Использование метода искусственных нейронных сетей для интегрирования в систему поддержки принятия решений как инструмент оптимизации амбулаторного ведения пациентов с хронической обструктивной болезнью лёгких

Введение

По данным ВОЗ, ХОБЛ является третьей причиной всех смертей. Ежегодно от ХОБЛ умирает около 2,8 млн человек [1]. Целью оптимизации амбулаторного ведения пациентов с ХОБЛ, помимо замедления темпов прогрессирования основного заболевания и предупреждения развития сердечно-сосудистых осложнений, является улучшение социальной адаптации пациента, реализуемое посредством амбулаторного этапа реабилитации [2].

Система поддержки принятия врачебных решений (СППВР) — это программное обеспечение, позволяющее путём сбора и анализа информации влиять на принятие врачом решения при обследовании пациента, диагностике, назначении лечения с целью снижения ошибок и повышения качества оказываемой медицинской помощи [3][4].

Поскольку в настоящее время многие врачи ориентированы на концепцию доказательной медицины, данные системы рассматриваются как медицинские технологии, потенциально способствующие повлиять на состояние больного, но при этом должны быть научно обоснованными, эффективными и безопасными [3][4].

Искусственные нейронные сети (ANN), являются составной частью интеллектуальных систем, имитирующих или моделирующих рассуждение врача и состоят из взаимосвязанных элементов, называемых нейронами, взаимодействующих для определения решений конкретных проблем. Процесс обучения ANN основан на примерах: вместо набора инструкций по выполнению конкретной задачи им даются примеры для анализа и поиска способа решения [5–7].

Использование ANN при прогнозировании индивидуального риска неблагоприятного исхода основного заболевания, развития сердечно-сосудистых осложнений и эффективности амбулаторного этапа медицинской реабилитации пациентов с хронической обструктивной болезнью лёгких (ХОБЛ) для интеграции в систему поддержки принятия решений позволит повысить эффективность амбулаторного ведения пациентов.

Цель исследования — оценить возможность использования ANN для интегрирования в СППВР в качестве оптимизации амбулаторного ведения пациентов с ХОБЛ.

Материалы и методы

В исследование вошли 150 пациентов с ХОБЛ, наблюдающихся амбулаторно по месту жительства и состоящих на диспансерном учёте по основному заболеванию в ГБУ РО «Городская поликлиника № 4» в г. Ростове-на-Дону, ГБУ РО «Городская поликлиника № 1» в г. Ростове-на-Дону. Медиана возраста пациентов с ХОБЛ составила 61,0 [ 58,9; 62,4; ДИ — 95%] лет. В группе наблюдения было 110 (73,3 %) мужчин и 40 (26,7 %) женщин. Индекс пачка лет составил 30,0 [ 19,9; 25,1 ДИ — 95%] лет.

Медиана длительности основного заболевания — 8,0 [ 4,7; 5,9 ДИ — 95%] лет. Медиана длительности диспансерного наблюдения составила 5,0 [ 3,8; 4,7 ДИ — 95%] лет.

Диагноз ХОБЛ был установлен в соответствии с GOLD 2020 г. на основе комплексной оценки симптомов заболевания, данных анамнеза, данных объективного статуса, спирометрии (по стандартной методике с оценкой постбронходилатационных значений ОФВ₁, ОФВ1/ФЖЕЛ, в пробе с сальбутамолом в дозе 400 мкг). Основным показателем, указывающим на наличие ХОБЛ, выступало постбронходилатационное значение ОФВ₁/ФЖЕЛ < 0,70 [8].

