Прогнозирование возникновения и развития фатальных сосудистых осложнений при COVID-19 с использованием нечетких математических моделей

Целью исследования является разработка метода прогнозирования возникновения и развития тромботических осложнений (тромботических прецедентов), провоцируемых действием новой коронавирусной инфекции (COVID-19) на организм человека, позволяющего усовершенствовать лечебно-диагностические мероприятия для пациентов с данной патологией.

Методы. В качестве базового математического аппарата была выбрана методология синтеза гибридных нечетких решающих правил, хорошо зарекомендовавшая себя в процессе решения задач с нечётким описанием исследуемых классов со структурой данных аналогичной решаемой в работе задачи.

Результаты. В ходе проводимых исследований были синтезированы математические модели прогнозирования возникновения и развития тромботических прецедентов. Экспертное оценивание и математическое моделирование показали, что уверенность в правильном принятии решений по прогнозу появления и развития исследуемого класса тромботических осложнений превышает величину 0,9. В работе получены нечёткие математические модели прогнозирования возникновения и развития тромботических прецедентов у людей с подтверждённой коронавирусной инфекцией, для которой ведущим фактором риска является вторичный антифосфолипидный синдром с возникновением микроангиопатии.

Заключение. В ходе проведенных исследований была показана целесообразность использования полученных результатов в практике работы таких врачей, как иммунологи, инфекционисты, пульмонологи, кардиологи и сердечно-сосудистые хирурги.

1. Clinical features of patients infected with 2019 novel coronavirus in Wuhan, China / C. Huang [et al.] // Lancet. 2020. Vol. 395, is. 10223. P. 497-506.

2. Clinical predictors of mortality due to COVID-19 based on an analysis of data of 150 patients from Wuhan, China / Q. Ruan [et al.] // Intensive Care Med. 2020. Vol. 46, is. 5. P. 846-848.

3. Clinical and immunologic features in severe and moderate Coronavirus Disease 2019 / G. Chen [et al.] // J. Clin. Invest. 2020. Vol. 130, is. 5. P. 2620-2629.

4. Diagnostic utility of clinical laboratory data determinations for patients with the severe COVID-19 / Y. Gao [et al.] // J. Med. Virol. 2020. Vol. 92, is. 7. P. 791-796.

5. Анаев Э. Х., Княжеская Н. П. Коагулопатия при COVID-19: фокус на антикоагулянтную терапию // Практическая пульмонология. 2020. № 1. C. 3-13.

6. Грановская М. В., Заславская К. Я. COVID-19 - набор симптомов или системная патология? Клиническая лекция. Часть 1. Особенности полиорганных нарушений // Инфекционные болезни: Новости. Мнения. Обучение. 2020. № S3 (34). С. 3-9.

7. Extrapulmonary manifestations of COVID-19 / A. Gupta, M. V. Madhavan, K. Sehgal, N. Nan- [et al.] // Nat. Med. 2020. N 26 (7). P. 1017-1032.

8. Clinical Characteristics of Coronavirus Disease 2019 in China / W. J. Guan, Z. Y. Ni, Y. Hu [et al.] // N. Engl. J. Med. 2020. Р. 1708-20.

9. COVID-19 and Thrombotic or Thromboembolic Prevention, Antithrombotic Therapy, and Follow-up / B. Bikdeli, M. V. Madhavan, D. Jimenez [et al.] // JACC. 2020.

10. Thromboembolism risk of COVID-19 is high and associated with a higher risk of mortality: A systematic review and meta-analysis / Mahmoud B. Malas [et al.] // Lancet. 2020.

11. Кореневский Н. А. Проектирование нечетких решающих сетей, настраиваемых по структуре данных для задач медицинской диагностики // Системный анализ и управление в биомедицинских системах. 2005. Т. 4, № 1. С. 12-20.

12. Кореневский Н. А. Использование нечеткой логики принятия решений для медицинских экспертных систем // Медицинская техника. 2015. № 1. С. 33-35.

