Автоматизированный алгоритм диагностики кровотечений из желудочно-кишечного тракта

Обложка


Цитировать

Полный текст

Аннотация

Обоснование: желудочно-кишечное кровотечение (ЖКК) является осложнением множества заболеваний желудочно-кишечного тракта (ЖКТ) (эрозивно-язвенные поражения, сосудистые мальформации, дивертикулы, опухолевые заболевания и др.). В развитых странах уровень летальности от ЖКК составляет от 5 до 15%, а в группе пациентов с тяжёлым рецидивирующим кровотечением достигает 30–40%.

Цель: создание автоматизированного алгоритма диагностики пациентов с желудочно-кишечными кровотечениями.

Методы: с помощью инженерии знаний извлечены термины и связи между ними из научной литературы предметной области ЖКК. После согласования с экспертами информация о диагностике и лечении пациентов с ЖКК упорядочивалась в табличном редакторе MS Excel. Для построения правил по локализации ЖКК в исследование вошли данные историй болезней 280 пациентов в возрасте 20–94 лет (61 [44; 74]), 47,5% из которых женщины, остальные — мужчины. Данные пациенты проходили диагностику и лечение в ГКБ № 31 за период 2008–2021 годов. Для проверки работы алгоритма использованы данные историй болезней 514 пациентов в возрасте 20–96 лет (62 [46; 74]), 57% из которых мужчины, остальные — женщины. Исследуемые пациенты проходили диагностику и лечение в ГКБ № 17 и ГКБ № 31 в 2008–2022 годах. По каждому объекту исследования имеются данные о 37 признаках, 19 из которых клинические, 3 — лабораторные и 15 — эндоскопические. Статистический анализ данных проведён с использованием программного пакета Statistica 13, языка программирования R Project и онлайн-калькулятора GraphPad. Программная реализация полученного алгоритма осуществлена с помощью языка программирования JavaScript.

Результаты: с помощью полиноминальной логистической регрессии создан алгоритм дифференциальной диагностики ЖКК по предварительной локализации источника кровотечения. Имея данные восьми клинико-лабораторных показателей с вероятностью, можно определить предварительную локализацию источника кровотечения: вероятность локализации кровотечения в верхних отделах ЖКТ составляет 84%, 95% доверительный интервал (ДИ) [78%; 89%], в средних отделах ЖКТ — 84%, 95% ДИ [74%; 91%] и вероятность локализации кровотечения в нижних отделах ЖКТ — 75%, 95% ДИ [69%; 80%]. Разработан и реализован в виде web-сервиса итоговый алгоритм поддержки принятия клинических решений при ведении пациентов с ЖКК (sergisa.smrtp.ru/medical/edit.html), работающий с эффективностью 92,2%. Последовательность действий работы алгоритма диагностики кровотечений из ЖКТ следующая.

  1. Получение клинико-лабораторных признаков пациента с подозрением на ЖКК.
  2. Определение характера кровотечения (явное / скрытое) на основе данных литературы, определение степени тяжести кровопотери (лёгкая / средняя / тяжёлая) на основе классификации А.И. Горбашко, определение предварительной локализации кровотечения (верхний отдел ЖКТ / средний / нижний) на основе регрессионного уравнения.
  3. Рекомендации по выбору метода исследования на основе продукционных правил и экспертных мнений.
  4. Получение эндоскопических признаков.
  5. Определение локализации и источника кровотечения на основе продукционных правил.
  6. Рекомендации по остановке / профилактике ЖКК на основе данных литературы и экспертных мнений.

Заключение: впервые в Российской Федерации разработан алгоритм поддержки принятия клинических решений для ведения пациентов с ЖКК с учётом характера клинических проявлений, степени тяжести кровопотери и причины кровотечения, основанный на экспертных мнениях, продукционных правилах и с использованием полиноминальной логистической регрессии. Данный алгоритм позволяет предполагать предварительную локализацию источника кровотечения, реализован как web-сервис и может быть встроен в медицинскую информационную систему на автоматизированное рабочее место (АРМ) врача-хирурга, АРМ врача-эндоскописта и АРМ врача-гастроэнтеролога для поддержки принятия клинических решений при ведении пациентов с ЖКК.

Полный текст

Обоснование: желудочно-кишечное кровотечение (ЖКК) является осложнением множества заболеваний желудочно-кишечного тракта (ЖКТ) (эрозивно-язвенные поражения, сосудистые мальформации, дивертикулы, опухолевые заболевания и др.). В развитых странах уровень летальности от ЖКК составляет от 5 до 15%, а в группе пациентов с тяжёлым рецидивирующим кровотечением достигает 30–40%.

Цель: создание автоматизированного алгоритма диагностики пациентов с желудочно-кишечными кровотечениями.