Критерии включения в исследование: подписанное информированное добровольное согласие пациента на участие в исследовании; пациенты обоего пола в возрасте старше18 лет; установленный диагноз ХОБЛ не менее чем за 12 месяцев до включения в исследование. Критерии невключения: обострение ХОБЛ на момент участия в исследовании; наличие установленной связи с профессиональными вредностями; необходимость и наличие показаний для длительной кислородотерапии; ИМТ менее 18,5 кг/м²; злокачественное новообразование вне зависимости от локализации и стадии, включая наличие в анамнезе; сопутствующие заболевания лёгких, такие как опухоль лёгких, интерстициальные заболевания лёгких, туберкулез, саркоидоз, бронхиальная астма, облитерирующий бронхиолит, бронхоэктатическая болезнь; хирургические вмешательства с уменьшением объёма лёгких в анамнезе. Кроме того, были учтены индивидуальные возможные ограничения для полноценного участия в амбулаторных программах легочной реабилитации, включающих лечебную физкультуру и физическую реабилитацию: наличие дыхательной недостаточности третьей степени, декомпенсированной сердечной недостаточности, патологии опорно-двигательного аппарата с резким ограничением подвижности суставов и в остром периоде. Исследование одобрено Локальным этическим комитетом ФГБОУ ВО Ростовского государственного медицинского университета Минздрава России.

Исходя из того, что обучение искусственных нейронных сетей основано на анализе примеров, осуществлялось динамическое наблюдение в течение 12 месяцев за пациентами, состоящими на диспансерном учёте у участкового врача-терапевта и прошедшими амбулаторный этап лёгочной реабилитации после обострения ХОБЛ средней степени тяжести, не потребовавшего госпитализации. В амбулаторных условиях на 25-й день от начала обострения после купирования всех основных симптомов на фоне продолжающейся базисной терапии проводилось два этапа физической реабилитации: первый — 10 дней — ежедневно лечебная гимнастика под контролем инструктора физиотерапевтического отделения и дозированная ходьба (150 метров 2 раза в день в режиме 75 шагов в минуту со скоростью 3 км/ч), второй этап — 14 дней — лечебная физкультура 4 раза в неделю в домашних условиях и дозированная ежедневная ходьба по 300 м и подъём на один лестничный пролёт два раза в день в режиме 75 шагов в минуту со скоростью 3 км/час.

Перед реализацией амбулаторного этапа реабилитации и после него всем пациентам была проведена оценка выраженности клинических симптомов основного заболевания, структурных и функциональных нарушений со стороны бронхолегочной и сердечно-сосудистой систем (спирометрия, пульсоксиметрия в покое и при физической нагрузке, электрокардиограмма (ЭКГ), ультразвуковое исследование (УЗИ) сердца с оценкой состояния правых и левых отделов сердца), компьютерная томография лёгких, определена степень ограничения толерантности к физической нагрузке и прогностический индекс в плане 4-летней выживаемости (индекс BODE). Кроме того, для раннего выявления системного и периферического атеросклероза в соответствии с наличием одного из факторов риска развития кардиоваскулярной патологии у пациентов с ХОБЛ, а именно гиперхолестеринемия, ожирение, повышение уровня артериального давления, была проведена допплерография брахиоцефальных артерий и рассчитан лодыжечно-плечевой индекс.

В ходе динамического наблюдения, высокий риск неблагоприятного исхода основного заболевания был определён как увеличение значения прогностического показателя 4-летней выживаемости индекса BODE, включающего оценку степени выраженности бронхиальной обструкции, снижения индекса массы тела, тяжесть одышки и результаты теста шестиминутной ходьбы [1].

Интегральная оценка эффективности амбулаторного этапа реабилитации включала в себя анализ в динамике выраженности одышки (по шкале mMRS), степени влияния основного заболевания на качество жизни пациента (по шкале САТ — COPD), отношения ОФВ1 к ФЖЕЛ, степени толерантности к физической нагрузке (тест 6-минутной ходьбы), уровня сатурации крови кислородом методом пульсоксиметрии до и после физической нагрузки с целью выявления десатурации как признака системной гипоксемии (снижение уровня сатурации, измеренной пульсоксиметрией при проведении теста 6-минутной ходьбы на ≥ 4 %, что определяется при вычитании показателя сатурации после нагрузочного теста из величины показателя до теста или при снижении уровня сатурации после нагрузки ниже 88%). Динамику показателей оценивали при помощи балльной системы: 4 балла — показатель улучшился более чем на 25%, 3 балла — на 15–25%, 2 балла — 5–15%, 1 балл — 0–5%, 0 баллов — показатель не изменился. Процент изменения значения показателей рассчитывали по следующим формулам:

