияние на изменения в радужке, но отмечена обратная зависимость от гипертонической болезни и прямая - от атеросклероза. Известно, что при умеренно выраженной гипертонии глаукома течет более благоприятно вследствие более высокого толерантного внутриглазного давления. В то же время атеросклероз неблагоприятно влияет на состояние радужной оболочки глаза у глаукомных больных. Состояние пигментной зрачковой каймы, если теоретически анализировать ее отдельно от состояния радужной оболочки, зависит от стадии, связано с состоянием диска зрительного нерва - его цветом и диаметром экскавации, и корригирует с остротой зрения.

Корреляционный анализ взаимоотношений между признаками заболевания и характером течения ПОУГ выявил достаточно высокий уровень зависимости прогноза заболевания от этих признаков. Выявили выраженную положительную связь между клиническим течением глаукомы и следующими признаками: стадия заболевания (р < 0,001), состояние стромы радужной оболочки (р < 0,001), размер экскавации диска зрительного нерва (р < 0,001),

окраска диска зрительного нерва (р < 0,001), гипотензивная операция (р < 0,001) и сопутствующая катаракта (р < 0,001).

В течение всего периода наблюдения отметили постоянную корреляционную связь между атеросклерозом и другими сопутствующими заболеваниями. Наиболее тесной связь была между атеросклерозом и следующими заболеваниями: ангиосклероз сетчатки (Р < 0,001), ишемическая болезнь сердца (Р < 0,001), гипертоническая болезнь (Р < 0,001). Среди глазных сопутствующих заболеваний наиболее распространенной была катаракта. Выявили умеренно выраженную положительную связь катаракты с атеросклерозом, ретинопатией, ангиопатией сетчатки (Р < 0,001), а также - с шириной угла передней камеры, гипотензивной операцией и жалобами (Р < 0,01).

На примерах обучающей группы нейросеть приобрела опыт распознавания первичной открытоугольной глаукомы с благоприятным и неблагоприятным течением. Процесс обучения осуществлялся автоматически программой компьютера. При обучении ответ каждой задачи (прогноз глаукомы) был известен ИНС.

За благоприятное течение заболевания принимали такое состояние ПОУГ, при котором не наблюдали прогрессирования глаукомы в определенные для каждой стадии сроки, установленные по результатам наблюдения.

По результатам обучения провели анализ значимости обучающих параметров. Нейронные сети выявили следующие наиболее значимые клинические показатели прогнозирования течения ПОУГ:

• Окраска ДЗН 0,706

• Стадия ПОУГ 0,572

• Атеросклероз 0,543

• Сахарный диабет 0,446

• Сужение поля зрения 0,401

• Размер экскавации ДЗН 0,347

• ВГД 0,251

Определили местные и общие маркеры неблагоприятного течения заболевания:

• ангиопатия и ангиосвшероз сетчатки

• катаракта

• атеросклероз

• ИБС

• гипертоническая болезнь

Проверку качества обучения нейросети осуществили путем тестирования. Для 'у го го использовали группу тестирования, состоящую из 33 пациентов (63 глаза). В группе было 30 % мужчин и 70 % женщин. Средний возраст больных составил 65,2 ± 0,6 лет.

Процесс тестирования отличается тем, что ответы задач (прогнозы глаукомы) известны только пользователю. 26 глаз (41%) - ПОУГ с благоприятным и 37 (59%) - с неблагоприятным клиническим течением. Для нейросетей они представлялись неизвестными, для чего в выходном поле класс примера намеренно не проставлялся. Путем апробаций выбрали ту нейррсеть, которая более правильно распознавала предлагаемые ей примеры. Наилучшая распознающая способность была обнаружена у ИНС, состоящей из 17 нейронов.

19%

□ правильно

□ неправильно

81%

Рис, 8. Результаты нейротесшровання (17 нейронов).

В результате нейротестирования правильно распознаны 51 пример, что составило 81% от общего числа. В целом результаты тестирования позволяют говорить о довольно высокой распознающей способности созданных мейросетей (рис. 8).