Методы: с помощью инженерии знаний извлечены термины и связи между ними из научной литературы предметной области ЖКК. После согласования с экспертами информация о диагностике и лечении пациентов с ЖКК упорядочивалась в табличном редакторе MS Excel. Для построения правил по локализации ЖКК в исследование вошли данные историй болезней 280 пациентов в возрасте 20–94 лет (61 [44; 74]), 47,5% из которых женщины, остальные — мужчины. Данные пациенты проходили диагностику и лечение в ГКБ № 31 за период 2008–2021 годов. Для проверки работы алгоритма использованы данные историй болезней 514 пациентов в возрасте 20–96 лет (62 [46; 74]), 57% из которых мужчины, остальные — женщины. Исследуемые пациенты проходили диагностику и лечение в ГКБ № 17 и ГКБ № 31 в 2008–2022 годах. По каждому объекту исследования имеются данные о 37 признаках, 19 из которых клинические, 3 — лабораторные и 15 — эндоскопические. Статистический анализ данных проведён с использованием программного пакета Statistica 13, языка программирования R Project и онлайн-калькулятора GraphPad. Программная реализация полученного алгоритма осуществлена с помощью языка программирования JavaScript.

Результаты: с помощью полиноминальной логистической регрессии создан алгоритм дифференциальной диагностики ЖКК по предварительной локализации источника кровотечения. Имея данные восьми клинико-лабораторных показателей с вероятностью, можно определить предварительную локализацию источника кровотечения: вероятность локализации кровотечения в верхних отделах ЖКТ составляет 84%, 95% доверительный интервал (ДИ) [78%; 89%], в средних отделах ЖКТ — 84%, 95% ДИ [74%; 91%] и вероятность локализации кровотечения в нижних отделах ЖКТ — 75%, 95% ДИ [69%; 80%]. Разработан и реализован в виде web-сервиса итоговый алгоритм поддержки принятия клинических решений при ведении пациентов с ЖКК (sergisa.smrtp.ru/medical/edit.html), работающий с эффективностью 92,2%. Последовательность действий работы алгоритма диагностики кровотечений из ЖКТ следующая.

  1. Получение клинико-лабораторных признаков пациента с подозрением на ЖКК.
  2. Определение характера кровотечения (явное / скрытое) на основе данных литературы, определение степени тяжести кровопотери (лёгкая / средняя / тяжёлая) на основе классификации А.И. Горбашко, определение предварительной локализации кровотечения (верхний отдел ЖКТ / средний / нижний) на основе регрессионного уравнения.
  3. Рекомендации по выбору метода исследования на основе продукционных правил и экспертных мнений.
  4. Получение эндоскопических признаков.
  5. Определение локализации и источника кровотечения на основе продукционных правил.
  6. Рекомендации по остановке / профилактике ЖКК на основе данных литературы и экспертных мнений.

Заключение: впервые в Российской Федерации разработан алгоритм поддержки принятия клинических решений для ведения пациентов с ЖКК с учётом характера клинических проявлений, степени тяжести кровопотери и причины кровотечения, основанный на экспертных мнениях, продукционных правилах и с использованием полиноминальной логистической регрессии. Данный алгоритм позволяет предполагать предварительную локализацию источника кровотечения, реализован как web-сервис и может быть встроен в медицинскую информационную систему на автоматизированное рабочее место (АРМ) врача-хирурга, АРМ врача-эндоскописта и АРМ врача-гастроэнтеролога для поддержки принятия клинических решений при ведении пациентов с ЖКК.

×

Об авторах

Анна Владимировна Будыкина

Российский национальный исследовательский медицинский университет имени Н.И. Пирогова

Автор, ответственный за переписку.
Email: budykina.rsmu@yandex.ru
ORCID iD: 0000-0002-8888-743X
Россия, Москва

Список литературы

  1. Savides T.J. Gastrointestinal bleeding // Sleisenger and Fordtran’s Gastrointestinal and Liver Disease. 9th ed. Philadelphia : Saunders Elsevier, 2010.
  2. Вербицкий В.Г. Клинические рекомендации (протокол) по оказанию скорой медицинской помощи при желудочно-кишечном кровотечении. 2007.
  3. Gerson L.B., Fidler J.L., Cave D.R., Leighton J.A. ACG Clinical Guideline: Diagnosis and Management of Small Bowel Bleeding // Am J Gastroenterol. 2015. Vol. 110, N 9. P. 1265–1287. doi: 10.1038/ajg.2015.246
  4. Rondonotti E.C., Spada C., Adler S., et al. Small-bowel capsule endoscopy and device-as-sisted enteroscopy for diagnosis and treatment of small-bowel disorders: European Society of Gastrointestinal Endoscopy (ESGE) Technical Review // Endoscopy. 2018. Vol 50, N 4. P. 423–446. doi: 10.1055/a-0576-0566
  5. Triantafyllou K., Gkolfakis P., Gralnek I.M., et al. Diagnosis and management of acute lower gastrointestinal bleeding: European Society of Gastrointestinal Endoscopy (ESGE) Guideline // Endoscopy. 2021. Vol. 53, N 8. P. 850–868. doi: 10.1055/a-1496-8969
  6. Будыкина А.В., Тихомирова Е.В., Киселев К.В., и др. Формализация знаний о желудочно-кишечном кровотечении неясного генеза для использования в интеллектуальных системах поддержки принятия врачебных решений // Вестник новых медицинских технологий. 2020. № 4. С. 98–101. doi: 10.24411/1609-2163-2020-16741
  7. Реброва О.Ю. Статистический анализ медицинских данных. Применение пакета прикладных программ STATISTICA. Москва : Медиа Сфера, 2002. 312 с.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Эко-вектор, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 79539 от 09 ноября 2020 г.


Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах