dlja stud pr zan 11


Чтобы посмотреть этот PDF файл с форматированием и разметкой, скачайте его и откройте на своем компьютере.

Государственное бюджетное образовательное учреждение высшего профессионального
образования «Красноярский государственный медицинский университет имени
профессора В.Ф. Войно
-
Ясенецкого» Министерства здравоохранения и

социал
ь
ного развития Российской Федера
ции

ГБОУ ВПО КрасГМУ им. проф. В.Ф. Войно
-
Ясенецкого Минздравсоцразвития
России


Кафедра медицинской информатики и инновационных технологий с курсом ПО


МЕТОДИЧЕСКИЕ УКАЗАНИЯ

ДЛЯ ОБУЧАЮЩИХСЯ


по дисциплине «
Медицинская информатика
»

для специальности
0
6
0
1
0
1



Лечебное дело



К ПРАКТИЧЕСКОМУ ЗАНЯТИЮ



1
1



ТЕМА:

«
Компьютерное моделирование
»


Утверждены на кафедральном заседании протокол № ____ от «___»____________
20
11

г.


Заведующий кафедрой

д.м.н., проф.
________
Россиев Д.А.


Составители:

преп.
_________
П
утинцева Ю.А.







Красноярск

20
11

1.

Занятие №1
1

Тема: «
Компьютерное моделирование
».

2. Форма организации занятия:

практическое занятие.

3. Значение изучения темы
:
изучение
возможностей компьютерного
моделирования физиологических, морфологических, молекул
ярно
-
генетических, биохимических и фармакологических процессов формирует у
будущего врача способность и готовность применять возможности
современных информационных технологий для решения профессиональных
задач
.

4. Цели обучения:


-

общая (
владеть основными
методами способами и средствами хранения

информации, иметь навыки работы с компьютером как средством управления
информацией (ОК
-
12);

-

учебная:

знать
основные подходы к формализации и структуризации
различных типов медицинских данных, используемых для
форми
рования решений в ходе лечебно
-
диагностического процесса
;

алгоритмы и программные средства поддержки принятия решений в
ходе лечебно
-
диагностического процесса;

уметь
проводить
обработку медицинских данных с
использованием прикладных и специальных программн
ых средств,

владеть

базовыми технологиями преобразования информации
;

владеть

терминологией, связанной с современными
информационными и телекоммуникационными технологиями
применительно к решению задач медицины и здравоохранения
.


5. План изучения темы:

5.1.

Контроль исходного уровня знаний.

5.2. Основные понятия и положения тем
ы
.

Введение

С самого начала научного подхода к познанию окружающего мира,
математические модели использовались, чтобы придать нашим идеям
простую и точную форму с целью предсказывать с
обытия в постоянно
изменяющемся окружении. Физические науки достигли значительных
успехов, прежде всего, с использованием количественных моделей в научном
методе как средства для формулирования гипотез.

Методы, которые разрабатываются для применения матема
тических
моделей биологических систем в компьютерных имитационных
исследованиях, позволяют выдвигать гипотезы относительно физиологии,
морфогенеза, фармакологии, и токсикологии живых систем. Также
становится возможным экстраполировать результаты полученные

в
экспериментах на клетках и тканях
in vitro

на контекст всего организма.
Оснащенные современной вычислительной техникой математические
модели, имитирующие физиологические и фармакологические процессы
используются для теоретических проверок гипотез относи
тельно влияния
локальных физиологических и фармакологических эффектов на организм в
целом. Построенная модель служит в качестве объекта исследований для
исследователей заинтересованных в изучении возможных эффектов
фармакологических или токсичных субстанци
й. Таким образом, удается
избежать избыточных экспериментов над лабораторными животными.

Математическое моделирование и анализ систем успешно
используются в фармакологии и физиологии с целью лучше понять и
выразить количественно идеи о взаимодействиях, про
исходящих среди
сложнейших биосистем. Такие модели часто средством формального
построения гипотез относительно предлагаемых механизмов
физиологического функционирования. Использование гипотез в
компьютерных имитационных исследованиях может дать понимание
в
заимодействий физиологических переменных, которое может не быть
интуитивно очевидным.

Одной из главной целей всемирных организаций по охране животных
является уменьшение количества подопытных животных используемых в
медико
-
биологических исследованиях. Хотя

вряд ли когда
-
нибудь
компьютерные имитационные модели полностью заменят эксперимент на
животном, они могут послужить в качестве средств для рационального
планирования исследований проводимых на лабораторных животных.
Рациональное исследование может быть в
ыполнено с использованием
алгоритма такого как, например, изображенного на рисунке.


