Медицинская диагностика и возможности её автоматизации.

Одной из центральных задач лечебной медицины является ДИАГНОСТИКА - раздел медицины, изучающий признаки болезней и методы, с помощью которых устанавливается диагноз. Диагностика устанавливает, какое из известных заболеваний более соответствует имеющейся у пациента патологии и с какими особенностями протекает данная патология у конкретного больного.

Первая часть задачи носит типично классификационный характер, т.е. из множества диагнозов необходимо выбрать один. Хотя оговоримся, что сводить все многообразие диагностики только к классификации нельзя. Нельзя же всерьез утверждать, что познаны абсолютно все болезни и их проявления. Поэтому следует говорить о диагностике как о задаче распознавания образов.

Уже сейчас в медицине известно около 10 тыс. болезней и около 100 тыс. симптомов, которые могут встречаться в различных сочетаниях. Результатом этого является поздняя диагностика неотложных и онкологических заболеваний, неудовлетворительные результаты лечения.

Одним из выходов является автоматизированная диагностика на базе ЭВМ, особенно:

1. При большом количестве информации;

2. При преимущественном использовании количественных данных.

3. При необходимости быстрой обработки информации;

4. При диагностике в условиях неполноты исходных данных;

5. При диагностике редких заболеваний.

Работы по автоматизации диагностики на базе математических методов начались с 50-60 годов. Одной из первых крупных работ были исследования американцев Ледли и Ластеда. В СССР почти одновременно начали работу Гнеденко, Амосов, Шкабара (Киев) и Ларин, Баевский, Быховский (Москва).

Наибольшее число диагностических систем разработано в кардиологии и кардиохирургии, неотложной хирургии брюшной полости, онкологической диагностике, неврологии.

Диагностика в большинстве случаев не одномоментная процедура, а динамический процесс.

В диагностике можно выделить два этапа: 1) сбор информации; 2) ее оценка.

Они тесно связаны между собой, но определяющим является второй, причем диагностика включает в себя еще и управление дообследованием.

Для оценки информации необходимы две составные части:

а) какой-то опыт в данном вопросе - аккумулированная медицинская память;

б) правило, способ, с помощью которого, имея данные о больном, на основе медицинской памяти, можно прийти к какому-то диагнозу, т.е. диагностический алгоритм.

Диагностический алгоритм - это правило, с помощью которого, на основании полученных сведений о больном и имеющимся в медицинской памяти данных о симптомах и соответствующей им группе диагнозов, формируется диагностическое заключение.

Диагностическая процедура оканчивается либо точным установлением диагноза, либо предварительными диагнозами с указанием их вероятности. Принято, что диагноз может считаться установленным, если его вероятность не менее 90%.

Известны симптомы, которые однозначно определяют диагноз (направленный открытый перелом). Методы, основанные на симптомах такого рода, называются детерминированными. Однако чаще всего один и тот же симптом может с разной вероятностью встречаться при большом числе заболеваний.

Поиск клинического прецедента (метод аналогий). Он полностью использует такое качество ЭВМ как громадную память. Этот алгоритм заключается в хранении большого количества (нескольких тысяч) историй болезни с подробным описанием заболеваний и с соответствующими диагнозами. Диагностический процесс заключается в сравнении имеющейся клинической картины у данного больного с заложенными в медицинской памяти вариантами, при совпадении, устанавливается диагноз.

Метод хорош, но один недостаток - колоссальное многообразие патологических процессов и вариабельность течения даже одного заболевания.

Вероятностные методы диагностики.

Вероятностные методы диагностики наиболее разработаны. Они основаны на формуле Байеса: P(D_i/S)=(P(D_i)·P(S/D_i))/P(S)

Пусть оцениваются два диагноза: D₁ - рак легкого, D₂ - пневмония и пусть у больного имеется комплекс симптомов S (S₁, S₂, S₃,..., S_n). Тогда по формуле Байеса:

P(D₁/S)=(P(D₁)· P(S/D₁))/P(S)

P(D₂/S)=(P(D₂)· P(S/D₂))/P(S)

P(D₁/S), P(D₂/S) - вероятность данного заболевания при наличии симптомокомплекса S и при независимости симптомов S₁, S₂, S₃,...S_i,…S_n.

В формуле Байеса кроме условной вероятности входит P(D_i),которую называют АПРИОРНОЙ ВЕРОЯТНОСТЬЮ некоторого заболевания D_i. Она характеризует распространенность заболевания в данной группе населения. Априорной она называется потому, что уже известна до получения симптомокомплекса данного больного. Смысл ее состоит в том, что P(D_i) не постоянна и зависит от географических, сезонных, эпидемиологических и других факторов, которые должны быть учтены при постановке диагноза.

P(D_i)=m_i/n

m_i - число больных с данным заболеванием, n - общее число обследованных больных. P(S/D_i)- называется условной вероятностью данного симптомокомплекса при заболевании D_i.

P(S/D_i)=P(S₁/D₁)+P(S₂,/D₁)+P(S₃/D₁)+..., где P(S₁/D₁), P(S₂/D₁),...-условные вероятности отдельных симптомов, по отношению к данному диагнозу и находятся в медицинской памяти, содержащейся в ЭВМ.

Они могут быть определены статистически, а медицинскую память можно представить в виде матрицы.

Знаменатель формулы представляет полную вероятность наличия симптомокомплекса при всех болезнях, т.е. сумма произведений априорной вероятности каждой из болезней на условную вероятность симптомокомплекса при каждой из этих болезней.

P(S)=сумма(над "n", под "i=1") [(P(D_i)·P(S/D_i)]

Он входит в формулу Байеса для нормировки, т.е. чтобы получающиеся вероятности были выражены в процентах.

Болезнь, имеющая наибольшую вероятность, при наличии данного симптомокомплекса и будет рассматриваться как искомый диагноз.