Смотрите также

Журнал Глаукома 2003, №4

Ранняя диагностика первичной открытоугольной глаукомы с помощью новой нейроинформационной технологии

Глаукома 4'2003

Е.Н. Комаровских
Красноярская государственная медицинская академия;
Красноярский межрегиональный центр микрохирургии глаза им. П.Г. Макарова

Известно, что около 67 млн. человек планеты болеют глаукомой и, по прогнозам, до 2030 г. это число увеличится вдвое. В индустриально развитых странах среди лиц старше 40 лет распространенность глаукомы достигает 1,7%. В Германии из 82 млн. населения риск заболеть глаукомой имеют более 5 млн. в возрасте после 50 лет [6]. Первичной открытоугольной формой глаукомы (ПОУГ), как наиболее часто встречающейся, страдает около 1% населения [1]. На ее долю приходится около 90% всех случаев, по данным Американской ассоциации офтальмологов (1993), и более 70%, по данным Нестерова А.П. [10]. В частности, в США в 1998 г. число больных ПОУГ составило 2 466 129 человек при общей численности населения 241,2 млн.

Глаукома является причиной слепоты у 5,2 млн. человек в мире [8, 9]. За последние десять лет в России доля глаукомы в нозологической структуре первичной инвалидности возросла с 12 до 20%.

Помимо этого, глаукома ложится тяжелым экономическим бременем на здравоохранение всего мира. Так, по данным Американской ассоциации офтальмологов, "стоимость" глаукомы в США ежегодно превышает 1 млрд. долларов (1993-1995). В Великобритании в 1990 г. суммарные затраты составили 132,5 млн. фунтов стерлингов. В Германии ежегодные затраты прогнозируются на уровне 1 млрд. марок. Учитывая общемировую тенденцию старения населения, в будущем глаукома станет еще более тяжелым экономическим бременем для всех стран. Для России эта проблема особенно актуальна, так как неуклонно растет демографо-экономическая нагрузка, характеризующая возможность дальнейшего социально-экономического развития любой страны. Кроме того, в нашей стране отмечается резкое снижение затрат государства на здравоохранение. Так, если в США затраты составляют 14% от ВВП, в Англии - 5,9%, в Германии - 9%, то в России - всего лишь 2,6% [7].

Методы ранней диагностики ПОУГ отличаются большим разнообразием. В 1966 г. Е.И. Устинова сообщала о существовании более ста различных методов ранней диагностики глаукомы, но тогда же с сожалением констатировала, что ни один из них не может претендовать на абсолютную достоверность [15]. Эта ситуация сохраняется и поныне, в том числе, и вследствие существования, по мнению большинства офтальмологов, переходного периода, занимающего месяцы и годы, когда даже самые изощренные методы исследования не позволяют поставить точный диагноз. В случаях, когда процесс диагностики глаукомы растягивается на месяцы и даже годы [11], накапливается большое количество клинических данных, что, зачастую, не облегчает, а затрудняет их трактовку и не позволяет поставить диагноз [14]. Однако Волков В.В. возлагал особые надежды на компьютеризацию методик и создание в памяти ЭВМ банка суммарных данных [3].

Все вышеперечисленное определяет приоритетность ранней диагностики в решении проблемы ПОУГ, так как сокращение сроков и повышение рентабельности диагностики глаукомы являются требованием времени.

Еще в 1967 г. Водовозов А.М. отмечал, что может быть создана автоматическая диагностическая машина, которая в состоянии поставить диагноз глаукомы. Автор делал оговорку, что "…конечно, даже самая совершенная машина не заменит врача, но удесятерит его возможности в смысле быстроты и точности диагноза" [2].

Появление и широкое внедрение ЭВМ привело в начале 80-х годов к резкому прорыву в этой области и формированию нейроинформатики, как науки. Были созданы устройства переработки информации, основанные на принципах работы естественных нейронных систем [4, 12, 13]. Появившиеся при попытке моделирования работы головного мозга на основе кибернетических идей нейронные сети оказались высокоэффективными благодаря способности отыскивать закономерности в сложных медицинских данных.

Искусственные нейронные сети (ИНС) обладают универсальными возможностями и достоинствами, к числу которых относятся:

• возможность решения задач классификации;
• способность к самообучению и дообучению;
• функционирование при некотором недостатке фактического материала;
• использование неограниченного количества обучающих признаков и клинических примеров;
• использование обычного персонального компьютера и быстрое получение ответа;
• возможности клинического моделирования;
• нет "подмены" врача-диагноста, так как ответ не является категоричным;
• определение значимости клинических признаков для диагностики [13].

