Содержание к диссертации
Введение
1. Роль современной математики и интеллектуальных систем поддержки принятия решений в медицинской практике 15
1.1. Математические методы прогнозирования состояния здоровья человека 18
1.2. Методы ранней (донозологической) диагностики 23
1.3. Методы теории принятия решений в медицинских приложениях 32
1.4. Особенности применения систем для интеллектуальной поддержки принятия решений во врачебной практике 42
1.5. Современные представления о рефлекторной системе организма и использование систем поддержки принятия решений для врачей рефлексотерапевтов 47
1.6. Цель и задачи исследования 72
2. Методология построения математических и структурно функциональных моделей рефлекторной системы организма 74
2.1. Многоконтурные модели взаимодействия поверхностных внемеридианных проекционных зон с внутренними акупунктурами организма на основе графов 74
2.2. Модели взаимодействия внутренних структур организма с поверхностными зонами на основе элементов теории управления 95
2. 3. Многоконтурные генераторные модели взаимодействия органов и функциональных систем с проекционными зонами 101
2.4. Модели взаимодействия ретикулярной формации с другими структурами организма 106
2.5. Модели формирования болевых ощущений, эхоболей и механизмы их подавления 124
2.6. Модель электрического взаимодействия поверхностных проекционных зон с электродами измерительной аппаратуры 138
2.7. Выводы второй главы 152
3. Модели управления рефлекторной системой человека на меридианном и межмеридианном уровнях 154
3.1. Современные представления о меридианных структурах организма 154
3.2. Варианты схем взаимодействия внутренних органов и систем с поверхностными меридианными структурами 167
3.3. Синтез моделей взаимодействия внутренних структур организма с биологически активными точками с учетом меридианных взаимодействий 176
3.4. Моделирование межмеридианных взаимодействий 213
3.5. Выводы третьей главы 224
4. Методология синтеза комбинированных правил нечеткого принятия решений на основе информации об энергетических характеристиках проекционных зон 225
4.1. Метод и алгоритм выделения информативных и диагностически значимых точек 225
4.2. Метод синтеза комбинированных нечетких решающих правил для прогнозирования и диагностики заболеваний при известной гипотезе 240
4.3. Метод построения нечетких решающих правил с учетом межмеридианных взаимодействий при наличии сочетанных патологий и алгоритм его реализации 254
4.4. Метод синтеза гибридных нечетких решающих правил с гетерогенной структурой данных 269
4.5. Использование методов разведочного анализа для синтеза нечетких решающих правил 277
4.6. Выводы четвертой главы 294
5. Методическое, алгоритмическое и программное обеспечение интеллектуальной системы для поддержки принятия решений врача-рефлексотерапевта 295
5.1. Системы отведений и схемотехника входных цепей измерительной части системы 295
5.2. Блоки сопряжения с системной шиной ПЭВМ 303
5.3. Алгоритм управления и структура системы для интеллектуальной поддержки врача-рефлексотерапевта 310
5.4. Структура базы знаний с решающими правилами гибридного типа. 320
5.5. Выводы пятой главы 331
6. Результаты экспериментальных исследований 332
6.1. Прогнозирование и ранняя диагностика заболеваний сердечнососудистой системы, системы дыхания и пищеварения 332
6.2. Определение уровня защитных свойств организма по реакции общесистемных БАТ 349
6.3. Прогнозирование и диагностика заболеваний вызываемых вредными экологическими факторами характерными для Курска и Курской области 358
6.4. Прогнозирование и диагностика остехонодрозов по величинам электрического сопротевления БАТ 400
6.5. Синтез комбинированных правил определения уровня психоэмоционального напряжения 411
6.6. Выводы шестой главы 430
Заключение 432
Библиографический список 436
- Методы теории принятия решений в медицинских приложениях
- Модели формирования болевых ощущений, эхоболей и механизмы их подавления
- Метод синтеза комбинированных нечетких решающих правил для прогнозирования и диагностики заболеваний при известной гипотезе
- Прогнозирование и диагностика заболеваний вызываемых вредными экологическими факторами характерными для Курска и Курской области
Введение к работе
Актуальность проблемы. По мнению ведущих отечественных и зарубежных ученых начало нового века характеризуется все возрастающим подъемом биомедицинских наук. Обобщаются знания, накопленные в биологии, биофизике, биохимии, математике, информатике, медицине, экологии и многих других, достаточно далеких друг от друга областях человеческой деятельности, и все это происходит на фоне прорыва в области новых информационных технологий. Однако, несмотря на значительные усилия, затрачиваемые на решение задач повышения качества медицинского обслуживания населения, проблема повышения уровня здоровья жителей России остается весьма далекой от своего решения.
Работами многочисленных отечественных и зарубежных ученых было убедительно доказано, что для целого ряда заболеваний повысить оперативность и точность прогнозирования, ранней и дифференциальной диагностики, а также сократить сроки лечения можно, используя методы рефлексодиагностики и рефлексотерапии (Voll R, Schnorrenberer G, King Z, Zhang K, Fukumoto T, Tanaka H, Ананин В, Лувсан Г, Портнов Ф, Вельховер Е, Вагралик В, Судаков Ю, Табеева Д. Е. и др.). Методической основой, используемой большинством практикующих рефлексотерапевтов, остаются основные положения, разработанные древневосточными медиками, которые не учитывают фундаментальных знаний, накопленных современной медициной, что значительно снижает потенциальные возможности рассматриваемого класса методов и средств.