при х₂>х₁: (х₂/х₁ – 1) *100 %,

при х₂<х₁: (х₁/х₂ – 1) *100 %,

где х₁ — значение показателя до реабилитационных мероприятий, х₂ — значение показателя после реабилитационных мероприятий.

После этого определяли общее количество баллов и рассчитывали средний балл по следующей формуле:

(mMRS(балл динамики показателя) + САТ(балл динамики показателя) + ОФВ1/ФЖЕЛ (балл динамики показателя) + ТШХ (балл динамики показателя))/4.

При наличии у пациента признаков десатурации (снижение уровня сатурации при проведении теста 6-минутной ходьбы на ≥ 4% или снижение уровня сатурации после нагрузки ниже 88%) после окончания амбулаторного этапа реабилитации от определенного расчётным методом среднего балла отнимали один балл (-1), после чего оценивали эффективность амбулаторного этапа реабилитации в баллах: 0–1 балл — неэффективность реабилитационных мероприятий, 2 балла и более — эффективность реабилитационных мероприятий с клиническим улучшением.

Была составлена универсальная анкета из 69 показателей. Список функций включал как непрерывные, так и категориальные переменные с различными единицами измерения и ответами. Каждое клиническое наблюдение содержало переменные, которые были объединены в 15 категорий, включающих анамнестические, физикальные данные, а также данные лабораторных и инструментальных методов исследования (табл. 1).

Цель исследования реализовывалась в предсказании значения прогностического признака объекта по его описанию, другими словами, в интерпретации многомерных наблюдений. Целью обучения сети являлась такая настройка, при которой наличие множества входов (входной вектор) приводило к требуемому множеству выходов (целевой вектор). При обучении предполагалось наличие обучающего множества, при котором для каждого входного вектора существует парный ему целевой (обучающее множество). Для обучения использовался алгоритм обратного распространения ошибки, в данном случае нейронная сеть представляла собой многослойную сетевую структуру, представленную на рисунке 1.

При обучении на вход нейронной сети подавались векторы из обучающего множества. Полученное значение на выходе сети сравнивалось с эталоном, вычислялась ошибка, начиналось так называемое обратное распространение ошибки по сети, в результате которого модифицировались весовые коэффициенты связей, приходящие на целевой слой. Затем происходила модификация связей на один слой ближе ко входу сети и так далее до входного слоя. Процесс обучения закончился, когда сеть начала правильно выполнять преобразование входных данных в выходные, то есть осуществлять аппроксимацию неизвестной функции.

Для построения прогностической модели было использовано программное обеспечение на языке программирования Java с использованием модуля Encog 3.4 [9], для статистического анализа использовали программу «Statistica 10.0». Выборочные параметры представлены как среднее ± стандартное отклонение. Операционные характеристики представлены с 95%-ным доверительным интервалом. Размер анализируемой популяции представлен как n.

Результаты

Создана четырёхслойная нейронная сеть: первые два слоя содержали 69 нейронов (по количеству входных значений), третий слой имел 34 нейрона и последний (выходной) слой — 3 нейрона (по количеству выходных значений). С точки зрения выбора внутренней размерности четырехслойной нейросети, использовался принцип наращивания узлов, заключающийся в постепенном наращивании сложности модели (в зависимости от числа нейронов промежуточного слоя) с целью компенсации ошибки, выдаваемой моделью меньшей размерности. При этом «достаточное» количество промежуточных нейронов определялось на основании скорости изменения зависимости ошибки распознавания от используемого на данном этапе числа нейронов.