13. Кореневский Н. А., Родионова С. Н., Хрипина И. И. Методология синтеза гибридных нечетких решающих правил для медицинских интеллектуальных систем поддержки принятия решений: монография. Старый Оскол: ТНТ, 2019. 472 с.

14. Оценка и управление состоянием здоровья обучающихся на основе гибридных интеллектуальных технологий: монография / Н. А. Кореневский, А. Н. Шуткин, С. А. Горбатенко, В. И. Серебровский. Старый Оскол: ТНТ, 2016. 472 с.

15. Кореневский Н. А. Метод синтеза гетерогенных нечетких правил для анализа и управления состоянием биотехнических систем // Известия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроение. 2013. № 2. С. 99-103.

16. Кореневский Н. А. Проектирование систем принятия решений на нечетких сетевых моделях в задачах медицинской диагностики и прогнозирования // Телекоммуникации. 2006. № 6. С. 25-31.

17. Метод синтеза нечетких решающих правил на основе моделей системных взаимосвязей для решения задач прогнозирования и диагностики заболеваний / Н. А. Кореневский, М. В. Артеменко, В. Я. Провоторов, Л. А. Новикова // Системный анализ и управление в биомедицинских системах. 2014. Т. 13, № 4. С. 881-886.

18. Кореневский Н. А., Разумова К. В. Синтез коллективов гибридных нечетких моделей оценки состояния сложных систем // Наукоемкие технологии. 2014. Т. 15, № 12. С. 31-39.

19. Метод синтеза нечетких моделей принятия решений по оценке состояния и управлению биотехническими системами / Н. А. Кореневский, В. В. Серебровский, К. В. Разумова, И. И. Хрипина // Биомедицинская радиоэлектроника. 2016. № 9. С. 6874.

20. Прогнозирование и диагностика заболеваний, вызываемых вредными производственными и экологическими факторами на основе гетерогенных моделей / Н. А. Кореневский, В. И. Серебровский, Н. А. Коптева, Т. Н. Говорухина. Курск: Издательство Курской государственной сельскохозяйственной академии имени И. И. Иванова, 2012. 231 с.

21. Кореневский Н. А., Шуткин А. Н., Бойцова Е. А. Оценка и управление состоянием здоровья на основе моделей Г. Раша // Медицинская техника. 2015. № 6. С. 37-40.

22. Кореневский Н. А., Хрипина И. И., Лазурина Л. П. Нечеткие коллективные классификаторы для оценки состояния живых систем // Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации: сборник материалов XII Международной научно-технической конференции / Юго-Западный государственный университет. Курск, 2015. С. 172-174.

23. Шуткин А. Н., Кореневская С. Н., Федянин В. В. Проектирование баз знаний медицинских экспертных систем с использованием коллективов нечетких правил // Информационные проекты в медицине и педагогике: материалы Международной научно-практической конференции. М.: ИП Киселева О. В., 2014. С. 61-64.

24. Synthesis of combined fuzzy decision rules based on the exploration analysis data / R. T. Al-Kasabeh, N. A. Korenevskiy, F. Ionescu, A. A. Kuzmin // Proc. 4th IAFA Internna- tional Conference Interdisciplinary Approaches in Fractal Analysis. Bucharest, 2009. P. 7178.

25. Korenevskiy N. A., Krupchatnikov R. A., Gorbatenko S. A. Generation of fuzzy network models taught on basic of data structure for medical expert systems, Biomedical Engineering // Biomedical Engineering. 2008. Vol. 42, N 2. Р. 67-72.

26. Value of assessment of pretest probability of deep-vein thrombosis in clinical management / P. S. Wells, D. R. Anderson, J. Bormanis [et al.] // Lancet. 1997. P. 1795-1798.

27. Prevention of VTE in Nonorthopedic Surgical Patients. Antithrombotic Therapy and Prevention of Thrombosis, 9th ed: American College of Chest Physicians Evidence-Based Clinical Practice Guidelines / M. K. Gould, D. A. Garcia, S. M. Wren [et al.] // Chest. 2012. Vol. 141. Р. e227S-e277S.