- •Оптимизация диагностики.
- •I. Подготовительный этап – работа с архивом. Этап диагностического процесса:
- •II. Сбор данных о пациенте по поставленным вопросам.
- •IV. Диагностика по совокупности симптомов и параметров:
- •Коэффициент чувствительности к лечебному воздействию!!!
- •Моделирование состояния.
- •Оптимизация лечения.
- •Интернет.
- •Возможности предоставляемые сетью Internet.
- •Поисковые системы.
Лекция №1.
Посещение лекций (5 баллов) - допускается пропуск 1 лекции по математике и информатике и двух лекций по физике. Замечание преподавателей по поводу дисциплины на лекции или нецелевому использованию лекционного времени лишает студента права на 5 бальную надбавку.
Активность на занятиях (10 баллов) – средний балл за все практические занятия больше или равен 4.
Посещение семинаров 10 баллов для студентов принимавших участие в более чем половине семинаров факультетов кафедры медицинской физики.
Итоговый тест мед информатике пересдается для набора баллов необходимых для зачета.
Контрольная работа №1 = 28 баллов.
Контрольная работа №2 = 27 баллов.
Активность на занятиях = 10 баллов.
Посещение лекций = 5 баллов.
Медицинская кибернетика и информатика.
Кибернетика или управление и связь в животном и машине.
Кибернетика – наука об управлении сложными динамическими системами на основе переработки информации.
Информатика – наука о методах в средствах переработки информации.
Медицинская кибернетика – наука об управлении организмом больного и системами здравоохранения на основе переработки информации.
Медицинская информатика – наука о методах и средствах переработки медицинской информации.
Основные понятия кибернетики и информатики.
Информация.
Информация как субъективное понятие.
Информация как объективная характеристика материи.
Материя
вещество
поле
энергия
информация
Информация – мера упорядоченности материи в пространства и времени
Количественное определение информации:
Рi – вероятность того, что система находится в одном из всевозможных своих состояний
Единица измерения информации – бит.
1 бит – количество информации содержащееся в сообщении о том, что произошло одно из двух равновероятных событий.
Свойства вероятности:
Вероятность величина находящаяся в пределах 0<P<1
Сумма вероятностей полной системы событий равна 1.
Система – совокупность элементов, обладающая новыми свойствами по сравнению с элементами, из которых состоит.
Свойство систем называется интегративностью, другие свойства:
- структурность
- функциональность
- иерархичность
- сложность
- организованность
Управление – совокупность координационных мероприятий направленных на достижение цели.
Объект управления характеризуется:
Рi[t] – параметры описывающие функционирование объекта в произвольный момент времени.
Zj[t] – возмущающие воздействия, нарушающие нормальное функционирование объекта.
Система управления – совокупность объектов управления и устройства управления.
Uk[t] – управляющие воздействия, направленные на изменения параметров функционирования объекта.
Принципы управления:
а) жесткое управление или управление по заранее заданной жесткой программе. Недостаток – при любом сбое система выходит из строя (по такому принципу работают технические системы);
б) управление по возмущению;
в) управление по отклонению.
Характер управления:
- детерминированный – существуют однозначные причинно-следственные связи (гормональная система);
- вероятностно-детерминированный – на связи накладываются вероятностные отношения (гормональная система в патологии);
- вероятностный – можно дать только вероятностные отношения причинно-следственных связей (системы здравоохранения).
Системный подход – изучая любую систему нужно всегда учитывать ее взаимодействие с системами более высшего и низшего порядка и количество связей.
Системный и количественный подход!
Пример системного подхода:
Биологическая кибернетика – наука об управлении в биологических системах на основе оптимальной переработки информации.
Иерархия систем управления в организме.
Основные уровни иерархии: клетка – орган – функциональная система – организм.
Лекция №2
Медицинская кибернетика – наука об управлении организмом больного и системами здравоохранения на основе оптимальной переработки информации.
Поток больных Л.Д.О. поток здоровых
Больной врач предварительный диагноз (м.с.) количественные исследования диагноз (м.с.) лечение.
Трудности врача в диагностике и лечении.
