ВЫЯВЛЕНИЕ РИСКОВ РАЗВИТИЯ ИБС В  ЭПИДЕМИОЛОГИЧЕСКОМ ИССЛЕДОВАНИИ

 

Г.Х. АКСАКАЛОВА

 

Прогноз заболеваемости является конечным и, вследствие этого, наиболее важным этапом исследования состояния здоровья и одним из методов данного исследования являются нейронные сети. Идея нейронных сетей родилась в ходе исследований в области искусственного интеллекта в результате попыток учёных воспроизвести способность биологических нервных систем обучаться и исправлять ошибки, моделируя низкоуровневую структуру мозга.

 Они не имеют ограничений в применении и являются эффективным инструментом прогнозирования, оценки, анализа. Применяются в различных сферах деятельности и незаменимы при решении задач, в которых отсутствует алгоритм или неизвестны принципы решения и при большом количестве входной информации.

 В работе нейронная сеть  используется для выявления первоначальных рисков заболеваний на примере жителей Кордайского района. В качестве входных параметров для данной сети использовались ковариаты (национальность, рост), факторы (вес, год рождения, пол, продолжительность курения, распитие алкоголя, сахарный диабет, артериальная гипертония), зависимые переменные (ИБС). Данные входные параметры являются третьим уровнем доказательности  при расчете рисков заболевания ИБС. 

Для расчета зависимости заболевания ИБС от ведения образа жизни пациентом рассмотрена многослойная нейронная сеть.

Получена диаграмма точности прогнозов зависимости прироста заболеваний ИБС выраженные в процентах.  На данной диаграмме наглядным образом видно, что заболевание ИБС(1) достигает максимального прироста(7,0) только при 10% и равен 1,0 в промежутке от  40 до 100%.

 

Диаграмма 1. Зависимость прироста заболевания ИБС в процентах.

 

 

Ниже приведена диаграмма зависимости чувствительности от специфичности. Приведем пример для понимания данных терминов. Предположим, что из десяти человек, у которых ИБС действительно есть, диагностический метод позволяет обнаружить заболевание у восьми. Тогда чувствительность метода составит 80%. Если же мы возьмем десять человек, у которых ИБС нет, а метод диагностики заподозрит его у трех человек, то доля ложных тревог составит 30%, при этом дополнительная к нему характеристика - специфичность метода - будет равна 70%. Таким образом, на нашей диаграмме показана, что при ИБС=1 (то есть человек болеет данным заболеванием), специфичности, равной нулю, чувствительность составляет более 15%. В то время как при чувствительности, равной 100%, специфичность менее 60%.

 

Диаграмма 2. Зависимости специфичности от чувствительности.

 

Построена нейронная сеть со следующими входными параметрами (вес – бежевый цвет, продолжительность курения – зеленый цвет, продолжительность жизни – синий цвет, физическая нагрузка – фиолетовый цвет), независимыми параметрами (рост – серый цвет), скрытыми слоями (Н-серый цвет), выходными параметрами (ИБС- желтый цвет)

Заданы веса нейронов (при весе, равном 0-серый цвет, равном 1-синий цвет).

 

Диаграмма 3. Нейронная сеть

Также представлена в таблице1 информация о сети, о количестве нейронов при входном слое, в скрытом и выходном слоях, также использованные функции активации :

 

Информация о сети

Входной слой

Факторы

1

Сколько Вам лет

2

Продолжительность курения

3

Вес кг

4

Физическая нагрузка в неделю

Ковариаты

1

Рост см

Количество нейроновa

30

Изменение масштаба метода для ковариатов

Стандартизировано

Скрытые слои

Количество скрытых слоев

1

Количество нейронов в скрытом слое 1a

5

Функция активации

Гиперболический тангенс

Выходной слой

Зависимые переменные

1

ИБС

Количество нейронов

2

Функция активации

Softmax

Функция ошибки

Перекрестная энтропия

a. Исключен нейрон смещения

Таблица1. Информация о сети.

 

Ниже представлена таблица2 - сводка для модели, где показан процент неверных предсказаний, который составляет 0,7%:

Сводка для модели

Обучающая

Ошибка перекрестной энтропии

30,193

Процент неверных предсказаний

0,7%

Использованное правило остановки

Количество последовательных шагов без уменьшения ошибки: 1a

Время обучения

0:00:01,05

Контрольная

Ошибка перекрестной энтропии

6,223

Процент неверных предсказаний

0,2%

Зависимая переменная: ИБС

a. При вычислении ошибок используется контрольная выборка.

Таблица2. Сводка для модели

В таблице 3 рассмотрена важность независимых переменных, то есть приведена важность оценки зависимости заболевания ИБС от значения каждой  переменной в процентах:

Важность независимых переменных

 

Важность

Нормализованная важность

Сколько Вам лет

,246

100,0%

Продолжительность курения

,172

69,9%

Вес кг

,176

71,3%

Физическая нагрузка в неделю

,196

79,4%

Рост см

,210

85,4%

Таблица 3. Важность независимых переменных

 

В диаграмме 4. Приведена нормализованная важность, по аналогии с таблицей 3 построена диаграмма нормализованной важности:

 

Диаграмма 4. Нормализованная важность:

 

 

 

Таким образом, в данной статье проведен полный анализ данных и отражение зависимости заболевания ИБС от образа жизни пациента. Согласно данному анализу предрасположенность к ИБС имеют пациенты преклонного возраста с малой физической нагрузкой, имеющие тяжелый вес и с большей продолжительностью курения.

 

 

 

 

 

СПИСОК ЛИТЕРАТУРЫ

 

1. Dirk Emma Baestaens, Willem Max Van Den Bergh, Douglas Wood, "Neural Network   Solution for Trading in Financial Markets", Pitman publishing

2. R. M. Hristev, "Artifical Neural Networks"

3. С. Короткий, "Нейронные сети: Алгоритм обратного распространения"

4. С. Короткий, "Нейронные сети: Основные положения"

         5. В. Камышников, "Клинические лабораторные тесты от А до Я "