Preview

Вестник Российской академии медицинских наук

Расширенный поиск

НОВЫЙ КЛАСС ЯВЛЕНИЙ, ОБНАРУЖИВАЕМЫЙ ПРИ НЕЙРОСЕТЕВОМ АНАЛИЗЕ МНОГОПРИЗНАКОВЫХ ДАННЫХ У БОЛЬНЫХ С ВОСПАЛИТЕЛЬНЫМИ ЗАБОЛЕВАНИЯМИ ЛЕГКИХ

https://doi.org/10.15690/vramn.v69.i1-2.945

Полный текст:

Аннотация

Цель исследования: применить нейросетевой метод анализа многопризнаковых данных у больных с воспалительными заболеваниями легких для распознавания вариабельности их диагнозов с учетом степени тяжести течения болезни и расширения аналитических возможностей этого метода путем использования нетрадиционных методических подходов. Подходы основаны на последовательном вычленении из всего набора признаков тех из них, которые оказываются относительно наименее диагностически значимыми. Материалы и методы: в исследовании использованы многопризнаковые данные пациентов, полученные в ходе клинического исследования анамнестических, клинических, лабораторных и инструментальных данных 60 пациентов в возрасте старше 65 лет на разных этапах лечения внебольничной пневмонии. Для нейросетевого анализа учитывали антропометрические, иммунологические и иммунохимические показатели сыворотки крови больных внебольничной пневмонией, находившихся в остром периоде заболевания. Результаты: установлены скрытые закономерные связи между определенными признаками, которые образуют специфические характеристические ряды, свойственные инфекционно-воспалительным бронхолегочным заболеваниям. Эти ряды состоят из сочетания небольшого числа признаков, необходимых и достаточных в своей совокупности для безошибочного подтверждения диагноза у пациентов. Выводы: можно утверждать, что наличие таких характеристических рядов демонстрирует существование нового класса явлений в виде скрытых взаимоотношений между признаками, входящими в эти ряды, и отражает особенности течения патогенетических процессов при различных вариантах степени тяжести воспалительных заболеваний легких. Дальнейшее изучение этих взаимосвязей представляется важным в более глубоком понимании многих аспектов данного заболевания.

Об авторах

А. А. Карабиненко
Российский национальный исследовательский медицинский университет им. Н.И. Пирогова, Москва, Российская Федерация
Россия

доктор медицинских наук, профессор кафедры госпитальной терапии № 2 ГБОУ ВПО «РНИМУ им. Н.И. Пирогова» МЗ РФ
Адрес: 117997, Москва, ул. Островитянова, д. 1, тел.: (495) 321-10-06



Ю. М. Петренко
Российский национальный исследовательский медицинский университет им. Н.И. Пирогова, Москва, Российская Федерация
Россия

доктор биологических наук, профессор кафедры общей и медицинской биофизики ГБОУ ВПО «РНИМУ им. Н.И. Пирогова» МЗ РФ
Адрес: 117997, Москва, ул. Островитянова, д. 1, тел.: (495) 434-44-74



Г. И. Сторожаков
Российский национальный исследовательский медицинский университет им. Н.И. Пирогова, Москва, Российская Федерация
Россия

доктор медицинских наук, профессор, академик РАМН, член Президиума РАМН, заведующий кафедрой госпитальной терапии № 2 ГБОУ ВПО «РНИМУ им. Н.И. Пирогова» МЗ РФ
Адрес: 117997, Москва, ул. Островитянова, д. 1, тел.: (495) 321-55-44



Н. М. Широхова
Российский национальный исследовательский медицинский университет им. Н.И. Пирогова, Москва, Российская Федерация
Россия

кандидат медицинских наук, врач-терапевт кафедры госпитальной терапии № 2 Российского национального исследовательского медицинского университета им. Н.И. Пирогова, врач-терапевт ГБОУ ВПО «РНИМУ им. Н.И. Пирогова» МЗ РФ
Адрес: 117997, Москва, ул. Островитянова, д. 1, тел.: (495) 321-55-44



Список литературы

1. Albu A., Ungureanu L. Artificial Neural Network in Medicine. Telemed. J. E. Health 2012; 18 (6): 446–453.

2. Luca M.D., Grossi E., Borroni B., Zimmermann M., Marcello E., Colciaghi F. et al. Artificial neural networks allow the use of simultaneous measurements of Alzheimer disease markers for early detection of the disease. Transl. Med. 2005; 27 (3): 30.

3. Luca D.M., Pastorino L., Bianchetti A., Perez J., Vignolo L.A., Lenzi G.L. et al. Differential level of platelet amyloid beta precursor protein isoforms: an early marker for Alzheimer disease. Arch. Neurol. 1998; 55 (9): 1195–1200.

4. Cleophas T.J., Cleophas T.F. Artificial intelligence for diagnostic purposes: principles, procedures and limitations. Clin. Chem. Lab. Med. 2010; 48 (2): 159–165.

5. Твердохлеб В.М., Аранович М.В. Анализ признаков для распознавания очагов заболеваний на маммограммах. Сб. трудов XXI Междунар. науч. конф. «Математические методы в технике и технологиях». Саратов. 2008. С. 33–36.

6. Безруков Н.С., Ермакова Е.В. Прогнозирование бронхиальной астмы по параметрам реоэнцефалографии на основе гибридной сети. Сб. трудов XIX Междунар. науч. конф. «Математические методы в технике и технологиях». Воронеж. 2006. С. 211–214.

7. Филатова Н.Н., Спиридонов А.В. Нейросетевой алгоритм для построения иерархической классификации. Сб. трудов XXI Междунар. науч. конф. «Математические методы в технике и технологиях». Саратов. 2008. 65 с.

8. Широхова Н.М. Внебольничная пневмония у лиц пожилого и старческого возраста: особенности диагностики и клинического течения. Автореф. … дис. канд. мед. наук. М. 2012. 27 с.


Для цитирования:


Карабиненко А.А., Петренко Ю.М., Сторожаков Г.И., Широхова Н.М. НОВЫЙ КЛАСС ЯВЛЕНИЙ, ОБНАРУЖИВАЕМЫЙ ПРИ НЕЙРОСЕТЕВОМ АНАЛИЗЕ МНОГОПРИЗНАКОВЫХ ДАННЫХ У БОЛЬНЫХ С ВОСПАЛИТЕЛЬНЫМИ ЗАБОЛЕВАНИЯМИ ЛЕГКИХ. Вестник Российской академии медицинских наук. 2014;69(1-2):69-74. https://doi.org/10.15690/vramn.v69.i1-2.945

For citation:


Karabinenko A.A., Petrenko Y.M., Storozhakov G.I., Shirohova N.M. A NEW CLASS OF PHENOMENA IDENTIFIED DURING THE ANALYSIS OF NEURAL NETWORK OF MULTIDIMENSIONAL DATA FROM PATIENTS WITH INFLAMMATORY LUNG DISEASES. Annals of the Russian academy of medical sciences. 2014;69(1-2):69-74. (In Russ.) https://doi.org/10.15690/vramn.v69.i1-2.945

Просмотров: 163


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0869-6047 (Print)
ISSN 2414-3545 (Online)