Теоретические основы рефлексодиагностики и рефлексотерапии в своем современном виде начали складываться во второй половине прошлого века. Работами отечественных ученых Н.Г. Колосова, Ю.Н. Судакова, В.Ф. Ананина, В.Е. Вельховера эти основы были доведены до учения о строении и функционировании многоуровневой рефлекторной системы. Однако несмотря на широкую популярность в практических приложениях, многие вопросы рефлексодиагностики и рефлексотерапии (акупунктуры) остаются нерешенными. В частности, на начальной стадии находится разработка соответствующих фундаментальных научных основ, которые требуют для своего построения системного подхода с привлечением знаний многих дисциплин. Отсутствие адекватных математических моделей взаимодействия внутренних структур организма с поверхностными проекционными зонами (биологически активными точками) не позволяет в полной мере использовать возможности современных математических методов, информационных и интеллектуальных технологий для решения задач повышения эффективности медицинского обслуживания населения путем привлечения методов рефлексодиагностики и рефлексотерапии.
Таким образом, в настоящее время существует противоречие между требуемым качеством принятия решений при использовании методов рефлексодиагностики и рефлексотерапии и существующими неопределенностями в области теории и практики акупунктуры.
Указанное противоречие определило постановку и решение в данной работе актуальной проблемы: повышения оперативности и качества решения задач прогнозирования, диагностики, профилактики и лечения заболеваний методами рефлексодиагностики и рефлексотерапии на основе разработки и внедрения в медицинскую практику систем для интеллектуальной поддержки принятия решений (СИППР), основанных на использовании многоконтурных математических моделей взаимодействия внутренних структур организма с поверхностными меридианными и внемеридианными акупунктурными точками и технологий принятия решений, моделирующих логику работы специалистов медицинской предметной области (клиническую логику мышления).
Научный аспект сформированной проблемы заключается в разработке методологии построения систем для интеллектуальной поддержки принятия решений, отличающейся тем, что для изучения реакции меридианных и внемеридианных акупунктурных точек на изменение состояния внутренних органов и систем используется совокупность многоконтурных математических моделей для различных иерархических структур организма, а принятие решений по ведению пациентов врачом рефлексотерапевтом принимается с использованием нечетких гибридных моделей, поддерживающих профессиональную (клиническую) логику мышления врачей специалистов.
Практическая часть проблемы определяется востребованностью систем поддержки приятия решений врачами рефлексотерапевтами, позволяющих повысить качество оказания медицинских услуг населению, страдающему различными типами заболеваний, представляемыми на меридианных структурах организма. Основная часть диссертационной работы выполнялась в соответствии с Федеральной целевой программой «Научные и научно-педагогические кадры инновационной России на 2009-2013 г.г.», в рамках реализации мероприятия № 1.2.1 (государственный контракт № П705 от 12 августа 2009 г., номер госрегистрации 01200962672), в соответствии с Федеральной целевой программой «Предупреждение и борьба с социально-значимыми заболеваниями» (2007-2011 г.г.) и в соответствии с научным направлением Юго-Западного государственного университета «Разработка медико-экологических информационных технологий».
Целью диссертационной работы является разработка методологии построения систем для интеллектуальной поддержки принятия решений врача рефлексотерапевта на основе использования многоконтурных математических моделей взаимодействия внутренних систем организма с поверхностными меридианными структурами с гибридной базой знаний, поддерживающей клиническую логику мышления специалистов, обеспечивающих повышение оперативности и качества решения задач прогнозирования, ранней и дифференцированной диагностики заболеваний с использованием методов рефлексодиагностики и рефлексотерапии.
В соответствии с поставленной целью в работе решаются следующие основные задачи:
1. Анализ современного состояния проблемы рефлексодиагностики и рефлексотерапии и выбор адекватного математического аппарата исследований.
2. Создание методологии построения математических и структурно-функциональных моделей рефлекторной системы организма.
3. Разработка метода и алгоритма выделения диагностически значимой для медицинских задач информации о состоянии рефлекторной системы организма.
4. Получение модели электрического взаимодействия поверхностных проекционных зон с электродами измерительной аппаратуры.
5. Разработка методологии синтеза гибридных нечетких решающих правил о состоянии здоровья организма человека по энергетическим характеристикам проекционных зон с учетом данных разведочного анализа.
6. Создание методического, алгоритмического и программного обеспечения интеллектуальной системы для поддержки принятия решений врача-рефлексотерапевта.
7. Синтез комбинированных нечетких решающих правил для оценки функционального состояния и состояния здоровья человека.
8. Экспериментальные исследования показателей качества принятия решений по исследовательскому классу задач.
Объект исследования. Рефлекторная система организма человека.
Предмет исследования. Математические модели, методы, технологии и устройства управления рефлекторной системой организма.
Методы исследования. Для решения поставленных задач использовались методы теории биотехнических систем медицинского назначения, системного анализа, математического моделирования, основные положения теории вероятностей, математической статистики и нечеткой логики принятия решения, основы физиологии и рефлексологии, методы экспертного оценивания, клинико-лабораторные исследования.
Научная новизна результатов работы и основные положения, выносимые на защиту, заключаются в следующем:
1. Разработана методология построения математических и структурно-функциональных моделей рефлекторной системы организма, с помощью которой получены:
- модели взаимодействия внутренних органов и систем организма на основе матриц связи, графов, генераторных схем и передаточных функций с автономными проекционными зонами, отличающиеся учетом всех существенных связей, влияющих на энергетическое равновесие исследуемых структур, позволяющие оценивать степень энергетического разбаланса этих структур в режиме оценки состояния контролируемого органа, и величину влияния внешних воздействий на этот орган в режиме рефлексотерапи;
- модель распределения энергоинформационных потоков взаимодействия ретикулярной формации с другими структурами организма, отличающаяся возможностью учета влияния на ретикулярную формацию различных составляющих, позволяющая оценивать энергетическое состояние этой формации и ее влияние на энергетику меридианных структур;
- модели взаимодействия внутренних органов и систем организма на основе графов и передаточных функций с поверхностными меридианными структурами организма, отличающаяся учетом меридианных и межмеридианных взаимодействий органов, систем и соответствующих биологически активных точек, позволяющая обеспечивать повышение качества проведения процедур рефлексодиагностики и рефлексотерапии;
2. Предложена модель электрического взаимодействия поверхностных проекционных зон с электродами измерительной аппаратуры, основанная на учете ионных потоков управления эффекторной клеткой, позволяющая с позиций современной биофизики установить зависимость электрических характеристик исследуемых зон при нарушении электрического баланса в исследуемых структурах организма.