Предложенный метод прогнозирования течения ПОУГ был применен на практике в группе контроля у 28 больных глаукомой (56 глаз). Среди пациентов было 78 % мужчин и 22 % женщин. Средний возраст составил 72,5 ± 0,6 лет.

В результате тестирования со 100% уверенностью было определено неблагоприятное течение ПОУГ в 80,4% примеров и благоприятное - в 10,7%. 5 примеров глаукомы носили «сомнительный» характер (рис, 9).

□ благоприятнее

□ неблагоприятное С сомнительны*

Рис, 9. Результаты нейросетевого прогнозирования клинического

течения ПОУГ в контрольной группе.

Предложенный метод позволяет прогнозировать клиническое течение ПОУГ с помошью самообучающихся НС.

Чувствительность методы составила 81 % при специфичности - 100%,

Метод нейросетевого прогнозирования клинического течения ПОУГ является доступным, дешевым и быстрым. Он значительно облегчает труд врача, экономит его время, повышает эффективность лечения больных глаукомой, может быть использован в скрининговых исследованиях заболевания и при массовых осмотрах пациентов.

0,90% 10,70%

80.40%

Выводы:

1. Впервые была создана и применена нейросетевая технология для прогнозирования клинического течения первичной открытоугольной глаукомы.

2. Наиболее значимыми клиническими показателями при прогнозировании клинического течения первичной открытоугольной глаукомы, полученными с помощью нейросетевой технологии, являются: окраска диска зрительного нерва, стадия глаукомы, размер экскавации диска зрительного нерва, сужение поля зрения, наличие скотом в ЦПЗ, уровень офтальмотонуса, наличие сопутствующих атеросклероза и сахарного диабета.

3. В процессе работы ИНС выявили наиболее характерные для неблагоприятного течения первичной открытоугольной глаукомы, сопутствующие глазные (ангиопатия сетчатки - 38,2%, ангиосклероз сетчатки - 43,9%, катаракта - 43,9%) и общие соматические (атеросклероз - 48,8%, ИБС - 43,9%, гипертоническая болезнь - 35,8%) заболевания.

4. С помощью ИНС установлено, что у пациентов с неблагоприятным течением ПОУГ более выражены и чаще встречаются патологические изменения глаз, чем у больных со стабильной глаукомой.

5. Метод нейросетевого прогнозирования характера клинического течения глаукомы позволяет достоверно определить его в 81% случаев при специфичности метода - в 100%, что служит основой для проведения скрининговых исследований.

Практические рекомендации:

1. С целью прогнозирования характера клинического течения первичной открытоугольной глаукомы рекомендовано использование самообучающихся искусственных нейронных сетей.

2. Предложенный способ прогнозирования течения первичной открытоугольной глаукомы является основой для скрининговых исследований, что позволяет использовать его при массовых осмотрах больных глаукомой.

Список опубликованных работ по теме диссертации

1. Прогнозирование клинического течения первичной открытоугольной глаукомы с помощью искусственных нейронных сетей // Актуальные проблемы офтальмологии: Тезисы докладов. - М., 2003. - С. 226. (Соавт. E.H. Комаровских).

2. Результаты длительного наблюдения за состоянием радужки и зрачковой пигментной каймы у больных, страдающих глаукомой //Актуальные проблемы офтальмологии: Тезисы докладов. - М., 2003. - С. 227. (Соавт. E.H. Комаровских).

3. Нейросетевое прогнозирование течения первичной открытоугольной глаукомы // Современные технологии диагностики и лечения сосудистой патологии органа зрения: Юбилейная научно-практическая конференция, посвященная 60-летию А.И.Еременко: Сб. науч. ст. - Краснодар, 2002. -С. 140.

4. Прогнозирование клинического течения первичной открытоугольной глаукомы с помощью искусственных нейронных сетей // 40-летие детской глазной службы Красноярского края: Межрегиональная конференция офтальмологов: Сб. науч. ст. - Красноярск, 2003. - С. 144. (Соавт. E.H. Комаровских).

