НЕЙРОСЕТЕВОЕ МОДЕЛИРОВАНИЕ ПРОЦЕССА ВЫБОРА СХЕМЫ ЛЕЧЕНИЯ ПАЦИЕНТОВ С ХРОНИЧЕСКИМ ПИЕЛОНЕФРИТОМ И МОЧЕКАМЕННОЙ БОЛЕЗНЬЮ

УДК 681.3

К.О. Левенков, Е.Н. Коровин, Е.И. Новикова


Работа посвящена актуальной проблеме повышения точности выбора схемы лечения заболеваний мочевыделительной системы за счет компьютерной обработки данных и применения методов искусственного интеллекта для систем поддержки принятия решений. В статье представлены результаты нейросетевого моделирования процесса выбора схемы лечения пациентов с хроническим пиелонефритом и мочекаменной болезнью. На этапе формирования матрицы входной информации были обработаны 150 историй болезни пациентов с диагнозами хронический пиелонефрит, мочекаменная болезнь, а также, больные у которых наблюдалось сочетание данных патологий. В матрицу входных значений вошли 25 показателей, среди которых результаты лабораторных и инструментальных исследований. Построение многослойного персептрона проводилось на базе модуля NeuralNetworks в программе Statistica. Была получена сеть, которая состоит из 25 входных векторов и одного скрытого слоя, содержащего 14 нейронов. Обучение нейронной сети осуществлялось по выборке, включающей в себя 100 примеров. Полученная нейросетевая модель имеет 5 выходов, каждый из которых идентичен присутствующим в обучающей выборке классам типа лечения. Разработанная модель дает возможность выбрать один из 5 видов лечения: Y1 – консервативная терапия антибактериальными, спазмолитическими и противовоспалительными препаратами в сочетании с физиотерапевтическими процедурами; Y2 — консервативная терапия в сочетании с оперативным лечением в объеме контактной литотрипсии (КЛТ); Y3 — консервативная терапия в сочетании с оперативным лечением в объеме дистанционной литотрипсии (ДЛТ); Y4 — консервативная терапия в сочетании с оперативным лечением в объеме перкутанной нефролитолапаксией (ПНЛТ); Y5 — открытая операция и консервативное лечение. Апробация разработанной сети проводилась на контрольной выборке, включающей 50 примеров. В результате тестирования трем пациентам был поставлен неправильный диагноз. Таким образом, точность модели составила 94%.

Ключевые слова: нейросетевое моделирование, хронический пиелонефрит, мочекаменная болезнь, многослойный персептрон, нейрон, тестовая выборка, система распознавания образов.

Полный текст статьи:
LevenkovSoavtors_4_18_1.pdf