Портал инфекционных болезней

Форсирование бактериями и вирусами межвидового барьера и как результат заражение человека новыми формами и мутантами инфекционных агентов. Устойчивость бактерий к антибиотикам, а вирусов к противовирусным препаратам это привело нас к тому, что человечество вступило в новую эру борьбы с инфекциями.
Др., В.Янченко
ГлавнаяРегистрацияВход
Главная » 2022 » Январь » 6 » Авторское Свидетельство на изобретение первой в Украине биохимической неинвазивной биопсии печени с использованием искусственного интеллекта
10:35
Авторское Свидетельство на изобретение первой в Украине биохимической неинвазивной биопсии печени с использованием искусственного интеллекта

Дослідження FAsTest©

 

Мета

Визначення ступеня ступеня фіброзу (цирозу) в печінці та активності за шкалою METAVIR на основі аналізу методами штучного інтелекту результатів гістології печінки та співставлення їх з лабораторними дослідженнями  пацієнта.

Анотація

Розрахунки значень ступеня активності дистрофічно-запального процесу та ступеня фіброзу (цирозу) в печінці проводяться за допомогою комп’ютерної програми «FAsTest», яка являє собою комплекс програмних засобів для навчання алгоритмів комп’ютерної діагностики розпізнаванню ступеня активності дистрофічно-запального процесу та ступеня фіброзу (цирозу) в печінці людини за шкалою METAVIR та подальшого їх розпізнавання.

На спосіб визначення ступеня активності дистрофічно-запального процесу та ступеня фіброзу (цирозу) в печінці за допомогоюкомп’ютерної програми «FAsTest» отримано свідоцтво про реєстрацію авторського права на твір № 101741 від 12/01/2021 р. (рис. 1).

Визначення ґрунтується на співставленні результатів досліджень лабораторних показників пацієнтів з даними більше ніж 750 зразків пато-гістологічних досліджень печінки.

Вхідні дані для визначення ступеня активності дистрофічно-запального процесуаналізуються за допомогою 11 методів комп’ютерного розпізнавання, для визначення ступеня фіброзу (цирозу) в печінці використовується 9 методів розпізнавання. Остаточне рішення приймається на підставі результатів роботи колективу методів розпізнавання з використанням теореми Байеса.

Детальніше алгоритм роботи комп’ютерної програми «FAsTest» див. у файлі «Настанова щодо використання комп’ютерної програми FAsTest.docx»

 

Вхідні дані

Вхідними даними для комп’ютерної програми «FAsTest» є значення наступних показників пацієнта:

  • Анамнестичних: вік пацієнта;
  • Біохімічних:аланінамінотрансфераза, аспартатамінотрансфераза, білірубін загальний, загальний білок, глюкоза, креатинін, сечовина, лактатдегідрогеназа, лужна фосфатаза, γ‑глутамілтрансфераза;
  • Коагулолограма: протромбіновий індекс;
  • Гематологічних: лейкоцити, еритроцити, тромбоцити, швидкість осідання еритроцитів.

Результат

Результатом роботи комп’ютерної програми «FAsTest» є розрахункові значення ступеня активності дистрофічно-запального процесу та ступеняфіброзу (цирозу)в печінці за шкалою METAVIR, які подано на бланку результату (рис. 2) у вигляді розподілів ймовірностей різних станів. Висновок формується згідно даних наведених у таблицях (табл. 1 та 2).

 

Таблиця 1 – Активність дистрофічно-запального
процесу за шкалою METAVIR

Група

Висновок

A0

Відсутня.

A0-1

Відсутня. / Мінімальна.

A1

Мінімальна.

A1-2

Мінімальна. / Помірна.

A2

Помірна.

A2-3

Помірна. / Виражена.

A3

Виражена.

 

 

Таблиця 2 – Ступені фіброзу за шкалою METAVIR

Група

Висновок

F0

Фіброз відсутній.

F0-1

Фіброз відсутній. / Зірчасте розширення портальних трактів без утворення септ.

F1

Зірчасте розширення портальних трактів без утворення септ.

F1-2

Зірчасте розширення портальних трактів без утворення септ. / Розширення портальних трактів з поодинокими портопортальнимисептами.

F2

Розширення портальних трактів з поодинокими портопортальнимисептами.