3. Разработана методология синтеза нечетких гибридных правил принятия решений, основанная на использовании энергетической реакции меридианных структур организма, включающая методы синтеза:
- нечетких решающих правил для прогнозирования и диагностики заболеваний при известной гипотезе по энергетическим характеристикам проекционных зон, отличающийся использованием четкого логического условия в сочетании с нечетким итерационным правилом, накопительного типа, позволяющий определять уверенность в принимаемом решении с достаточной для медицинской практики точностью;
- нечетких решающих правил с учетом межмеридианных взаимодействий и сочетанных заболеваний, отличающийся агрегацией составляющих, характеризующих комбинированный межмеридианный энергетический обмен организма, позволяющий повысить точность решения классификационных задач;
- гибридных нечетких решающих правил, отличающийся тем, что форма и параметры используемых функций принадлежностей и способы их агрегации выбираются с учетом структуры данных, что позволяет синтезировать модели принятия решений с различными типами признаков и правил, обеспечивая повышение качества прогнозирования, ранней и дифференциальной диагностики заболеваний различного типа;
- выделения диагностически значимой информации, отличающиеся учетом многоуровневых перекрещивающихся связей исследуемых органов и систем с меридианными структурами, позволяющие формировать списки проекционных зон, по энергетической реакции которых решается задача исключения всех «мешающих» факторов с выделением искомых симптомов, синдромов и диагнозов.
4. Разработаны методическое, алгоритмическое и программное обеспечение системы для интеллектуальной поддержки принятия решений врача-рефлексотерапевта, включающие в себя следующие основные составляющие:
- рекомендации по выбору системы отведений и схемотехнических решений входных цепей аппаратуры для измерения электрических характеристик проекционных зон с учетом анатомических особенностей и функционирования этих зон;
- программное обеспечение интеллектуальной системы поддержки принятия решений с соответствующим алгоритмом управления её модулями, отличающиеся использованием моделей взаимодействия внутренних органов и систем организма с его меридианными структурами в сочетании с типовыми элементами экспертных систем, что позволяет повысить качество принятия решений при использовании методов рефлексодиагностики и рефлексотерапии;
- база знаний интеллектуальной системы, основанная на использовании сетевой структуры с унифицированными решающими модулями, настраиваемыми на реализацию гибридных нечетких моделей принятия решений, позволяющая решать задачи прогнозирования, ранней и дифференциальной диагностики в условиях неполной и нечеткой информации с пересекающейся структурой классов при наличии зон неопределенности;
- алгоритм поддержки принятия решений моделирующий клиническую логику ведения пациента и позволяющей обеспечивать взаимодействие врача с интеллектуальной системой на языке предметной области врача-рефлексотерапевта.
Теоретическая значимость работы заключается в разработке методологии построения систем для интеллектуальной поддержки принятия решений, при разработке которых используется совокупность математических и структурно-функциональных моделей рефлекторной системы, включающих в себя взаимосвязанные математические модели различного уровня взаимодействия внутренних органов с меридианными структурами организма, на основании которых разрабатываются: методология синтеза комбинированных нечетких правил принятия решений; модель энергетического взаимодействия поверхностных проекционных зон с электродами измерительной аппаратуры; методическое, алгоритмическое и программное обеспечение системы для интеллектуальной поддержки принятия решений врача-рефлексотерапевта.
Практическая ценность диссертационной работы состоит в том, что ее результаты послужили основой для разработки системы поддержки принятия решений врача-рефлексотерапевта, использование которой позволяет:
- снизить риск возникновения и развития ряда социально-значимых заболеваний таких, как заболевания сердечно-сосудистой системы, системы дыхания и пищеварения, нервной системы, а так же заболеваний, вызываемых вредными экологическими факторами, нервно-психическим перенапряжением, переутомлением и снижением функционального резерва организма;
- повысить качество ранней и дифференциальной диагностики ряда заболеваний системы пищеварения, дыхания, сердечно-сосудистой системы.
Экономическая и социальная значимость результатов диссертационного исследования состоит в улучшении качества медицинского обслуживания населения.
Реализация результатов работы.
Предложенные основные научные положения и выводы диссертационной работы используются в ГБОУ ВПО «Воронежская государственная медицинская академия им. Н.Н. Бурденко», ГБОУ ВПО «Курский государственный медицинский университет» Минздрава России, МБУЗ «Городская больница № 2 г. Белгорода», МБУЗ «Детская стоматологическая поликлиника» (г. Старый Оскол), ОБУЗ «Глушковская центральная районная больница», что подтверждено соответствующими актами.
Научно-методические результаты, полученные в диссертационной работе, внедрены в учебный процесс ФГБОУ ВПО «Юго-Западный государственный университет» и используются на кафедре биомедицинской инженерии при проведении занятий по дисциплинам «Автоматизация обработки экспериментальных данных», «Современные проблемы рефлексологии», а также в курсовом, дипломном проектировании и выпускных квалификационных работах бакалавров и магистров.
Соответствия диссертации паспорту научной специальности.
