Модель согласования биомедицинских данных и комплекс программ для интегральной оценки состояния биосистем

• Автор: Фокин, Василий Александрович
• Шифр специальности: 05.13.18
• Научная степень: Докторская
• Год защиты: 2009
• Место защиты: Томск
• Количество страниц: 286 с. : ил.

Оглавление
ВВЕДЕНИЕ

Глава 1. КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ СОГЛАСОВАНИЯ БИОМЕДИЦИНСКИХ ДАННЫХ

1.1. Общая характеристика биомедицинских данных

1.1.1. Принципы функционирования биосистем.

1.1.2. Факторы, определяющие свойства биомедицинских данных

1.2. Методы математического моделирования и интегральной оценки состояния биосистем.

1.3. Структурная модель интегрированной системы данных . . .

1.4. Модель уровней согласования биомедицинских данных . . .

1.4.1. Определение согласования данных

1.4.2. Уровни согласования данных. .

Выводы.
Глава 2. ИНТЕГРАЛЬНАЯ ОЦЕНКА СОСТОЯНИЯ БИОСИСТЕМ НА УРОВНЕ СТРУКТУРНОГО СОГЛАСОВАНИЯ ДАННЫХ
2.1. Построение интегрального критерия оценки состояния . . .
2.1.1. Методологические требования к построению критерия интегральной оценки.
2.1.2. Общий вид интегрального критерия оценки состояния
2.1.3. Интегральный критерий оценки состояния для случая расстояния Махалапобиса.
2.2. Статистическое моделирование свойств интегрального критерия оценки состояния.
2.2.1. Алгоритм проведения статистических оценок
2.2.2. Моделирование данных референтного состояния .
2.3. Разработка комплекса программ для интегральной оценки состояния биосистем
2.3.1. Назначение, структура и функции
2.3.2. Программнотехническая реализация .
2.3.3. Описание интерфейса программного комплекса
2.3.4. Модуль формирования бланков исследований
2.3.5. Модуль формирования референтных выборок
2.3.6. Модуль статистического моделирования и интегральной оценки состояния.
Выводы.
Глава 3. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СОГЛАСОВАНИЯ ДАННЫХ НА ПРИМЕРЕ КИНЕТИКИ ЭРИТРОПОЭЗА
3.1. Постановка задачи согласования данных.
3.2. Математическая модель кинетики эритропоэза в норме .
3.2.1. Эффекты, определяющие кинетику эритропоэза в норме
3.2.2. Соотношения между числом клеток и интенсивностями перехода между стадиями дифференцировки .
3.2.3. Соотношения для параметров пролиферативной активности клеток
3.2.4. Случай независимости интенсивности гибели от биологического возраста клеток
3.3. Согласование данных о распределении эритрондных клеток
человека в норме.
3.3.1. Методика расчета кинетических характеристик эритропоэза .
3.3.2. Согласование данных распределения эритроидных клеток на основе модели эритроиа Ьаа.
3.3.3. Верификация инвариантных характеристик системы эритропоэза
Глава 4. МАТЕМАТИЧЕСКАЯ МОДЕЛЬ СТАТИСТИЧЕСКОГО СОГЛАСОВАНИЯ ДАННЫХ НА ПРИМЕРЕ ОЦЕНКИ ФАКТОРОВ РИСКА ОНКОЗАБОЛЕВАНИЙ
4.1. Алгоритм прогностической модели формирования групп риска
4.1.1. Анкетирование, как метод оценки факторов риска . .
4.1.2. Метаанализ результатов анкетирования
4.2. Разработка программного приложения для выявления факторов риска онкозаболеваний
4.2.1. Назначение, структура и функции
4.2.2. Описание интерфейса программного приложения . .
4.3. Верификация прогностической модели формирования групп
риска возникновения рака молочной железы.
4.3.1. Выявление значимых факторов риска
4.3.2. Оценка эффективности прогностической модели . . . 3 Выводы
Глава 5. СТАТИСТИЧЕСКОЕ МОДЕЛИРОВАНИЕ МАССИВОВ ДАННЫХ РЕФЕРЕНТНОГО СОСТОЯНИЯ БИОСИСТЕМ
5.1. Обоснование выбора и общая характеристика данных референтного состояния .
5.2. Статистическое моделирование свойств интегральной оценки состояния.
5.2.1. Проверка гипотез о равенстве параметров референтной и модельных выборок
5.2.2. Анализ результатов моделирования статистических характеристик интегральной оценки состояния
5.2.3. Бутстрепмоделироваиие статистических свойств интегрального критерия оценки состояния
5.3. Результаты интегральной оценки некоторых состояний системы красной крови на основе статистического моделирования данных.
5.3.1. Сравнительная оценка состояния системы красной крови для различных локализаций патологического процесса .
5.3.2. Оценка состояния системы красной крови в процессе химиотерапии опухолевого процесса
Выводы.
Глава 6. ИНТЕГРАЛЬНАЯ ОЦЕНКА СОСТОЯНИЯ БИОСИСТЕМ
НА ОСНОВЕ АНАЛИЗА СПЕКТРОВ ПОГЛОЩЕНИЯ ИХ ГА
ЗОВЫДЕЛЕНИЙ
6.1. Интегральная оценка состояния биосистем на основе анализа спектров поглощения их газовыделений методами оптикоакустической спектроскопии .
6.1.1. Принцип оптикоакустического газоанализа.
6.1.2. Задание вектора признаков состояния биосистемы . .
6.1.3. Предварительная обработка вектора признаков . . . .
6.2. Результаты интегральной оценки состояния биосистем . . .
6.2.1. Оценка бронхолегочных заболеваний на основе анализа выдыхаемого воздуха.
6.2.2. Анализ газовыделений культур бактерий
6.2.3. Анализ микрофлоры полости рта в процессе противоопухолевой химиотерапии .
6.2.4. Анализ газовыделений проб при туберкулезе
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