F2-3

Розширення портальних трактів з поодинокими портоцентральнимисептами. / Численні портоцентральнісепти без цирозу.

F3

Численні портоцентральнісепти без цирозу.

F3-4

Численні портоцентральнісепти без цирозу. / Цироз.

F4

Цироз.

 

 

Попередження по застосуванню тесту

  • Вік пацієнта до 10 років.
  • Підпечінковийхолестаз.
  • Хронічна або гостра ниркова недостатність.
  • Прийом непрямих антикоагулянтів.
  • Хвороби органів кровотворення.


Свидетельство FAs test тест на фиброз цироз

Настанова
щодо використання комп’ютерної програми
«Визначення ступеню активності дистрофічно-запального процесу та ступеню фіброзу (цирозу) в печінці «FAsTest»»
автори: І.О. Швадчин, В.І.Янченко

 

Зміст

 

Зміст. 1

1. Призначення комп’ютерної програми. 1

2. Структура комп’ютерної програми. 1

2.1 Методика роботи користувача з комп’ютерною програмою «A.learning.R». 2

2.2 Методика роботи користувача з комп’ютерною програмою «A.testing.R». 3

2.3 Методика роботи користувача з комп’ютерною програмою «F.learning.R». 4

2.4 Методика роботи користувача з комп’ютерною програмою «F.testing.R». 5

2.5 Методика роботи користувача з комп’ютерною програмою «recognition.R». 6

 

1. Призначення комп’ютерної програми

Комп’ютерна програма «Визначення ступеню активності дистрофічно-запального процесу та ступеню фіброзу (цирозу) в печінці «FAsTest»» (далі комп’ютерна програма «FAsTest») - це сукупність програмних засобів, які призначені для навчання алгоритмів комп’ютерної діагностики розпізнаваннюступеню активності дистрофічно-запального процесу та ступеню фіброзу (цирозу) в печінці людини за шкалою METAVIR.

Визначення ґрунтується на співставленні результатів досліджень лабораторних показників (біохімічних, гематологічних та коагулологічних) пацієнтів з даними більше ніж 750пато-гістологічних досліджень зразків печінки.

Використання комп’ютерної програмизабезпечує потребу лікарів в систематичній інформації для прийняття рішень, які поліпшують стан хворих з патологією печінки та підвищують якість їх лікування.

 

2. Структура комп’ютерної програми

Комп’ютерна програма «FAsTest»складається з п’яти окремих комп’ютерних програм(скриптів): «A.learning.R», «A.testing.R», «F.learning.R», «F.testing.R»  та «recognition.R».

Програми (скрипти) створені за допомогою мови програмуванняR в програмному середовищі RStudio (Version 1.1.463 – © 2009-2018 RStudio, Inc.).

Під час виконання програм (скриптів) використовуються бібліотеки програм які знаходяться  за посиланням: https://cran.r-project.org/web/packages/available_packages_by_name.html.

2.1 Методика роботи користувача з комп’ютерноюпрограмою «A.learning.R»

Комп’ютерна програма «A.learning.R» призначена для навчання алгоритмів комп’ютерної діагностики розпізнаванню ступеню активності дистрофічно-запального процесу в печінці за шкалою METAVIR.

Програмний скрипт«A.learning.R» запускається на виконання в середовищі RStudio. Після запуску здійснюється підключення необхідних бібліотек та загрузка файлу вхідних даних. З вхідних даних у випадковий спосіб формується навчальна вибірка даних, яка включає чотири групи по 70 спостережень у кожній.

На наступному етапі до навчальної вибірки застосовується процес вінзоризації (vinsorisation) а потім перетворення Бокса – Кокса (Box-Coxtransformation), центрування та нормалізація.

Далі здійснюється навчання методів розпізнавання з використанням ресемплінгу та перехресної перевірки.  З навчальної вибірки даних формується 21 блок даних, в кожному блоці дані поділяються на навчальну та повірочну вибірки, проводиться навчання методу, та оцінка якості розпізнавання за критеріями точності (accuracy) та індексу Каппа (kappa).Дана процедура проводиться для кожного з  11 методів відібраних у колектив.

До колективу методів розпізнавання відібрані методи наведені в таблиці 1.

