Информационная система "Конференции"



Международная конференция молодых ученых по математическому моделированию и информационным технологиям

29-31 октября 2002 года, Новосибирск, Академгородок

Тезисы докладов


Задачи поддержки принятия решений

Поддержка принятия решений при операциях у больных механической желтухой

Драгун И.А.

Алтайский государственный университет (Барнаул)

Принятие решения о проведении хирургического вмешательства, прогнозирование его исхода и эффективности зависят от адекватности оценки операционного риска.

Исходя из неоднозначности характера процесса развития заболеваний, для оценки операционного риска и прогнозирования исхода операции нами избран вероятностно – статистический подход. Этот выбор по существу соответствует теоретическим концепциям биокибернетики и общей теории систем, согласно которым организм человека и высших животных относятся к очень сложным, вероятностным по своей природе системам.

Вероятностная модель чаще всего строится на теореме Байеса и ее приложениях. Применительно к состояниям больных, формула Байеса позволяет рассчитать вероятность каждого из возможных состояний, если обнаружен определенный набор биоединиц и известны общие (априорные) вероятности состояний. Под биоединицами и биопоказателями мы понимаем симптомы болезни, результаты лабораторных тестов и инструментальных методов исследования, характеризующих состояние больного.

Очень часто установить характер распределения величин и аппроксимировать их известными теоретическими распределениями довольно сложно. Поэтому для применения формулы Байеса выборки биопоказателей разбивают на диапазоны и вычисляются условные вероятности биоединиц в диапазонах для каждого из возможных состояний больного.

При рассмотрении двух альтернативных состояний больного полезно вычислять отношение вероятностей этих состояний, называемого отношением правдоподобия. Для случая равных априорных вероятностей отношение правдоподобия состояний равно отношению условных вероятностей биоединиц при этих состояниях.

На использовании отношений правдоподобия и введении ещё одного добавочного ограничения, основана Неоднородная Последовательная Процедура (НПП). НПП, впервые предложенная А.А. Генкиным в 1962 г., является разновидностью последовательного анализа Вальда для неоднородной информации. Суть её заключается в следующем. Последовательное умножение отношений правдоподобия биоединиц при двух альтернативных состояниях A1 и A2 прерывают по достижению диагностических порогов, которые намечают, исходя из заранее выбранного теоретически - допустимого уровня диагностических ошибок.

При превышении одного из диагностических порогов процедуру останавливают и принимают одно из решений: «Состояние A1», «Состояние A2» или «Имеющейся информации недостаточно для принятия решения с намеченным уровнем надежности». Диагностические пороги находят исходя из теоретической возможности ошибок первого и второго рода: α и α соответственно.

Ошибка первого рода – α – происходит когда крайне тяжёлое угрожающее состояние A2 можно принять за менее тяжелое A1. Ошибка второго рода – β - происходит когда при менее тяжелом состоянии А1 ставят ошибочный диагноз более тяжелого состояния А2.

Опасность этих ошибок может быть неодинакова. Очень часто ошибка первого рода альфа - пропуск крайне тяжелого состояния А2 - более опасна, чем бета - его ошибочная диагностика. В таком случае желательно, чтобы при Неоднородной Последовательной Процедуре был обеспечен меньший уровень ошибок первого рода.

Наиболее быстрый ответ и наименьшее количество ошибок будет допущено, если начать процедуру с тех биоединиц, распределения вероятностей которых при состояниях А1 и А2 различаются сильнее всего, т. е. биоединиц, информативность которых наибольшая.

Для вычисления информативности биопоказателя, как величины различия двух распределений, используют логарифмическую меру, введенную Jeffreus в 1946 г. и подробно изученную Кульбаком в качестве информационной меры. Для использования в НПП биопоказатели ранжируются по убывающей информативности, причем малоинформативные биоединицы в процедуре не участвуют.

Одним из ограничений применения НПП является возможное наличие нулевых вероятностей в диапазонах, на которые разбиваются выборки, поэтому существенным оказывается качество процесса разбивки на диапазоны.

Статистическая информация о 21 биопоказателе больных механической желтухой, оцененных экспертом, как наиболее значимые при принятии решения об операции, собрана из историй болезни в клинической больнице №5 г. Барнаула. Обработано 594 историй болезни для двух групп больных. Первая группа (состояние А1) – 473 истории болезни, пациентов, которые выписаны из больницы после операции. Вторая группа (состояние А2) – 121 история болезни больных умерших после операции. Состояния больных фиксировались в десятидневный предоперационный и послеоперационный периоды. Априорные вероятности состояний А1 и А2 составили 91 и 9% соответственно.

Анализируя интегральные функции распределений вероятностей, и, используя алгоритм нахождения границ диапазонов, максимально сохраняющий различия распределений, мы добились максимальной информативности по каждому биопоказателю. Информативность вычислялась по формуле Кульбака, модифицированной Е.В. Гублером (1990), для учета априорных вероятностей состояний. В процессе ранжирования биоедениц по убывающей информативности было исключено 3 малоинформативных биопоказателя.

Выделено 4 степени операционного риска, которым соответствуют следующие вероятности состояния А2: I степень – 60 – 70%, II степень – 70 – 80%, III степень – 80 – 90% и IV степень – 90 – 100%.

Компьютерная реализация алгоритма НПП и формулы Байеса позволяет принять решение в пользу одного из двух рассматриваемых состояний при превышении одного из диагностических порогов. А если ни один из порогов не достигнут – оценить степень операционного риска у конкретного больного.

Тестирование компьютерной программы на группе больных с состоянием А2 дало следующие результаты: верификация состояния А2 для двух пар ошибок α=1%, β=10% и α=5%, β=20% составила 34.6 и 41.3% соответственно. Распределение группы по степеням операционного риска следующее: I степень – 5.8% больных, II степень – 1.6% больных, III степень – 7.4% и IV степень – 47.9% больных. У 30.6% больных вероятность состояния А2 составила менее 50%.

Дополнительные материалы: HTML
Примечание. Тезисы докладов публикуются в авторской редакции



Ваши комментарии
Обратная связь
[ICT SBRAS]
[Головная страница]
[Конференции]

© 1996-2000, Институт вычислительных технологий СО РАН, Новосибирск
© 1996-2000, Сибирское отделение Российской академии наук, Новосибирск
    Дата последней модификации: 06-Jul-2012 (11:47:01)