Раннее прогнозирование инфицированного панкреонекроза

ПРОГНОЗИРОВАНИЕ ИНФИЦИРОВАНИЯ
ПАНКРЕОНЕКРОЗА МЕТОДОМ НЕЙРОННЫХ СЕТЕЙ
Заливская А.И., Протасевич А.И.
1-ая кафедра хирургических болезней Белорусского государственного
медицинского университета
Актуальность. В настоящее время инфицирование является главным
фактором риска тяжѐлого панкреатита, сопровождающегося крайне высокой
летальностью (от 40- 80%). Одно из ведущих причин этого является поздняя
диагностика инфекционных осложнений. Вероятность развития гнойносептических осложнений связана, в том числе с тактикой и качеством лечения в
асептическую фазу. Существующие традиционные клинико-лабораторные и
инструментальные методы исследования позволяют верифицировать наличие
деструктивных изменений в поджелудочной железе и окружающих тканях,
диагностировать развившийся инфицированный панкреонекроз, но имеют
ограниченное значение в прогностическом плане.
Цель работы. Построить нейронную сеть, позволяющую прогнозировать
инфицирование панкреонекроза на ранних этапах.
Материалы и методы. Ретроспективный анализ 192 и проспективный
анализ 56 историй болезней пациентов, находившихся на стационарном
лечении в УЗ «10-я городская клиническая больница» г.Минска в 2009-2011
годах по поводу деструктивного панкреатита. Из них у 214 (86,3%) пациентов
процесс носил асептический характер и у 34 (13,7%) на протяжении
госпитализации произошло инфицирование. Учитывались 6 параметров,
значимость которых была определена при создании шкалы раннего
прогнозирования, предложенной нами в 2011 году: величина гематокрита при
поступлении, величина гематокрита и количество сегментоядерных
нейтрофилов в первый койко-день, лейкоцитарный индекс интоксикации и
индекс сдвига лейкоцитов крови при поступлении, лимфоцитарный индекс в
первый койко-день. Обработка, анализ и оценка полученных данных
производились в программе StatSoft Statistica v 6.1.
Результаты. На основании собранного материала была создана
электронная база данных для ввода, анализа и хранения информации пациентов
с деструктивным панкреатитом. Она использовалась для построения нейронных
сетей. После их всестороннего анализа, была выбрана одна оптимальная по
всем параметрам. Данная нейронная сеть состоит из 6 входных элементов и
двух промежуточных слоѐв (первый содержит 6 нейронов, второй – 1 нейрон).
При необходимости программа позволяет рассчитать вероятность наступления
прогнозируемого результата.
При обучении нейронной сети использовались данные 122 пациентов, из
них у 102 процесс носил асептический характер, и у 20 на протяжении
госпитализации произошло инфицирование очагов панкреонекроза. Точность
прогноза после обучения составила 87,7%. Положительная прогностическая
значимость – 90%. Отрицательная прогностическая значимость составила
87,3%. Площадь под характеристической кривой
составила 0,920.
Тестирование построенной нейронной сети осуществлялось на данных
пациентов, не использовавшихся при еѐ конструировании. Тестовое множество
состояло из 63 наблюдений. В 53 случаях имел место стерильный
панкреонекроз, в 10 случаях – инфицированный. Точность прогноза при
тестировании составила 95,2%. Положительная прогностическая значимость
составила 100%. Отрицательная прогностическая значимость – 94,3%. Площадь
под характеристической кривой, отражающей
чувствительность и
специфичность сети по отношению к тестируемой группе, составила 0,993.
Для оценки прогностической ценности нейронной сети был проведѐн
корреляционный анализ. Коэффициент корреляции Спирмена составил 0,852.
Т.о. корреляционная взаимосвязь прогностической оценки и вероятности
развития инфицированния сильная прямая.
Использование нейронных сетей на практике весьма удобно и не требует
никаких специальных знаний. Для оценки нового случая необходимо ввести
входные данные в ячейки и прогнать наблюдение через нейронную сеть. После
чего, программа выдаст прогнозируемый результат и вероятность его
наступления. Кроме того важным достоинством нейронных сетей является
возможность их переобучения при пополнении имеющейся базы данных.
Выводы. 1. Созданная нами нейронная сеть опирается на 6 показателей,
которые оцениваются в соответствии с бальной шкалой раннего
прогнозирования инфицированного панкреонекроза. 2. Предложенная
нейронная сеть удобна для применения в клинической практике, так как,
входные переменные определяются на основании общего анализа крови и не
требуют никаких дополнительных методов исследования; прогноз делается на
основании данных, полученных в первые сутки госпитализации, что позволит
раньше определиться с тактикой лечения пациента. 3. Предложенная нейронная
сеть продемонстрировала высокую прогностическую точность – 95%
(положительная
прогностическая
значимость
100%,
отрицательная
прогностическая
значимость
составила
94,3%),
прямую
сильную
корреляционную связь с диагнозом (r=0,852), «отличное» качество
прогностической модели (AUC=0,993). 4. Однако для улучшения качества
шкала и уменьшения ошибки необходимо увеличить количество наблюдений
во всех выборках.