Модели и алгоритмы диагностики атеросклероза артерий нижних конечностей тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Федоров, Дмитрий Алексеевич

• Федоров, Дмитрий Алексеевич
• кандидат наук
• 2015

Оглавление диссертации кандидат наук Федоров, Дмитрий Алексеевич

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. СОВРЕМЕННЫЕ МЕТОДЫ ДИАГНОСТИКИ СОСТОЯНИЯ БОЛЬНЫХ АТЕРОСКЛЕРОЗОМ АРТЕРИЙ НИЖНИХ КОНЕЧНОСТЕЙ И ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ СРЕДСТВ ДИАГНОСТИРОВАНИЯ

1.1. Атеросклероз артерий нижних конечностей: определение, факторы риска, клинические признаки, средства инструментальной и лабораторной диагностики

1.2. Этапы принятия решения врачом по назначению диагноза болезни атеросклероз артерий нижних конечностей

1.3. Особенности разработки моделей и алгоритмов экспертных систем в

медицине

Цель и задачи исследования

ГЛАВА 2. ПОЛУЧЕНИЕ, АНАЛИЗ И ОБРАБОТКА МНЕНИЙ ЭКСПЕРТОВ ПО ВОПРОСАМ ДИАГНОСТИКИ АТЕРОСКЛЕРОЗА АРТЕРИЙ НИЖНИХ КОНЕЧНОСТЕЙ

2.1. Структура экспертного опроса, обработки и анализа информации

2.2. Подбор и опрос экспертов, выделение высокосогласованной группы

2.3. Разработка методики опроса, анализа и обработки мнений экспертов

2.4. Получение, обработка, анализ и сравнение результатов экспертного опроса по классической и предложенной методике опроса экспертов

2.4.1. Получение и обработка результатов экспертного опроса

2.4.2. Сравнение результатов по разным методикам. Обработка и анализ результатов

2.4.3. Применение регрессионного анализа к результатам экспертного опроса

2.5. Проведение экспертного анализа по лабораторным и инструментальным

признакам по предложенной методике

Выводы по второй главе

ГЛАВА 3. МОДЕЛИРОВАНИЕ ПРОЦЕССА ДИАГНОСТИКИ БОЛЬНЫХ АТЕРОСКЛЕРОЗОМ ПО ДАННЫМ ИСТОРИЙ БОЛЕЗНИ

3.1. Структура математического моделирования диагностики облитерирующего атеросклероза артерий нижних конечностей

3.2. Сбор и формализация данных из историй болезни пациентов

3.3. Математические модели с качественными зависимыми переменными

3.3.1. Логистическая регрессия с бинарной зависимой переменной

3.3.2. Логистическая регрессия с порядковой зависимой переменной

3.4. Модели выдачи совета по предварительному диагнозу на основе выделенных экспертами клинических признаков и факторов риска и собранных значений из историй болезни

3.4.1. Модели расчета стадии болезни по клиническим признакам

3.4.2. Модель расчета стадии болезни по факторам риска

3.4.3. Модель расчета состояния артерий нижних конечностей по стадии болезни

3.5. Модель расчета степени коллатеральной компенсации кровотока на

основе логистической регрессии

Выводы по третьей главе

ГЛАВА 4. РАЗРАБОТКА АЛГОРИТМИЧЕСКОГО И ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ИНФОРМАЦИОННОЙ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ВРАЧОМ-ХИРУРГОМ ПРИ ДИАГНОСТИКЕ АТЕРОСКЛЕРОЗА АРТЕРИЙ НИЖНИХ КОНЕЧНОСТЕЙ

4.1. Структура информационной системы поддержки принятия решений врачом-хирургом

4.2. Функции информационной системы поддержки принятия решений врачом-хирургом

4.3. Основные блоки информационной системы диагностики атеросклероза артерий нижних конечностей

4.3.1. Структура базы данных

4.3.2. База моделей ИС «Атеросклероз»

4.3.3. Блок логического вывода

4.3.4. Алгоритм расчета основных параметров диагностики ОААНК

4.3.5. Алгоритм извлечения прецедентов из базы данных пациентов

4.4. Методика разработки информационной системы поддержки принятия решений врачом-хирургом при диагностике атеросклероза артерий нижних

конечностей

Выводы по четвертой главе

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЯ

Приложение 1. Анкета «Факторы риска ОААНК»

Приложение 2. Анкета «Клинические признаки ОААНК»

Приложение 3 Характеристика экспертных групп

Приложение 4. Оценки экспертов группы № 1, 1А

Приложение 5. Оценки экспертов группы № 2

Приложение 6. Структура базы данных ИСППР

Приложение 7. Свидетельство о регистрации программы для ЭВМ

Приложение 8. Акт внедрения ИСППР «Атеросклероз» на кафедру

факультетской хирургии СурГУ

Приложение 9. Акт внедрения ИСППР «Атеросклероз» на кафедру

информатики и вычислительной техники СурГУ

Приложение 10. Акт внедрения ИСППР «Атеросклероз» в экспериментально-клиническую практику Сургутской городской клинической больницы

СПИСОК ОСНОВНЫХ СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

БД - база данных БЗ - база знаний

ИСППР «Атеросклероз» - информационная система поддержки принятия

решений врачом-хирургом при диагностике болезни «облитерирующий

атеросклероз артерий нижних конечностей»

ИП - инструментальные признаки

КП - клинический признак ОААНК

ЛП - лабораторные признаки

ЛПИ - лодыжечно-плечевой индекс

ЛПВП - липопротеиды высокой плотности

ЛПНП - липопротеиды низкой плотности

ЛПР - лицо, принимающее решение

МИС - медицинская информационная система

МПЗ - модель представления знаний

МПР - модель принятия решений

ОААНК - облитерирующий атеросклероз артерий нижних конечностей

OCX СГКБ - отделение сосудистой хирургии Сургутской городской

клинической больницы

ППП - пакет прикладных программ

СОЗ - система, основанная на знаниях

СППР - система поддержки принятия решений

ССЗ - сердечно-сосудистые заболевания

СУБД - система управления базами данных

ТАИС - терапевтическая автоматизированная информационная система ФР- фактор риска

ХОЗАНК - хронические облитерирующие заболевания артерий нижних конечностей

ЭС - экспертная система

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы диагностики атеросклероза артерий нижних конечностей»

ВВЕДЕНИЕ

Актуальность работы. На практике системы, основанные на знаниях (СОЗ) или информационные системы поддержки принятия решений (ИСППР), используются прежде всего как «системы-советчики» в тех ситуациях, где специалисту приходится решать сложные задачи, связанные с обработкой больших объемов чаще всего качественной информации, в условиях неопределенности и противоречивости за ограниченное время с целью принятия соответствующего решения. К таким слабоструктурированным предметным областям относится медицина, с задачами классификации больного по стадии болезни - степени тяжести состояния пациента и степени адаптации организма с целью назначения верного диагноза. По отношению к врачу (лицу, принимающему решение) информационная поддержка врача при диагностике заболевания, помимо совета, должна предоставлять пользователю возможность определять на основании каких данных было сгенерировано то или иное решение, каков вклад выделенных признаков, а также оценивать альтернативные варианты решения [114].

Одними из наиболее приоритетных задач здравоохранения большинства развитых стран мира, имеющих долгосрочные национальные программы по сердечно-сосудистым заболеваниям, являются профилактика и лечение болезней системы кровообращения и, в первую очередь, атеросклероза [83, 11, 70, 128].

Хронические облитерирующие заболевания артерий нижних конечностей (ОААНК) доминируют среди сердечно-сосудистых заболеваний и составляют до 20 % всех видов сердечно-сосудистых патологий, что соответствует 2—3 % от общей численности населения. Число больных с этими заболеваниями увеличивается с возрастом, составляя на шестом-седьмом десятилетии жизни уже 5-7%. При естественном течении атеросклеротического поражения более 1/3 больных умирает в течение 5-8 лет от начала болезни, а в 25-50 % случаев за этот же период проводится ампутация пораженной конечности [57].

