инф. 1. Проприаторное и открытое программное обеспечение (ПО). Лицензия по. Особенности проприаторного и открытого программного обеспечения, их достоинства и недостатки.
 Скачать 206.36 Kb.
|
|
8. Дайте формулу для диагностической специфичности диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение специфичности? При каком условии она его принимает? Приведите пример, когда целесообразно выбирать максимальное значение специфичности. Dc=TN/TN+FP*100% (частота ИО результатов теста у лиц, не страдающих болезнью). Специфичность-способность метода не выявлять болезни у людей, у которых их нет. Специфичные тесты предпочтительны для подтверждения диагноза, уже предложенного на основании других данных. Высокоспецифичный тест особенно полезен в такой клинической ситуации, когда опасно получить ложноположительный результат и последующими назначениями нанести вред здоровью пациента. Положительный результат высокоспецифичного теста почти никогда не бывает у здоровых. Максимальное значение специфичности – 100% при условии, что число ложно - положительных результатов равно нулю. 9. Дайте формулу для прогностичности положительного результата (ППР) диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение этой характеристики? При каком условии она его принимает? Прогностичность положительного результата – вероятность наличия болезни у пациента с положительным результатом теста (доля больных с положительным результатом, диагностированные корректно). Выражается процентным соотношением истинно положительных (ИП) результатов к общему числу положительных результатов ПЗ+ = (ИП/(ИП+ЛП))*100% Статистическое значение: ППР есть мера того, насколько хорошо данный тест предсказывает наличие болезни у пациента. ППР есть вероятность наличия болезни у пациента при условии, что данный тест дал у него положительный результат. Синонимы: Предсказательная полезность положительного результата теста Прогностичность положительного результата теста Послетестовая вероятность наличия у пациента болезни Максимальное значение только при идеальном тесте: Идеальный тест: ПОР = 1 и ППР = 1. На практике не более 99,9 % 10. Дайте формулу для прогностичности отрицательного (ПОР) результата диагностического признака (симптома) и пояснить статистическую значимость этой формулы. Чему равно максимальное значение этой характеристики? При каком условии она его принимает? Прогностичность отрицательного результата – вероятность отсутствия заболевания у больного с отрицательным результатом теста (доля больных с отрицательным результатом, диагностированные корректно) ПЗ- = (ИО/(ИО+ИП))*100% Статистическое значение:  ПОР есть мера того, насколько хорошо данный тест предсказывает отсутствие болезни у пациента. ПОР есть вероятность отсутствия болезни у пациента при условии, что данный тест дал у него отрицательный результат. Синонимы: Предсказательная полезность отрицательного результата теста - Прогностичность отрицательного результата теста - Послетестовая вероятность наличия у пациента болезни Максимальное значение только при идеальном тесте: Идеальный тест: ППР= 1 и ПОР = 1 Чем более выгнута синяя кривая для (1 – NPV), тем лучше способность отрицательных результатов теста предсказывать отсутствие болезни. 11. Как изменяется диагностическая чувствительность (Se) диагностического признака, если иагностическая специфичность (Sp) возрастает? Что предпочтительнее при диагностике инфаркта миокарда с помощью количественного диагностического признака (например, SGOT) установка «порога нормальности», при котором максимальна диагностическая чувствительность (Se) или диагностическая специфичность (Sp)? Почему? Приведите пример (примеры) когда желательно обратное соотношение (Se) или (Sp) и объясните его (их). Для каждого заболевания существует «золотой стандарт диагностики» — наиболее точный диагностический метод, с помощью которого можно установить наличие или отсутствие данного заболевания(Метод Короткова). Как правило, применение эталонного метода диагностики ограничивается его неудобствами. Чувствительноть (Se) есть количественный показатель способности диагностического теста распознавать наличие болезни;условная вероятность истинного «позитива», т.е. вероятность получить положительный результат теста у субъекта с выявляемой болезнью .Ее статистической оценкой является доля TP среди субъектов с болезнью. Чувствительный тест следует выбрать, если есть риск пропустить заболевание при неясной диагностической картине или сузить рамки диагностического поиска, исключив ряд частых причин с помощью высокочувствительных тестов. В последнем случае для врача чувствительный тест наиболее информативен, когда он дает отрицательный результат. Специфичность(Sp)- количественный показатель способности диагностического теста распознавать отсутствие болезни;условная вероятность TN, т.е. вероятность получить отрицательный результат теста у субъекта без выявляемой болезни .