 

Таблиця 1 – Колектив методів розпізнавання ступеню активності дистрофічно-запального процесу в печінці людини за шкалою METAVIR

Метод розпізнавання

Позначення

Назва українською

Назва англійською

1

Простий Байес

Naive Bayes

nb

2

Випадковий ліс

Random Forest

rf

3

Метод найближчого сусіда

k-Nearest Neighbors

knn

4

Метод найближчого сусіда з апроксимацією щільності розподілу

k-Nearest Neighbors

kknn

5

Лінійний дискримінантний аналіз

Linear Discriminant Analysis

lda

6

Регуляризованийдискримінантний аналіз

Regularized Discriminant Analysis

rda

7

Машина опорних векторів з лінійним ядром

Support Vector Machine with Linear Kernel

svmLinear

8

Машина опорних векторів з поліноміальним ядром

Support Vector Machine with Polynomial Kernel

svmPoly

9

Машина опорних векторів з ядром радіальна базисна функція

Support Vector Machine with Radial Basis Function Kernel

svmRadial

10

Модель сусідніх категорій для порядкових даних

Adjacent Categories Probability Model for Ordinal Data

vglmAdjCat

11

Модель співвідношення для порядкових даних

Continuation Ratio Model for Ordinal Data

vglmContRatio

 

Після проходження навчання всіх методів розпізнавання здійснюється оцінка статистичних характеристик ресемплінгу (рис. 1)за критеріями точності (accuracy) та індексу каппа (kappa).

Отримані дані, а саме: назви предікторів, матриця підготовки даних та список навчених методів розпізнавання (колектив методів) зберігаються для подальшого використання у файлі «A.learning.data.Rda».

чність (accuracy) та індекс каппа (kappa) для методів розпізнавання ступеню активності дистрофічно-запального процесу в печінці людини за шкалою METAVIR

Рисунок 1 – Точність (accuracy) та індекс каппа (kappa) для методів розпізнавання ступеню активності дистрофічно-запального процесу в печінці людини за шкалою METAVIR.

2.2 Методика роботи користувача з комп’ютерноюпрограмою «A.testing.R»

Комп’ютерна програма «A.testing.R» призначена для оцінки якостінавчання алгоритмів комп’ютерної діагностики розпізнаванню ступеню активності дистрофічно-запального процесу в печінці за шкалою METAVIR.

Програмний скрипт«A.testing.R» запускається на виконання в середовищі RStudio. Після запуску здійснюється підключення необхідних бібліотек, загрузка файлу вхідних даних та файлів допоміжних функцій.

Оцінка якості розпізнавання здійснюється за допомогою розрахунку матриці помилок класифікації та наступних критеріїв: точність (accuracy), індекс каппа (kappa), чутливість(sensitivity), специфічність (specificity), прогностичність позитивного та негативного результатів, преваленс (prevalence) та інш.

На першому етапі виконання скрипта проводиться оцінка якості розпізнавання за вищенаведеними критеріями для навчальної вибірки даних.

Наступним етапом є оцінка якості розпізнавання для тестової вибірки, спостереження якої не приймали участі в навчанні методів розпізнавання. Здійснюється загрузка файлу тестових даних, їх попередня підготовка (видалення спостережень у яких відсутня більшість даних, заміна відсутніх даних їх середніми значеннями, вінзоризація, перетворення Бокса – Кокса, центрування та нормалізація). Після підготовки даних проводиться їх розпізнавання та оцінка якості.

За результатами оцінки якості розпізнавання навчальної та тестової вибірки даних робиться висновок про придатність  колективу методіврозпізнавання для діагностики ступеню активності дистрофічно-запального процесу в печінці за шкалою METAVIR.

2.3 Методика роботи користувача з комп’ютерноюпрограмою «F.learning.R»

Комп’ютерна програма «F.learning.R» призначена для навчання алгоритмів комп’ютерної діагностики розпізнаванню ступенюфіброзу (цирозу) в печінці за шкалою METAVIR.

Програмний скрипт«F.learning.R» запускається на виконання в середовищі RStudio. Після запуску здійснюється підключення необхідних бібліотек та загрузка файлу вхідних даних. З вхідних даних у випадковий спосіб формується навчальна вибірка даних, яка включає п’ять груп по 93 спостережень у кожній.