Методы теории принятия решений в медицинских приложениях
Анализ многочисленных работ, ориентированных на решение задач прогнозирования и медицинской диагностики, включая раннюю диагностику, показал, что наиболее перспективной теоретической основой является теория распознавания образов, опирающаяся на теорию статистических решений, методы алгебры логики, методы теории нечёткой логики принятия решений и ряд разделов прикладной математики.
Существует более 200 методов теории распознавания образов, используемых в различных областях человеческих знаний, в том числе и в медицине.
Рассмотрим наиболее часто используемые и достаточно эффективные методы, нашедшие применение при решении различных задач медицинской диагностики.
1. Методы, основанные на использовании статистической теории принятия решений, в которых классифицируемые объекты Xj = {Xj\, Xj2, ... Хл, ... Xjn} рассматриваются как реализация многомерной случайной величины, распределённой в пространстве признаков Х„ размерностью п по какому-либо закону [39, 88, 106, 117]. Эта группа методов сводится к определению отношений правдоподобия в различных областях многомерного пространства признаков. Сложность использования таких моделей заключается в том, что они требуют знания функций распределения, получение которых в реальных задачах является трудной и не всегда выполнимой задачей.
2. Методы, использующие информацию о виде разделяющих поверхностей между исследуемыми классами в многомерном пространстве признаков. В этих методах считается известным (или выбранным из каких-то соображений) вид разделяющих поверхностей, например, линейного типа
Задача обучения заключается в отыскании таких параметров а0, а„ ар ..., которые обеспечивают максимум функционала качества, в качестве которого чаще всего выбирают меру ошибки классификации [39]. Сложности в использовании этой группы методов связаны с тем, что не всегда удаётся подобрать «подходящий» вид разделяющей поверхности, а алгоритмы обучения в задачах со сложной структурой классов часто вместо глобальных экстремумов находят локальные экстремумы качества, снижая потенциальные возможности синтезируемых
3. Логические методы распознавания образов используют аппарат алгебры логики, применение которого обеспечивает поиск на обучающей выборке логических закономерностей и формирование систем логических решающих правил.
Эти методы весьма разнообразны. Они включают методы различной сложности и глубины анализа. Для двоичных (булевых) признаков популярны так называемые деревообразные классификаторы (Лбов Г. С. [90]), метод тупиковых тестов (Горелик А. Л. и др. [39]), алгоритм «Кора» и др. Более сложные методы основываются на формализации индуктивных методов Д. С. Милля. Формализация осуществляется путём построения квазиаксиоматической теории и базируется на многозначной логике с кванторами по кортежам
Логические методы распознавания образов являются достаточно трудоёмкими, включая «выход» на полный перебор. Это приводит к повышенным требованиям к эффективной организации вычислительных процедур. Логические методы хорошо работают при сравнительно небольших размерностях признакового пространства.
4. Лингвистические методы используют специальные грамматики и языковые спредства, описывающие совокупность свойств распознаваемых образов. В процессе синтеза решающих правил создаются деревья грамматического разбора. Если объект является синтаксически правильным, то считают, что он принадлежит к соответствующему классу.
Формальная сторона лингвистического подхода имеет следующий вид.
Порождающей грамматикой G называют четвёрку где Vn и Vt — соответственно основной и вспомогательный словари (множества непроизводных элементов) грамматики G. Их объединение составляет полный словарь грамматики V. Символ Р обозначает конечное множество правил вывода или правил подстановки, обозначаемых как а — [3, где а и Р — цепочки символов из Vn, причём а содержит по крайней мере один символ из Vn. Символ S є VN — начальный.
Разные виды грамматик различаются формой правил подстановки. Самый широкий класс грамматик характеризуется отсутствием каких-либо ограничений на вид этих правил. Любые цепочки могут стоять как слева, так и справа от стрелки. Более узкий класс — грамматики составляющих. Правила подстановки грамматик такого вида выглядят следующим образом е1Аг2 — є,3є2, AeV/V; є,, є2, (З є V. Приведённое правило несёт такой смысл: «А можно заменить на р в контексте єр є2». Известны также бесконтекстные, автоматные и другие типы грамматик.
Практика использования лингвистических методов показала, что задача восстановления грамматик по некоторому множеству высказываний, порождающих выбранный язык, является трудно формализуемой.
5. Для работы с трудноформулируемыми задачами распознавания разработаны методы эвристического программирования, входящие в направление, называемое эволюционным моделированием.
Эволюционное моделирование относят к классу бионических методов, заимствованных у природы. Оно использует известные механизмы эволюции с целью замены процесса моделирования сложного объекта моделированием его эволюции. Одним из представителей эволюционного моделирования теории в распознавания является метод группового учёта аргументов (МГУА). В основе этого метода лежит принцип самоорганизации, а алгоритмы МГУА реализуют механизм массовой селекции. В алгоритмах МГУА оригинальным способом синтезируются и отбираются члены полинома, называемого полиномом Колмогорова-Габора. Реализуемый синтез и отбор производится с нарастающим усложнением, причем впроцессе получения решающих правил заранее нельзя предугадать, какой финальный вид будет иметь обобщённый конечный полином. Вначале, как правило, выбираются попарные комбинации исходных признаков, из которых формируются уравнения решающих функций, обычно не выше второго порядка. Каждое уравнение анализируется как самостоятельная функция, и по обучающей выборке находятся значения параметров составленных уравнений. После этого из набора решающих функций отбирается часть лучших. Проверка качества отдельных решающих функций осуществляется на контрольной (проверочной) выборке. Отобранные частные решающие функции рассматриваются далее как промежуточные переменные, служащие исходными аргументами для аналогичного синтеза новых решающих функций и т.д. Процесс такого иерархического синтеза продолжается до тех пор, пока не будет достигнут экстремум критерия качества решающей функции, что на практике проявляется в ухудшении этого качества при попытках дальнейшего увеличения порядка членов полинома относительно исходных признаков.