- гигантский поток информации;
- за счет технического прогресса, роста техники измерений возрастет число определяемых параметров организма;
- возрастает число средств диагностики и средств лечения, все запомнить и выбрать оптимальные невозможно;
- врач имеет качественные усредненные модели заболеваний и характеристики возможных воздействий, нет классических болезней;
- несовершенство форм записи историй болезни, за счет этого возникает 20% диагностических ошибок;
- качественная оценка количественных признаков;
- отсутствует единая терминология для 3800 заболеваний 24.000 терминов.
С другой стороны требования к точности диагностики и лечения возрастают, т.к. лечебные воздействия действуют все более избирательно.
Диагностика и лечение остаются субъективными процессами:
- недостаточность знаний врача (учеба на 3 или 5);
- настроение, усталость;
- врачебный опыт – статистика: молодой врач – правильный диагноз 30-50%, опытный врач – 90%.
Если все это обобщить, то врачу необходимо переработать большой объем информации, чего он сделать не в состоянии, а если и делает, то обрабатывает ее медленно и не оптимально – отсюда ошибки и невозможность системного подхода на высоком уровне.
Медицинская кибернетика призвана помочь врачу решить эту задачу, т.е. оптимизировать диагностику и лечение с помощью своих методов и вычислительной техники.
Что могут дать Информационные технологии?
Компьютер может оперировать практически неограниченным количеством информации.
Обработка информации идет в реальном масштабе времени.
По специально составленным алгоритмам и программам информация обрабатывается оптимально, что еще более ускоряет процесс.
Компьютер не устает и не утомляется.
Компьютер обеспечивает принцип самообучения.
Оптимизация диагностики:
- больной попадает не к врачу, а к медсестре (по заранее составленным вопросам отвечает на вопросы да/нет);
- после этого компьютер ставит предварительный диагноз и назначает количественные исследования и очередь;
- компьютер сравнивает диагноз и информацию о больном с имеющимися данными и моделями;
- создание оптимизации и стратегии лечения (создание модели, т.е. не на самом больном, а виртуально, и выбрать эффективный путь);
- лечение.
Разделы (направления) процесса лечения:
- создание модели нормы;
- создание модели заболеваний;
- создание индивидуальных моделей состояния больного.
Основные понятия медицинской информатики и кибернетики.
- вектор состояния – набор функциональных параметров организма, который позволяет описать его состояние в любой момент времени;
- пространство состояний – координатное пространство, по осям которого отложены функциональные параметры; в общем случае это пространство может быть n-мерным;
P2 Р (P1,P2)
Р1
- Z(t) – нарушения функционирования организма, вызванные возмущениями
Лекция №3
Оптимизация диагностики.
I. Подготовительный этап – работа с архивом. Этап диагностического процесса:
1. Создание формализованного списка заболеваний (включает в себя частоты встречаемости заболеваний в данном регионе).
В каком-либо отделении имеется n заболеваний D.
(d1,d2…dn)
Вычисляется вероятность встречи каждого заболевания в данном отделении
w(di) = N(d1)/N(D)
Затем все заболевания располагаются в порядке убывания встречаемости
2. Создание диагностического списка симптомов.
Цель – выявить симптомы, позволяющие наиболее эффективно диагностировать заболевания из всего списка D.
а) для каждого заболевания вычисляется отдельно.
б) для каждой пары из списка вычисляется информативность каждого симптома. Информативность симптома – величина характеризующая способность симптома S различать заболевания dj и dk.
в) вычисляется информативность каждого симптома для всего списка заболеваний путем суммирования отдельных информативностей.
г) симптомы выписываются в порядке убывания информативности. Название симптома, указание его информативности.
3. Создание диагностического списка параметров.
Цель – выявить функциональные параметры, позволяющие наиболее эффективно диагностировать заболевания из всего списка D.
а) для каждой пары заболеваний из списка вычисляется информативность каждого параметра. Информативность параметра – величина, характеризующая способность параметров Pi различать заболевания dj иdk.
б) вычисляется информативность каждого параметра для всех заболеваний из списка путем суммирования отдельных информативностей.
в) параметры выписываются в порядке убывания информативности.