Первый этап работы заключался в нормализации исходных данных (все значения от 0 до 1). Для этого для каждого параметра были рассчитаны минимальные и максимальные значения и проведен расчет по следующей формуле:

N = (V - Min) / (Max - Min),

где N — нормализованное значение, V — исходное значение, Max — максимальное значение, Min — минимальное значение.

В дальнейшем из выборки были случайным образом выбраны 20 пациентов, которые образовали контрольную группу. Оставшиеся 129 были использованы для обучения нейронной сети. После обучения нейронная сеть была проверена на 20 пациентах из контрольной группы. При этом значение каждого выходного параметра ранжировалось в диапазоне от 0,0 до 1,0 с наибольшей ценностью, соответствовавшей наивысшему отношению вероятностей положительного исхода: 0–0,3 — отрицательно, 0,31–0,7 — сомнительно, > 0,7 — положительно. Результаты проверки нейронной сети на контрольной группе представлены в таблице 2.

Для оценки вероятности неблагоприятного исхода основного заболевания и риска развития сердечно-сосудистых осложнений у больных ХОБЛ в 19 случаях из 20 зарегистрировано совпадение рассчитанных и фактических значений, специфичность составила 95%. Для оценки эффективности амбулаторного этапа реабилитационных мероприятий совпадение зарегистрировано в 17 случаях из 20, специфичность — 85%.

Для минимизации числа признаков во входном векторе после тренировки нейросети производилось последовательное отключение входных нейронов с наименьшими весовыми коэффициентами. Критерием прекращения данной процедуры служило качество распознавания обучающей выборки: удаление малоинформативных признаков не приводило к значительному ухудшению качества распознавания.

Проведённый анализ показал, что следующие показатели оказались малоинформативными при прогнозировании положительного (табл. 3) и отрицательного (табл. 4) выходного вектора (по причине чего они были исключены из дальнейшей работы): возраст, E/A на ТК, ФВ ЛЖ, глюкоза крови, креатинин крови, К⁺ , Na⁺, наличие желудочковых и наджелудочковых экстрасистол, SpО₂, уровень гемоглобина, МНО, ПТВ.

После исключения малоинформативных показателей нейронная сеть была сокращена, входной слой составил 55 нейронов вместо 69 (по количеству входных показателей). Было проведено повторное обучение «сокращённой» нейронной сети и проверка на тестовых данных (табл. 5).

Сравнительный анализ показал, что результаты прогнозирования с использованием сокращённого набора показателей стали более точными: риск неблагоприятного исхода основного заболевания был рассчитан в 19 случаях из 20 (специфичность — 95%), вероятность развития сердечно-сосудистых осложнений — правильно для всех случаев (специфичность — 100 %), а «эффективность реабилитационных мероприятий» — в 18 случаях (в прошлом варианте — в 17; специфичность — 90%).

Обсуждение

В отечественной литературе есть данные о применении искусственного интеллекта в диагностике заболеваний дыхательных путей по анализу аудиозаписей дыхания человека [10]. При этом, используемая в данном случае нейросетевая модель может быть использована только для постановки предварительного диагноза по нескольким нозологиям, таким как «ХОБЛ», «бронхиальная астма», «пневмония», «броннхоэктазы», «бронхиолит», «инфекции верхних и нижних дыхательных путей», её точность составила 87%. В зарубежной литературе имеются единичные данные по использованию нейросетевых моделей у больных с ХОБЛ в качестве классификатора [11] вида оказываемой медицинской помощи и для прогнозирования степени самоконтроля заболевания [12], их чувствительность варьируется от 82% до 97%.

Полученная в настоящем исследовании точность прогнозирования в целом являлась сопоставимой с данными, получаемыми другими авторам при построении прогностических моделей методом ANN в отношении других нозологий. Так Cheng C.A. et all. [13], используя нейронную сеть для оценки исхода ишемического инсульта, получил точность 79–95%. Сходные цифры получены Chung C.C. et all. [14] при разработке нейронной сети для прогнозирования риска развития внутримозгового кровоизлияния и летального исхода у пациентов с инсультом, получающих активатор плазминогена, обеспечивала точность 91–95%, нейронная сеть для прогнозирования исхода инсульта обеспечила точность около 80% [9].

