в Интернете 
Українська  English  Русский  

DOI: 10.31071/kit2017.13.05


Опись-ссылка ISSN 1812-7231 Klin.inform.telemed. Volume 12, Issue 13, 2017, Pages 35–41


Автор(ы) А.В. Фролов1, М.А. Марценюк2, Т.Г. Вайханская1, В.Б.Поляков2


Учреждение(я) 1Республиканский научно-практический центр "Кардиология", Минск, Беларусь 2Пермский государственный национальный исследовательский университет, Пермь. Россия


Название статьи Нечеткая логика при прогнозировании неблагоприятных сценариев кардиологических заболеваний


Аннотация (резюме)

Введение. Прогнозирование неблагоприятных сценариев заболеваний сердечно-сосудистой системы имеет важное клиническое значение. Создан ряд прогностических моделей на основе метода пропорциональных рисков Кокса. Однако при дихотомических переменных и аппаратных погрешностях в окрестности пороговых значений возрастает вероятность ошибочного прогноза. Метод нечеткой логики нивелирует данный недостаток.

Цель работы. Разработка индивидуализированной модели риск-стратификации пациентов на основе нечеткой логики и ее тестирование у пациентов с хронической сердечной недостаточностью.

Материал исследования. Модель риск-стратификации основана на логит-регрессии Кокса в сочетании с методом нечетких множеств. Тестирование модели выполнено у 240 пациентов с хронической сердечной недостаточностью. Регистрировали цифровую ЭКГ с оценкой маркеров электрической нестабильности миокарда, проводили 24-часовое холтеровское мониторирование ЭКГ и эхокардиографию.

Результаты исследования. Исследована функция вероятности неблагоприятных кардиоваскулярных событий при дихотомических переменных. Выявлен ее скачкообразный характер. Предложено логит-регрессию Кокса дополнить нечеткими множествами с сигмоидальными функциями принадлежности. Тестирование выполнено у 240 пациентов с хронической сердечной недостаточностью. Чувствительность разработанной модели индивидуальной риск-стратификации составила 81%, а специфичность - 99%.

Заключение. Нечеткие множества позволили нивелировать скачки при оценке вероятности неблагоприятных событий вблизи пороговых значений, что благоприятно повлияло на точность прогноза. Разработанная нами модель имеет 94% прогностическую точность.


Ключевые слова ЭКГ, электрическая нестабильность миокарда, риск-стратификация, логит-регрессия, нечеткая логика


Список литературы

1. Sulimov V., Okisheva E., Tsaregorodsev D.Non-invasive risk stratification for sudden cardiac death by heart rate turbulence and microvolt T-wave alternans in patients with myocardial infarction. Europace, 2012, vol. 14, iss. 12, pp. 1786-1792. doi: 10.1093/europace/eus238.

2. O’Machoni C., Jichi F., Pavlou M., Menserrat L., Anastasakis A. and oth. A novel clinical risk prediction model for sudden cardiac death in hypertrophic cardiomyopathy. European Heart J., 2014, vol. 35, pp. 2010-2020. doi: 10.1093/eurheartj/aht439.

3. Фролов А.В., Вайханская Т.Г., Мельникова О.П., Воробьев А.П., Гуль Л.М. От риск-стратификации пациентов с дилатационной кардимиопатией к оптимальной тактике лечения. Анналы аритмологии, 2016, т. 13, N 2, cc. 80-86. doi: 10.15275/annaritmol.2016.23.

4. Frolov A.V., Vaikhanskaya T.G., Melnikova O.P., Vorobiev A.P., Guel L.M. Risk stratification personalized model for prediction life-threatening ventricular tachyarrhythmias in patients with chronic heart failure. Kardilogia Polska [Polish Heart J.], 2017, vol. 75, iss. 7, pp. 682 - 688. doi: 10.5603/KPa2017.0060.

5. Jehn M., Guallar E., Clark J., Couper D., Duncan B, and oth. A prospective study of plasma ferritin level and incident diabetes. The atherosclerosis risk in communities study. American J. of Epidemiology, 2017, vol. 165, iss.9, pp. 1047 – 1054. doi: 10.1093/ajekwk093.

6. Lan D., and Wei L. The robust interference the Cox proportional hazard model. J. of American Statistician Association, 1989, vol. 84, pp. 1074 – 1078.

7. Vittinghoff E., Glidden D., Shiborski S., McCaloch C. Regression methods in biostatistics: linear, logistic, and repeated measures models. Ed. By Dietz K. Springer Science-Business Media, NY, 2005, 338 p.

8. Zade L. Soft computing and fuzzy logic. IEEE Software J., 1994, iss.11, pp. 48 – 56.

9. Пегат А. Нечеткое моделирование и управление. М. Бином, 2013, 798 c.

10. Suarla E., Syrimpeis V., Stanatopoulou K., Merekoulias G., Tsakalidis A., Tzimas G.Exploiting fuzzy expert systems in cardiology. Proc. Int. Conf. On Engineering and Applications of Neural Networks (EANN), 2013, pp. 80 - 89.

11. Merlin P., and Prado-Arechiga G. New hybrid intelligent systems for diagnosis and risk evaluating of arterial hypertension, SpringerBriefs, NY, 2017 (e-book). doi: 10.1007/978-3-319-61149-5.

12. Руденко Т.А., Власенко М.А. Системы нечеткой логики в диагностике десинхронии миокарда. Медичнi науки, 2015, Т.4, N 5, cc. 52 – 61. doi: 10.15587/2313-8416.2015.43286.

13. Nofal M., and Fouad K. Developing web-based semantic and fuzzy expert systems using proposed tool. Intern. J. of Computer Applications, 2015, vol. 112, iss. 7, pp. 39 - 45. doi: 10.5120/19682-1414.

14. Yunda L., Pacheco D., and Millan J. A web-based fuzzy interference system based tool for cardiovascular diseases risk assessment. Nova J. of Medical and Biological Sciences, 2015, vol. 13, iss. 24, pp. 7 - 16. doi: 10.22490/24629448.1712.

15. Varnavsky A., and Antonenko A. Determining of human cardiac pacemaker using fuzzy logic. Proc. Intern. Conf. On Information Technologies on Business and Industry, 2016. 7 p. doi: 10.1088/1742-6569/803/1/012168.


Полнотекстовая версия http://kit-journal.com.ua/ru/viewer_ru.html?doc/2017_13/004.pdf