Несмотря на очевидный прогресс в диагностике и лечении больных с ОААНК, проблема не теряет актуальности и продолжаются дискуссии о диагностике как основе для назначения лечения [11, 35, 36, 70, 94, 95]. Причина заключается в том, что существуют трудности в прогнозировании стадии развития атеросклероза и диагностике функциональной картины адаптации обходных сосудов нижних конечностей к пораженному участку артерии.

Таким образом, актуальность темы диссертационного исследования определяется необходимостью повышения эффективности диагностики ОААНК на основе опроса, анализа и обработки мнений экспертов и статистического анализа историй болезни пациентов, страдающих ОААНК.

Наиболее весомый вклад в медицинскую кибернетику внесли коллективы, традиционно занимающиеся проблемами управления (ИАП РАН, ИПУ РАН, МИФИ), ведущие российские медицинские университеты и центры (РГМУ, МГМУ, Бакулевский центр, Воронежский государственный технический университет), Ассоциация развития медицинских информационных технологий (АРМИТ).

Для обоснования методических положений разработки моделей и алгоритмов, формализации деятельности врача в вопросах диагностики и лечения сердечно-сосудистых заболеваний, базирующихся на различных аспектах моделирования и системного анализа, использованы работы российских и зарубежных ученых: Бокерия JI. А., Дюка В.А., Загоруйко Н.Г., Кобринского Б.А., Ларичева О.И., Львовича Я.Е., Осипова Г.С., Петровского А.Б., Покровского A.B., Поспелова Д.А., Рыбиной Г.В., Кочегурова В.А., Савельева B.C., Федянина В.И., Финна В.К., Янковской А.Е. и др.

Эффективность диагностики ОААНК может быть повышена путем применения информационных технологий, использующих в качестве ядра математические модели, методы и алгоритмы.

Объектом диссертационного исследования является оценка стадии облитерирующего атеросклероза артерий нижних конечностей и степени нарушения артериального кровообращения сосудов нижних конечностей больного с диагнозом ОААНК.

Предметом диссертационного исследования являются математические модели и алгоритмы информационной поддержки принятия решений врачом-хирургом при диагностике ОААНК.

Целыо диссертационной работы является создание математических моделей и алгоритмов информационной поддержки принятия решений врачом-хирургом при диагностике облитерирующего атеросклероза артерий нижних конечностей. Для достижения поставленной цели необходимо решить следующие задачи:

1) провести системный анализ процесса диагностики облитерирующего атеросклероза артерий нижних конечностей больного;

2) выделить набор наиболее значимых признаков для постановки диагноза и определения степени нарушения артериального кровоснабжения сосудов нижних конечностей больного с помощью методов экспертного анализа;

3) получить математические модели для расчета стадии ОААНК и степени нарушения артериального кровоснабжения сосудов нижних конечностей больного на основании данных из историй болезни, а также результатов обработки мнений экспертов;

4) разработать информационную систему поддержки принятия решений врачом-хирургом при диагностике ОААНК.

Методы исследования. Для достижения поставленных задач в работе были использованы методы теории систем и системного анализа, методы экспертных оценок, теории принятия решений, теории вероятностей и математической статистики.

Научная новизна результатов, выносимых на защиту. Решение поставленных задач в диссертационной работе обусловлено получением следующих новых научных результатов:

1. Разработана структурная схема диагностики облитерирующего атеросклероза артерий нижних конечностей с позиции врача-хирурга, для поддержки принятия решений которого выделены основные параметры протекания заболевания.

2. Разработана методика получения, анализа и обработки экспертной информации на предмет выявления наиболее значимых факторов диагностики ОААНК, минимизирующая признаковое пространство путем учета минимально и максимально возможных оценок экспертов, отличительной особенностью которой является учет ограниченных возможностей кратковременной памяти человека в задачах выбора.

3. Впервые получены математические модели множественного регрессионного анализа для расчета основных стадий протекания облитерирующего атеросклероза артерий нижних конечностей на основании опроса, анализа и обработки мнений экспертов отделения сосудистой хирургии Сургутской городской клинической больницы (OCX СГКБ) и множественного регрессионного анализа более 2 ООО историй болезни пациентов OCX СГКБ за длительный период с 2003 по 2012 гг.

4. Разработана информационная система поддержки принятия решения врачом-хирургом при диагностике стадии ОААНК и степени нарушения артериального кровообращения сосудов нижних конечностей пациента. Отличительной особенностью данной программы является ее настройка на конкретную предметную область (система построена на основе данных историй болезни OCX СГКБ и знаний экспертов - сотрудников отделения сосудистой хирургии) и уникальность (нет подобных аналогов).

Основные положения, выдвигаемые автором на защиту:

1. Алгоритм расчета основных параметров диагностики ОААНК: а) стадии ОААНК по классификации Фонтейна - Покровского; б) виды необходимого лечения; в) степени коллатеральной компенсации кровообращения. Алгоритм подготовки данных и расчета степени коллатеральной компенсации кровообращения базируется на результатах ультразвукового исследования артерий нижних конечностей.

2. Методика получения, анализа и обработки экспертной информации по определению наиболее значимых факторов развития ОААНК, предназначенная для интерактивного опроса экспертов, по данным, разделенным на смысловые блоки и содержащим не более девяти признаков, с целью выявления в плохо формализуемой предметной области структуры признакового пространства.

3. Математические модели расчета основных параметров диагностики ОААНК с использованием методики экспертного опроса и методов корреляционного и множественного регрессионного анализа на данных OCX СГКБ: архивной информации из историй болезни и мнений врачей-экспертов данного отделения.

4. Информационная система поддержки принятия решений врачом-хирургом при диагностике облитерирующего атеросклероза артерий нижних конечностей, предназначенная для выдачи совета врачу-хирургу по значениям основных параметров протекания ОААНК.

Практическая значимость и результаты внедрения:

Впервые собраны экспериментальные данные из историй болезни пациентов с ОААНК отделения сосудистой хирургии бюджетного учреждения Ханты-Мансийского автономного округа - Югры «Сургутская городская клиническая больница» за длительный период с 2003 по 2012 гг.

Информационная система поддержки принятия решений врачом-хирургом при диагностике ОААНК предоставляет хирургам инструмент для определения и расчета наиболее значимых факторов протекания болезни, необходимых врачу для назначения лечения, что подтверждается свидетельством о государственной

регистрации программы для ЭВМ № 2012660556. Разработанное программное обеспечение может использоваться как обучающая система диагностики ОААНК для студентов медицинских вузов.

Соответствие диссертации паспорту научной специальности. Область и результаты исследований соответствуют паспорту специальности 05.13.01 -«Системный анализ, управление и обработка информации»: п. 2 «Формализация и постановка задач системного анализа, оптимизации, управления, принятия решений и обработки информации» п. 4 «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений и обработки информации» и п. 13 «Методы получения, анализа и обработки экспертной информации».

Достоверность научных положений, выводов и рекомендаций подтверждается сопоставимостью результатов расчетов на разработанных математических моделях с полученными результатами экспертного опроса врачей. Адекватность полученных моделей и алгоритмов проверена на контрольных выборках данных из историй болезни OCX СГКБ. Результаты согласованы и не противоречат национальным рекомендациям по лечению пациентов с сосудистой артериальной патологией [70].