На сегодняшний отсутствуют данные об использовании искусственных нейронных сетей для интегрирования в СППВР при амбулаторном ведении пациентов с ХОБЛ. Кроме того, в нашем исследовании прогностическая модель ANN впервые имела три целевых вектора (риск неблагоприятного исхода основного заболевания, риск развития сердечно-сосудистых осложнений, эффективность реабилитационных мероприятий) и обладала большей долей чувствительности.

Разработанная нейросетевая математическая модель была реализована в виде компьютерной программы «Программа прогнозирования неблагоприятного исхода, развития сердечно-сосудистых осложнений и эффективности проводимых реабилитационных мероприятий у больных хронической обструктивной болезнью лёгких (CardioRisk)» (Номер свидетельства государственной регистрации RU2023666935, дата регистрации 08.08.2023 г.) и внедрена в работу ГБУ РО «Городская поликлиника № 4» в г. Ростове-на-Дону, ГБУ РО «Городская поликлиника № 1» в г. Ростове-на-Дону. Программа выдает количественную оценку суммарного риска развития неблагоприятного исхода основного заболевания, развития сердечно-сосудистых осложнений и предполагаемую эффективность амбулаторного этапа реабилитационных мероприятий на различных уровнях доверительной вероятности согласно двум шкалам.

Приводим пример использования «Программы прогнозирования неблагоприятного исхода, развития сердечно-сосудистых осложнений и эффективности проводимых реабилитационных мероприятий у больных хронической обструктивной болезнью лёгких (CardioRisk)» (Номер свидетельства государственной регистрации RU2023666935, дата регистрации 08.08.2023 г.) на клиническом примере.

Клинический пример. Больная К., 55 лет. Диагноз — «ХОБЛ, GOLD 3 (тяжёлая бронхиальная обструкция), бронхитический фенотип, клиническая группа Е (mMRS — 3, САТ — 26, 3 обострения в год), вне обострения. Осложнения: ДН II».

Жалобы на одышку при минимальной физической нагрузке, кашель с трудноотделяемой мокротой слизисто-гнойного характера, приступы учащенного сердцебиения. Анамнез: считает себя больной 15 лет, частота обострений за последний год — 3 раза, из них с госпитализацией — 1. Не курит.

Результаты осмотра: рост — 1,71 м, вес — 72 кг, ИМТ — 24,6 кг/м². Кожные покровы обычной окраски и влажности, слабо выраженный цианоз. ЧДД — 19 в минуту. Грудная клетка эмфизематозная. Перкуторно над лёгкими коробочный звук. При аускультации дыхание везикулярное, сухие рассеянные хрипы над всей поверхностью лёгких, усиливающиеся при форсированном выдохе. ЧСС — 101 в мин. АД — 130/90 мм рт. ст. Размеры печени по Курлову — 12×10×9 см. При пальпации живот мягкий, безболезненный. Видимых отёков нет. Лодыжечно-плечевой индекс — 0,6. Тест шестиминутной ходьбы: 6MWD — 378 м.

Спирометрия: OФB₁ — 42% от должного, ФЖЕЛ — 61% от должного, ОФВ₁/ФЖЕЛ — 59% от должного, МОС₂₅ — 24% от должного, МОС₅₀ — 19% от должного, МОС₇₅ — 19% от должного. Согласно СКТ лёгких, пневмофиброз. Признаки бронхита. Единичные буллы верхней доли левого лёгкого. УЗИ брахиоцефальных артерий: ТИМ — 1,0. Гемодинамически значимых стенозов нет. УЗИ сердца: СДЛА — 22 мм рт. ст., ТС ПЖ — 5,0 мм, E/A — 0,80, ЛП – 37 мм, ФВ ЛЖ — 67 %. Холтер ЭКГ: Ритм синусовый, mах — 146, min — 46. ЦИ — 1,52. Средняя ЧСС днём — 89 уд./мин., ночью — 87 уд./мин. Пауз более 2000 мсек не выявлено. Нарушений АВ-проводимости не выявлено. PQ — 121–200 мсек. QT при max ЧСС — 315 мсек, при min ЧСС — 410 мсек. Эктопическая активность: НЖЭС — 10120, ЖЭС — 599, экстрасистолы по смешанному типу — 4. SDnn — 43.

