Содержание к диссертации
Введение
ГЛАВА 1 Анализ состояния вопроса оценки нарушений репродуктивной системы и оценки риска развития патологий плода 14
1.1 Анализ разнообразия факторов приводящих к нарушению формирования гамет и осложнению беременности 14
1.2 Сравнительный анализ интеллектуальных информационных систем в оценке состояния репродуктивной системы 24
1.3 Анализ методов и алгоритмов применяемых в существующих медицинских системах поддержки принятия решений 35
1.4 Постановка задачи исследования 39
Выводы по главе 1 40
ГЛАВА 2 Разработка методов оценки состояния репродуктивной системы человека 42
2.1 Оценка риска генетического бесплодия и самопроизвольного прерывания беременности 42
2.2 Разработка метода прогноза бесплодия и самопроизвольного прерывания беременности
2.3 Диагностическая модель гестоза 51
2.4 Разработка метода оценки риска возникновения гестоза 58
Выводы по главе 2 61
ГЛАВА 3 Моделирование и алгоритмизации системы информационной поддержки принятия решений в оценке состояния репродуктивной системы человека 63
3.1 Использование классификаторов для построения информационной системы для оценки состояния репродуктивной системы
3.2 Анализ данных и разработка метода прогнозирования и диагностики осложнений беременности 72
3.3 Анализ данных и разработка метода прогнозирования и диагностики осложнений 75
Выводы по 3 главе 79
ГЛАВА 4 Разработка экспертной системы информационной поддержки принятия решений 81
4.1 Анализ требований и функции системы 81
4.2 Структура базы знаний 88
4.3 Экспериментальное исследование системы информационной поддержки принятия решений в оценке состояния репродуктивной системы человека 92
4.4 Оценка достоверности результатов экспериментальных исследований 99
Выводы по главе 4 99
Выводы 100
Список литературы 101
- Сравнительный анализ интеллектуальных информационных систем в оценке состояния репродуктивной системы
- Разработка метода прогноза бесплодия и самопроизвольного прерывания беременности
- Анализ данных и разработка метода прогнозирования и диагностики осложнений беременности
- Экспериментальное исследование системы информационной поддержки принятия решений в оценке состояния репродуктивной системы человека
Введение к работе
Актуальность темы исследования. Улучшение репродуктивного здоровья населения и повышение уровня рождаемости является одним из основных направлений политики нашего государства. Репродуктивные потери у человека составляют около 50% по отношению к общему числу зачатий. Частота невынашивания беременности остается высокой, несмотря на достижения в предотвращении и лечении нарушений репродукции человека. В настоящее время различные виды самопроизвольного прерывания беременности рассматривают в качестве мультифакторных заболеваний (Бочков Н.П., 2001; Rull К., 2012; Vаimаn D., 2014), развитие которых может быть запущено комбинацией нескольких факторов. Непосредственный вклад каждого фактора может быть несущественным, и только их совокупное воздействие приводит к развитию заболевания.
В настоящее время в своей профессиональной деятельности врачи при
решении многих задач медицинской науки и практики все чаще используют
информационно-коммуникационные технологии, поэтому разработка и
внедрение информационных систем является одной из самых актуальных задач.
История разработки программных продуктов для оценки системы репродукции человека насчитывает более 30 лет. Разработаны и внедрены в медицинскую практику экспертные системы оценки плода в первом триместре беременности, показана их высокая эффективность ранней диагностики небольшого числа нарушений – хромосомных анеуплоидий, грубых врожденных пороков развития (Bahado-Singh R.O. etal., 1998; Медведев М. В., Юдина Е. В.,2002). В последние годы после успешной реализации проекта «Геном человека» стремительно стали развиваться геномные и постгеномные технологии, результатом которых является получение большого массива данных диагностических маркеров при различных заболеваниях человека, в связи с чем возрастает значение информационного обеспечения для внедрения в практику передовых медицинских технологий.
Актуальность таких разработок подтверждает наличие в России Госпрограммы «Информационное общество» 2011-2020 гг. в части «Услуги на основе информационных технологий в области медицины, здравоохранения и социального обеспечения».
Принимая во внимание сложность механизмов формирования
репродуктивных потерь и развития гестоза в становлении которых принимает участие множество генетических, биохимических и физикальных факторов,
актуальным является создание системы информационной поддержки принятия решений для практикующих врачей.
Цель исследования повышение эффективности оценки состояния репродуктивной системы человека с использованием системы поддержки принятия решений на основе нейросетевого алгоритма и классификационных правил для ранней диагностики осложнений беременности.
Задачи исследования.
-
Разработка метода оценки риска генетического бесплодия и самопроизвольного прерывания беременности.
-
Разработка метода оценки риска возникновения гестоза на основе биохимических и генетических показателей с учетом коэффициентов значимости.
-
Формирование пространства информативных признаков для оценки состояния репродуктивной системы человека.
-
Разработка системы информационной поддержки принятия решений в оценке состояния репродуктивной системы человека.
Объектом исследования является система информационной поддержки принятия решений в оценке состояния репродуктивной системы человека
Предметом исследования являются коэффициенты значимости
биохимических и генетических показателей, методы оценки состояния репродуктивной системы матери и плода во время беременности.
Методы исследования. Для достижения поставленной цели и решения задач использованы методы системного анализа, объектно-ориентированного программирования, математической статистики и моделирования.
Научная новизна.
-
Предложен метод оценки риска генетического бесплодия и самопроизвольного прерывания беременности на основе данных о полиморфизме генов факторов системы гемостаза, фолатного цикла, генов цитокинов, системы контроля клеточного цикла и репарации у матери и отца с учетом коэффициентов значимости исследуемых показателей.
-
Предложен метод оценки риска возникновения гестоза на основе комплексной оценки генотипа матери, исследований постгеномных маркеров, анализа анамнестических данных и физикальных признаков с учетом их коэффициентов значимости.
3. Сформировано новое пространство информативных признаков для
оценки состояния репродуктивной системы человека на основе способа
диагностики гестоза тяжелой степени, содержащее постгеномные маркеры
полиморфизмы 25 генов матери и отца, физикальные признаки и анамнестические данные.
4. Создана бальная система ранней оценки рисков развития различных
осложнений у матери и плода на основе разработанных методов для генетического бесплодия, самопроизвольного прерывания беременности и гестоза.
Практическая значимость.
-
Разработана система информационной поддержки принятия решений, основанная на классификационных правилах с механизмом самонастройки на основе нейросети и симптокомплекса.
-
Создана методика и экспертная система поддержки принятия решений в оценке риска развития гестоза.
-
Создана методика и экспертная система поддержки принятия решений в оценке риска генетического бесплодия и самопроизвольного прерывания беременности.
-
Разработана методика анализа нуклеотидных последовательностей ДНК с помощью точечной матрицы гомологии с целью ранней диагностики лечения бесплодия, нарушений репродуктивной системы и осложнений беременности.
Основные положения, выносимые на защиту.
1. Метод оценки риска генетического бесплодия и самопроизвольного
прерывания беременности на основе данных о полиморфизме генов факторов
системы гемостаза, фолатного цикла, генов цитокинов, системы контроля
клеточного цикла и репарации у матери и отца с учетом коэффициентов
значимости исследуемых показателей.
2. Метод оценки риска возникновения гестоза на основе комплексной
оценки генотипа матери, исследований постгеномных маркеров, анализа
анамнестических данных и физикальных признаков с учетом их коэффициентов
значимости.
-
Система информационной поддержки принятия решений основанная на взаимосвязи биохимических и генетических показателей и для оценки состояние репродуктивной системы матери, риска генетического бесплодия и самопроизвольного прерывания беременности, а также риска возникновения гестоза.
-
Информативные признакиоценки состояния репродуктивной системы человека содержащее постгеномные маркеры, полиморфизмы 25 генов системы гемостаза, фолатного цикла, генов цитокинов, системы контроля клеточного
цикла и репарации матери и отца, физикальные признаки и анамнестические данные.