Перечисленные достоинства и возможности способствовали широкому медицинскому применению ИНС в России и за рубежом в онкологии, кардиологии, иммунологии, генетике, психиатрии, трансплантологии, офтальмологии [17, 18, 19]. Представлялось чрезвычайно актуальным применение широких возможностей ИНС для решения задач ранней диагностики глаукомы.

Цель исследования - обоснование и разработка новой медицинской нейроинформационной технологии ранней диагностики первичной открытоугольной глаукомы [5].

Материал и методы

Обследованы 75 условно здоровых лиц (111 глаз), 298 больных начальной стадией ПОУГ (479 глаз) и 317 пациентов с подозрением на глаукому (328 глаз). Общее количество обследованных составило 690 (918 глаз).

По результатам обследований были сформированы обучающая и тестирующая клинические группы, группа пациентов с подозрением на ПОУГ. В обучающую клиническую группу вошли 459 глаз, из них 369 - глаз с начальной стадией ПОУГ и 90 здоровых. Тестирующая клиническая группа создавалась для определения качества диагностической способности обученных ИНС и состояла из 131 клинических примеров, 110 из которых были глаукомными и 21 - здоровыми. В клинической группе из 328 глаз с подозрением на глаукому проводили непосредственное выявление глаукомы. По возрасту, полу, социальной принадлежности и клиническим данным группы были репрезентативны. Кроме того, проводили дистанционную диагностику ПОУГ у 35 пациентов с подозрением на глаукому на 45 глазах, проведенная совместно с врачами-офтальмологами г. Дивногорска и пос. Богучаны Красноярского края.

Методы исследования. Традиционные: сбор анамнеза, визометрия, офтальмобиомикроскопия, офтальмоскопия, сферопериметрия, гониоскопия, пневмотонометрия, электротонография, определение лабильности зрительного нерва и порога электрической чувствительности сетчатки, определение толерантного ВГД и индекса интолерантности, определение систолического и диастолического АД.

Компьютерные: компьютерная кампиметрия (КК), визоконтрастометрия (ВКМ), реоэнцефалография (РЭГ), реоофтальмография (РОГ), функциональная реография (ФРГ).

Асимметрия в состоянии двух глаз учитывалась при прямой и обратной офтальмоскопии, исследовании ЦПЗ, тонографии и тонометрии, РОГ и РЭГ, расчете I intol, измерении порога электрической чувствительности сетчатки и лабильности зрительного нерва двух глаз.

Нейроинформационные: программа "MultiNeuron 2.0" [13] и программы-нейроимитаторы "NeuroPro 0.25" и "NeuroPro 0.3", разработанные в Институте вычислительного моделирования СО РАН [16].

Этапность применения ИНС.

• 1 этап: создание обучающей выборки из клинических примеров разных классов,
• 2 этап: создание на основе обучающей выборки ИНС для конкретной задачи,
• 3 этап: обучение созданных ИНС,
• 4 этап: проверка качества обученности ИНС на примерах с известным диагнозом,
• 5 этап: диагностическое тестирование неизвестных клинических примеров с помощью ИНС.

В обучающую клиническую группу вошли результаты обследований 369 глаз больных начальной стадией ПОУГ и 90 глаз, принадлежащих условно здоровым лицам. Всего использовались данные обследований 459 глаз. Распознающая способность созданных и обученных ИНС проверялась на 131 клинических примерах тестирующей группы, из которых 110 глаз были глаукомными и 21 глаз - здоровыми. Из них ИНС правильно были распознаны 119 примеров (91%) - 102 глаза больных глаукомой и 17 здоровых глаз, что составило, соответственно 92,7 и 81% от общего количества протестированных примеров. 12 примеров были распознаны как глаукомные или здоровые, но с низкой степенью уверенности.

Полученные результаты при нейротестировании неизвестных для ИНС, но известных нам, примеров с подтвержденными диагнозами, показали достаточно высокую распознающую способность созданных и обученных ИНС, что позволило перейти к решению конкретных диагностических задач. Диагностическое тестирование проводили у пациентов группы, имеющих диагноз подозрения на ПОУГ, сложных в диагностическом плане, у которых традиционное офтальмологическое обследование не дало возможности окончательного определения диагноза глаукомы. При ответе ИНС определяла принадлежность примера и вычисляла степень уверенности в ответе. Результаты нейродиагностики ПОУГ представлены в таблице.

Результаты ранней диагностики глаукомы с помощью нейросетевой технологии

По результатам нейротестирования в "сомнительных" остались 54 глаза, где для окончательного решения вопроса создавался нейросетевой консилиум, состоящий из нескольких нейронных сетей. Таким способом из 54 примеров 28 были отнесены к глаукомным и 26 - к здоровым. Учитывая затруднения, возникшие при определении диагноза в этих случаях, пациентам рекомендованы повторное обследование и диагностическое тестирование через 6 мес.

