Владивосток, Приморский край, Россия
ВАК 14.01.2005 Кардиология
УДК 61 Медицина. Охрана здоровья
ГРНТИ 50.53 Автоматизация научных исследований
ОКСО 09.03.02 Информационные системы и технологии
ОКСО 31.08.36 Кардиология
ББК 3297 Вычислительная техника
ББК 5410 Болезни системы кровообращения и лимфообращения. Кардиология и ангиология
ТБК 513 Прикладное программное обеспечение
ТБК 5185 Информационные технологии в науке и образовании
ТБК 5703 Общие работы по здравоохранению и медицинской науке
BISAC COM062000 Data Modeling & Design
BISAC MED010000 Cardiology
Сформирован информационный ресурс диагностического интернет-сервиса в области кардиологии – декларативная база знаний заболеваний сердечно-сосудистой системы. База знаний включает формальное описания заболеваний сердца, с возможными причинами, необходимыми условиями, факторами риска, симптомами и синдромами, описанием динамики клинических проявлений. Представление знаний в виде семантической сети обеспечивает их развитие в процессе эксплуатации сервиса
база знаний о заболеваниях, семантическая сеть, сервис поддержки принятия решений
Для создания интеллектуальных сервисов поддержки принятия решений по диагностике заболеваний на облачной платформе IACPaaS [1] предложена инфраструктура, основанная на онтологическом подходе и технология их создания [2]. Каждый облачный сервис для поддержки принятия решений конструируется из информационных и программных компонентов. Информационные компоненты включают онтологии, базы данных (БД) и базы знаний (БЗ). Основными развиваемыми информационными компонентами являются терминологическая база - классификатор терминов, используемый при формировании медицинских документов [3], и БЗ заболеваний. Эти ресурсы формируются на основе соответствующих онтологий и имеют семантическое представление, понятное экспертам предметной области. Онтологии также определяют правила обработки поступающих данных о пациенте в соответствии с текущей БЗ.
БЗ интеллектуальной системы, представленная в виде корректно построенной семантической сети, полностью исключает дублирование информации в рамках такой базы знаний. Представление знаний в виде унифицированных семантических сетей позволяет существенно упростить процедуру ассоциативного доступа к различным видам фрагментов хранимой базы знаний, а также существенно расширить типологию запросов к базе знаний [4].
Цель работы: сформировать БЗ заболеваний сердечно-сосудистой системы для возможности диагностики и дифференциальной диагностики заболеваний сердца, используя облачный сервис поддержки принятия для кардиологии.
БЗ о заболеваниях сердечно-сосудистой системы сформирована в соответствии с «Онтологией знаний о диагностике заболеваний» [5], определяющей используемые в медицинской диагностике причинно-следственные связи заболеваний с динамикой внешних проявлений. Используемая онтология даёт возможность медицинским экспертам формализовать знания со всеми возможными вариантами значений симптомов для каждого периода течения заболевания. БЗ включает формализованные описания таких заболеваний как: острый инфаркт миокарда, стенокардия напряжения, нестабильная стенокардия, гипертоническая болезнь и др. Описание каждого заболевания включает: код заболевания по МКБ-10, причины заболевания, факторы риска, необходимое условие или событие, которое привело к возникновению этого заболевания, клиническую картину заболевания, детализацию диагноза.
Клиническая картина заболевания - это симптомокомплекс, который включает описание комплекса жалоб и объективного исследования и комплекса лабораторных и инструментальных исследований, которые, в свою очередь, включают описание патогномоничных, специфических и неспецифических признаков заболевания с определением модальности. Модальность симптомов определена понятиями: «необходимость», «возможность», «характерность». Для каждого заболевания сформировано от 3 до 10 симптомокомплексов.