Апробация результатов работы. Основные результаты диссертациошюй работы докладывались и обсуждались на ежегодных научно-технических семинарах кафедр информатики и вычислительной техники и факультетской хирургии ГБОУ ВПО «Сургутский государственный университет ХМАО - Югры» в 2004-2013 гг., окружной конференции молодых ученых «Наука и инновации XXI века» (г. Сургут, 2005 г.), Второй международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (г. Санкт-Петербург, 2007 г.), Международном симпозиуме «Надежность и качество» (г. Пенза, 2008 г.), научно-практической конференции «Инновации в условиях развития информационно-коммуникационных технологий» (г. Сочи, 2008 г.), научной сессии «НИЯУ МИФИ-2012 г.», секция «Интеллектуальные системы и технологии» (г. Москва, 2012 г.), Юбилейной

XIII Санкт-Петербургской международной конференции «Региональная информатика (РИ-2012)» (г. Санкт-Петербург, 2012 г,), Всероссийской научной интернет-конференции с международным участием «Современные системы искусственного интеллекта и их приложения в науке» (г. Казань, 2013 г.), II Международной научной онлайн-конференции «Математическое и компьютерное моделирование в биологии и химии. Перспективы развития» (г.Казань, 2013 г.), X Международной научно-практической конференции «Инновации на основе информационных и коммуникационных технологий» (г.Сочи, 2013 г.), Международной конференции «Математика и информационные технологии в нефтегазовом комплексе», посвященной дню рождения великого русского математика-академика П.Л. Чебышева (г. Сургут, 2014 г.), XIV национальной конференции по искусственному интеллекту КИИ-2014 с международным участием (г. Казань, 2014 г.).

Результаты работы опубликованы в 18 статьях, из них: 3 статьи в журналах из списка ВАК РФ; 8 статей в сборниках научных трудов международных конференций. Получено свидетельство о государственной регистрации программы для ЭВМ №2012660556 от 23 ноября 2012 г. «Федоров, Д.А. Информационная система поддержки принятия решений для диагностики и лечения облитерирующего атеросклероза».

Личный вклад автора в работу. Автор непосредственно участвовал во всех этапах проведенных исследований, включая постановку задачи, анализ литературы по проблеме, сбор исходных данных, обработку статистического материала, разработку математических моделей и расчет их параметров, разработку алгоритмов, написание программного обеспечения, обобщение и интерпретацию результатов.

Структура и объем работы. Диссертационная работа объемом 154 страницы состоит из введения, четырех глав, заключения, списка литературы, приложений на 14 страницах. В работе содержится 16 рисунков и 40 таблиц. Библиографический список включает 133 наименования.

ГЛАВА 1. СОВРЕМЕННЫЕ МЕТОДЫ ДИАГНОСТИКИ СОСТОЯНИЯ БОЛЬНЫХ АТЕРОСКЛЕРОЗОМ АРТЕРИЙ НИЖНИХ КОНЕЧНОСТЕЙ И ПУТИ ПОВЫШЕНИЯ ЭФФЕКТИВНОСТИ СРЕДСТВ ДИАГНОСТИРОВАНИЯ

1.1. Атеросклероз артерий нижннх конечностей: определение, факторы риска, клинические признаки, средства инструментальной и лабораторной диагностики

Облитерирующий атеросклероз артерий нижних конечностей (ОААНК) характеризуется системным поражением артерий вследствие нарушения обмена липидов в тканях сосудистой стенки. Он проявляется отложением холестерина в русле артерий крупного и среднего размера с образованием атеросклеротических бляшек и сопровождается нарушением проходимости артерий.

Этиология атеросклероза остается недостаточно определенной, однако отмечаются очевидные успехи в изучении его патогенеза, клинических особенностей и скорости развития процесса [11, 70].

Факторы рыска облитерирующего атеросклероза артерий нижних конечностей. Атеросклероз является полиэтиологическим заболеванием, в возникновении и прогрессировании которого имеют значение внешние и внутренние факторы, называемые факторами риска (ФР). В настоящее время известно более 30 факторов, действие которых увеличивает риск возникновения и развития атеросклероза и его осложнений. Наиболее значимыми из них являются следующие 32 фактора риска [11,70, 84] (см. приложение 1).

По данным Всемирной организации здравоохранения, основными устранимыми (управляемыми) факторами заболеваний сердечно-сосудистой системы являются неправильное питание, физическая инертность и употребление табака. Последствия неправильного питания и физической инертности могут проявляться в виде излишнего веса и ожирения,

повышенного кровяного давления и уровня глюкозы в крови, изменения содержания жиров в крови (гиперхолестеринемия (дислипидемия), повышение ЛПВП и содержание в них холестерина, низкий уровень холестерина ЛПНП, повышенная концентрация триглицеридов). Все перечисленные проявления называются «промежуточными факторами риска».

Также стоит учитывать и неустранимые (неуправляемые) факторы риска, такие как пол и возраст. Число больных ОААНК увеличивается с возрастом, встречаясь на 60-70-х годах жизни у 5-7 % всего населения и составляет около 81,6% от заболеваний сердечно-сосудистой системы [93]. В последние десятилетия медики регистрируют стабильный рост заболеваемости в разных возрастных группах.

Мужчины заболевают ССЗ чаще, чем женщины (соотношение мужчин и женщин 10:1) в возрасте старше 45-50 лет (в последние годы отмечено явное омоложение атеросклероза). Как правило, данному заболеванию подвержены курящие, ведущие малоподвижный образ жизни, имеющие избыточную массу тела [11,70,128]. Однако, вступая в климактерический период, женщины лишаются защитного действия гормона эстрогена, и риск получить инфаркт у них становится таким же, как у мужчин. Следовательно, необходима коррекция факторов риска с учетом пола и возраста обследуемого. Болезнь протекает медленно, одновременно с развитием ишемической болезни сердца, артериальной гипертензии, мозговой сосудистой недостаточности, импотенции. Выявление и коррекция вышеперечисленных факторов риска играют важную роль в процессе диагностики и оперативного лечения больных ХОЗАНК.

Для оценки риска развития ССЗ разработано множество различных моделей, среди которых наиболее известны фрамингемская шкала, шкала NCEP III [132], модель PROCAM [127] и шкала SCORE (Systematic Coronary Risk Evaluation) [122]. Данные по определению суммарного риска дает математическая модель PROCAM в виде компьютерной программы CERCA (Coronary Events Risk Calculator), которая разработана на основе результатов

перспективного исследования PROCAM - Prospective Cardiovascular Munster Study, начатого в городе Мюнстер (Германия) в 1979 г. [127]. В данной программе подсчитываются баллы и учитывается значимость каждого фактора риска: возраст, уровень липопротеидов низкой плотности, содержание общего холестерина. В настоящее время разработаны модифицированные варианты компьютерной программы PROCAM с учетом всех европейских популяций, в том числе и России.

Для оценки риска развития ССЗ наиболее оптимально использовать шкалу SCORE, которая приводится в Европейских рекомендациях по профилактике ССЗ [122]. Европейская модель SCORE разработана экспертами Европейского общества кардиологов на базе данных 12 европейских когортных исследований с участием более 205 тыс. человек, в том числе 3 325 человек из России [122].

Таблица SCORE (систематическая оценка коронарного риска) — индивидуальная оценка фатального риска, которая позволяет определить, угрожает ли пациенту смерть в ближайшие 10 лет от ишемической болезни сердца, периферического атеросклероза и атеросклероза мозговых артерий при отсутствии клинических проявлений перечисленных заболеваний.

Оценка риска основана на следующих параметрах: пол, возраст, курение, систолическое АД и общий холестерин. Граница высокого риска смерти от ССЗ определена как уровень «выше 5 %». Суммарный риск рассчитывается для пациентов в возрасте выше 40 лет. Для этого на схеме SCORE (рис. 1.1) выбирается таблица, соответствующая полу, возрасту и статусу курения, и в ней находится клетка, соответствующая данным систолического артериального давления и общего холестерина человека. Шкала помогает оценить результат профилактических мероприятий. Однако данные шкалы имеют ограничения в применении, так как описывают суммарный риск только относительно лиц без клинических признаков атеросклеротических заболеваний, на основе весьма ограниченного набора факторов (пол, возраст, курение, уровень общего

холестерина и систолического АД), что в целом не позволяет оценить спектр многообразия клинических случаев.