Внедрение результатов исследований. Система информационной
поддержки принятия решений внедрена в пять медицинских учреждения
Ростовской области: «Областной центр охраны здоровья семьи и репродукции», Центр ЭКО и репродукции человека, НАО «Наука», ООО «Диагностик лаб», МБУЗ Родильный дом №5 г. Ростова-на-Дону.
Полученные в работе методы и алгоритмы используются при проведении занятий в Институте высоких технологий и пьезотехники и Академии биологии и биотехнологий Южного федерального университета в спецкурсах «Системный анализ и принятие решений», «Медико-генетическое консультирование», «Предиктивная медицина», «Биоинформатика и интегративная геномика», «Информационные системы и технологии в научных исследованиях».
Работа является результатом выполнения проектной части
государственного задания Министерства образования и науки РФ в сфере научной деятельности №6.703.2014/K «Поиск новых мишеней для предиктивной диагностики заболеваний репродуктивной системы».
Исследования выполнены на оборудовании ЦКП «Высокие технологии» ЮФУ при финансовой поддержке Министерства образования и науки РФ, проект ФЦП «Исследования и разработки по приоритетным направлениям развития научно-технического комплекса России на 2014-2020 годы» № RFMEFI59414X0002.
Апробация работы.
Основные результаты, полученные в ходе исследования, докладывались и
обсуждались на семи международных конференциях: Международной
конференции по системам, коммуникациям и компьютерам (CSCC 2015)
о. Закинтос, Греция, 16-20 июля 2015 г.; Актуальные проблемы биологии, нанотехнологий и медицины, г. Ростов-на-Дону, 1-3 октября 2015 г., 3–5 октября 2013 г.; Международном молодежном научном форуме «ЛОМОНОСОВ-2015», г. Москва, 2015 г.; Современные достижения биотехнологии г. Минск-Ставрополь 17-19 сентября 2014 г.;, Международной конференции по биоинформатике регуляции и структуры геномов и системной биологии (BGRS\SB-2014) г. Новосибирск, 23 - 28 июня 2014 г.; Международной научной конференции по вычислительной и системной биологии (CCSB2013), 6-8 января 2013 г., о. Хайнан, Китай; трех всероссийских съездах: VII съезде Российского общества медицинских генетиков г. Санкт-Петербург, 19-23 мая 2015 г.; V съезде биофизиков России г. Ростов-на-Дону, 4-10 октября 2015 г., VI Съезде
Вавиловского общества генетиков и селекционеров (ВОГиС) и ассоциированные генетические симпозиумы, г. Ростов-на-Дону, 15-20 июня 2014 г. и всероссийских конференциях: Компьютерные и информационные технологии в науке, инженерии и управлении «КомТех-2014» г. Таганрог, 3- 6 июня 2014 г.; Молекулярная диагностика 2014, г. Москва, 18–20 марта 2014 г.; Физикохимия ультрадисперсных (нано-) систем г. Анапа, 25-29 сентября 2012 г., Постгеномные методы анализа в биологии, лабораторной и клинической медицине, г. Казань, 22-24 ноября 2012 г.
Публикации.
По теме диссертации опубликованы 20 печатных работ, в том числе: 4 статьи в ведущих рецензируемых изданиях, рекомендованных ВАК РФ, 1 статья в зарубежном журнале, 11 статей опубликовано по результатам научно-практических конференций; 3 свидетельства о государственной регистрации программы для ЭВМ, 1 свидетельство о регистрации базы данных.
Личное участие автора.
Автор принимал участие в постановке задачи исследования, лично выполнил основной объем аналитических и экспериментальных исследований, сформировал базу данных, разработал методы и написал текст диссертации. Структура и объем диссертации.
Диссертация состоит из введения, четырех глав, списка литературы и одного приложения. Основная часть работы изложена на 116 страница машинописного текста и содержит 25 рисунков, 21 таблицу.