Ее статистической оценкой является доля TN среди субъектов без болезни. Специфичные тесты нужны для подтверждения диагноза, предложенного на основании других данных. Высокоспецифичные тесты особенно необходимы, если ложно-положительный результат может нанести пациенту вред, например, в результате ошибочно назначенного лечения. Таким образом увеличивая диагностическую чувствительность,мы увеличиваем долю ложно-отрицательно диагностированных,что приводит к сверх диагностике. Увеличение диагностической специфичности привод к возрастанию числа ложно-положительно диагностированных пациентов. Таким образом,если возрастает специфичность,то уменьшается чувствительность. Для нахождения «золотой середины» мы используем ППР(LR(+))-во сколько раз доля истинных «позитивов» превышает долю ложных «позитивов»(показывает, во сколько раз чаще положительные результаты данного диагностического теста будут получаться у больных, чем у здоровых.); и ПОР(LR(-))-показывает, во сколько раз доля ложных «негативов» меньше истинных «негативов»(показывает, во сколько раз реже отрицательные результаты данного диагностического теста будут получаться у больных, чем у здоровых). Если тест идеальный, то • LR[+] = ∞ и LR[-] = 0.,если • LR[+] = LR[-] = 1,то бесполезный. В случае инфаркта миокарда предпочтительнее установка максимальной чувствительности(т.к. В большинстве случаев смазанная клиническая картина) Высокой чувствительностью обладает тест ПЦР(полимеразная цепная реакция(Тест-система, определяющие ДНК вируса ВИЧ-через 10 дней после потенциального заражения) Тест ice-on-eyes (дословно «лед на глаза») — высокоспецифичный тест для лежачих больных, который можно использовать у пациентов с птозом и подозреваемой миастенией(выявляем гиподинамию,опущение век, двоение,слабость проксимальных отделов мышц конечностей,бульбарные нарушения,после проводим высокоспецефичный тест-важен положительный ответ). 12. Дайте понятие о медицинских Системах Поддержки Принятия Решений (СППР). Типы СППР (пассивный (косвенный), полуактивный, активный (прямой, или когнитивный). Назначение. Примеры. СППР - компьютерная автоматизированная система, целью которой является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности. СППР возникли в результате слияния управленческих информационных систем и систем управления базами данных. В сфере здравоохранения Системы поддержки принятия решений используются для решения следующих задач: - управление различными составляющими элементами ЛПУ (лаборатории, коечный фонд, аптечный фонд и т.д.) - помощь в диагностике заболеваний и выбор методов лечения на основе накопленной статистики и экспертных знаний - автоматизированная генерация отчетных материалов - снижения рисков, связанных с медикаментозным лечением - компьютерный анализ ситуации - дифференциальная диагностика и выбор лечения в широком круге нозологических форм (здесь важно подчеркнуть именно большое число дифференцируемых заболеваний, в том числе редких); - эффективность решений вне зависимости от выраженности клинических проявлений болезни, что предполагает диагностику при ранних формах заболеваний и стертой клинической картине; - учет фоновых состояний (сопутствующих заболеваний) пациента, что особенно важно при подборе лечения; - анализ динамики патологического процесса с прогнозом потенциально возможных неблагоприятных ситуаций (при учете проводимой терапии, включая и побочные эффекты медикаментов); - оценка состояния в режиме "реального" времени, что может быть достигнуто при актуализации логико-вычислительных систем за счет информации, поступающей с мониторно-приборных комплексов. Делят СППР на пассивные, активные и кооперативные СППР. Пассивной СППР называется система, которая помогает процессу принятия решения, но не может вынести предложение, какое решение принять. Активная СППР может сделать предложение, какое решение следует выбрать. Кооперативная позволяет ЛПР изменять, пополнять или улучшать решения, предлагаемые системой, посылая затем эти изменения в систему для проверки. Система изменяет, пополняет или улучшает эти решения и посылает их опять пользователю. Процесс продолжается до получения согласованного решения. Система поддержки принятия решений требует трех первичных компонентов: модели управления, управления данными для сбора и ручной обработки данных и управления диалогом для облегчения доступа пользователя к DSS. Пользователь взаимодействует с DSS через пользовательский интерфейс, выбирая частную модель и набор данных, которые нужно использовать, а затем DSS представляют результаты пользователю через тот же самый пользовательский интерфейс. Примеры МОДИС (диагностика форм артериальной гипертонии) - процесс генерации гипотез и их проверки сопровождается сообщениями об активизации конкретного фрейма, а также о неподтверждении (отклонении) рассматривавшейся гипотезы и переходе к работе с другим фреймом, что дает эксперту возможность следить за ходом "рассуждений" системы в зависимости от вводимой информации; система способна ответить на вопрос, какие гипотезы рассматривались в процессе вывода решения, почему рассматривалась та или иная гипотеза и был поставлен именно такой диагноз. ДИАГЕН (дифференциальная диагностика