женщины

Некурящие

-1 мнв П

«0

и> 43SSH4 Д

20 2 2 3 * i

Курящие

О с О

D 13

д в

4 в

fs

а

мужчины Некурящие Курящие

Щ ваш Q В

65 ■вв ВЗ

ввв

т

j 10 11 в 1-' ш 1S

j 60 в _ 10 12

в в ! 4 В |

2 3 3 4 4 S 3 3 4 _

4

ш

3

ш ■

г ,, , ;I » » 1

1 г ,

ШШШ ПОЛ >

si

so

В В № т в

4 в В ■ ■

3 3 4 в в

2 2 3 3 4

ИВЯЙЙЕ м ■

2 3 - 3 4 в

2 2 1 3

12 13 1« 10 В

11 13 а

о

4 ч т

Вдово ВВИ

* т

si

~ > > ш^т

I .

; -V - ^ ^ 1 ^ *

4 5 6 7 1

Холестерин, миолъ/л

но iso ао это э»

■ 15 % и более

10-14%

1 5-9%

ниш 3-4%

2%

1%

Менее 1%

Рис. 1.1. Систематическая оценка коронарного риска (SCORE): а - шкала систематизированной оценки коронарного риска; б - оценка риска смерти от ССЗ в ближайшие 10 лет жизни.

К сожалению, в настоящее время нет единого взгляда на значимость тех или иных факторов риска и стандартизированных подходов к оценке величины тромбогенной опасности, поскольку невозможно определить в каждом клиническом случае их критичность. В публикациях различных авторов делаются акценты на особенностях оперативного вмешательства и применяемого наркоза либо на детализацию преимущественно приобретенных факторов риска [7, 35].

Клинические признаки ОААНК - свидетельство текущего состояния магистральных артерий больного и развивающихся в течении жизни коллатеральных кровотоков (обходных, резервных, компенсирующих, чаще

всего полученных за счет расширения капиллярных сосудов). Основным симптомом хронической ишемии нижних конечностей является боль в икроножных мышцах при ходьбе на различные расстояния. Выраженность перемежающейся хромоты служит основой для классификации хронической ишемии. При ходьбе функциональная нагрузка на мышцы нижних конечностей резко возрастает, а пораженное артериально-сосудистое русло не в состоянии обеспечить необходимый кровоток в ногах, при этом возникают боли.

Во всем мире общепризнанной является классификация Дж. Фонтейна [11, 70], предусматривающая четыре стадии ишемии нижних конечностей, а именно:

I - доклиническая;

II - перемежающаяся хромота;

III - боли в покое и ночные боли;

IV - трофические расстройства и гангрена нижних конечностей.

В России при диагностике и лечении больных ОААНК используется классификация Дж. Фонтейна - A.B. Покровского [70, 84], согласно которой выделяются следующие степени ишемии артерий нижних конечностей: 1-я, 2А, 2Б, 3-я, 4-я. При этом стадии ОААНК определяются по клинической картине состояния пациента, что носит субъективный характер (табл. 1.1).

Таблица 1.1

Стадии болезни ОААНК

Стадия Название Клиническая картина

1-я Начальные проявления, компенсированная ишемия Зябкость, чувство похолодания, парестезии, бледность кожных покровов, повышенная потливость, ломкость ногтей, выпадение волос на нижних конечностях. Боли появляются при ходьбе на расстояние 500-1000 м

2-я Перемежающая хромота Боли в ногах появляются: 2А - при прохождении более 200 м 2Б - при прохождении менее 200 м

3-я Боли в покое Боли в ногах по ночам; расстояние без болевой ходьбы до 50 м и менее

4-я Язвенно- некротические изменения Постоянные сильные боли, трофические расстройства, гангрена нижней конечности

Перемежающая хромота - характерный симптом поражения артериального русла конечностей. Важнейшее значение имеет определение дистанции ходьбы до появления боли. Стандартным требованием в этом случае является ходьба средним темпом (3-5 км/ч) по горизонтальной поверхности. Появление болей при дистанции ходьбы более 500-1000 м свидетельствует о 1-й степени ишемии. Уменьшение проходимого расстояния от 500 до 200 м расценивается как 2А степень ишемии. Дистанция ходьбы в 25-200 м - 2Б степень артериальной ишемии.

Следует, помнить, что ориентировка на степень выраженности перемежающейся хромоты (табл. 1.1) по длительности прохождения расстояния без боли 200 м достаточно условна и зависит от образа жизни, профессии и даже характера больного.

В общей сложности было выявлено 16 клинических проявлений облитерирующего атеросклероза сосудов нижних конечностей (см. прил. 2).

Клинические проявления у больного с ОААНК свидетельствуют о степени артериальной недостаточности и характере ишемии пораженного органа, что позволяет определить вид лечения, который следует применить для достижения компенсации кровообращения у данной категории больных.

Диагностика облитерирующего атеросклероза артерий нижних конечностей. В медицинских учреждениях диагностика и лечение проводятся согласно утвержденным стандартам, которые регламентируются и оплачиваются на основании плана и перечня страховой медицинской компании. В отделении сосудистой хирургии проводят диагностику согласно плану обследования больного, который состоит и 9 обязательных этапов.

План обследования больного: 1) общий анализ крови (OAK); 2) общий анализ мочи (ОАМ); 3) биохимия; 4) микрореакция (RW, Luis); 5) коагулограмма; 6) ЭКГ; 7) УЗДГ-ЦДК сосудов н/к; 8) кровь на гепатиты, ВИЧ; 9) группа крови и резус-фактор;

Поиск лабораторных критериев, позволяющих прогнозировать вероятность ретромбозов у больных с критической ишемией нижних конечностей, остается актуальной задачей сосудистой хирургии. С этой целью разрабатываются, апробируются новые способы выявления маркеров факторов риска ОААНК, свидетельствующих о тромбогенной опасности [35].

Несмотря на выявленные в [35] факторы риска, характеризующие состояние больного, анализируемые показатели чаще всего используются в научных исследованиях, так как требуют использования дорогих реактивов и не замеряются повсеместно. Также сказывается недостаточное количество статистических данных. Таким образом, не представляется возможным использовать результаты исследования [35] в медицинской практике любой больницы Ханты-Мансийского автономного округа — Югры.

Целесообразно применять современные информационные технологии к тем средствам и методам диагностики и замеряемым лабораторным показателям, которые доступны в среднестатистической больнице. Существует ряд методик [11,70,84], позволяющих предсказать развитие атеросклероза у конкретного человека до появления основных клинических признаков — атеросклеротических бляшек. Для этого рассчитываются специальные параметры - предикторы, которые служат метками при диагностике атеросклероза. По таблицам, полученным в результате статистических исследований, определяется насколько эти параметры близки к норме. Одним из предикторов является толщина комплекса интима-медиа (КИМ), где интима - внутренняя, а медиа - средняя оболочка сосуда. При разрастании КИМ уменьшается просвет сосуда, что измеряется с помощью ультразвукового исследования. Следующими предикторами являются эластичность стенок сосуда и скорость распространения пульсовой волны (пульсовая волна - это колебание стенок сосуда в результате сердечного выброса) [52].

Список литературы диссертационного исследования кандидат наук Федоров, Дмитрий Алексеевич, 2015 год

ЛИТЕРАТУРА

1. Аль-Муаалеми, В. А. Исследование влияния факторов сердечнососудистого риска на скорость распространения пульсовой волны / В. А. Аль-Муаалеми // Медико-экологические информационные технологии-2009 : сб. мат-лов XII Междунар. науч.-техн. конф. - Курск : Изд-во Курск, гос. техн. ун-та, 2009. - С. 55-58.

2. Аль-Муаалеми, В. А. Синтез признакового пространства для классификации эластических свойств артерий на основе окюнозиопных проб и анализа пальцевых фотоплетизмограмм / В, А. Аль-Муаалеми [и др.] // Вестник Воронеж, гос. техн. ун-та, 2009. № 10. - Т 5. - С. 123-126.

3. Айвазян, С. А. Прикладная статистика. Классификация и снижение размерности / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин ; под ред. С. А. Айвазяна. - М.: Финансы и статистика, 1989. - 607 с.

4. Александров, Е. А. Основы теории эвристических решений. Подход к изучению естественного и построению искусственного интеллекта / Е. А. Александров. - М.: Радио и связь, 1975. - 256 с.