Необходимость описать и сгруппировать симптомы в различные симптомокомплексы продиктована во-первых, клиническими особенностями течения заболевания у разных категорий пациентов: лиц пожилого и старческого возраста, беременных женщин, спортсменов. Так, при остром инфаркте миокарда у пациентов пожилого и старческого возраста в 41% случае болевой синдром не выражен, у 28% больных уровень МВ-фракции креатинфосфокиназы остается в норме, а показатель тропонина I превышает предельно допустимые значения лишь в половине случаев [6]. У беременных женщин после 20 недель гестации может возникнуть гестационная гипертензия, протеинурия, преэклампсия, что не характерно для истинной гипертонической болезни [7]. Во-вторых, у обычной категории больных часто наблюдаются атипичные варианты течения заболевания. Например, при инфаркте миокарда существует 9 вариантов сердечного приступа, которые своим механизмом развития и клиническими проявлениями заметно отличаются от типичной формы. Исходя из этого, и были сформированы различные симптомокомплексы различных заболеваний для возможности глубокой качественной диагностики. Фрагмент БЗ заболевания инфаркт миокарда приведен на рисунке 1.
Рис.1. Фрагмент базы знаний заболевания инфаркт миокарда.
Редактор БЗ, автоматически генерируемый по онтологии, обеспечивает порождение БЗ в соответствии с заданными правилами и контролирует выполнение онтологических соглашений. Более того, автоматически проверяется формальная полнота сформированной БЗ. Дополнительными средствами, обеспечивающими качество знаний, является их формирование на основе единой терминологической базы, которая обеспечивает однозначную интерпретацию сформированных знаний медицинским сообществом (при этом база терминологии и наблюдений допускает синонимию). Средства платформы также имеют инструменты верификации БЗ на базе эталонных примеров, в данном случае ими выступают истории болезни.
БЗ сформирована медицинскими экспертами на основе литературных данных и врачебного опыта. По мере расширения методов диагностики она будет усовершенствоваться и дополнятся. БЗ использует облачный сервис поддержки принятия решений для кардиологии с возможностью диагностики болезней сердечно-сосудистой системы с атипичным течением, а также с особенностями у разных категорий пациентов.
1. Gribova V.V., Petryaeva M.V., Okun D.B., Tarasov A.V. Software Toolkit for Creating Intelligent Systems in Practical and Educational Medicine // IEEE Xplore. 2018. DOI: 10.1109/RPC.2018.8482130.
2. Valeria Gribova, Alexander Kleschev, Philip Moskalenko, Vadim Timchenko, Leonid Fedorischev, Elena Shalfeeva. The IACPaaS Cloud Platform: Features and Perspectives // 2017 Second Russia and Pacific Conference on Computer Technology and Applications (RPC). IEEE. 2017. P. 80-84. DOI: 10.1109/RPC.2017.8168076.
3. Москаленко Ф.М., Окунь Д.Б., Петряева М.В. База терминов для интеллектуальных медицинских сервисов// Материалы X международной научной конференции "Системный анализ в медицине" (САМ 2016) / под общ. ред. В.П.Колосова. Благовещенск, 2016. С. 155-158.
4. Давыденко И.Т. Семантическая модель базы знаний интеллектуальной справочной системы // Кибернетика и программирование. 2013. №2. С. 1-11. DOI: 10.7256/2306-4196.2013.2.8307.
5. Грибова В.В., Петряева М.В., Окунь Д.Б., Шалфеева Е.А. Онтология медицинской диагностики для интеллектуальных систем поддержки принятия решений // Онтология проектирования. 2018. Т.8, №1 (27). С. 58-73.
6. Тукиш О.В., Гарганеева А.А. Трудности диагностики острого инфаркта миокарда у лиц пожилого и старческого возраста и их влияние на тактику ведения в остром периоде заболевания // Российский кардиологический журнал. 2019. №3 (24). С.17-23.
7. Перфильева М.В., Филатова Ю.И., Чернов А.В. Особенности клинического течения и диагностики артериальной гипертонии при беременности // Молодой ученый. 2015. № 15 (95). С. 305-308. URL: https://moluch.ru/archive/95/21347/ (дата обращения: 15.09.2020).