На наступному етапі до навчальної вибірки застосовується процес вінзоризації (vinsorisation) а потім перетворення Бокса – Кокса (Box-Coxtransformation), центрування та нормалізація.

Далі здійснюється навчання методів розпізнавання з використанням ресемплінгу та перехресної перевірки.  З навчальної вибірки даних формується 21 блок даних, в кожному блоці дані поділяються на навчальну та повірочну вибірки, проводиться навчання методу, та оцінка якості розпізнавання за критеріями точності (accuracy) та індексу Каппа (kappa). Дана процедура проводиться для кожного з 9 методів відібраних у колектив.

До колективу методів розпізнавання відібрані методи наведені в таблиці 2.

 

Таблиця 2 – Колектив методів розпізнавання ступенюфіброзу (цирозу) в печінці людини за шкалою METAVIR.

Метод розпізнавання

Позначення

Назва українською

Назва англійською

1

Випадковий ліс

Random Forest

rf

2

Регуляризованийдискримінантний аналіз

Regularized Discriminant Analysis

rda

3

Машина опорних векторів з лінійним ядром

Support Vector Machine with Linear Kernel

svmLinear

4

Машина опорних векторів з поліноміальним ядром

Support Vector Machine with Polynomial Kernel

svmPoly

5

Машина опорних векторів з ядром радіальна базисна функція

Support Vector Machine with Radial Basis Function Kernel

svmRadial

6

Модель кумулятивної ймовірності для порядкових даних

Cumulative Probability Model for Ordinal Data

vglmCumulative

7

Модель мультіноміальної регресії зі штрафами

PenalizedMultinomialRegression

multinom

8

Порядкова логістична регресія

Ordered Logistic Regression

polr

9

Модель порядкового випадкового лісу

Ordinalforests

ordinalRF

 

Після проходження навчання всіх методів розпізнавання здійснюється оцінка статистичних характеристик ресемплінгу (рис. 2) за критеріями точності (accuracy) та індексу каппа (kappa).

Отримані дані, а саме: назви предікторів, матриця підготовки даних та список навчених методів розпізнавання (колектив методів) зберігаються для подальшого використання у файлі «F.learning.data.Rda».

Точність (accuracy) та індекс каппа (kappa) для методів розпізнавання ступенюфіброзу (цирозу) в печінці людини за шкалою METAVIR

Рисунок 2 – Точність (accuracy) та індекс каппа (kappa) для методів розпізнавання ступенюфіброзу (цирозу) в печінці людини за шкалою METAVIR.

2.4 Методика роботи користувача з комп’ютерноюпрограмою «F.testing.R»

Комп’ютерна програма «F.testing.R» призначена для оцінки якостінавчання алгоритмів комп’ютерної діагностики розпізнаванню ступенюфіброзу (цирозу) в печінці за шкалою METAVIR.

Програмний скрипт«F.testing.R» запускається на виконання в середовищі RStudio. Після запуску здійснюється підключення необхідних бібліотек, загрузка файлу вхідних даних та файлів допоміжних функцій.

Оцінка якості розпізнавання здійснюється за допомогою розрахунку матриці помилок класифікації та наступних критеріїв: точність (accuracy), індекс каппа (kappa), чутливість(sensitivity), специфічність (specificity), прогностичність позитивного та негативного результатів, преваленс (prevalence) та інш.

На першому етапі виконання скрипта проводиться оцінка якості розпізнавання за вищенаведеними критеріями для навчальної вибірки даних.

Наступним етапом є оцінка якості розпізнавання для тестової вибірки, спостереження якої не приймали участі в навчанні методів розпізнавання. Здійснюється загрузка файлу тестових даних, їх попередня підготовка (видалення спостережень у яких відсутня більшість даних, заміна відсутніх даних їх середніми значеннями, вінзоризація, перетворення Бокса – Кокса, центрування та нормалізація). Після підготовки даних проводиться їх розпізнавання та оцінка якості.

За результатами оцінки якості розпізнавання навчальної та тестової вибірки даних робиться висновок про придатність  колективу методів розпізнавання для діагностики ступенюфіброзу (цирозу)  в печінці за шкалою METAVIR.

2.5 Методика роботи користувача з комп’ютерноюпрограмою «recognition.R»

Комп’ютерна програма «recognition.R» призначена длярозпізнавання за допомогою навчених алгоритмів комп’ютерної діагностикиступеню активності дистрофічно-запального процесу та ступеню фіброзу (цирозу) в печінці за шкалою METAVIR.