5. Анохин, А. Н. Методы экспертных оценок : учеб. пособие / А. Н. Анохин. - Обнинск : Изд-во ИАТЭ, 1996. - 148 с.

6. Ахмеджанов, Н. М. Информационный мониторинг в задаче прогнозирования риска развития сердечно-сосудистых заболеваний / Н. М. Ахмеджанов [и др.] // Интеллектуальные системы. - М., 2003. - Т. 7. — Вып. 1-4.-С. 5-38.

7. Баркаган, 3. С. Диагностика и контролируемая терапия нарушений гемостаза / 3. С. Баркаган, А. П. Момот. - М.: НЬЮДИАМЕД, 2008. - 235 с.

8. Беллман, Р. Математические методы в медицине: пер. с англ. / Р. Беллман. - М.: Мир, 1987. - 200 с.

9. Бешелев, С. Д. Математико-статистические методы экспертных оценок / С. Д. Бешелев, Ф. Г. Гурвич. - М.: Статистика, 1974. - 159 с.

10. Богомолов, В. П. Программная система распознавания Лорег: Алгоритмы распознавания, основанные на голосовании по системам логических закономерностей / В. П. Богомолов [и др.]. - М.: ВЦ РАН, 1998. - 63 с.

11. Бокерия Л. А. Лекции по сердечно-сосудистой хирургии : в 2 т. / под ред. JI. А. Бокерия. - М. : Изд-во НЦССХ им. А.Н. Бакулева РАМН, 1999. -Т. 2. - 194 с.

12. Большаков, А. А. Методы обработки многомерных данных и временных рядов : учеб. пособие для вузов / А. А. Большаков. - М. : Горячая линия-Телеком, 2007. - 522 с.

13. Боровиков, В. П. STATISTICA: искусство анализа данных на компьютере. Для профессионалов / В. П. Боровиков. - СПб.: Питер, 2001. - 656 с.

14. Брюсов, П. Г. Прогнозирование в медицине катастроф / П. Г. Брюсов, Г. И. Назаренко, В. Н. Жижин. - Томск : Изд-во Томск, ун-та, 1995. - 240 с.

15. Бююль, A. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей : пер. с нем. / А. Бююль, П. Цефель. - СПб.: ДиаСофтЮП, 2005. - 608 с.

16. Вагин, В.Н. Достоверный и правдоподобный вывод в интеллектуальных системах / В.Н. Вагин, ЕЛО. Головина, A.A. Загорянская, М.В. Фомина // Под ред. В.Н. Вагина, Д.А. Поспелова. - М.: ФИЗМАТЛИТ, 2008.-712 с.

17. Величковский, Б. М. Современная когнитивная психология / Б. М. Величковский. - М.: Изд-во Моск. ун-та, 1982. - 336 с.

18. Воинов, А. И. Язык визуального представления знаний и его место в САКЕ-технологии / А. И. Воинов, Т. А. Гаврилова, Е. Я. Данцин // Известия РАН. Теория и системы управления. - 1996. - № 2. - С. 146-151.

19. Гавриленко, А. В. Прогнозирование результатов бедренно-дистальных аутовенозных шунтирований по методике «in sity» с помощью объемной скорости кровотока / А. В. Гавриленко [и др.] // Ангиология и сосудистая хирургия. - 1998. - Т. 4. - С. 95-101.

20. Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. - СПб.: Питер, 2001. - 348 с.

21. Гаскаров, Д. В. Интеллектуальные информационные системы : учеб. для вузов / Д. В. Гаскаров. - М.: Высш. Шк., 2003. - 431 с.

22. Гаспарян, С. А. Классификация медицинских информационных систем / С, А. Гаспарян // Здравоохранение. - 2002. - № 6. - С. 152-156.

23. Гелеврея, Т. Е. Программная среда для визуального проектирования баз знаний / Т. Е. Гелеврея, В. А. Горовой // Интеллектуальные системы (IEEE AIS'03). Интеллектуальные САПР (CAD-2003) : тр. Междунар. науч.- техн. конф. - М.: Физматлит, 2003. - Т. 2. - С. 163-169.

24. Геловани, В. А. Интеллектуальные системы поддержки принятия решений в нештатных ситуациях с использованием информации о состоянии природной среды / В. А. Геловани, А. А. Башлыков, В. Б. Бритков, Е. Д. Вязилов. - М.: Эдиториал УРСС, 2001. - 304 с,

25. Гмурман, В. Е. Теория вероятностей и математическая статистика : учеб. пособие. - 12-е изд., перераб. / В. Е. Гмурман. - М. : Высш. образование, 2008.-479 с.

26. Головченко, В. Б. Прогнозирование временных рядов по разнородной информации / В. Б. Головченко. - Новосибирск : Наука : Сибирская издательская фирма РАН, 1999. - 88 с.

27. Горбатенко, С. А. Формирование экспертных заключений в автоматизированной консультативной системе судебно-медицинской травматологии на основе неопределенной априорной информации / С. А. Горбатенко, Н. В. Даценко // Современные информационные технологии и ИТ-образование : IV Междунар. науч.-практ. конф. - М. : Изд-во МГУ, 2009; URL : http://www.2009.it-edu.ru/pages/Conference-works. - (дата обращения: 14.10.2010).

28. ГОСТ 11.008-74. Правила проверки согласия опытного распределения с теоретическим. - М.: Изд-во стандартов, 1975. - 24 с.

29. Громов, Г. Р. Автоформализация профессиональных знаний / Г. Р. Громов // Микропроцессорные средства и системы. - 1986. - № 3. - С. 80-91.

30. Гулиев, Я. М. Исследование принципов и разработка основных технологических решений построения интегрированных информационных систем : дне.... канд. техн. наук. / Я. М. Гулиев. - Переславль-Залесский, 1999. -182 с.

31. Джарратано, Дж. Экспертные системы: принципы разработки и программирование : пер. с англ. / Дж. Джарратано, Г. Райли, - 4-е изд. - М. : Вильяме, 2007.-1152 с.

32. Диагностика и коррекция нарушений липидного обмена с целью профилактики и лечения атеросклероза // Российские рекомендации Комитета экспертов Всероссийского научного общества кардиологов. - М., 2004. - 36 с.

33. Добров, Г. М. Экспертные оценки в научно-техническом прогнозировании / Г. М. Добров, Ю. В. Ершов, Е. И. Левин, Л. Д. Смирнов. -Киев : Наукова думка, 1974. - 160 с.

34. Дрейпер, Н. Прикладной регрессионный анализ : пер с англ. / Н. Дрейпер, Г. Смит. - 3-е изд. - М.: Вильяме, 2007. - 912 с.

35. Дрожжин, Е. В. Динамика изменений в фибринолитической системе гемостаза у больных с синдромом критической ишемии нижних конечностей / Е. В. Дрожжин, О. Н. Сидоркина, Ю. В. Никитина, Д. А, Федоров // Современные проблемы науки и образования. - 2012. - № 6; URL : http://www.science-education.ru/106-7447. - (дата обращения: 19.11.2012).

36. Дрожжин, Е. В. Изменение показателей системы гемостаза на фоне озонотерапии и пайлер-света в лечении больных с синдромом критической ишемии нижних конечностей / Е. В. Дрожжин, О. Н. Сидоркина, Ю. В. Никитина, Д. А. Федоров, И. В. Лушенко // Современные проблемы науки и образования. - 2013. — № 1; URL : http://www.science-education.ru/107-8113. - (дата обращения: 19.07.2013).

37. Дюк, В. А. Обработка данных на ПК в примерах: Статистические расчеты. Построение графиков и диаграмм. Анализ данных / В. А. Дюк. - СПб. :Питер, 1997.-240 с.

38. Егоров, А. А. Модель принятия решения хирурга / A.A. Егоров, В. С. Микшина // Вестник новых медицинских технологий. - 2011. - № 4. - Т. 18. -С. 287-290.

39. Егошина, И. В. Обзор систем автоматического интеллектуального анализа данных и прогнозирования / И. В. Егошина, И. С. Калитова; URL : http://www.jurinfor.ru/CSIT2000/EgoshinaK00.htm. - (дата обращения: 10.03.2000).