II. Сбор данных о пациенте по поставленным вопросам.
III. Предварительная диагностика по списку симптомов (например алгоритм Бейеса - вычисляются вероятности наличия каждого заболевания из списка при данном симтомокомплексе). Если какая-то из вероятностей больше либо равна 0,95 (сумма вероятностей при данном симтомокомплексе = 1), то ДИАГНОЗ ПОСТАВЛЕН!
Если вероятность меньше 0,95, то происходит оптимизация сбора дополнительной информации:
а) выбор последовательности измерения параметров (по информативности);
б) выбор нужного диагностического теста.
IV. Диагностика по совокупности симптомов и параметров:
Сбор дополнительной диагностической информации дает данные для добора до 0,95 и постановки диагноза.
Этапы диагностического процесса.
Примеры:
- телеметрические системы дистанционной диагностики (ЭКГ);
- профилактические диагностики системы (анкета 75 вопросов, после обработки информации идет разбиение на три группы здоровые больные подверженные угроза сердечно-сосудистой патологии).
Моделирование – метод изучения окружающих нас объектов, процессов, явлений, путем создания их моделей.
Модель – искусственно созданная система, с той или иной степенью точности отражающая некоторые черты моделируемого объекта (модель всегда проще чем объект).
Проблема выбора модели – нахождение грани между усложнением модели и ее упрощением.
Классификация моделей:
по предмету
- структурные
- функциональные
- информационные
2. по средствам
- физические
- математические (абстрактные)
3. по принципу
- аналитические
- синтетические (метод черного ящика)
Лекция №4.
Моделирование патологических процессов.
Этапы создания модели нормы (усредненная модель) – создается на базе изучения группы практически здоровых лиц:
1 этап. Определение вектора состояния в норме (например, кривая температуры у 100 лиц – нормальное распределение Гауса):
Любой параметр в норме распределен по нормальному распределению Гауса!
Максимум приходится на среднее значение.
Значение от вершины до середины кривой – находится среднее квадратичное значение параметра.
Кривая симметрична относительно кривой проходящей через среднее значение.
2 этап. Нахождение изменения параметров со временем.
Нормальное изменение параметров происходит за счет биоритмов. Изменения носят периодический характер. Эти периодические изменения можно описать математически и получить зависимость.
3 этап. Процессы саморегуляции в организме протекают и в норме. Оценить их можно с помощью коэффициента чувствительности саморегуляции.
Чтобы найти коэффициент чувствительности саморегуляции необходимо:
А) оценить, связаны ли параметры между собой или нет. Для этого необходимо определить коэффициент корреляции.
Коэффициент корреляции. Численное значение коэффициента корреляции находится в пределах от минус единицы, до плюс единицы. Чем больше абсолютная величина коэффициента корреляции, тем теснее связь между исследуемыми параметрами и явлениями.
Связь меньше либо равна 0,3 – связь слабая
Связь меньше либо равна меньше 0,7 – связь средняя
Связь больше либо равна 0,7 – связь тесная
Б) если связь есть, то ее можно описать с помощью аппроксимирующей формулы. Для этого вводим данные в компьютер и рассчитываем выборочный и начальный коэффициенты регрессии (a и b).
P2 = aP1 + b – линейная зависимость
4 этап. Нахождение коэффициента возмущения.
В норме могут действовать различные возмущения. Их действие описывается коэффициентом чувствительности к возмущению.
Математическая модель нормы представляет из себя систему математических уравнений связывающих:
PiN σiN PiN(t) RpN RzN
Создание модели заболеваний – создается на базе изучения групп лиц с определенными заболеваниями:
Определение вектора состояния при заболевании (сдвиг кривой в сторону патологии, сама кривая менее симметричная).
Нахождение временных зависимостей параметров. Параметры при заболевании изменяются:
- за счет биоритмов – изменения периодические;
- за счет заболевания – изменения не периодические.
На этом этапе выделяются изменения за счет заболевания.
Оценка коэффициента чувствительности саморегуляции.
А) оценить связанность параметров определить коэффициент корреляции анализ связи. Построение графиков нахождение аппроксимирующей формулы. Анализ зависимости.
Коэффициент чувствительности к возмущению.