Preview
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

Опыт использования нейронных сетей для прогнозирования исходов ишемического инсульта. Обзор литературы

https://doi.org/10.35627/2219-5238/2021-29-7-82-85

Полный текст:

Аннотация

Введение. Ишемический инсульт является структурно сложным заболеванием, в основе которого лежат разные патогенетические механизмы. Учитывая многокомпонентность данной патологии, а также ее сложную структуру, медицинским сообществом были созданы различные оценочные шкалы, в основе которых лежит оценка разных признаков. Данные шкалы созданы для того, чтобы прогнозировать возможное состояние пациента на различных этапах оказания медицинской помощи.
Цель исследования. Определение актуальности использования системы прогнозирования исходов ишемического инсульта на базе нейронных сетей для совершенствования организации лечебного процесса пациентам, перенесшим ишемических инсульт.
Материалы и методы. Был проведен анализ научной и медицинской литературы, посвященной вопросам создания и использования прогностических систем на базе искусственных нейронных сетей для прогнозирования исходов ишемического инсульта, а также самых распространенных оценочных шкал, которые в данное время используются в лечебной практике.
Результаты. После проведенного анализа эффективности имеющихся шкал, был выявлен их главный недостаток – субъективная составляющая при оценке состояния того или иного пациента. В свою очередь, использование нейронных сетей позволяет минимизировать субъективную составляющую при формировании прогноза исхода ишемического инсульта. Данные результаты достигаются за счет того, что нейронные сети способны обрабатывать большие массивы данных, в результате чего устанавливаются скрытые взаимосвязи между объектами исследований.
Выводы. Проведенный анализ отечественных и зарубежных источников доказывает, что наличие системы прогнозирования на базе нейронной сети является серьезным преимуществом для медицинской организации. Однако нейронные сети не в полной мере проходили клиническиe испытания, которые подтверждали бы превосходство нейронных сетей над современными методами прогнозирования исходов заболеваний, что является затруднением для их полноценного использования в клинической практике.

Об авторах

В. С. Дворжак
ФГБОУ ВО «Казанский государственный медицинский университет» Минздрава России
Россия

Дворжак Владимир Сергеевич – аспирант кафедры общей гигиены

ул. Бутлерова, д. 49, г. Казань, 420012



А. В. Шулаев
ФГБОУ ВО «Казанский государственный медицинский университет» Минздрава России
Россия

Шулаев Алексей Владимирович – доктор медицинских наук, заведующий кафедрой общей гигиены

ул. Бутлерова, д. 49, г. Казань, 420012



Е. А. Вансовская
ФГБОУ ВО «Казанский государственный медицинский университет» Минздрава России
Россия

Вансовская Евгения Андреевна – студент V курса медико-биологического факультета

ул. Бутлерова, д. 49, г. Казань, 420012



Список литературы

1. Скворцова В.И. Медицинская и социальная значимость проблемы инсульта // Качество жизни. 2004. № 4. С. 10–12.

2. Dickerson LM, Carek PJ, Quattlebaum RG. Prevention of recurrent ischemic stroke. Am Fam Physician. 2007;76(3):382–388.

3. Franklin SW, Rajan SE. An automated retinal imaging method for the early diagnosis of diabetic retinopathy. Technol Health Care. 2013;21(6):557–569. doi: 10.3233/THC-130759

4. Teasdale G, Jennett B. Assessment of coma and impaired consciousness. A practical scale. Lancet. 1974;2(7872):81–84. doi: 10.1016/s0140-6736(74)91639-0

5. Белова А.Н. Шкалы, тесты и опросники в неврологии и нейрохирургии. 3-е изд. М.: Практическая медицина, 2018. 696 c.

6. Шмырев В.И., Каленова И.Е., Ардашев В.Н. Прогнозирование исходов острого ишемического инсульта // Российские медицинские вести. 2013. Т. 18. № 1. С. 4–9.

7. Андрюков Б.Г., Веремчук Л.В., Кику П.Ф. Применение нейросетевых технологий для анализа взаимодействий систем организма с параметрами окружающей среды // Современные наукоемкие технологии. 2009. № 4. С. 45–46.

8. Кику П.Ф., Веремчук Л.В., Горборукова Т.В. Информационно-аналитическое моделирование медико-экологических процессов // Системный анализ в медицине. Материалы VII международной научной конференции. Благовещенск, 2013. С. 26–29.