40. Живописцев, Ф. А. Регрессионный анализ в экспериментальной физике / Ф. А. Живописцев, В. А. Иванов. - М.: Изд-во МГУ, 1995. - 208 с.

41. Журавлев, Ю. И. Разработка универсальной программной системы интеллектуального анализа данных, распознавания и прогноза / Ю. И. Журавлев [и др.] // Математические методы распознавания образов (ММРО-11): докл. 11-й Всерос. конф. - М., 2003. - С. 227-229.

42. Загоруйко, Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. - Новосибирск : Изд-во Ин-та математики, 1999. - 270 с.

43. Ларичев, О. И. Системы, основанные на экспертных знаниях: история, современное состояние и некоторые перспективы / О. И. Ларичев // Труды конференции КИИ'2000. - М.: ФИЗМАТЛИТ, 2000. - С. 3-8.

44. Информационные системы в здравоохранении / А. В. Гусев [и др.]. -Петрозаводск : Изд-во ПетрГУ, 2002. - 120 с.

45. Кобзарь, А. И. Прикладная математическая статистика. Для инженеров и научных работников / А. И. Кобзарь. - М.: ФИЗМАТЛИТ, 2006. - 816 с.

46. Кобринский, Б. А. Искусственный интеллект и медицина: особенности прикладных консультативных систем / Б. А. Кобринский // Новости искусственного интеллекта. - 2002. - № 4. - С. 24-28.

47. Кобринский, Б. А. Искусственный интеллект и медицина: Возможности и перспективы систем, основанных на знаниях / Б. А. Кобринский // Новости искусственного интеллекта. - 2001. - № 4. - С. 44-51.

48. Конолли, Т. Базы данных. Проектирование, реализация и сопровождение. Теория и практика : пер. с англ. / Т. Конолли, К. Бегг. — 3-е изд. - М.: Вильяме, 2003. - 1440 с.

49. Королев, В. Ю. Теория вероятностей и математическая статистика : учеб. пособие / В. Ю. Королев. - М.: Велби : Проспект, 2008. -160 с.

50. Корнева, В. А. Мультифокальный атеросклероз: клинико-патогенетические синдромы. / В. А. Корнева. - М., 2006.

51. Куликов, В. П. Цветное дуплексное сканирование в диагностике сосудистых заболеваний / В. П. Куликов. - Новосибирск : Изд-во СО РАМН, 1997.- 204 с.

52. Кычкин, А. В. Разработка интеллектуальной системы поддержки принятия решений для диагностики атеросклероза / А. В. Кычкин, М. Д. Берг, Р. А. Файзрахманов // Проблемы управления и моделирования в сложных системах : тр. 11-й Междунар. конф., Самара, 22-24 июня, 2009. - Самара : Изд-во: СамНЦ РАН, 2009. - С. 491-496.

53. Ларичев, О. И, Наука и искусство принятия решений / О. И. Ларичев. - М. : Наука, 1979.-200 с.

54. Лелюк, В. Г. Принципы ультразвуковой диагностики поражений сосудистой системы : метод, пособие / В. Г. Лелюк, С. Э. Лелюк. - М., 2002.

55. Лесков, В. П. Роль иммунной системы в патогенезе атеросклероза / В. П. Леско, И. И. Затевахин // Ангиология и сосудистая хирургия. - 2005. -№2.-Т. И.-С. 9-13.

56. Лукашевич, И. П. Структурная организация медицинской информации «ЭЭГ-ЭКСПЕРТ» / И. П. Лукашевич, Р. И. Мачипская, М. Н. Фишман // Математические методы в технике и технологиях (ММТТ-2000): сб. тр. 13-й Междунар. науч. конф. - СПб., 2000. - С. 154-157.

57. Лыткин, М. И. Отдаленные результаты реконструктивных операций на брюшной аорте и подвздошных артериях / М. И. Лыткин, И. Г. Перегудов // Кардиология. - 1981. - № 2. - С. 55-58.

58. Львович, Я. Е. Моделирование биохимических и медицинских систем / Я. Е. Львович, М. В. Фролов. - Воронеж : Изд-во ВГТУ, 1994. - 194 с.

59. Любарский, Ю. Я. Интеллектуальные информационные системы / Ю. Я. Любарский. - М. : Наука, 1990. - 230 с.

60. Макаров, И. М. Теория выбора и принятия решений / И. М. Марков. - М.: Наука, 1987. - 350 с.

61. Марьянчик, Б. В. Метод виртуальных статистик и его применение в партнерских системах для компьютерной диагностики / Б. В, Марьянчик // Компьютерная хроника. - 1996. -№ 5. - С. 65-74.

62. Марьянчик, Б. В. Экспертная диагностическая система для инфантильных спазмов / Б. В. Марьянчик, А. Ю. Ермаков, Б. А. Кобринский, П. А. Темин // Информатизация здравоохранения России : Всерос. сб. науч. тр. - М., 1996. - Ч. 3, 4. - С. 244-249.

63. Мекшина, Л. А. Роль термографии в прогнозировании состояний периферической микроциркуляций при окклюзионном атеросклерозе артерий нижних конечностей // Естественные науки : сб. науч. тр. / Л. А. Мекшина, Е. В. Дрожжин, О. Н. Сидоркина / Сургут, гос. ун-т, - Сургут : Изд-во СурГУ, 2007. - Вып. 27. - С. 214-218.

64. Микшина, В. С. Математическая модель выбора способа лечения облитерирующего атеросклероза на основе логистической регрессии / В. С. Микшина, В. А. Острейковский, Д. А. Федоров // Инновации на основе информационных и коммуникационных технологий : мат-лы Междунар. науч.-практ. конф.; науч. ред. А. Н. Тихонов ; под общ. ред. С, У. Увайсова ; отв. ред. И. А. Иванов. -М.: Изд-во МИЭМ НИУ ВШЭ, 2013. - С. 565-573.

65. Микшина, В. С. Об одной модели поддержки принятия решений врачом при диагностике и лечении облитерирующего атеросклероза / В. С.

Микшина, Д. А. Федоров // Инновации на основе информационных и коммуникационных технологий : мат-лы Междунар. науч.-практ. конф. ; науч. ред. А. Н. Тихонов ; под общ. ред. С. У. Увайсова ; отв. ред. И. А. Иванов. - М.: Изд-во МИЭМ НИУ ВШЭ, 2013. - С. 573-577.

66. Мисюк, Н. С. Корреляционно-регрессионный анализ в клинической медицине / Н. С. Мисюк, А. С. Мастыркин, Г. П. Кузнецов. - М. : Медицина, 1976.- 192 с.

67. Михайлов, М. Н. Извлечение экспертных знаний из научного текста в полуавтоматическом режиме / М. Н. Михайлов, Н. А. Харольская : тр. III конф. по искусственному интеллекту-92. - Тверь, 1992. - С. 110-112.

68. Михеенкова, М. А. Проблемы и логические средства интеллектуального анализа социологических данных / М. А. Мнхеенкова, В. К. Финн // Труды восьмой национальной конференции по искусственному интеллекту с международным участием. - М.: ФИЗМАТЛИТ, 2002. - Т. 1. - С. 15-23.

69. Назаренко, Г. И. Медицинские информационные системы: теория и практика / Г. И. Назаренко, Я. И. Гулиев, Д. Е. Ермаков ; под ред. Г. И. Назаренко, Г. С. Осипова. - М.: ФИЗМАТЛИТ, 2005. - 320 с.

70. Национальные рекомендации по ведению пациентов с сосудистой артериальной патологией (Российский согласительный документ). Ч. 1: Периферические артерии. - М.: Изд-во НЦССХ им. А.Н. Бакулева, 2010. - 78 с.; URL: http://www.angiolsurgery.org/recommendations/2010/arteries_lower_extremities. pdf.- (датаобращения: 19.01.2011).