5. Некоторые результаты длительного клинического наблюдения больных первичной открытоугольной глаукомы II 40-летие детской глазной службы Красноярского края: Меяфегиональная конференция

офтальмологов: Сб. науч. ст. - Красноярск, 2003. - С. 145. (Соавт. E.H. Комаровских).

6. База данных для апробации системы прогнозирования течения первичной открытоугольной глаукомы. - Актуальные вопросы здравоохранения и медицинской науки: Сб. науч. тр. - Красноярск, 2001. - С. 142-146.

7. Прогнозирование клинического течения первичной открытоугольной глаукомы с помощью самообучающихся искусственных нейронных сетей // Глаукома.- 2007.- № 1.- С. 7-10.

8. Прогнозирование клинического течения первичной открытоугольной глаукомы с помощью самообучающихся искусственных нейронных сетей //Усовершенствованные медицинские технологии (Соавт. В.И. Лазаренко, Н.С. Крячко) (разработаны и подготовлены к печати).

ь

Заказ №57. Объем 1 пл. Тираж 100 экз.

Отпечатано в ООО «Петроруш». г. Москва, ул. Палиха-2а, тел. 250-92-06 www.postator.ru

Актуальность проблемы. В последнее время наблюдайся широкое внедрение компьютерны* технологий в область медицины Быстрыми темпами развивается медицинская нейрон иформатика. На базе Института вычислительного моделирования РАН и лаборатории нсйросетевого моделирования КрасГМА были разработаны теория и методология применения в медицине самообучающихся экспертых систем на основе искусственных нейронных сетей. Это позволило использовать нейронные сети для диагностики и прогнозирования различных заболеваний. Известны первые результаты по использован ню ИНС в медицине [18, 35. 37. 4!, 42, 43, 46, 47. 48, 49. 74, 75. 103. 104, 107, 108, 109, 121]. Наболевшей проблемой современной офтальмологии остается первичная открытоугольная глаукома. ПОУГ привлекает внимание офтальмологов всего мира многообразием клинических форм, сложностью патогенеза» трудностью диагностики и лечения, а также серьезностью прогноза н медико-социальной значимостью заболевания J12, 15. 16. 23. 29. 32, 50. 51, 52, 55, 56, 57. 67, 70, 77, 99. 100, ¡06, 125. 126, 128, 134], Одним нз приоритетных направлений в решении проблемы глаукомы является раннее прогнозирование клинического течения заболевания с целью профилактики слепоты и стабилизации патологического процесса. В последнее время появилась возможность привлечь для протезирования клинического течения ПОУГ самообучающиеся искусственные нейронные сети, параметрами баз данных которых выступают показатели глаукомы. Нейронные сети после полного обучения и автоматической минимизации числа обучающих параметров способны сами прогнозировать клинического течения первичной открытоугольной глаукомы, На практике это позволяет дифференцировать информацию и значительно сокращает время сбора анамнеза. Это облегчает работу врача и помогает осуществить индивидуальный подход в лечении конкретного больного. Применение самообучающихся искусственных нейронных сетей в прогнозировании глаукомы актуально, Новый метод может быть использован в скркнинговых исследованиям, при массовых обследованиях больных глаукомой.

Таким образом, была поставлена ЦЕЛЬ ИССЛЕДОВАНИЯ - разработка метода прогнозирования клинического течения первичной открытоугольной глаукомы,

ЗАДАЧ И И ССЛЕДОВАН И Я:

1. Разработать метод нейросегсвого прогнозирования клинического течения первичной открытоугольной глаукомы,

2, Определить наиболее значимые показатели развития неблагоприятного и благоприятного течения первичной открытоугольной глаукомы для прогнозирования с помошыо самообучающихся искусственных нейронных сетей,

Ъ. Изучить изменения клинических показателей у больных первичной открытоугольной глаукомы н их зависимость от характера течения заболевания, для последующею обучения искусственных нейронных сетей.

НАУЧНАЯ НОВИЗНА ИССЛЕДОВАНИЯ И ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ РАБОТЫ;

1. Впервые определены наиболее значимые признаки глаукомы и зависимости от клинического течения при моделировании самообучающихся искусственных нейронных сетей.