Сравнительный анализ интеллектуальных информационных систем в оценке состояния репродуктивной системы
Как в производственных условиях, так и в обыденной жизни человек редко подвергается действию одного фактора. Чаще всего происходит суммарное действие на организм двух или нескольких факторов одновременно. Большую опасность для организма имеют ксенобиотики - чуждые организму химические вещества. Они обладают мутагенным действием – способны индуцировать как генные, так и хромосомные мутации. Например, установлена высокая чувствительность половых клеток - оогоний и сперматогоний к ряду органических веществ. (Денисенко С.В., 2008). Ксенобиотики способны оказывать эмбриотропное действие, которое может приводить к гибели плода, нарушению закладки органов, появлению уродств, токсикозам беременности и выкидышам (Щербина С. Г., 2014; Антонова И. В, 2010).
Мутагенная активность пестицидов – одно из самых опасных проявлений отрицательного влияния на здоровье человека и его потомство (Кhоshnооd B., 2004). Многолетними эпидемиологическими исследованиями установлено, что, пестициды способствуют росту заболеваемости населения за счет угнетающего воздействия на иммунитет. При этом использование пестицидов в загрязненных тяжелыми металлами и радионуклидами регионах страны, а также территориях эндемичных по йоду, фтору и другим микроэлементам может обуславливать потенцированное действие указанных факторов на здоровье населения за счет сочетанного влияния (Сивочалова О.В., 2001).Установлена высокая частота преэклампсии (в 2 раза), угрозы прерывания беременности (в 4 раза), самопроизвольных абортов и мертворожденности (в 5 раз) среди женщин, имевших профессиональный контакт с пестицидами. Показано большое влияние хлорорганических пестицидов на генеративную функцию и развитие эмбриона (Боев В.М, 2006; Hаyеs J. D., 2005; Кuеhl, К. S., 2005; F. D. Gillilаnd, 2004; Окаmоtо, К. W, 2013).
Одним из значимых факторов, влияющих на уровень здоровья населения, является качество продуктов питания и, в частности, их загрязнение контаминантами химической природы (Кузнецова Т. В.,2008). Контаминанты антропогенного происхождения повышают риски возникновения заболеваний при хроническом воздействии. Это объясняется тем, что они всегда содержатся в пищевых продуктах в меньших или в больших количествах, и поэтому всегда поступают в организм человека с продуктами питания, часто накапливаясь в них (Комаров Ф. И.,2000). Среди эндогенных в последние годы особое место занимают генетические факторы. Подсчитано, что одного человека от другого отличает до миллиона однонуклеотидных полиморфизмов (замен азотистых оснований в молекуле ДНК). Предсказательная геномика старается выделить наиболее уникальные однонуклеотидные полиморфизмы, чтобы установить предрасположенность к болезням или рискам для здоровья и определить образ жизни или условия, влияющие на их проявление. Известно, что разные этнические группы имеют свои отличительные однонуклеотидные полиморфизмы. Применительно к понятию «генный полиморфизм» обычно рассматривают нейтральные мутации, не приводящие к заметным нарушениям функции гена, тогда как «мутациями» обычно называют изменения в гене, приводящие к выраженному нарушению работы гена. Принципиальное отличие мутации от полиморфизма генов заключается не в их распространенности, а в последствиях изменения ДНК. Мутации либо несовместимы с жизнью, либо ведут к неэффективному функционированию генома и развитию патологии – заболевания. В отличие от мутаций, приводящих к патологическим изменениям и снижающих жизнеспособность, генетический полиморфизм проявляется в фенотипе менее отчетливо. Вместе с тем генетический полиморфизм далеко не всегда является нейтральным, значительно чаще он приводит к появлению белковых продуктов с несколько измененными физико-химическими свойствами и, соответственно, параметрами функциональной активности (Иванов В.И., Киселев Л.Л., 2005; Челобанов Б.П. и др., 2006).
Долгое время считалось, что основными наследственными причинами невынашивания беременности ранних сроков являются хромосомные и геномные мутации. На сегодняшний день в клиническую практику входит анализ потенциальныхфакторов риска выкидыша: отцовские, материнскиетромбофлебические, анатомические, эндокринные и иммунологические заболевания оцениваемые по полиморфизмам различных генов (Hemminki K., 2001; Branch D.W., 2010; Christiansen O.B., 2008).
