DOI: https://doi.org/10.31071/kit2017.13.05

Опис-посилання

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

Автор(и)

О. В. Фролов¹, М. А. Марценюк², Т. Г. Вайханськая¹, В. Б. Поляков²

Установа(ви)

¹Республіканській науково-практичний центр "Кардіологія", Мінськ, Білорусь ²Пермській державний національний дослідницький університет, Перм, Росія

Назва статті

Нечітка логіка при прогнозуванні несприятливих сценаріїв кардіологічних захворювань

Анотація (резюме)

Вступ. Прогнозування несприятливих сценаріїв захворювань серцево-судинної системи має важливе клінічне значення. Створено ряд прогностичних моделей на основі методу пропорційних ризиків Кокса. Однак при дихотомічних змінних і апаратних похибках в околиці порогових значень зростає ймовірність помилкового прогнозу. Метод нечіткої логіки нівелює цей недолік.

Мета роботи. Розробка індивідуалізованої моделі ризик-стратифікації пацієнтів на основі нечіткої логіки і її тестування у пацієнтів з хронічною серцевою недостатністю.

Матеріал дослідження. Модель ризик-стратифікації заснована на логит-регресії Кокса в поєднанні з методом нечітких множин. Тестування моделі виконано у 240 пацієнтів з хронічною серцевою недостатністю. Реєстрували цифрову ЕКГ з оцінкою маркерів електричної нестабільності міокарда, проводили 24-годинне холтерівське моніторування ЕКГ і ехокардіографії.

Результати дослідження. Досліджено функцію ймовірності несприятливих кардіоваскулярних подій при дихотомічних змінних. Виявлено її стрибкоподібний характер. Запропоновано логит-регресію Кокса доповнити нечіткими множинами з сигмоїдальними функціями належності. Тестування виконано у 240 пацієнтів з хронічною серцевою недостатністю. Чутливість розробленої моделі індивідуальної ризик-стратифікації склала 81%, а специфічність – 99%.

Висновок. Нечіткі множини дозволили нівелювати скачки при оцінці ймовірності несприятливих подій поблизу порогових значень, що сприятливо вплинуло на точність прогнозу. Розроблена нами модель має 94% прогностичну точність.

Ключові слова

ЕКГ, електрична нестабільність міокарда, ризик-стратифікація, логит-регресія, нечітка логіка

Список літератури

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.

Повнотекстова версія http://kit-journal.com.ua/uk/viewer_uk.html?doc/2017_13/004.pdf