Контроль диагностической достоверности распознающей способности ИНС проведен у 56 пациентов на 85 глазах. Диагноз глаукомы, установленный с помощью ИНС, подтвердился у 41 пациента (73,2%) на 63 глазах (74,1%).

С помощью ИНС были определены приоритетные методы ранней диагностики ПОУГ, которыми оказались: офтальмобиомикроскопия, офтальмоскопия, электротонография, ВКМ, КК. Наибольшей диагностической ценностью, по результатам исследований, обладают КК и ВКМ, что соответствует данным Шамшиновой А.М. и Волкова В.В. (1999). Для ранней диагностики ПОУГ наиболее ценным является обнаружение изменений пространственных контрастных частот и дефектов ЦПЗ, а также асимметрии этих признаков на двух глазах.

Приобретенный опыт диагностики глаукомы с помощью ИНС дал нам основания предложить дистанционный метод ранней ее диагностики, мотивы создания которого были подсказаны самой жизнью. Для этого был определен минимизированный комплекс исследований, соответствующий возможностям офтальмологов лечебных учреждений разного уровня, в частности, районных офтальмологов. Для этого из предложенного нами ранее комплекса для диагностики ПОУГ были исключены высокочувствительные, но требующие дорогостоящей аппаратуры методы - КК, ВКМ, РОГ, РЭГ и ФР и оставлены традиционные офтальмологические обследования: визометрия, офтальмобиомикроскопия, тонометрия, периметрия, офтальмоскопия, тонография, учет асимметрии признаков двух глаз. Способ заключается в обследовании пациента по месту жительства и анализе результатов обследования с помощью обученных ИНС в КМЦМГ им. П.Г. Макарова. В результате совместной работы с офтальмологами п. Богучаны и г. Дивногорска Красноярского края, диагноз ПОУГ был подтвержден у 20 пациентов на 23 глазах и отвергнут у 12 человек на 18 глазах. Диагностика проведена у 35 пациентов с подозрением на глаукому (45 глаз), от одного до трех лет находившихся на диспансерном наблюдении у офтальмологов по месту жительства. Из 45 глаз уверенно поставлен диагноз глаукомы в 51,1%, уверенно отвергнут - в 40,0% и оставлено подозрение на глаукому в 8,9% случаев.

Таким образом, разработка и внедрение в практику офтальмологии новых медицинских нейроинформационных способов ранней и дистанционной диагностики ПОУГ позволили добиться следующего:

- медицинский эффект - глаукома выявлена на ранней стадии, что позволяет рано начать лечение, когда оно наиболее эффективно. Сокращение прямых затрат на диагностику и визиты к офтальмологу. Сокращение непрямых затрат за счет предупреждения неблагоприятных последствий - слепоты и слабовидения, а в конечном итоге - инвалидности по глаукоме;

- экономический эффект - экономия личных и государственных средств, а также средств лечебных учреждений за счет сокращения сроков диагностики и уменьшения объема диагностических процедур у пациентов с подозрением на глаукому. Уменьшение числа пациентов, наблюдающихся с диагнозом "подозрение на глаукому";

- "неощутимый" эффект - улучшение качества жизни пациентов за счет ликвидации хронического стресса в виде угрозы глаукомы.

Достигнутые результаты позволили предложить алгоритм новой медицинской нейроинформационной технологии для ранней диагностики глаукомы с учетом данных и способов обработки информации, разработанных нами (схема 1).

Схема 1 Алгоритм новой медицинской нейроинформационной технологии (НМНИТ) ранней диагностики ПОУГ.

Таким образом:

1. Если при первичном осмотре данные за глаукому сомнительны, показано дополнительное диагностическое обследование пациента. В него входят тонография (электротонография), визоконтрастометрия (ВКМ), компьютерная кампиметрия (КК), диагностические реоофтальмо- и реоэнцефалография, функциональная реоофтальмография, исследование проводимости зрительного нерва, КЧСМ, биометрия и эхография. По комплексу дополнительных исследований также учитываются признаки асимметрии в состоянии двух глаз.
2. Результаты обследований вносятся в карту пациента, затем в компьютерную базу данных и обрабатываются обученными ИНС с определением принадлежности примера пациента к классу "глаукомных больных" или классу "здоровых". При высокой степени уверенности ИНС в ответе (процент уверенности определяется автоматически при ответе нейронной сети) работа на этом завершается.
3. При невысокой уверенности ИНС в классе примера вопрос о его принадлежности решается с помощью нейросетевого консилиума, состоящего из нескольких ИНС, или при сомнениях пациенту рекомендуется повторное диагностическое обследование через 6 мес. Как правило, двукратного обследования достаточно для окончательного решения вопроса.
4. Кроме того, рекомендуется "превентивная" диагностика ПОУГ на парном, "здоровом" глазу, где с помощью традиционных методов не удается диагностировать глаукому. Диагностика проводится аналогично.