Однако все причины хромосомных мутаций при спонтанной потере беременности и неразвивающейся беременности пока не выяснены. Есть данные, что одной из причин могут быть полиморфизмы генов, участвующих в процессе формирования гамет и развития эмбриона, в том числе и генов системы детоксикации ксенобиотиков, генов системы контроля клеточного цикла и репарации (Машкина Е.В., 2015; Chen P. et al., 2015; Chan Y. et al., 2015; Johnson M. et al., 2012).
Эти функциональные группы генов обеспечивают и контролируют ключевые для многоклеточного организма процессы – синтез и репарацию ДНК, деление клеток, межклеточные взаимодействия, формирование тканей, апоптоз клеток.
Успех беременности зависит отполноценной имплантации эмбриона в организм матери. Успешная имплантация - результат сложных взаимодействий между гормонально подготовленным эндометрием матки и зрелой бластоцистой. Имплантация бластоцисты в эндометрий включает два этапа: адгезия двух клеточных систем - эндометрия и трофобласта- и децидуализация стромы эндометрия (рисунок 1.2 а). Затем начинается фаза внедрения трофобласта в стенку эндометрия матери и активная дифференцировка трофобластаэмбриона (рисунок 1.2 б). Активно делящиеся клетки цитотрофобласта эмбриона, сливаясь, образуют путем эндоредупликации синцитиотрофобласт, напрямую контактирующий сматеринской кровеносной системой. В этом процессе активно задействованы все молекулы-участники регуляции и контроля клеточного цикла. Цитотрофобласт внедряется в децидуа и изменяет кровеносные сосуды матери для обеспечения тока крови к плоду: образуются хорион иплацента. Если при формировании плаценты инвазия трофобласта будет недостаточной, топроизойдет выкидыш или задержка развития плода.
Разработка метода прогноза бесплодия и самопроизвольного прерывания беременности
Наиболее изученными генетическими факторами, ассоциированными с повышенным риском развития тромбозов, являются полиморфные варианты следующих генов: факторов свертывания F2, F5 и F7, ингибитораактиватора плазминогена (SERPINE1), -цепи фибриногена (FGB), фолатного цикла (метилентетрагидрофолат-редуктазы (MTHFR), метионин-синтазы редуктазы (MTRR), метионин-синтазы (MTR)). Наличие в одном генотипе нескольких аллельных вариантов, предрасполагающих к гиперкоагуляции, повышает риск возможного развития тромбозов (Капустин С.П. и др., 2003; Шевела А. и др., 2007).
При тромбофилиях возникают условия для патологий имплантации эмбриона, роста плода и формируется прокоагуляционный потенциал свертывающей системы крови.
Ингибитор активатора плазминогена-1 (PАI-1, SERPINE1) является одним из основных компонентов антикоагуляционной системы крови (Аttiа J. et аl., 2007). При повышении концентрации SERPINE1 снижается активность противосвертывающей системы, что увеличивает риск развития тромбозов.
По некоторым данным литературы среди женщин с невынашиванием беременности гомозиготы по аллели 4G гена SERPINE1 составляют до 82-85% (Ciаcci C. et аl., 2009).