Принцип самоорганизации, положенный в основу МГУ А, определяют как эвристическая самоорганизация, потому, что реализуемый процесс основывается на выборе внешних дополнений, выбираемых эвристически. Результат решения часто существенно зависит от выбранных эвристик. Результирующая диагностическая модель зависит от целого ряда факторов: от способа разделения объектов на обучающую и проверочную выборки; от того как определяется критерий качества распознавания; какое количество переменных пропускается в следующий ряд селекции и т.д.
6. Методы сравнения с прототипом используются, когда в геометрическом пространстве признаков классы представлены компактными группировками.
Одним из наиболее популярных методов в этой группе является метод к-ближайших соседей, в котором для неизвестного объекта определяется его мера близости к заданным к-соседям. Решение может приниматься путём простого голосования. Следует отметить, что в случае использования метода к-ближайших соседей для решения задач распознавания лицу принимающему решение необходимо решать сложную проблему выбора типа метрики для определения меры близости исследуемых объектов. Эта проблема при большой размерности пространства признаков чрезвычайно обостряется вследствие достаточной трудоёмкости метода, которая является существенной даже для высокоскорстных процессов. В этих условиях решается творческая задача анализа многомерной структуры данных для минимизации числа объектов, представляющих распозноваемые классы состояний объектов исследования.
Модели формирования болевых ощущений, эхоболей и механизмы их подавления
Борьба с болевыми синдромами является одной из важнейших задач медицины. По определению П. К. Анохина, боль представляет собой интегративную реакцию организма, мобилизующую его функциональные системы для защиты от повреждающих воздействий. Однако, выполнив свою положительную функцию, боль часто становится сильным негативным фактором, дезорганизующим нормальную жизнедеятельность организма [15].
К настоящему времени определились две основные теории болей: теория «специфичности» и теория интенсивности [47].
В соответствии с первой теорией в формировании болей участвует специальная специфическая анализаторная система со своим периферическим рецеп-торным аппаратом, проводящими путями и кортикальной зоной, трансформирующей афферентные сигналы в болевые ощущения. Такую болевую сенсорную систему называют ноцицептивной и ставят её в один ряд с другими анализаторными системами — слуховой, зрительной и т.д.
По второй теории, за болевые ощущения отвечают рецепторы различной модальности, которые при слабых и умеренных силах своих раздражителей ре 125 шают свои специфические задачи, а при чрезмерных — формируют болевое ощущение.
По мнению В. Ф. Ананина [8], первая теория находит большее число своих сторонников, причём считается, что в коре головного мозга существует специфическая болевая зона и что болевые ощущения фиксируются корой с различных участков тела и внутренних органов. Установлено также, что болевые ощущения возникают при специфических формах раздражения тех участков тела, с которых они формируются.
В работе [8] приводятся примеры того, что болевые ощущения могут вызываться при сильных возбуждениях мышечных рецепторов, тензорецепторов, при воспалении слизистой оболочки желудка и т. д. При этом задействуются и ноци-цепторы.
Прежде чем перейти к построению моделей болевых ощущений и механизмов их подавления, рассмотрим ряд известных положений о боли, которые обобщены в работе [8].
1. Проекция болевых ощущений в коре топологически связана с проекциями конкретных органов и участков тела, что позволяет «распознавать» места зарождения боли.
2. Болевое ощущение формируется в высших отделах ЦНС и всегда относится к начальной рецепторной зоне, с которой вызывается это ощущение, независимо от того, в какой точке этого пути наносится раздражение.
3. На пути прохождения «болевых» сигналов существует многоуровневая система ослабления сильных болевых ощущений через группы нейронов, охваченных отрицательной обратной связью по фазному (медленному) сигналу. При этом снижается амплитуда болевых сигналов (снижается болевая чувствительность).
По данным работы [8], ослабление болевых сигналов осуществляется, по крайней мере, на трёх уровнях: на уровне вставочных нейронов задних рогов спинного мозга, на уровне вставочных нейронов зрительных бугров и на уровне кортикальных ноцицептивных нейронов.
4. Ноцицептивные кортикальные нейроны, как и другие эффекторные аппараты, имеют двойную реципрокную иннервацию и определённые характеристики.
Динамический диапазон кортикальных ноцицептивных нейронов обеспечивается микродинамическими диапазонами отдельных нейронов и наличием в коре эф фекторных ноцицептивных нейронов с разной пороговой чувствительностью, сопряжённых с разными по пороговой чувствительности ноцицепторами. Для разных по пороговой чувствительности нейронов существуют и разные нейронные пути. Кортикальные ноцицептивные нейроны (КНН) в соответствии с ДРИ ин нервируются двумя эффекторными проводниками: соматическими для нейронов с грубой пороговой чувствительностью и парасимпатическими для более чувствительных нейронов. Быстрофазные соматические КНН формируют сильные болевые ощущения, а медленнофазные парасимпатические — слабые. Из-за различия порогов КНН возникают различные тональности болевого ощущения.
Кроме того, болевое ощущение определяется тонусом кортикальных нейронов. Различие порогов КНН приводит к тому, что поражения внутренних органов ощущаются позднее (иногда очень поздно), чем наружное раздражение.
5. Симпатическая нервная система повышает пороговую чувствительность кортикальных нейронов, усиливая эффект трансформации афферентных ноцицептивных сигналов в болевое ощущение. Кроме того, афферентные сигналы повышенной энергетики (включая сигналы с ноцицепторов) стимулируют зоны ретикулярной формации симпатического типа (РФС), дополнительно увеличивая их потенциал, что также повышает болевую чувствительность.
