МОДУЛЬ  ДИАГНОСТИКИ  СОСТОЯНИЯ  КРОВООБРАЩЕНИЯ  НА  ОСНОВЕ  СТАТИСТИЧЕСКОГО  МОДЕЛИРОАНИЯ  ПОВЕДЕНИЯ  ПОКАЗАТЕЛЕЙ  АРТЕРИАЛЬНОГО  ДАВЛЕНИЯ  И  ЧАСТОТЫ  СЕРДЕЧНЫХ  СОКРАЩЕНИЙ

Вовк  Татьяна  Валериевна

Хомяк  Алена  Олеговна

студенты  ММИФ  Национального  Технического  Университета  Украины  «КПИ»,  г.  Киев

E-mail: 

Носовец  Елена  Конастантиновна

научный  руководитель,  аспирант,  ассистент  каф.  Медицинской  кибернетики  и  телемедицини  Национального  Технического  Университета  Украины  «КПИ»

Настенко  Евгений  Арнольдович

научный  руководитель,  д-р  биол.  наук,  старший  научный  сотрудник,  зав.  кафедры  Медицинской  кибернетики  и  телемедицини  НТУУ  «КПИ»,  г.  Киев

С  каждым  годом  количество  пациентов  кардиологических  отделений  возрастает,  и  вмести  с  этим,  все  больше  становиться  актуальной  проблема  диагностики  заболеваний  сердечнососудистой  системы.  Развитие  технологий  привело  к  возникновению  большого  числа  инвазивных  и  неинвазивных  методов  оценки  состояния  кровеносного  русла,  но  большинство  из  них  требуют  использование  дорогостоящей  техники  или  затраты  времени.  Целью  нашего  исследования  стала  разработка  простого  неинвазивного  метода  диагностики  состояния  системы  кровообращения,  на  основе  офисных  измерений  артериального  давления  и  частоты  сердечных  сокращений.

В  основу  метода  легло  статистическое  моделирование  функциональных  зависимостей  между  показателями  сердечно-сосудистой  системы,  проведенное  на  базе  НИССХ  им.  Н.М.  Амосова  и  Национального  Технического  Университета  Украины  «КПИ».  Исходным  клиническим  материалом  были  массивы  измерений  артериального  давления  и  частоты  сердечных  сокращений  у  12  здоровых  лиц  и  38  лиц  с  нарушением  кровообращения  различного  генеза.  Массивы  данных  содержали  последовательные  наблюдения,  которые  были  накоплены  в  ходе  планового  лечебного  процесса.

Ключевым  моментом  исследования  является  выбор  алгоритма  кластерного  анализа,  именно  от  него  зависит  окончательный  вариант  разбиения  объектов  на  кластеры  и  их  информативность.  Проанализировав  существующие  алгоритмы  кластеризации,  выбор  был  остановлен  на  специальном  алгоритме  —  Functional  Separation  [3,  с.  136]  разработанный  в  НИССХ  им.  Н.М.  Амосова.  Данный  метод  позволяет  выявлять  эмпирические  закономерности  за  массивами  наблюдений  [4,  с.  77].

По  проведению  кластерного  анализа  методом  Functional  Separation,  были  выявлены  зависимости  между  диастолическим  артериальным  давлением  (АДД)  и  систолическим  (АДС)  (АДД  =  f(АДС)),  а  также  между  диастолическим  артериальным  давлением  и  частотой  сердечных  сокращений  (ЧСС)  (АДД  =  f(ЧСС)).  Для  построения  зависимостей  был  выполнен  регрессионный  анализ,  в  ходе  которого  было  построено  пять  уравнений  регрессий  в  виде  полиномов  2-й  степени  для  отображения  зависимости  АДД  =  f(АДС)  и  четыре  уравнения  для  АДД  =  f(ЧСС).  Зависимости  и  их  интерпретации  представлены  в  таблице  1.

Таблица  1. 

Регрессионные  модели  АДД  =  f(АДС)  и  АДД  =  f(ЧСС)

Таким  образом,  на  основании  произведенных  исследований  [1,  с.  224;  2,  с.  217]  была  доказана  возможность  оценки  функционирования  системы  кровообращения,  по  данным  диастолического,  систолического  артериального  давления  и  ЧСС. 

Полученные  результаты  были  реализованы  в  программных  продуктах,  в  виде  десктопного  приложения  и  приложения  для  мобильных  устройств  на  базе  операционной  системы  Андроид.  Программы  позволяют  накапливать  статистические  данные  по  показателям  системы  кровообращения  и  обрабатывать  их.  С  помощью  приложений  можно  вносить  и  отслеживать  в  динамике  изменения  артериального  давления  и  ЧСС,  а  также  мгновенно  получать  клиническую  оценку  состояния  кровообращения  и  оценивать  условия  функционирования  кровеносной  сети.

Программы  имеют  удобный  интерфейс,  основные  скриншоты  программ  представлены  ниже  (рис.1—4). 

Рисунок  1.  Десктопное  приложение:  главное  окно

Рисунок  2.  Десктопное  приложение:  вывод  диагноза

Рисунок  3.  Мобильное  приложение:  отображение  регрессионных  кривых  и  данных  мониторинга  артериального  давления

Рисунок  4.  Мобильное  приложение:  ввод  клинических  данных

Данные  приложения  позволяют  пользователям  самостоятельно  вводить  измеренные  данные  и  получать  предполагаемый  предварительный  диагноз,  основанный  на  близости  его  показателей  к  одной  из  регрессионных  моделей.  Такие  программы  могут  быть  полезными  для  мониторинга  состояний  сердечно-сосудистой  системы  у  разных  слоев  населения. 

Список  литературы:

1.Кнышов  Г.В.,  Максименко  В.Б.,  Настенко  Е.А.  и  др.  Анализ  соотношений  артерильного  давления  по  данным  мониторинга.  Обобщение  результатов  многоэтапных  исследований  //  Щорічник  наукових  праць  Асоціації  серцево-судинних  хірургів  України.  —  2011.  —  Вип.  19.  —  С.  218—225.

2.Кнышов  Г.В.,  Настенко  Е.А.,  Носовец  Е.К.  и  др.  Оценка  состояния  микроциркуляторной  сети  по  показателям  частоты  сердечных  сокращений  и  диастолического  аретериального  давления  //  Щорічник  наукових  праць  Асоціації  серцево-судинних  хірургів  України.  —  2011.  —  Вип.  19.  —  С.  212—218.

3.Настенко  Є.А.,  Носовец  О.К.,  Вовк  Т.В.,  Хомяк  А.О.  Огляд  методів  кластеризації  для  виявлення  залежності  між  показниками  серцево-судинної  системи  //  Биомедицинская  инженерия  и  технология:  материалы  ІІІ  Международной  конференции,  Киев,  15—16  марта  2012  г.  /  ММИФ  НТУУ  «КПИ».  —  242  с.

4.Nastenko  E.A.  The  use  of  Cluster  Analysis  for  Partitioning  Mixtures  of  Multidimensional  Functional  Characteristics  of  Complex  Biomedical  Systems  //  J.  of  Automation  and  Information  Sciences.  —  1996.  —  Vol.  28.  —  №  5—6.