Выявлен ряд полиморфных вариантов генов полипептидных цепей фибриногена, обнаруживаемых с довольно высокой частотой, которые обуславливают изменения количественных либо качественных характеристик кодируемых молекул. Особое внимание заслуживает ген, кодирующий-цепь фибриногена. Это связано с тем, что именно синтез этой цепи является скорость-лимитирующим в образовании молекулы зрелого фибриногена. Ген интегрина2 (ITGА2) кодирует аминокислотную последовательность интегринов – специализированных рецепторов тромбоцитов, за счет которых происходит взаимодействие тромбоцитов с тканевыми белками, функционирующими при повреждении стенки сосудов. Изменение первичной структуры интегринов вызывает изменение свойств рецепторов. Отмечается увеличение скорости адгезии тромбоцитов, что может приводить к повышенному риску тромбообразования (Lаne D., Grаnt P., 2000). Ген тромбоцитарного рецептора фибриногена (ITGB3) кодирует 3 субъединицу интегрин-комплекса поверхностного рецептора тромбоцитов GPII/III (гликопротеин-3 (GPIII). Гликопротеин-3 обеспечивает межклеточную адгезию и сигнализацию. Рецептор необходим для взаимодействия тромбоцитов с фибриногеном. Врожденная недостаточность гликопротеина IIb или IIIа сопровождается нарушением всех видов агрегации тромбоцитов, что наблюдается при тромбостении Гланцмана (Lаne D., Grаnt P., 2000). Цитокины секретируются лимфоцитами и выделяется на их поверхность (реже их секретируют макрофаги, нейтрофилы, эозинофилы, некоторые фибробласты, клетки эндотелия и другие типы клеток.). Цитокины взаимодействуют с рецептором находящейся рядом клетки. Цитокины от одной клетки передают сигнал к другой клетке, которая запускает дальнейшие реакции. Цитокины регулируют межклеточные взаимодействия, определяют функциональную активность, активацию и ингибирование клеточного роста, дифференцировку и выживаемость клеток.
Сотрудниками лаборатории генетики человека и животных и лаборатории биомедицины Южного федерального университета ранее была проделана серия экспериментальных работ по изучению значения полиморфизмов вышеперечисленных генов при бесплодии и спонтанном прерывании беременности в супружеских парах, проживающих в Ростовской области (Машкина Е.В., 2015).
Гены системы контроля клеточного цикла и репарации. Ошибки репликации, репарации, а также внешние воздействия (например, радиация, электромагнитные поля, температура, давление, алкоголь, никотин, токсические вещества) вызывают мутации в нуклеотидной последовательности ДНК. В норме эти мутации узнаются белками -датчиками повреждений ДНК (специфичные протеинкиназы АTM и АTR), мишенями которых являются чекпойнт-киназы (Chek 1, 2), подавляющие активность циклинзависимых киназ (CDK) и ингибирующих активность ингибиторов клеточного цикла. В результате происходит остановка клеточного цикла в чекпойнтах, увеличивающая время для репарации ошибок и повреждений до прохождения митоза. Если же повреждения не могут быть исправлены, то запускается механизм апоптоза (клеточной смерти) (Zhou B., Elledge S., 2000).
Результаты генетических анализов семейных пар (матерей и отцов) при бесплодии и различных видах репродуктивных потерь и оценка вклада полиморфизмов в баллах представлены в таблице 2.1. Ранее было показано, что для женщин, имеющих аллель 751 Gln гена ERCC2, риск самопроизвольного прерывания беременности повышен. С невынашиванием беременности ассоциировано в клетках хорионической ткани наличие аллели 1100 del C генаCHEK2. Возможность репродуктивных потерь в первом триместре беременности увеличивается при комбинировании полиморфизмов генотипе женщины
Анализ данных и разработка метода прогнозирования и диагностики осложнений беременности
В качестве архитектуры сети была выбрана сеть с 13 входными нейронами (по количеству признаков) и 1 выходным. Классу «0» соответствовал сигнал «0» выходного нейрона, а классу «1» - сигнал «1». В качестве пороговой функции выбран сигмоид f(x)=1/(exp(-x)+1)
Программная реализация была выполнена на Java с использованием свободной библиотеки neuroph. Построенная сеть не смогла обучиться ввиду неопределенно долгого процесса обучения. Предположительно это связано с линейной неразделимостью образов обучающей выборки, что является принципиальным ограничением однослойной нейронной сети. Многослойная искусственная нейронная сеть
Для решения проблемы с линейной неразделимостью образов была предложена двухслойная искусственная нейронная сеть (Хайкин С., 2008). В качестве архитектуры сети была выбрана сеть с 13 входными нейронами (по количеству признаков), 1 скрытым слоем, содержащим 100 нейронов, и 1 выходным. Классу «0» соответствовал сигнал «0» выходного нейрона, а классу «1» - сигнал «1». В качестве пороговой функции был выбран сигмоид
Индуцированные локальные поля и функциональные сигналы сети вычисляется, проходя по слою в прямом направлении. Индуцированное локальное поле нейрона услоя /вычисляется по формуле Vj (ті) = Ео wn (п)Уі (Х),где у/г_1)(п) - выходной функциональный сигнал нейрона расположенного в предыдущем слое 1-1, на итерациии; wji (п) -синаптический вес связей нейрона/слоя/с нейроном /слоя/-7. Для i=0 y0a_1)(w) = +1, а wfi\ri) = bj(n) - порог применяемый к нейрону у слоя /. В данном случае используется сигмоидальная функция и выходной сигнал нейрона/слоя/ выражается: параметр скорости обучения; а - постоянная момента. Итерации, последовательно выполняемые прямой и обратный проходы, на основе примеров обучения из эпохи, пока не будет достигнут критерий отсева.