Програмний скрипт«recognition.R» запускається на виконання в середовищі RStudio. Після запуску здійснюється підключення необхідних бібліотек, загрузка файлів які містять назви предікторів, матриці підготовки вхідних даних, колективи навчених методів розпізнавання та файлів допоміжних функцій.

З основної бази даних яка міститься у файлі програми Excel«FAsTest.xlsm»лабораторні показники пацієнта у вигляді текстової строки переносяться в файл «recognition.R» (рис. 3)

Місце в файлі «recognition.R» для вставки результатів лабораторних досліджень

Рисунок 3 – Місце в файлі «recognition.R» для вставки результатів лабораторних досліджень.

 

Результатом виконання скрипта є розподіли ймовірностей ступенів активності дистрофічно-запального процесу та ступенів фіброзу (цирозу) в печінці за шкалою METAVIR для досліджуваних лабораторних показників.

Результати розпізнавання за допомогою буферу обміну Windowsпереносяться  в файл основної бази даних «FAsTest.xlsm» (рис. 4) та роздруковуються на бланку (рис. 5).

Місце вставки результатів розпізнавання в файл основної бази даних FAsTest.xlsm

Рисунок 4 – Місце вставки результатів розпізнавання в файл основної бази даних «FAsTest.xlsm».

Бланк результатів визначення ступеню активності дистрофічно-запального процесу та ступеню фіброзу (цирозу) в печінці за шкалою METAVIR

Рисунок 5 – Бланк результатів визначення ступеню активності дистрофічно-запального процесу та ступеню фіброзу (цирозу) в печінці за шкалою METAVIR.

Просмотров: 39 | Добавил: Miha | Теги: ступінь фіброзу, висновок за шкалою метавір, печень, фиброз печени, Fastest, Metavir, метавир | Рейтинг: 0.0/0
Всего комментариев: 0
avatar
Пятница, 28.01.2022, 07:25
Меню сайта
Гепатиты
Поиск по сайту
Блог Доктора
[06.01.2022]
Авторское Свидетельство на изобретение первой в Украине биохимической неинвазивной биопсии печени с использованием искусственного интеллекта (0)
[19.08.2021]
В английском журнале вирусных гепатитов опубликована статья, в которой доктор Виталий Янченко, является соавтором, о ней я обещал вас информировать (0)
[15.06.2020]
Интервью про коронавирус специально для газеты «ФАКТЫ» врача-инфекциониста высшей категории, кандидата медицинских наук Виталия Янченко. (0)
[24.12.2019]
ГЕПАТОЛОГ ВИТАЛИЙ ЯНЧЕНКО: «ЧЕЛОВЕК МОЖЕТ ЗАРАЗИТЬСЯ ВИРУСНЫМ ГЕПАТИТОМ, КОГДА ЛЕЧИТ ЗУБЫ ИЛИ ДЕЛАЕТ МАНИКЮР» (0)
[18.06.2019]
Через укус клеща можно заразиться бабезиозом - это смертельное заболевание может оказаться не только для собак, но и для людей. (0)
[09.05.2019]
Актуальные вопросы, которые вы часто задаете и ответы на них. (0)
[12.02.2019]
Лекарственная устойчивость вируса гепатита С – RAS мутации методы профилактики и борьбы с ней. (0)
[23.12.2018]
Каждый десятый пациент с хроническим гепатитом С не отвечает на терапию cофосбувир, даклатасвир, ледипасвир, семипревир, а так же 3Д терапию (0)
[19.09.2018]
Повышение печеночных проб, нет гепатита В и С, нет аутоиммунного гепатита - это может быть связано с гепатитом TTV или гепатитом G. (0)
[31.07.2018]
Лечение цирроза печени человеческим рекомбинантным тромбопоэтином (0)
Наш опрос
Вас интересует:
Всего ответов: 504
Форма входа
Статистика

Яндекс.Метрика
Счетчик PR-CY.Rank

Онлайн всего: 1
Гостей: 1
Пользователей: 0
Страница автора в Google+

опоры для столов

"Infectport" - Портал инфекционных болезней © 2022Бесплатный конструктор сайтов - uCoz