наследственных болезней) - возможность проверить свое представление о диагностической значимости отдельных признаков путем последовательной переоценки их "весов" (коэффициентов). ДИН (диагностика неотложных состояний) - с одной стороны, проверка правильности предполагаемого врачом диагноза при движении от гипотетического диагноза к симптомам (обратный вывод), с другой стороны, по "лишним" для данного заболевания симптомам осуществляется выход на другие патологические состояния, в описании которых полученные данные играют известную роль, что расширяет представление обучаемого о круге сходных по клиническим проявлениям заболеваний. MDX (диагностика холестаза) - действует как сообщество консультантов разных специальностей, которые "вызывают" друг друга для рассмотрения различных аспектов заболевания; их "сотрудничество" осуществляется с использованием "доски объявлений" ("blackboard"). MYCIN (выбор антибактериальной терапии) - информация о взглядах научных школ, предоставляемая в режиме запроса. ABEL (диагностика и выбор лечения нарушений равновесия кислот и оснований) - выдача альтернативных объяснений, соответствующих различным научным школам. 13. Основные модули активной СППР (перечислить). Статистический модуль. Численный пример. Вероятностный модуль. Численный пример. Компоненты активных СППР: вероятностный модуль, экспертные системы, статистический модуль, нейросетевой модуль, вероятностный модуль, модуль, основанный на моделировании. Статистический модуль основан на решении дискриминантных уравнений. (f(D) = a1x1 + a2x2+…+anxn), где а – коэффициент (их значения получены на основе статистических данных, характеризующих диагностическую значимость симптома), х – симптом (бинарная величина – 1-наличие, 0-отсутствие) Пример: диагностика аппендицита и сальпенгита. Симптомы: - жесткость мышц живота (AR) - боль в правом левом квадранте (PRLQ) - боль в нижней части живота (PLLQ) Выбираем диагноз, при котором величина f наибольшая f (апп) = 4AR + 10RRLQ – 10PLLQ f (сальп) = 3AR + 5PRLQ + 5PLLQ Вероятностный модуль. В основу его положена формула Байеса p (Di/s) = (P(s/Di)*P(Di) / (Ʃ (P(s/Dk)*P(Dk)) где Di – наличие заболевания s – симптом P(S/Di) – условная вероятность (ДЧ) P(Di) – априорная вероятность (характеризует распространенность заболевания) Пример N1. Известно, что в случае заболевания туберкулезом рентгеновское исследование позволяет поставить диагноз в 95% случаев (чувствительность метода = 95%). Если исследуемый здоров, то ложный диагноз туберкулеза ставится в 1% случаев (специфичность метода = 100 - 1 = 99%). Доля больных в популяции составляет 0.5%. Какова вероятность того, что обследованный пациент, которому поставили диагноз туберкулеза, действительно болен? Решение: Пусть D1 – наличие заболевания; D2 – пациент здоров, А – событие, в нашем случае рентгеновское обследование, позволяющее установить точный диагноз. Известны априорные вероятности того, что случайно выбранный пациент здоров p(D2) = 0,995 или страдает туберкулезом p(D1) =0.005, произошло событие - при рентгеновском обследовании поставлен диагноз туберкулеза, известны условные вероятности p(A/D1) =0.95 (чувствительность),p(A/D2) =0.01 (специфичность). Отсюда апостериорная вероятность того, что пациент болен: p(D1/A) = p(A/D1)*p(D1) / (p(A/D2)*p(D2) + P(A/D1)*p(D1)) = 0.95*0.005 / (0.01*0.995 + 0.95*0.005) = 0.32 В лекции он говорил, вместо А (обследование)- S (симптом), надо было вычислять эту вероятность (D1/s) для каждого симптома, а потом смотреть, для какого она больше – значит ставят такой диагноз.(Дифференциальная диагностика – из нескольких выбираем 1). Что-то вроде этого. 14. Основные модули активной СППР (перечислить). Нейросетевой модуль. Определение нейросетей. Основные направления применения в медицине. Понятие нейрона, его основные компоненты. Слои нейронов. Процедура обучения. Компоненты активных СППР: вероятностный модуль, экспертные системы, статистический модуль, нейросетевой модуль, модуль, основанный на моделировании. Нейросетевой модуль и экспертная система относятся к интеллектуальным СППР Нейросети – NN – компьютерная программа, основанная на использовании виртуальных нейронов, связи между которыми устанавливаются в ходе процедуры обучения. Нейроны формируются в слоях: входном, промежуточном и выходном. Вход его регулируется, на промежут. этапе происходит саморегуляция системы и после выхода уже регулировать его невозможно. Типичные задачи, решаемые с помощью NN распознавание образов (изображения на дисплее КТ, МРТ, УЗИ) Предсказание будущих исходов события (результат операции, тяжелой терапевтической проедуры) Компоненты нейрона: Блок объединения входных сигналов (компонента нейрона, которая собирает множество входных сигналов. суммирует и передает далее 1) Блок функционального преобразования сигнала (выполняет математическую операцию, преобразующую данный сигнал) Величина порогового сигнала опред-т минимальную величину сигнала, вырабатываемого блоком функц. преобразования, при которой сигнал поступает на вход нейрона. Каждый нейрон 1 слоя связан с