В связи с этим в работе [8] рассматривается механизм двойного ощущения боли, суть которого состоит в том, что боль мышечного типа сразу после воздействия сильного импульсного раздражителя представляется в виде кратковременного болевого ощущения, а по истечении 1-2 секунд она становится более интенсивной, генерализованной и более длительно действующей. Вторая фаза болевого ощущения является следствием увеличения энергетического потенциала зоны РФС после воздействия на неё импульсного ноцицептивного потока, вызвавшего первую фазу боли. Сохранение в течение некоторого времени повышенного энер 127 гетического потенциала зоны РФС связывают с инерционными процессами сетевой биологической структуры. Отмечается, что обострение болевых ощущений через повышение энергетического потенциала РФС происходит только при резких перепадах этого потенциала. При слабых перепадах отрицательные обратные связи обеспечивают затухание болевых ощущений.
6. На проекционных зонах и, в частности, на биологически активных точках при возникновении патологии в соответствующих органах могут возникать болевые ощущения, называемые эхоболями. Ноцицепторы патологического очага органа Ог стимулируют свою микрозону ретикулярной формации МРФсг, увеличивая её активизирующие сигналы, включая и сигналы, посылаемые к соответствующей проекционной зоне ПЗу. Стимуляция рецепторных аппаратов этой зоны повышает их чувствительность, включая чувствительность ноцицепторов, за счёт изменения их порогов. Это и приводит к ощущению эхоболей в проекционных зонах.
7. Подавление болевых ощущений через проекционные зоны и, в частности, через БАТ может быть реализовано двумя путями. В первом варианте активная стимуляция МРФС/ приводит к выздоровлению соответствующих органов и, как следствие, к уменьшению и снятию болевых ощущений. Во втором варианте воздействие на ПЗУ приводит к появлению дополнительных афферентных сигналов, которые по соответствующим коллатералиям (обходным путям) поступают на ин-теронейроны желатинозной субстанции, выполняющие роль фазной отрицательной обратной связи по отношению к вставочным нейронам.
Под воздействием этих сигналов увеличивается глубина отрицательной обратной связи, что приводит к ослаблению амплитуды болевых ноцицептивных сигналов и соответствующих ощущений [130].
Рассмотрим более подробно вариант подавления болевых ощущений, реализуемый в соответствии с теорией «воротнего контроля», предложенной Р. Мелзаком и П. Уоллом [165]. Считается, что передача периферической аку-пунктурной стимуляции из периферической рефлекторной зоны осуществляется посредством импульсов, проходящих по нервным волокнам разного диаметра (разных калибров):
— волокна типа С — амиелиновые диаметром менее 1 мкм с медленной проводимостью;
— волокна типа А и В — миелиновые различных размеров (диаметром от 2 до 20 мкм), проводимость которых пропорциональна диаметру.
Волокна типа С и 4-дельта передают болевые импульсы, причём стимуляция волокон С вызывает очень сильную боль неопределённой локализации. Стимуляция волокон А -дельта передаёт болевые импульсы, позволяющие локализовать кожную боль с большой точностью. Считается, что нервный импульс проходит в форме spike-скгнала. (рисунок 2.23), а в клетках с короткими отростками возбуждение передаётся посредством изменения электрических полей. Волокна А -дельта и С типов чаще всего поступают в студенистое вещество, состоящее из скоплений интеронейронов, где по данным электронной микроскопии были обнаружены сигналы тормозящего типа [30].
Было установлено, что толстые А -бета-волокна, передавая слабый раздражитель с низким напряжением и частотой, закрывают вход в желатинозную субстанцию для болевых импульсов со стороны С- и тонких А -дельта-волокон.
Метод синтеза комбинированных нечетких решающих правил для прогнозирования и диагностики заболеваний при известной гипотезе
Практика решения задач методами рефлексодиагностики показала, что зна-чительноечисло задач прогнозирования, ранней и дифференциальной диагностики решается, когда у врача имеется сформулированная гипотеза о наличии заболевания заболевания со, . Анализ задач этого типа показал, что при использовании информации о энергетическом состоянии биологически активных точек, измеряемые показатели по отношению к классам со, носят неполный и нечёткий характер, а их структура (особенно при прогнозировании и ранней диагностике) имеет нечёткие границы с зонами пересечения между исследуемыми классами. В условиях таких ограничений, в соответствии с рекомендациями [1, 35, 51, 96, 104, 182], для синтеза искомых решающих правил целесообразно использовать теорию нечёткой логики принятия решений, в рамках которой энергетические характеристики БАТ Sj используются как базовые переменные (области рассуждений) для функций принадлежностей ц. (Sj) определяющих меру доверия (частный коэффициент уверенности) К ГИПОТезе Ш .
В классическом представлении функция принадлежностей определяется по отношению к понятию «множество». В данной работе речь идёт о принадлежности объектов исследования к областям многомерного пространства признаков, аналогично тому как это трактуется в классической теории распознавания образов. Для того, чтобы подчеркнуть это отличие в работе дополнительно к общепринятому понятию функция принадлежности к дигнозу [35] вводится понятие функции уверенности / (s ) в классификации (гипотезе) сс\ .
Агрегацию частных коэффициентов (факторов) уверенностей выражаемых через соответствующие функции уверенностей (принадлежностей) будем производить с использованием математических выражений для расчёта соответствующих Мер ДОВерИЯ, Недоверия И Коэффициентов увереННОСТеЙ КУ 03) [148].
Многочисленными исследованиями отечественных и зарубежных учёных было показано, что проекционные зоны и, в частности, биологически активные точки, способны аккумулировать и излучать различные виды энергии: тепловую, электрическую, электромагнитную и т.д. Количество этой энергии может быть определено как через электрические, так и не электрические параметры.