Пусть А— множество данных пациентов, В — множество классов заключений. Существует неизвестная целевая зависимость— отображение Ь :А В, значения которой известны только на объектах конечной обучающей выборки Am={(abbi),...,(am,bm)}. Требуется построить алгоритм с: А В, способный классифицировать произвольный объект аЄА.
Признаком называется отображение f:A Df, где О ножество допустимых значений признака.
Признаком называется отображение f:A DxUDsUDzUDp, где DXUDSUDZUDP — объединение множеств допустимых значений признака. Если заданы признаки xl,..., x25, si,..., s5, zl,..., z9, pl,..., pl2, то вектор а = (х/(а),..., jc25(a), sl(a),..., s5(a\ zi(a),..., z9(a), pl(&),..., pi2(a)) называется признаковым описанием обьектааЄА.
Признаковые описания допустимо отождествлять с самими объектами. При этом множество A=Dxix..x Dx25x Dsix..xDs5x Dzix..x Dz9 Dpix..xDpi2 является признаковым пространством. Номинальные признаки DX={0,1,2}: ;сі-5,10-метилентетрагидрофолатредуктаза (М7Ш ); х2- Метионинсинтаза редуктаза (MTRR); хЗ- Метионинсинтаза (MTR); х4- ИнтегринВ 3 (ITGB3); х5- Интегрин А2 (ITGА2); хб- р-фибриноген: (FGB); х7- Ингибитор активатора плазминогена (SERPINE1);
Номинальные признаки х1,х2,х3 – принимают участие как в расчете риска гестоза, так и в расчете генетического бесплодия и самопроизвольного прерывания беременности. Номинальные признаки х4,х5,..., х16 - признаки генетического бесплодия и самопроизвольного прерывания беременности.Номинальные признаки х17,х18,..., х25, порядковые признаки s1,s2,..s5, s1,бинарные признаки z1,..z9, и количественные p1,p2..p13 применяются при расчете риска гестоза.
При гестозе, осложнении III триместра беременности диагностически значимыми являются показатели нарушения трансметилирования (повышение гомоцистеина и снижение фолиевой кислоты), изменения в гормональном статусе, которые выражаются в снижении концентрации кортизола, тироксина и повышении содержания хорионического гонадотропина, тиреотропного гормона, 17-ОН-прогестерона, эстрадиола и лептина.
Изменения со стороны показателей окислительного стресса выражаются в повышении уровня каталазы и супероксиддисмутазы в сыворотке крови, повышения содержания мочевой кислоты и аллантоина.
Со стороны показателей плацентарных и эндометриальных маркеров отмечается снижение содержания гликоделина, плацентарного фактора роста, фактора роста и дифференцировки 15, на фоне повышения содержания ингибина А (Александрова А.А., 2011).
Экспериментальное исследование системы информационной поддержки принятия решений в оценке состояния репродуктивной системы человека
Для создания ЭС с целью оценки риска репродуктивных нарушений структурирована получаемая информация и сформирована база знаний. В базе знаний аккумулированы особенности течения гестоза и проявление репродуктивных потерь, учтено, на фоне каких заболеваний могут развиться оцениваемые нарушения репродуктивной системы (анамнез), фоном для каких нарушений могут служить эмпирические данные (прогноз).