Межнпдивидуальная изменчивость заключается в различии измеренных значений у разных людей, находящихся в однотипных условиях. Такая особенность биомедицинских данных является следствием разнообразия реакций систем организма, формирующих величину измеряемого параметра у объекта исследования. В представлении биомедицинских данных широко используются категоризированные шкалы. В отличие от классического случая измерения непрерывной случайной величины в интервальной шкале значений, многие результаты медикобиологического исследования измеряются в шкале порядков или категорий, когда измерение заключается в упорядочивании или ранжировании некоторого качественного признака. Сложность применяемых методик исследования живого организма. Существенная многомерность биомедицинских данных, являющаяся следствием сложности системной организации биологических объектов и обуславливающая необходимость измерения большого количества параметров, характеризующих различные уровни описания биосистемы. Только при совместном анализе их взаимосвязей многомерный массив данных будет адекватно отображать структурнофункциональную организацию изучаемой системы. Вероятностная природа биомедицинских данных. Процесс идентификации параметров состояния сам по себе связан с некоторой неопределенностью измеряемые у пациента значения показателей могут отличаться от ранее измеренных, их одинаковые значения могут встречаться при различных функциональных состояниях, т. Таким образом, накапливаемые в результате исследований большие массивы медикобиологической информации представляют собой разнообразные и разнородные по источникам, методам получения и т. Разнообразие этих факторов создает существенные препятствия па пути изучения биосистемы как целостного объекта и получения количественных оценок параметров, характеризующих ее состояние. Перечисленные выше факторы, характеризующие особенности и свойства биомедицинских данных, существенным образом сказываются на точности оценок параметров функционирования биосистем. Это выражается в широкой вариабельности получаемых оценочных характеристик и существенно затрудняет однозначную интерпретацию состояния биосистем. В большинстве случаев значительная составляющая этой вариабельности обусловлена, прежде веет, использованием малых по объемам массивов экспериментальных дапных, характеризующих исследуемое состояние. Поэтому на первый план выдвигается проблема объединения и совместного использования данных. Традиционный подход к совместному использованию данных различных исследований основан на их статистическом согласовании, т. В тех случаях, когда это условие выполнено, совместное использование данных приводит к усилению степени статистической доказательности и достоверности получаемых результатов 3, 5, , 2, 7, 0. Она может свидетельствовать о существовании истинных различий в свойствах биосистем, о которых на данном уровне знаний неизвестно. Вместе с тем, если полученные в разных исследованиях данные относятся к решению одной и той же медицинской проблемы, то их обобщение в той или иной форме может существенно повысить значимость получаемых результатов. В последнее десятилетие активно развивающейся технологией обобщения результатов различных научных исследований по определенной проблеме является метаанализ данных 7, 8, 2, 5, , 0. Под метаанализом понимается процедура оценки надежности результирующего эффекта, полученного в различных исследованиях с привлечением статистических методов 6, 9, 7. Последовательная работа по разработке методологии метаанализа, поиску и обобщению наиболее, надежной и достоверной информации о результатах медицинских вмешательств осуществляется международным сообществом ученых и практиков, называемым Кокрановскос Сотрудничество i 2, , , 7, 3. Ими разрабатываются требования к планированию, проведению и составлению систематических обзоров, предлагаются новые методы и алгоритмы аначиза уровня доказательности медицинских решений. Такой подход к анализу данных особенно полезен, когда относительно поставленного вопроса имеется ряд достаточно надежных исследований с различными результатами и выводами.