В предлагаемой схеме есть постоянное взаимодействие между
информацией, полученной из исследований
in vitro
, теоретическими
соображениями, и обобщениями на уровне целого о
рганизма. Результаты
экспериментов
in vitro

сначала переводятся в зависимости доза
-
ответ или в
причинно
-
следственные отношения для органа или клеток. Эти отношения
затем экстраполируются на уровень организма в целом с использованием
математических моделей.

Модели реализуются и изучаются с помощью
компьютеров в имитационных исследованиях с целью предсказать
динамические результаты
in vivo

исследований системы в целом.
Запланированные эксперименты над животными могут сначала быть
выполнены теоретически, чтобы

протестировать целостность предлагаемых
протоколов опытов и выявить потенциальные пробелы перед тем, как
лабораторные животные будут использованы.

В настоящее время в нашей стране и за рубежом накоплен
значительный опыт разработки и применения средств
выч
ислительной

техники и математических методов для решения задач теоретической и
практической медицины. На начальных этапах работ в этом направлении
основное внимание уделялось разработке методов и моделей, позволяющих
углублено исследовать патологические пр
оцессы на уровне отдельных
органов и систем организма.

Компьютерная модель
, или
численная модель

-

компьютерная
программа, работающая на отдельном компьютере или множестве
взаимодействующих компьютеров (вычислительных узлов), реализующая
абстрактную модель

некоторой системы. Компьютерные модели
используются для получения новых знаний о моделируемом объекте или для
приближенной оценки поведения математических систем, слишком сложных
для аналитического исследования.

Компьютерное моделирование является одним и
з эффективных
методов изучения сложных систем. Компьютерные модели проще и удобнее
исследовать в силу их возможности проводить т.н. вычислительные
эксперименты, в тех случаях, когда реальные эксперименты затруднены из
-
за
финансовых или физических препятств
ий или могут дать непредсказуемый
результат. Логичность и формализованность компьютерных моделей
позволяет выявить основные факторы, определяющие свойства изучаемого
объекта
-
оригинала (или целого класса объектов), в частности, исследовать
отклик моделируем
ой физической системы на изменения ее параметров и
начальных условий.

К основным этапам компьютерного моделирования

относятся:

-

постановка задачи, определение объекта моделирования;

-

разработка концептуальной модели, выявление основных
элементов системы и эл
ементарных актов взаимодействия;

-

формализация, то есть переход к математической модели;

-

создание алгоритма и написание программы;

-

планирование и проведение компьютерных экспериментов;

-


.

Различают аналитическое и имитационное моделирование. При
аналитическ
ом моделировании

изучаются математические (абстрактные)
модели реального объекта в виде алгебраических, дифференциальных и
других уравнений, а также предусматривающих осуществление однозначной
вычислительной процедуры, приводящей к их точному решению. При
имитационном моделировании

исследуются математические модели в виде
алгоритма(ов), воспроизводящего функционирование исследуемой системы
путем последовательного выполнения большого количества элементарных
операций.

В настоящее время математические модели и

компьютерное
моделирование еще не могут полностью вытеснить экспериментирование на
подопытных животных в медико
-
биологических исследованиях.
Обсуждается ряд теоретических и философских вопросов относительно их
применения в биологических работах и по
-
прежн
ему существует много
белых пятен в нашем понимании того, как функционирует организм, которые
не разрешимы без реальных экспериментов над подопытными животными.
Но по мере того как увеличивается наше знание о функционировании
биологических систем, компьютер
ные модели усложняются, становятся
более детализированными и все лучше отражающими реальные процессы.

Компьютерное моделирование физиологических процессов

Математическое моделирование как нормальных физиологических, так
и патологических процессов, является

в настоящее время одним из самых
актуальных направлений в научных исследованиях. Дело в том, что
современная медицина представляет собой, в основном, экспериментальную
науку с огромным эмпирическим опытом воздействия на ход тех или иных
болезней различным
и средствами. Что же касается подробного изучения
процессов в биосредах, то их экспериментальное исследование является
ограниченным и наиболее эффективным аппаратом их исследования
представляется математическое моделирование.

Примеры задач, решаемых при по
мощи компьютерного
моделирования физиологических процессов:


Задача о расчете последствий черепно
-
мозговых травм

-

определив
области повреждения мозга при различных динамических нагрузках на него
(или при черепно
-
мозговых травмах), мы сможем определить те о
бласти
функции организма, которые могут оказаться поврежденными или
измененными. В нейрохирургической практике хорошо известен следующий
факт: области поражения мозга при черепно
-
мозговой травмах не всегда
совпадают с областями, прилежащими к месту удара.
Примером этому
является феномен “противоудара”: при ударе затылком область повреждения
мозга локализуется в лобной части головного мозга. Объяснение этому
явлению можно дать только путем проведения численного исследования
сложнейших волновых процессов, обр
азующихся в неоднородной
механической конструкции, которую представляет собой систему череп
-
мозг.