2. Впервые обоснована возможность прогнозирования клинического течения первичной открытоугольной глаукомы с помощью самообучающихся искусственных нейронных сетей

3, Предложен метод нсйросетевого прогнозирования, который позволяет определить степень вероятности развития неблагоприятного течения первичной открытоугольной глаукомы.

ОСНОВНЫЕ ПОЛОЖЕНИЯ* ВЫНОСИМЫЕ НА ЗАЩИТУ:

1. разработка методики прогнозирования клинического течения первичной открытоугольной глаукомы с помощью искусственных нейронных сетей.

2. Больные первичной открытоугольной глаукомой с благоприятны»! и неблагоприятным течением заболевания, прослеженным в течение 5-10 лет. отличаются выраженностью и частотой патологических изменений глаз. Неблагоприятное течение глаукомы чаще наблюдали у больных с длительным стажем первичной открытоугольной глаукомы, сопутствующими глазными и соматическими заболеваниями.

3. Наиболее важными клиническими признаками при прогнозировании клинического течения первичной открытоугольной глаукомы с помощью самообучающихся искусственных нейронных сетей являются; окраска диска зрительного нерва, стадия глаукомы, размер экскавации диска зрительного нерва, сужение поля зрения, ВГД, наличие сопутствующих атеросклероза и сахарного диабета.

4. Применение ИКС" позволяет правильно прогнозировать клиническое течение ПОУГ в 81,1% случаев, что является основой для скри тип овых исследований.

АПРОБАЦИЯ РАБОТЫ

Результаты исследования доложены и обсуждены на заседаниях кафедры глазных болезней КрасГМЛ (2001-2006 гг.), на межрегиональных научно-практических конференциях офтальмологов КМ1ДМГ нм. П,Г Макарова (20012006 гг.), на юбилейной научно-практической конференции, носвяшснной 60лети т А.И.Еременко (Краснодар. 2002). на ыежотделе нч ее ко й конференции Московского научно-исследовательского института глазных болезней нм, Геяыкгешиа (2006 г.)

ОБЪЕМ И СТРУКТУРА ДИССЕРТАЦИИ

Диссертация изложена на 116 страницах машинописного текста и состоит из введения, обзора литературы, главы материалов и методов исследования, главы собственных исследований, главы, посвященной медицинской нейроннформашюнной технологии прогнозирования клинического течения первичной открытоугояьной глаукомы, заключения, выводок, практических рекомендаций, указателя литературы, который включает в себя 132 отечественных н 27 иностранных источников литературы, Работа иллюстрирована 29 таблицами н 9 рисунками.

ВЫВОДЫ:

1. Впервые была создана и применена нейросетевая технология для прогнозирования клинического течения первичной открытоугольной глаукомы.

2. Наиболее значимыми клиническими показателями при прогнозировании клинического течения первичной открытоугольной глаукомы, полученными с помощью нсйросетсвой технологии, являются: окраска диска зрительного нерйа, стадия глаукомы, размер чкекавацнн диска зрительного нерва, сужение поля зрения, наличие скотом в ЦПЗ, уровень офтальмотонуса, наличие сопутствующих атеросклероза и сахарного диабета.

3. В процессе работы ИНС выявили наиболее характерные для неблагоприятного течения первичной открытоугольной глаукомы, сопутствующие глазные (ангноиатня сетчатки - 38,2%. ангиосклероз сетчатки - 43,9%, катаракта - 43,9%) н общие соматические (атеросклероз - 48,8%, ИБС - 43,9%. гипертоническая болезнь -35,8%) заболевания.

4. С помощью ИНС установлено, что у пациентов с неблагоприятным течением ПОУГ более выражены и чаще встречаются патологические изменения глаз, чем у больных со стабильной глаукомой.

5. Метод нейросетевого прогнозирования характера клинического течения глаукомы позволяет достоверно определить его в 81% случаев при специфичности метола - в 100%. что служит основой для проведения скрининговых исследований.