При выборе параметров, характеризующих энергетические состояния проекционных зон, мы исходили из имеющегося опыта и собственных исследований, которые показали, что, с точки зрения аппаратурных затрат, технологичности и достоверности получаемых результатов, наиболее подходящими параметрами являются величины электрического напряжения и величины сопротивлений на постоянном и переменном токе низкой частоты [51, 75].
При этом следует иметь в виду, что на энергетические характеристики проекционных зон влияет достаточно много факторов: состояние органов и систем, имеющих прямые и косвенные «связи» с конкретной проекционной зоной (n3j); состояние центральных управляющих структур; индивидуальные особенности ор 242 ганизма; ряд внешних факторов и т.д. Для ПЗ], входящих в состав меридиан, добавляются факторы топологического и временного меридианного взаимодействия.
Всё это позволяет предположить, что классические, наиболее часто используемые подходы к измерению электрических характеристик БАТ метрологически недостаточно корректны.
Проведённые нами исследования, а также данные ряда литературных источников позволяют сделать вывод о том, что прогностические и диагностические возможности ПЗ (БАТ) значительно возрастают, если в качестве информативных признаков брать не абсолютные значения измеряемых величин, а вычислять ряд относительных показателей [51].
При этом может быть исследовано несколько вариантов расчёта относительных информативных показателей.
1. Относительно значений электрических характеристик исследуемых БАТ, полученных на большом объёме относительно здоровых людей различного пола и возраста, находящихся в состоянии функционального покоя в различное время суток. Номинальное значение определяется как средняя величина всех значений соответствующих характеристик.
2. Относительно значений электрических характеристик исследуемых БАТ, получаемых индивидуально для каждого отдельного здорового испытуемого, находящегося в состоянии покоя в различное время суток. Номинальные значения БАТ определяются как средние величины всех значений соответствующих характеристик. Период наблюдения здоровых испытуемых — 1 месяц. Для дальнейших исследований отбираются те из людей, которые получили те или иные заболевания с тем, чтобы определиться с индивидуальными решающими диагностическими правилами.
3. В условиях пункта 1 для меридианных БАТ строятся усреднённые суточные графики полученных значений электрических параметров.
4. В условиях пункта 2 для меридианных БАТ строятся усреднённые индивидуальные суточные графики номинальных значений электрических параметров.
Таким образом, в последних 2-х пунктах в качестве номинальных значений используются не фиксированные константы, а функциональные зависимости номинальных энергетических характеристик от времени суток.
5. Относительно меридианных точек, отражающих энергетические характеристики всего меридиана (главные точки, ло-пункты, точки тревоги и т.д.).
Построение гистограмм распределения относительных значений признаков по перечисленным выше классам показали, что, в зависимости от различных стадий, включая донозологические состояния и степени тяжести заболеваний, по ряду БАТ процент перекрытия площадей гистограмм колеблется от 50 % до 5 %, что говорит о потенциальной возможности использования относительных энергетических характеристик биологически активных точек для решения задач прогнозирования и диагностики заболеваний органов и систем человека, представленных в многочисленных атласах по рефлексодиагностике и рефлексотерапии.
При решении конкретных практических задач, нами на представительной выборке было установлено, что если зафиксировать режимы измерения, размеры и места наложения электродов, а также обеспечить равные условия измерения номинальных и рабочих (диагностических) энергетических характеристик проекционных зон, то на наборе диагностически значимых точек (ДЗТ) наблюдаются достоверно значимые отклонения измеряемых характеристик от их номинальных значений.
Причём донозологическая стадия характеризуется одновременным отклонением энергетических характеристик ДЗТ в сторону их увеличения на 10-20 %, начальные стадии заболеваний и заболевания средней стадии течения характеризуются отклонением в 20-60 %, острая фаза заболевания характеризуется увеличением энергетических характеристик ДЗТ более чем на 60 % от номинальных. Тяжёлые формы, связанные с затяжными процессами, характеризуются спадом энергетических характеристик ДЗТ на 50 % и более.
При этом следует иметь в виду, что увеличение энергетического потенциала проекционных зон приводит к увеличению их электрического потенциала и проводимости и к уменьшению их сопротивления.
Практика решения задач медицинской диагностики с использованием нечёткой логики принятия решений показала, что в качестве функций принадлежностей, с точки зрения удобства хранения в памяти ЭВМ и точности аппроксимации результатов экспериментальных исследований, удобно использовать две их разновидности.
Прогнозирование и диагностика заболеваний вызываемых вредными экологическими факторами характерными для Курска и Курской области
Этот обширный комплекс задач решался группой исследователей во главе с проф. Кореневским Н.А. [43,51,62].
На этапе предварительного исследования заболеваемости по Курской области из всего их перечня были отобраны заболевания желудочно-кишечного тракта, болезни костно-мышечной системы и соединительных тканей и нервной системы, которые по данным статистики областных служб здравоохранения и экологии существенно различаются в относительно экологически «чистых» районах области и в Железногорском районе, наиболее подверженном комплексному воздействию высокой напряжённости магнитного поля и выбросов промышленных предприятий.
По выбранному классу заболеваний общим показателем, снижающим риск развития заболеваний, являются индекс функциональных изменений (ИФИ), определяющий адаптационный потенциал организма. В соответствии с предложенным в разделе 6.2 методом уровень защитных свойств организма по величине адаптационного потенциала определяется функцией ци (АП). Одним из наиболее существенных факторов риска для наиболее «опасного» Железногорского района является аномально высокая напряжённость магнитного поля — Н вызываемая действием Курской магнитоной аномалией.
