Искусственные нейронные сети в кардиологии

Аннотация. В данном обзоре рассмотрены работы, посвященные применению искусственных нейронных сетей для обработки численных и текстовых данных. Рассмотрены системы поддержки принятия решения; прогнозирования, включая прогнозы исходов лечения заболеваний сердечно-сосудистой системы; оценки рисков. Показана возможность использования искусственных нейронных сетей в качестве альтернативного подхода относительно стандартных методов обработки клинических данных пациента. Использование нейросетевых технологий при создании автоматизированных ассистентов лечащего врача позволит более качественно и оперативно предоставлять пациентам медицинские услуги.

Интенсивное развитие медицинских методов, оборудования и инструментария позволяет обнаруживать новые индикаторы заболеваний, повышая качество диагностики, что актуально для сердечно-сосудистых заболеваний (ССЗ), особенно в промышленных центрах. Однако увеличение количества диагностических признаков влечет за собой удлинение времени их обработки и усложнение процесса систематизации врачом, т.к. зачастую клинические данные разрознены и представлены как количественными показателями, так изображениями и текстовыми данными. Частично данная проблема решается внедрением шкал риска, наглядным примером которых в кардиологии и сердечно-сосудистой хирургии являются SCORE, TIMI, CRUSADE, GRACE и т.д. Несмотря на доказанную высокую эффективность такого подхода, шкалы обладают существенным исходным недостатком – искусственным ограничением параметров построения, что необходимо для полуавтоматического подсчета. Кроме того, шкалы достаточно эффективно работают в популяциях, сходных с теми, которые использовались для создания или валидации такого инструмента, что может вызывать существенные смещения оценок в других популяциях. При этом важно отметить, что медицинское обследование пациента, его анамнез, осмотр приводят к образованию большого объема данных, потенциально вносящих вклад в прогнозирование исхода, постановку диагноза и определение рисков, которые зачастую не учитываются при шкальном подходе. В связи с этим, информационные технологии как инструмент обработки больших массивов данных получают широкое распространение в медицине. Начиная с середины 20 века было разработано множество клинических систем, поддерживающих принятие решения кардиологом, которые легли в основу медицинских информационных систем различного назначения и отдельных автоматизированных лечебно-диагностических комплексов. Их применение позволяет решить задачи прогнозирования рисков развития заболеваний, осложнений и эффективности лечения, ранней диагностики, мониторинга состояния пациента и др.

Развитие математических методов и аппаратной части позволяет применять значительно более прогрессивные, по сравнению со стандартными алгоритмами, системы – ИНС. Принцип работы основан на нечеткой логике. Настройка ИНС (задание весовых коэффициентов) заключается в ее «обучении», по аналогии с обучением человека. Работа с большим количеством входных данных, а также установление неявных взаимосвязей между параметрами и их сочетаниями, обусловили широкое распространение ИНС во многих сферах медицины. Анализ современной литературы по данным базы PubMed демонстрирует явный интерес исследователей ИНС к ключевым проблемам медицины – онкологии, заболеваниям сердечно-сосудистой и пищеварительной систем (рис. 1).