нейронами последующих слоев. Если суммарный сигнал (стимул) превосходит пороговую величину, то преобразованный. согласованный встроенной в блок функционального преобразования формуле, сигнал поступает на вход нейронов следующего слоя. Пороговая величина задается в ходе процедуры обучения нейросети. При обучении тестовая информация поступает на входы нейросети, а значение выходов для данной сети задается. Нейросеть автоматически настраивается на получение правильной комбинации выходов при заданной входной информации. Такие тесты проводятся десятки и сотни раз, при сохранении всех. Число исходных тестов называется эпохами (не меньше нескольких десятков) 15. Основные модули активной СППР (перечислить). Данные и знания (определение). Экспертные системы (ЭС), определение. Предметные области для экспертных систем. Обобщенная структура ЭС. Понятие о дедуктивном методе расследования. Логические модули. Инструментальные средства построения ЭС. Требования, предъявляемые к медицинским ЭС. Кто участвует в разработке ЭС? Какие базовые функции реализуются в ЭС? Примеры автоматизированных гибридных систем для поддержки принятия решений. Модули СППР -модуль математического моделирования -статистический модуль -вероятный модуль -нейросетевой модуль Данные – это полученные в результате наблюдения (исследования) числа или обнаруженные явления, обозначаемые символами или словами, которые фиксируются, передаются с помощью средства связи, могут обрабатываться с использованием вычислительной техники. Данные, накапливаемые индивидуумом как результат опыта и зафиксированные в той или иной, представляют собой знания. Знания предметной области по источникам можно разделить на фактические и эвристические. Фактические знания – хорошо известные в данной предметной области факты, описанные в специальной литературе. Эвристические знания основаны на собственном опыте специалиста-эксперта, пользоваться ими нужно осмотрительно, но именно они определяют эффективность ЭС. Экспертная система – это программа для компьютера, оперирующая с формализованными знаниями врачей-специалистов и имитирующая логику человеческого мышления, основанную на знаниях и опыте экспертов с целью выработки рекомендаций или решения проблем. Одним из важных свойств ЭС является ее способность объяснить понятным для пользователя образом, как и почему принято то или иное решение. ЭС эффективны в специфических областях, таких как медицина, в которой существует много вариантов проявлений заболеваний и поэтому отсутствуют однозначные критерии диагностики и лечения, в связи с чем важен эмпирический опыт специалистов и качество принятия решений зависит от уровня экспертизы. Пользователем ЭС обычно является специалист в той же предметной области, для которой разработана система, но его квалификация недостаточно высока по конкретному профилю патологии, в связи с чем он нуждается в поддержке принятия решений. Пользователями медицинских ЭС могут быть также врачи смежных специальностей, общей практики, ординаторы, интерны. Как разработчики, так и пользователи предъявляют к медицинским ЭС ряд требований. 1. Система должна обеспечивать высокий уровень решения задач в своей предметной области. 2. «Поведение» ЭС (задаваемые врачу вопросы, рекомендации, логика работы и принятия решений) должно моделировать поведение грамотного врача. 3. Система должна объяснять полученные решения, используя конструкции, понятные врачу. 4. Созданные ЭС должны обеспечивать возможность модификации при обновлении медицинских знаний по данной предметной области. В ЭС реализуются четыре базовые функции: 1. Приобретение (извлечение) знаний 2. Представление знаний 3. Управление процессом поиска решений 4. Разъяснение принятого решения Экспертная система имеет структуру, состоящую из набора определенных блоков.  Наиболее важные области применения экспертных систем: Диагностика неотложных и угрожающих состояний в условиях дефицита времени Ограниченные возможности обследования Скудная клиническая симптоматика Быстрые темпы развития заболевания В создании экспертных систем участвуют, как правило, врач-эксперт, математик и программист. Основная роль в разработке такой системы принадлежит эксперту-врачу. У полностью оформленной экспертной системы присутствуют 4 основных компонента (блока): База знаний Машина вывода Модуль извлечения знаний Система объяснения принятых решений Кроме того, хорошая экспертная система имеет блок для пополнения базы знаний – система с обучением. Экспертные системы позволяют не только производить раннюю доклиническую диагностику, но также оценивать сопротивляемость организма и его предрасположенность к заболеваниям, в том числе онкологическим. Примеры: MYCIN (предназначена для идентификации возбудителей инфекционных заболеваний), PUFF (диагностика легочных заболеваний с использованием результатов функциональных исследований), ONCOCIN (для химиотерапевтического лечения онкологических больных и наблюдения за ними), МОДИС (для диагностики различных форм артериальной гипертензии), ЭСТЕР (для диагностики лекарственных отравлений). |