Обоснованная и разработанная нами новая медицинская нейроинформационная технология ранней диагностики ПОУГ обеспечивает решение проблемы диагностики глаукомы в начальной стадии развития, что способствует повышению эффективности лечения и профилактике слепоты от этого инвалидизирующего заболевания.

Литература

1. Алексеев В.Н., Мартынова Е.Б. Новые подходы к гипотензивной терапии первичной открытоугольной глаукомы // Consilium Medicum. Приложение журнала Офтальмология. - М., 2001. - С. 3-9.
2. Водовозов А.М. Новые методы исследования в офтальмологии // Съезд офтальмологов СССР, 3-й: Материалы. - М., 1967. - Т. 3. - С. 328-329.
3. Волков В.В. Офтальмогипертензия, подозрение на глаукому, преглаукома или глаукома? Точки зрения ученых // Вестник офтальмологии - 1988. - № 6. - С. 71-73.
4. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере.- Новосибирск: Наука, 1996. - 276 с.
5. Комаровских Е.Н. Обоснование нового подхода к ранней диагностике первичной открытоугольной глаукомы: Автореф. дис. …д-ра мед. наук. - Красноярск, 2002. - 55 с.
6. Куроедов А.В. Фармакоэкономические подходы к оптимизации лечебно-диагностических мероприятий при первичной открытоугольной глаукоме // Клиническая офтальмология. - 2001.- Т. 2 - С. 166-168.
7. Лебедева И.В., Канюков В.Н., Лебедев А.А. Реформа здравоохранения (реалии, проблемы, перспективы) // Новые технологии микрохирургии глаза: Материалы XI научно-практ. конф. - Оренбург, 2000. - С. 14-25.
8. Либман Е.С., Шахова Е.В. Состояние и динамика слепоты и инвалидности вследствие патологии органа зрения в России // Съезд офтальмологов России, 7-й: Тез. докл. - М., 2000. - С. 209-214.
9. Либман Е.С., Шахова Е.В., Чумаева Е.А. Заболеваемость и инвалидность вследствие глаукомы в России. Потребность в реабилитации // Съезд офтальмологов России, 7-й: Тез. докл. - М., 2000. - Ч. 2. - С. 251.
10. Нестеров А.П. Глаукома. - М., 1995. - 256 с.

11. Нестеров А.П. Первичная глаукома. - М., 1982. - 288 с.

12. Россиев Д.А. Медицинская нейроинформатика. Нейроинформатика / А.Н. Горбань, В.Л. Дунин-Барковский, А.Н. Кирдин, Е.М. Миркес, А.Ю. Новоходько и др. - Новосибирск: Наука. Сибирское предприятие РАН, 1998. - С. 137-212.
13. Россиев Д.А., Горбань А.Н. Самообучающиеся нейросетевые экспертные системы в медицине: теория, методология, инструментарий, внедрение // Автореф. дис. … д-ра мед. наук. - Красноярск, 1995. - 51 с.
14. Травкин А.Г., Гришина В.С., Петрова Т. Х. и др. Компьютерная технология и формализованная история болезни // Сб. науч. тр. НИИ ГБ им. Гельмгольца. - М, 1999. - С. 190-194.
15. Устинова Е.И. Методы ранней диагностики глаукомы. Л.: Медицина, 1966. - 190 с.

16. Царегородцев В.Г. Извлечение знаний из обучаемых нейронных сетей // Нейроинформатика и ее приложения: Тез. докл. 6-го Всероссийского семинара. - Красноярск, 1999. - С. 150-151.
17. Astion M.L., Wilding P. Application of neural networks to the interpretation of laboratory data in cancer diagnosis // Clin. Chem. - 1992. - Vol. 38. - No 1. - P. 34-38.
18. Bigatti L.O., Ho L., Hoffman D., Caprioli J. Automatic identification of glaucomatous visual field patterns with Artificial Neural Networks // IOVS.- 2001.- No 4. - S. 231.
19. Bowd C., Chan K., Zangwi L.M. et al. Comparison of learning neural networks and linear discriminate functions to discriminate between glaucomatous and non-glaucomatous eyes using HRT optic disc topography parameters // IOVS. - 2001. - Vol. 42. - No 4. - Р. 118.

Early diagnostics primary open-angle glaucoma with the help new artificial neuron of networks of technology

E.N. Komarovskyh
The technology of early diagnostics primary open-angle glaucoma, based on application artificial self-learning neuron of networks is offered new medical artificial neuron of networks. The developed technology has made to possible realization also of remote diagnostics glaucoma.

Комментарии пользователей

^{25 октября 2006 года, 16:31}

Чтобы прокомментировать статью, войдите в систему или зарегистрируйтесь!