71. Никитов, Г. В. О метрических методах интеллектуальной обработки данных / Г. В. Никитов // Математические методы распознавания образов (ММРО-11): докл. 11-й Всерос. конф. - М., 2003. - С. 156-157.

72. Организация БЗ в различных экспертных системах [Электронный ресурс]. - Режим доступа : http://penguin.photon.ru/doc/ai.shtml. - Загл. с экрана. - (дата обращения: 10.10.2008).

73. Осипов, Г. С. Инструментарий для экспертных систем. Технология БШЕЯ+МЩ / Г. С. Осипов // Программные продукты и системы. - 1990. - № 3. -С. 23-32.

74. Осипов, Г. С. 81МЕЯ: система для исследования понятийной структуры предметной области / Г. С. Осипов, Г. Назаренко, Д. Малаховский, С. Комаров // Проблемы и применение искусственного интеллекта : сб. тр. первого Междунар. семинара. - София : Техника, 1987.

75. Осипов, Г. С. Информационные технологии, основанные на знаниях / Г. С. Осипов // Новости искусственного интеллекта. - 1993. -№ 1. - С. 1—41.

76. Острейковский, В. А. О формализации предметной области интеллектуальной информационной системы поддержки принятия решений врачом / В. А. Острейковский, Е. В. Дрожжин, Д. А. Федоров // Информационные технологии. - 2010. - № 3. - С. 58-63.

77. Острейковский, В. А. Фрагмент базы знаний интеллектуальной информационной системы «Атеросклероз» поддержки принятия решений врача-хирурга с использованием методов регрессионного анализа / В. А. Острейковский, Д. А. Федоров // Инновации в условиях развития информационно-коммуникационных технологий : мат-лы науч.-практ. конф. ; под ред. В. Г. Домрачева, С. У. Увайсова. - М.: Изд-во МИЭМ, 2008. - С. 455-459.

78. Острейковский, В. А. Моделирование процесса поддержки принятия решений врача по лечению облитерирующего атеросклероза сосудов нижних конечностей / В. А. Острейковский, Д. А. Федоров // Региональная информатика «РИ-2012» : Юбилейная XIII Санкт-Петербургская Междунар. конф., Санкт-Петербург, 24-26 окт. - СПб., 2012. - С. 290, 291.

79. Осуга, С. Обработка знаний : пер. с япон. / С. Осуга. - М. : Мир, 1989.-293 с.

80. Паринов, А. В. Методы формализации профессиональных знаний врача на основе интеллектуальных технологий идентификации состояния

здоровья пациента и выбора тактики лечения : монография / А. В. Паринов, Е. Д. Федорков. - Воронеж : Изд-во Воронежский гос. техн. ун-та, 2007. - 122 с.

81. Петров, В. Г. Системы интеллектуальной поддержки принятия решений в медицине / В. Г. Петров, В. И. Колесов, С. И. Квашнина // Вестник кибернетики [Электронный ресурс]. - 2010. - № 9. - Режим доступа : http://www.ipdn.ru/rics/vk/_private/vk9/62-73.pdf. - Загл. с экрана. - (дата обращения: 01.08.2011).

82. Плетнев, А. В. Интеллектуализация диагностики критических состояний больных с сердечной недостаточностью на основе консилиума алгоритмов : дис. ... канд. техн. наук : 05.13.01 РГБ ОД, 61:06-5/810 / А. В. Плетнев. - Воронеж, 2005. - 152 с.

83. Покровский, А. В. Клиническая ангиология / А. В. Покровский. — М.: Медицина, 2004. - 1700 с.

84. Покровский, А. В. Болезни аорты и ее ветвей / А. В. Покровский. -М.: Медицина, 1979. - 328 с.

85. Покровский, А. В. Основные принципы диагностики и лечения критической ишемии нижних конечностей при тромбоблитерирующих поражениях артерий / А. В. Покровский. - М.; Тула, 1994. - С. 195-196.

86. Попечителев, Е. П. Анализ числовых таблиц в биотехнических системах обработки экспериментальных данных / Е. П. Попечителев, С. В. Романов. - Л.: Наука, 1985. - 144 с.

87. Попов, Э. В. Экспертные системы: Решение неформализованных задач в форме диалога с ЭВМ / Э. В. Попов. - М.: Наука, 1987. - 288 с.

88. Поспелов, Д. А. Прикладная семиотика и искусственный интеллект / Д. А. Поспелов // Программные продукты и системы. - 1996. - № 3. - С. 10-13.

89. Прасолов, Б. Н. Логический вывод в автоматизированной консультативной системе медико-криминалистической экспертизы отравлений / Б. Н. Прасолов, Н. В. Даценко // Информационные технологии. - 2005. - № 6. -С. 68-71.

90. Райе, Дж. Матричные вычисления и математическое обеспечение : пер. с англ. / Дж. Райе. - М. : Мир, 1990. - 264 с.

91. Рассел, Ст. Искусственный интеллект: современный подход : пер. с англ. / Ст. Рассел, П. Норвиг. - 2-е изд. - М. : Вильяме, 2007. - 1408 с.

92. Рыбина, Г. В. Основы построения интеллектуальных систем : учеб. пособие / Г. В. Рыбина. - М. : Финансы и статистики ; ИНФРА-М, 2010. - 423 с.

93. Савельев, В. С. Критическая ишемия как следствие неадекватного лечения больных хроническими облитерирующими заболеваниями артерий нижних конечностей на амбулаторном этапе / В. С. Савельев, В. М. Кошкин, А. С. Кунижев // Ангиология и сосудистая хирургия. - 2004. - Т. 10. - С. 7-10.

94. Савельев, В. С. Критическая ишемия нижних конечностей / В. С. Савельев, В. М. Кошкин. - М. : Медицина, 1997. - 160 с.

95. Сайт Европейского общества искусственного интеллекта в медицине (Establishment of European Society for Artificial Intelligence in Medicine - AIME) [Электронный ресурс]. - Режим доступа : http://www.aimedicine.eu/AIME07/welcome.isp. - Загл. с экрана.

96. Славин, М.Б. Методы системного анализа в медицинских исследованиях / М.Б.Славин. - М.: Медицина, 1989. - 304 с.

97. Соколова, JI. В. Экспертная система диагностики бронхиальной астмы у детей / Л. В. Соколова, Е. М. Фурсмс // Компьютерная хроника. -2000. -№ 1.-С. 103-118.

98. Солсо, Р. Л. Когнитивная психология / Р. Л. Солсо. - 6-е изд. — СПб.: Питер, 2006. - 589 с.

99. Стрижов, В. В. Методы выбора регрессионных моделей / В. В. Стрижов, Е. А. Крымова. - М. : Изд-во ВЦ РАН, 2010. - 60 с.

100. Уотерман, Д. Руководство по экспертным системам : пер. с англ. / Д. Уотерман. - М. : Мир, 1989. - 380 с.

101. Устинов, А. Г. ТАИС - универсальная технология разработки систем компьютерной поддержки деятельности врача / А. Г. Устинов, Е. А.

Ситарчук // IV Междунар. форум: «Стратегия здоровья: Информационные технологии и интеллектуальное обеспечение медицины-97» : тез. докл. - М., 1997. - С. 21-23.

102. Файзрахманов, Р. А. Алгоритмическое и программное обеспечение информационной системы диагностики атеросклероза / Р. А. Файзрахманов, А. В. Кычкин // Проблемы управления. - 2009. - № 2. - С. 66-70.

103. Федин, А. С. О моделях представления знаний в интеллектуальных информационных системах / А. С. Федин, Д. А. Федоров // Исследование, разработка и применение высоких технологий в промышленности : сб. тр. 2-й Междунар. науч.-практ. конф. 07-09.01.2006; под ред. А. П. Кудинова, Г. Г. Матвиенко, В. Ф. Самохина. - СПб. : Изд-во Полит, ун-та, 2007. - Т. 5. - С. 188-189.