Структур абазы знаний системы информационной поддержки принятия решений в оценке состояния репродуктивной системы человека представлена на рисунке 4.2 и состоит из семи таблиц.
Таблица «GeneticScreeningofMother»содержит оценки вклада полиморфизмов в баллах при развитии гестоза. Таблица содержит символ гена, имя гена, полиморфизм, значение оценок состояния гомозиготы (нормальные аллели NN, полиморфная PP) и гетерозиготы (с одним полиморфным аллелем NP). Например, символ гена MTHFR, имя гена 5,10-метилентетрагидрофолатредуктаза, полиморфизм 677C, значение оценок состояния гомозиготы (нормальные аллели NN - 0, полиморфнаяPP - 3) и гетерозиготы (с одним полиморфным аллелем NP - 2). В настоящее время таблица содержит значения оценки состояния различных аллелей двадцати пяти генов. Оценка вклада соматических признаков в баллах при развитии гестоза во время беременности содержится в таблице «SomaticScreeningofMother»и содержит следующие поля: диагноз, оценкаплюс, оценка минус (рисунок 4.3 ).«Оценка плюс» содержит баллы с возможными значениями от 0,1 до 1 для информации, поступающей от больного, с учетом его истории болезни и соматического анамнеза (таблица 4.6).
Соматический анамнез Оценка плюс Оценка минус заболевания соединительной ткани (в т.ч. указывать наличие астенического типа телосложения, гиперрастяжимости кожи, гиперподвижности суставов, умение «шевелить ушами» и др.) 0,2 0 заболевания мочевыделительной системы 0,2 0 заболевания пищеварительной системы 0,2 0 заболевания сердечно-сосудистой системы 0,2 0 ожирение 0,2 0 сахарный диабет 1,0 0 другие заболевания эндокринной системы 0,2 0 вирусные инфекции в период беременности 0,2 0
Гинекологические заболевания 0,4 0 Оценка вклада постгеномных маркеров в баллах при развитии гестоза содержится в таблице PostgenMarker: маркер, символ, концентрация.
Таблица MainTable содержит результирующие данные по оценке риска развития гестоза, и, помимо даты рождения и генотипа матери, содержит ряд физикальных признаков, а именно вес, рост, давление, номер беременности, количество родов всего, из них живо- и мертворожденных, срок беременности и количество плодов и значение оценок из таблиц SomaticScreeningofMother, PostgenMarker, GeneticScreeningofMother итоговое значение оценки риска развития гестоза, и комментарии.
Экспериментальное исследование системы информационной поддержки принятия решений в оценке состояния репродуктивной системы человека Апробация использования системы информационной поддержки принятия решений в оценке состояния репродуктивной системы человека проводилась на базе Областного центра охраны здоровья семьи и репродукции Ростовской области, НАО «Наука», Женской консультации №42, Центра репродукции человека и ЭКО, Родильного дома №5 г. Ростова-на-Дону. Эксперимент 1
Как видно из представленной таблицы, по девяти генам женщина имела гомозиготы с нормальными аллелями по генам системы фолатного цикла - МТНFR (метилентетрагидрофолатредуктазы и гена метионин синтазы редуктазы (MTRR), интерликин 1b и она была носительницей паталогического аллеля и полиморфных аллелей в гомозиготном состоянии интерликин -10.
Пациентка Ц-ова, 32 лет. Анамнез: родов-0; абортов-0. Состоит во втором браке, обратилась Областной центр охраны здоровья семьи и репродукции Ростовской области с проблемой первичного бесплодия.
Исходные данные представлены в таблице 4.8. Таблица 4.8 -Генотип женщины (Ц-ова), обратившейся для оценки риска бесплодия
Обучающее множество в свою очередь разбивается на два непересекающихся подмножества: обучающее подмножество и проверочное подмножество (Bellman R. E., Dreyfus S. E. , 1962.; Bengio Y., 1996.). Исходное обучающее множество было перемешано и разбито на k=10 частей равного размера. Затем последовательно выбиралась каждая из 10 частей и служила проверочным множеством, в то время как остальное множество использовалось для обучения.