По согласованию с экспертами было определено три функции уровня защитных свойств по фактору для шкалы ИФИ для заболеваний желудочно-кишечного тракта (лжн (АП) = (іжн (ИФИ), нервной системы ц,нсн (АП) и костно-мышечной системы и соединительных тканей \хкс н (АП).
Здесь индексами Ж, НС, КС и Н обозначены заболевания желудочно-кишечного тракта, нервной системы, костно-мышечной системы и соединительных тканей и шкала магнитной напряжённости соответственно.
На рисунке 6.12 приведён график функции уровня защитных свойств по шкале ИФИ для желудочно-кишечного тракта по такому фактору риска, как величина напряжённости постоянного магнитного поля Н.
Аналогично могут быть определены защитные свойства организма по другим факторам риска, например по концентрации формальдегида для этих и других классов заболеваний.
В ходе анализа статистического материала по заболеваемости в Курской области совместно с экспертами были построены функции принадлежностей к классу риск возникновения классов сож, сонс, сокс от воздействия постоянного магнитного поля по шкалам интенсивности воздействия в миллиэрстедах и времени воздействия (рисунки 6.15-6.20). Иж(Н)
Исследование влияния выбросов вредных веществ в атмосферу и воду на состояние здоровья человека и прогноз появления соответствующих заболеваний вплоть до построения искомых функций принадлежностей является сложной и самостоятельной задачей.
По согласованию с экспертами в первом приближении прогноз по заболеваниям желудочно-кишечного тракта, нервной системы и костно-мышечной системы и соединительных тканей в г. г. Курске и Железногорске можно производить с использованием поправочных коэффициентов на наличие комплексов вредных веществ в этих городах:
К (ВВ) = 1,2 — поправочный коэффициент на комплексное влияние вредных веществ по заболеванию желудочно-кишечного тракта в г. Курске.
К (ВВ) = 1,3 — поправочный коэффициент на комплексное влияние вредных веществ по заболеванию желудочно-кишечного тракта в г. Железногорске.
КцС(ВВ) = 1,12 — поправочный коэффициент на комплексное влияние вредных веществ по заболеваниям нервной системы в г. Курске.
К С(ВВ) = 1,12 — поправочный коэффициент на комплексное влияние вредных веществ по заболеваниям нервной системы в г. Железногорске.
КС(ВВ) = 1,15 — поправочный коэффициент на комплексное влияние вредных веществ по классу сокс в г. Курске.
К с (ВВ) = 1,2 — поправочный коэффициент на комплексное влияние вредных веществ по классу сокс в г. Железногорске.
Согласно рекомендациям главы 4 общая уверенность в прогнозе заболеваний по классам сож, сонс и сокс без учёта защитных свойств организма и с учётом времени воздействия для Курской области, исключая г. г. Курск и Железногорск, определяется следующей системой нечётких решающих правил
Для определения выражений по расчёту частных коэффициентов уверенности от факторов, характеризующих индивидуальный риск с участием группы высококвалифицированных экспертов, были составлены списки индивидуальных, бытовых и производственных факторов риска для каждого из анализируемых классов.
Для желудочно-кишечного тракта в качестве факторов риска были выбраны: приём лекарственных средств, раздражающих слизистую оболочку желудка (глюкокортикоиды, нестероидные противовоспалительные средства и др.); употребление алкоголя; курение; заболевания желудочно-кишечного тракта у близких родственников (матери, отца, тёти, дяди, брата, сестры); психоэмоциональные перегрузки; разбаланс энергетических характеристик меридианных биологически активных точек, связанных с ситуацией — язвенная болезнь желудка.
В работе [43] для этих факторов риска определены базовые переменные соответствующих функций принадлежности следующим образом: по фактору приём лекарственных средств базовая переменная Ls выражается через частоту приёма препаратов, раздражающих слизистую оболочку желудка, измеряемую в днях. Здесь при формировании базовой переменной осуществлялся перерасчёт разовой терапевтической дозы лекарственных средств в календарном месяце, при однократном приёме в сутки.
Алкоголь также оказывает раздражающее действие на слизистую оболочку желудка. Для него в качестве базовой перменной А1 выбрана частота приёма алкоголя не менее 65 мл в пересчёте на спирт в календарном месяце, при однократном приёме в сутки.
Риск развития заболевания от табакокурения определяется суточной дозой никотина и его дериватов. Количественным показателем Кг служит суточная доза никотина и его аналогов из расчёта содержания никотина в одной сигарете 0,9 мг.
По фактору заболевания желудочно-кишечного тракта (ЖКТ) у близких родственников экспертами была предложена базовая переменная Вг по следующей шкале градаций: тётя, дядя — 1; брат, сестра — 2; мать, отец — 3.
По этим факторам риска, определяемым опросом, функции принадлежностей, определяются следующими аналитическими соотношениями
Максимальная уверенность в прогнозе заболеваний ЖКТ КУ , достигаемая при наличии высоких значений всех факторов риска по группе факторов, выявляемых результатами опроса, рассчитываемая по формуле 4.20 достигает величины 0,5.
Степень влияния психоэмоциональных перегрузок на риск возникновения заболеваний ЖКТ будем определять как функцию принадлежностей с базовой переменной по шкале уровень психоэмоционального напряжения (ПЭН).
Оценка уровня ПЭН осуществляется по методикам, разработанным на кафедре БМИ ЮЗГУ [51, 77, 78], а соответсвующие решающие правила описаны в раделе 6.5.
Показатели, характеризующие уровень ПЭН определяемые в работе [51] как КУПЭН, а в работе [78] как UP целесообразно использовать как базовые переменные для функции принадлежностей по исследуемому классу заболеваний для такого фактора риска, как психоэмоциональное напряжение. График функции принадлежностей к классу сож с базовой переменной по шкале ПЭН приведён на рисунке 6.21.
