Search academic texts

Information × Registration Number 2119U001180, Article popup.category Стаття Title popup.author Гудзь А. С.Максимців М. Л.Зябліцев С. В.Могілевський С. Ю.Гур’янов В. Г. popup.publication 04-12-2019 popup.source_user Національний медичний університет імені О. О. Богомольця popup.source https://doi.org/10.24026/1818-1384.2(62).2018.135509 popup.publisher Видавець ООО «ЛАНЦЕТ XXI СТОЛЕТИЕ» Description Мета роботи: на підставі визначення дисфункції тромбоцитів (Тц) з використанням методів багатофакторного нейромережевого та логістичного регресійного моделювання розробити експертну систему прогнозування стадії діабетичної ретинопатії (ДР) на момент первинного обстеження хворого. Матеріал і методи. Модель була побудована (пакет Statistica Neural Network v.4.0B) за результатами клініко-лабораторного дослідження 99 хворих (99 очей) із цукровим діабетом 2 типу та ДР. Оцінку агрегації Тц проводили спектрофотометричним методом на агрегометрі ChronoLog (США). В дослідженні застосовували агоністи (Sigma, США): аденозиндифосфат (АДФ; 2,5 мкМ); адреналін (2,5 мкМ); ангіотензин-2 (Ан-2; 1 мкМ); фактор активації тромбоцитів (ФАТ; 75 мкМ) і колаген (2,0 мг/мл). Агоністи використовували в ефективній концентрації (ЕС50), що викликала у здорових осіб (10 донорів) агрегацію Тц на рівні 50±5%. Результати та обговорення. Для визначення провідних детермінант розвитку стадій ДР проведено математичний аналіз із використанням методів побудови багатофакторних нейромережевих та логістичних регресійних моделей. Прогнозування стадії ДР у двофакторній лінійній нейромережевій моделі ґрунтувалося на агрегації Тц, індукованій АДФ і колагеном; точність прогнозу становила 81,8% (95% ДІ 73,5-88,8%). Також побудована чотирифакторна нелінійна нейромережева MLP-модель (агрегація, індукована Ан-2, АДФ, адреналіном і колагеном), яка дозволила підвищити точність прогнозування стадії ДР до 93,9% (95% ДІ 88,3-97,8%). Висновки. Вперше на основі визначення агрегації Тц запропонована експертна система, що заснована на побудові нейромережевих моделей. З високою точністю прогнозування моделі дозволяють прогнозувати розвиток стадії ДР вже при первинному зверненні пацієнта. popup.nrat_date 2024-12-23 Close