9. Addams Jr HP, del Zoppo G, Alberts MJ, et al. Guidelines for the early management of adults with ischemic stroke: a guideline from the American Heart Association/American Stroke Association Stroke Council, Clinical Cardiology Council, Cardiovascular Radiology and Intervention Council, and the Atherosclerotic Peripheral Vascular Disease and Quality of Care Outcomes in Research Interdisciplinary Working Groups: the American Academy of Neurology affirms the value of this guideline as an educational tool for neurologists. Stroke. 2007;38(5):1655–1711. doi: 10.1161/STROKEAHA.107.181486

10. Murray NM, Unberath M, Hager GD, Hui FK. Artificial intelligence to diagnose ischemic stroke and identify large vessel occlusions: a systematic review. J Neurointerv Surg. 2020;12(2):156–164. doi: 10.1136/neurintsurg-2019-015135

11. Soun JE, Chow DS, Nagamine M, et al. Artificial intelligence and acute stroke imaging. AJNR Am J Neuroradiol. 2021;42(1):2–11. doi: 10.3174/ajnr.A6883

12. Ершов В.И., Дегтярь И.И., Медведев А.В. Математическое моделирование острейшего периода ишемического инсульта // Вестник Оренбургского государственного университета. 2004. № 6. С. 117–120.

13. Ho KC, Scalzo F, Sarma KV, Speier W, El-Saden S, Arnold C. Predicting ischemic stroke tissue fate using a deep convolutional neural network on source magnetic resonance perfusion images. J Med Imaging (Bellingham). 2019;6(2):026001. doi: 10.1117/1.JMI.6.2.026001

14. Chan KL, Leng X, Zhang W, et al. Early identification of high-risk TIA or minor stroke using artificial neural network. Front Neurol. 2019;10:171. doi: 10.3389/fneur.2019.00171

15. Feng R, Badgeley M, Mocco J, Oermann EK. Deep learning guided stroke management: a review of clinical applications. J Neurointerv Surg. 2018;10(4):358–362. doi: 10.1136/neurintsurg-2017-013355

16. Дюк В.А., Эмануэль В.Л. Информационные технологии в медико-биологических исследованиях. СПб.: Питер, 2003. 528 c.

17. Чубукова И.А. Data Mining: учебное пособие. 2-е изд., испр. М.: ИНТУИТ: Бином. Лаборатория знаний, 2008. 383 c.

18. Ganesan N, Venkatesh K, Rama MA, Malathi Palani A. Application of neural networks in diagnosing cancer disease using demographic data. Int J Comput Appl. 2010;1(26):76–85. doi: 10.5120/476-783

19. Kumar K, Abhishek. Artificial neural networks for diagnosis of kidney stones disease. IJITCS. 2009;1:41–48.

20. Новожилова М.А. Алексеева Т.М. Прогнозирование ранних исходов геморрагических инсультов методом анализа нейронных сетей // Вестник СПбГУ. 2010. № 2. С. 121–126.

21. Головко В.А. Нейронные сети: обучение, организация и применение. М.: ИПРЖР, 2001. 256 c.

22. Furie KL, Kasner SE, Adams RJ, et al. Guidelines for the prevention of stroke in patients with stroke or transient ischemic attack: a guideline for healthcare professionals from the American Heart Association/American Stroke Association. Stroke. 2011;42(1):227–276. doi: 10.1161/STR.0b013e3181f7d043

23. Shantakumar BP, Kumaraswamy YS. Intelligent and effective heart attack prediction system using data mining and artificial neural network. Eur J Sci Res. 2009;31(4):642–656.

24. Кику П.Ф., Горборукова Т.В. Использование экспертных интеллектуальных систем в медико-биологических исследованиях // Информатика и системы управления. 2010. № 2 (24). С. 64–67.

25. Веремчук Л.В., Горборукова Т.В., Кику П.Ф. Информационно-аналитическое моделирование медико-экологических процессов здоровья населения // Информатика и системы управления. 2007. № 1(13). С. 8–11.

26. Тестирование иммунометаболической резистентности пациента свидетельство о государственной регистрации программ для ЭВМ № 2017616092 Российская Федерация / Т.В. Горборукова,Е.П. Калинина, П.Ф. Кику, В.Г. Морева. № 2017612887; заявл. 05.04.2017; опубл. 01.06.2017.

27. Мастыкин А.С., Дривотинов Б.В., Апанель Е.Н. Гетерогенность нозологического понятия транзиторной ишемической атаки // Белорусский медицинский журнал. 2004. № 4 (10). С. 18–21.


Для цитирования:


Дворжак В.С., Шулаев А.В., Вансовская Е.А. Опыт использования нейронных сетей для прогнозирования исходов ишемического инсульта. Обзор литературы. Здоровье населения и среда обитания – ЗНиСО. 2021;(7):82-85. https://doi.org/10.35627/2219-5238/2021-29-7-82-85

For citation:


Dvorzhak V.S., Shulaev A.V., Vansovskaya E.A. Experience in Using Neural Networks to Predict the Outcomes of Ischemic Stroke: A Literature Review. Public Health and Life Environment – PH&LE. 2021;(7):82-85. (In Russ.) https://doi.org/10.35627/2219-5238/2021-29-7-82-85

Просмотров: 73


ISSN 2219-5238 (Print)
ISSN 2619-0788 (Online)