Раннее прогнозирование инфицированного панкреонекроза
реклама
ПРОГНОЗИРОВАНИЕ ИНФИЦИРОВАНИЯ ПАНКРЕОНЕКРОЗА МЕТОДОМ НЕЙРОННЫХ СЕТЕЙ Заливская А.И., Протасевич А.И. 1-ая кафедра хирургических болезней Белорусского государственного медицинского университета Актуальность. В настоящее время инфицирование является главным фактором риска тяжѐлого панкреатита, сопровождающегося крайне высокой летальностью (от 40- 80%). Одно из ведущих причин этого является поздняя диагностика инфекционных осложнений. Вероятность развития гнойносептических осложнений связана, в том числе с тактикой и качеством лечения в асептическую фазу. Существующие традиционные клинико-лабораторные и инструментальные методы исследования позволяют верифицировать наличие деструктивных изменений в поджелудочной железе и окружающих тканях, диагностировать развившийся инфицированный панкреонекроз, но имеют ограниченное значение в прогностическом плане. Цель работы. Построить нейронную сеть, позволяющую прогнозировать инфицирование панкреонекроза на ранних этапах. Материалы и методы. Ретроспективный анализ 192 и проспективный анализ 56 историй болезней пациентов, находившихся на стационарном лечении в УЗ «10-я городская клиническая больница» г.Минска в 2009-2011 годах по поводу деструктивного панкреатита. Из них у 214 (86,3%) пациентов процесс носил асептический характер и у 34 (13,7%) на протяжении госпитализации произошло инфицирование. Учитывались 6 параметров, значимость которых была определена при создании шкалы раннего прогнозирования, предложенной нами в 2011 году: величина гематокрита при поступлении, величина гематокрита и количество сегментоядерных нейтрофилов в первый койко-день, лейкоцитарный индекс интоксикации и индекс сдвига лейкоцитов крови при поступлении, лимфоцитарный индекс в первый койко-день. Обработка, анализ и оценка полученных данных производились в программе StatSoft Statistica v 6.1. Результаты. На основании собранного материала была создана электронная база данных для ввода, анализа и хранения информации пациентов с деструктивным панкреатитом. Она использовалась для построения нейронных сетей. После их всестороннего анализа, была выбрана одна оптимальная по всем параметрам. Данная нейронная сеть состоит из 6 входных элементов и двух промежуточных слоѐв (первый содержит 6 нейронов, второй – 1 нейрон). При необходимости программа позволяет рассчитать вероятность наступления прогнозируемого результата. При обучении нейронной сети использовались данные 122 пациентов, из них у 102 процесс носил асептический характер, и у 20 на протяжении госпитализации произошло инфицирование очагов панкреонекроза. Точность прогноза после обучения составила 87,7%. Положительная прогностическая значимость – 90%. Отрицательная прогностическая значимость составила 87,3%. Площадь под характеристической кривой составила 0,920. Тестирование построенной нейронной сети осуществлялось на данных пациентов, не использовавшихся при еѐ конструировании. Тестовое множество состояло из 63 наблюдений. В 53 случаях имел место стерильный панкреонекроз, в 10 случаях – инфицированный. Точность прогноза при тестировании составила 95,2%. Положительная прогностическая значимость составила 100%. Отрицательная прогностическая значимость – 94,3%. Площадь под характеристической кривой, отражающей чувствительность и специфичность сети по отношению к тестируемой группе, составила 0,993. Для оценки прогностической ценности нейронной сети был проведѐн корреляционный анализ. Коэффициент корреляции Спирмена составил 0,852. Т.о. корреляционная взаимосвязь прогностической оценки и вероятности развития инфицированния сильная прямая. Использование нейронных сетей на практике весьма удобно и не требует никаких специальных знаний. Для оценки нового случая необходимо ввести входные данные в ячейки и прогнать наблюдение через нейронную сеть. После чего, программа выдаст прогнозируемый результат и вероятность его наступления. Кроме того важным достоинством нейронных сетей является возможность их переобучения при пополнении имеющейся базы данных. Выводы. 1. Созданная нами нейронная сеть опирается на 6 показателей, которые оцениваются в соответствии с бальной шкалой раннего прогнозирования инфицированного панкреонекроза. 2. Предложенная нейронная сеть удобна для применения в клинической практике, так как, входные переменные определяются на основании общего анализа крови и не требуют никаких дополнительных методов исследования; прогноз делается на основании данных, полученных в первые сутки госпитализации, что позволит раньше определиться с тактикой лечения пациента. 3. Предложенная нейронная сеть продемонстрировала высокую прогностическую точность – 95% (положительная прогностическая значимость 100%, отрицательная прогностическая значимость составила 94,3%), прямую сильную корреляционную связь с диагнозом (r=0,852), «отличное» качество прогностической модели (AUC=0,993). 4. Однако для улучшения качества шкала и уменьшения ошибки необходимо увеличить количество наблюдений во всех выборках.