Общий анализ крови: эритроциты — 3,5×10¹²/л, гемоглобин 100 г/л, лейкоциты 6,2×10⁹ /л, э — 5%, п — 5%, с —– 50%, л — 37%, м — 3%, тромбоциты — 257×10⁹ /л, C0Э — 5 мм/час. Глюкоза — 5,2 ммоль/л, холестерин общий — 7,1 ммоль/л, холестерин ЛПНП — 3,8 ммоль/л, холестерин ЛПВП — 0,45 ммоль/л, триглицериды — 2,0 ммоль/л, СРБ — 6,0 г/л, фибриноген — 6,3 г/л. Клинический анализ мокроты: характер слизисто-гнойный, консистенция вязкая, цвет серый, лейкоциты — 30 в поле зрения, эозинофилы — 3 в поле зрения. Все данные по соответствующим категориям были внесены в программу, в том числе по имеющейся сопутствующей патологии (рис. 2).

Проводимая лекарственная терапия (за последний год): тиотропия бромид — 18 мкг 1 раз в сутки, фенотерола гидробромид+ипратропия бромид 50+20 мкг — по потребности.

Программой была рассчитана вероятность риска неблагоприятного исхода основного заболевания (рис. 3) и составила 1 %, вероятность риска развития сердечно-сосудистых осложнений — 100 %, предполагаемая эффективность амбулаторного этапа медицинской реабилитации — 100 %.

Полученные прогнозируемые данные указывают на необходимость коррекции терапии с учётом комплексной оценки индивидуального риска развития сердечно-сосудистых осложнений как наиболее значимых факторов риска для пациента с ХОБЛ. Кроме того, предварительная высокая оценка эффективности амбулаторного этапа реабилитации должна учитываться при разработке индивидуальной программы реабилитации, возможно, с использованием элементов дистанционного контроля.

Заключение

Анализ прогностической модели неблагоприятного исхода основного заболевания, развития сердечно-сосудистых осложнений и эффективности реабилитационных мероприятий с использованием искусственной нейронной сети у пациентов с ХОБЛ показал отсутствие ограничений, характерных для стандартных методов. Созданная нейронная сеть способна моделировать показатель при отсутствии линейности взаимосвязей между действующими на объект анализа факторами и показателями-откликами, при неустойчивости распределения и наличии в группах объектов с нулевой дисперсией. Выявлена высокая специфичность прогнозирования по трем конечным точкам в условиях неполной информации о системе.

Использование «Программы прогнозирования неблагоприятного исхода, развития сердечно-сосудистых осложнений и эффективности проводимых реабилитационных мероприятий у больных хронической обструктивной болезнью лёгких (CardioRisk)» (Номер свидетельства государственной регистрации RU2023666935, дата регистрации 08.08.2023 г.) позволит обеспечить амбулаторное ведение пациентов с ХОБЛ участковым терапевтом с учётом комплексной оценки индивидуального суммарного риска неблагоприятного исхода основного заболевания и развития сердечно-сосудистых осложнений как наиболее значимых факторов риска для пациента с ХОБЛ. Полученные данные необходимо учитывать при разработке индивидуальной амбулаторной программы реабилитации с предварительной оценкой вероятной эффективности. При этом система поддержки принятия врачебных решений — это программное обеспечение, которое является рекомендательным и в практическом здравоохранении играет роль «второго мнения», которое может учитываться или нет врачом при выработке собственного решения.