104. Федоров, Д. А. Математическая модель диагностики атеросклероза на основе порядковой логистической регрессии / Д. А. Федоров, Е. В. Дрожжин, И. В. Лущенко // Математическое и компьютерное моделирование в биологии и химии. Перспективы развития : в 2 т. : II Междунар. науч. Интернет-конф. Казань, 24 сент., 2013. - Казань : ИП Синяев Д.Н., 2013. - Т. 1. -С. 70-73.

105. Федоров, Д. А. Функции информационной системы, направленной на поддержку принятия решений врача / Д. А. Федоров // Современные системы искусственного интеллекта и их приложения в науке: Всероссийская научная Интернет-конф. с междунар. участием. Казань, 25 июня 2013. -Казань : ИП Синяев Д.Н., 2013. - С. 136-138.

106. Федоров, Д. А. Системный анализ и обработка информации в интеллектуальных системах / Д. А. Федоров // Сборник научных трудов кафедры автоматизированных систем обработки информации и управления. Вып. 2 / под общ. ред. Ф. Ф. Иванова; Сургут, гос. ун-т. - Сургут: ИЦ СурГУ, 2006. - С. 20-22.

107. Федоров, Д. А. Анализ предметной области болезни облитерирующий атеросклероз нижних конечностей / Д. А. Федоров // Наука и

инновации XXI века : мат-лы Окружной конф. молодых ученных ХМАО -Югры. 24-25 нояб.2005. -Сургут : Изд-во СурГУ, 2006. - С. 72-73.

108. Федоров, Д. А. Анализ и разработка блоков интеллектуальной информационной системы поддержки принятия решений врача : сб. науч. тр. каф. автоматизир. систем обр. инф. и упр. / Д. А. Федоров ; под общ. ред. Ф. Ф. Иванова. / Сургут, гос. ун-т. - Сургут : ИЦ СурГУ, 2008. - Вып. 5. - С. 12-21.

109. Федоров, Д. А. К методике анализа предметной области в медицинских интеллектуальных информационных системах / Д. А. Федоров, А. С. Федин // Исследование, разработка и применение высоких технологий в промышленности : сб. тр. 2-й Междунар. науч.-практ. конф. 07-09.01.2006 ; под ред. А. П. Кудинова, Г. Г. Матвиенко, В. Ф. Самохина. - СПб. : Изд-во Политехнического ун-та, 2007. - Т. 5. - С. 189-190.

110. Федоров, Д. А. Корреляционный анализ признаков заболевания при постановке диагноза облитерирующего атеросклероза артерий нижних конечностей с использованием интеллектуальной информационной системы поддержки принятия решений врача-хирурга «Атеросклероз» / Д. А. Федоров, В. А. Острейковский // Надежность и качество : труды Междунар. симпозиума : в 2 т. / под ред. Н. К. Юркова. - Пенза : Изд-во ИИЦ ПензГУ, 2008. - Т. 2. - С. 211-217.

111. Федоров, Д. А. О проектировании основных блоков интеллектуальной информационной системы поддержки принятия решений врача-хирурга «Атеросклероз» : в 2 т. / Д. А. Федоров, В. А. Острейковский // Надежность и качество : тр. Междунар. симпозиума ; под ред. Н. К. Юркова. - Пенза : Изд-во ПензГУ, 2008. - Т. 2. - С. 208-211.

112. Федоров, Д. А. Информационная система поддержки принятия решений для диагностики и лечения облитерирующего атеросклероза / Д. А. Федоров // Свидетельство о государственной регистрации программы для ЭВМ № 2012660556 от 23 нояб. 2012 г.

113. Федоров, Д. А. Информационная система поддержки принятия решений врача на примере болезни облитерирующий атеросклероз артерий

нижних конечностей / Д. А. Федоров // Математика и информационные технологии в нефтегазовом комплексе», посвященная дню рождения великого русского математика-академика П.Л. Чебышева и приуроченная к 20-летию сотрудничества ОАО «Сургутнефтегаз» и компании SAP : междунар. конф., Сургут, 14-18 мая 2014 г. - Сургут : ИЦ СурГУ, 2014. - С. 250-251.

114. Финн, В. К. Искусственный интеллект: Методология, применение, философия / В. К. Финн. - М.: КРАСНАД, 2011. - 448 с.

115. Финн, В. К. Об интеллектуальном анализе данных / В. К. Финн // Новости искусственного интеллекта. - 2004. - № 3. - С. 3-18.

116. Фуремс, Е. М. STEPCLASS - система извлечения экспертных знаний и проведения экспертизы для решения диагностических задач / ЕМ. Фуремс, JI. С. Гнеденко // Информационные процессы и системы. - 1996. - № 9. - Сер. 2. -С. 16-20.

117. Халафян, А. А. Статистический анализ данных. Statistica 6.0 / А. А. Халафян : учебник. - 2-е изд. - М. : Бином, 2009. - 528 с.

118. Хомоненко, А. Д. Базы данных : учебник для высш. учеб. завед. - 4-е изд. / А. Д. Хомоненко, В. М. Цыганков, М. Г. Мальцев. - СПб. : Корона принт, 2004. - 736 с.

119. Худсон, Д. Статистика для физиков: лекции по теории вероятностей и элементарной статистике / Д. Худсон. - М.: Мир, 1967. - 242 с.

120. Цейтлин, Н. А. Из опыта аналитического статистика / Н. А. Цейтлин. - М. : Солар, 2007. - 906 с.

121. Частиков, А. П. Разработка экспертных систем. Среда CLIPS / А. П. Частиков, Т. А. Гаврилова, Д. JI. Белов. - СПб. : БХВ-Петербург, 2003. - 608 с.

122. Чепурнна, Н. А. Суммарный риск развития сердечно-сосудистых заболеваний и их осложнений: методы оценки / Н. А. Чепурина // Кардиология и сердечно-сосудистая хирургия. - 2008. - № 4. - С. 24-28.

123. Шитиков, В. К. Количественная гидроэкология: методы системной идентификации / В. К. Шитиков, Г. С. Розенберг, Т. Д. Зинченко. - Тольятти : Изд-во ИЭВБ РАН, 2003. - 463 с.

124. Шкундина, Р. А. Интеллектуальная система поддержки принятия решений на основе онтологии (на примере управления очисткой сточных вод) : дис. ... канд. техн. наук : 05.13.01 РГБ ОД, 61:07-5/1572 / Р. А. Шкундина.-Уфа, 2006.-216 с.

125. Юнкеров, В. И. Математико-статистическая обработка данных медицинских исследований / В. И. Юнкеров, С. Г. Григорьев. - СПб. : ВМедА, 2002.-266 с.

126. Янковская, А. Е. Принятие и обоснование решений с использованием методов когнитивной графики на основе знаний экспертов различной квалификации. Теория и системы управления / А. Е. Янковская. -1997.-№5.-С. 125-128.

127. Assmann, G. The Munster Heart Study (PROCAM) / G. Assmann, P. Cullen, H. Schulte//Europpean Heart J. - 1998.- №19. -P. 2-11.

128. De Bakey, M. E. et al. Patterns of atherosclerosis and their surgical significanse // Ann. Surg. - 1985.-№ 2. -Vol. 201.-P. 115-131.

129. Fieschi, M. Joubert M.T Ficschi D. ct a!. SPHINX; A production rules expert system for medical consultations // MEDINFO'83: Proc 4th World Conf. Med.Inf.Pt.l. Amsterdam, 1983. - P. 503-506.

130. Fries, J. F. Time-oriented patient records and a computer databank / J. F. Fries // J. Amer, Med. Ass. - 1972. - Vol. 222. - P. 1536-1542.

131. Gercone , N. Artificial intelligence. Underlying assumptions and basic objectives / N. Gercone, G. McCalla // J, Amer. Soc. for Inform. Science, 1 984. -№ 5. - Vol. 35. - P. 280-290.

132. NCEP ATPIII: JAMA, May 16,2001. - Vol. 285 (19). - P. 2486-2497.

133. Politakis, P. Using empirical analysis to refine expert system knowledge bases/P. Politakis, S.M. Weiss//Aitif.Intell 1984.-№ 1.- Vol.22.- P.23-48.