а

b

Расчетные сетки в горизонтальной проекции (четырехугольные и
треугольные), использовавшиеся при моделировании последствий черепно
-
мозговых травм.


а




b

Области максимальных сжимающих (а) и растягивающих (
b
) напряжений.
Области поражения мозга образуются, в основном, в областях максимальных
растягивающих и сдвиговых нагрузок, образующихся при черепно
-
мозговых
травмах



а





b

Сравнение расчетно
й и полученной при томографических исследованиях
областей поражения головного мозга.



Задача о расчете травм костей, грудной клетки, суставов,
появлении гематом в мягких тканях тела.


Задача о залечивании ран



в некоторых работах получено
количественное оп
исание динамики залечивания резаной раны кожного
покрова человека.


a






b

Динамика залечивания кожной раны
-

трехмерные картины распределения
плотности коллагена являющиеся “подложкой”, на которой растут клетки
кожи, в два момента времени:
t
=0 и t=40 д
ней (плотность коллагена заметно
повышается внутри раны вследствие процесса хемотоксиса). Величина
плотности коллагена представлена светлой частью поверхностей,
изображенных на рисунке.



Задача математического моделирования движения ног
человека при ходьбе
, с целью построения ортопедических протезов,
имитирующих их движение. На данный момент не только построены такие
модели, но и успешно применяются на практике. Создание подобных
моделей для нужд травматологии и ортопедии представляется новой и
актуальной з
адачей вычислительной медицины.


Задача компьютерной реализации виртуальных
хирургических операций и предсказания их последствий

-

это очень
сложное направление, которое только начинает появляться, а постановка
некоторых задач до конца не ясна (например, мо
делирование работы хирурга
с помощью скальпеля). Однако реализация некоторых виртуальных операций
представляется реальной задачей. Уже на данный момент представлено
численное моделирование операций литотрипсии (дробление почечных
камней акустическим волнам
и, инициируемыми искровым разрядом или
лазерным импульсом). Цель таких исследований


найти режимы работы
литотриптора (длительность и интенсивность импульса, количество
импульсов), при которых фрагменты разрушенного камня были бы
достаточно малыми для их
выведения из организма естественным путем. Для
этого численно исследовалась картина распространения акустического
импульса в теле и в камне, а также решалась задача его разрушения.

Моделирование офтальмологической операции экстракции
(удаления) катаракты
.
Суть операции в том, чтобы с помощью лазера или
ультразвукового факоэмульсификатора разрушить помутневший хрусталик
(точнее его плотное ядро) так, чтобы не повредить сетчатку и роговицу глаза
и вывести мутные хрусталиковые массы. Эта задача условно подразд
еляется
на три части: первая


расчет импульсного воздействия на хрусталик, вторая


распространение акустического импульса в стекловидном теле до сетчатки
и расчет динамического воздействия на нее (поскольку в результате
взаимодействия импульса с сетчатко
й последняя может расслаиваться),
третья


вымывание мутных хрусталиковых масс из передней камеры глаза.
Расчеты сводились с целью определения застойных зон в передней камере
глаза при вымывании мутных масс и оптимизации рабочих режимов
хирургических инстр
ументов. Проблема распространения импульса через
хрусталик и стекловидное тело к сетчатке представляет сложную
динамическую задачу, поскольку глаз представляет собой неоднородную
механическую систему с рядом поверхностей раздела сред.



Расчетные сетки
, поля скоростей и области возможных поражений глаза при
лазерном разрушении хрусталика


Расчет давления в глазу человека при проведении лазерной операции и
расчетная сетка.



Задача предсказания динамики развития онкологичес
ких
заболеваний, т.е. развития опухолей, в том числе с учетом
кровообращения.


Задача численного моделирования процессов
структурообразования в активных биосредах, колониях бактерий,
микроорганизмов (например, Esherichia coli, Distyostelium discoicleum).


Структура, сформированная пассивными клетками
E
-
coli

в бактериальной
колонии, отражающая механизмы межклеточной регуляции. Для ее
получения численно решалась система нелинейных двумерных уравнений в
частных производных параболического типа.




Задачи струк
турообразования при свертывании крови и
тромбообразовании.

Численное изучение биомедицинских процессов, о которых шла речь,
показали эффективность использования численного моделирования для
решения задач этой области науки.

Компьютерное моделирование морфо
логических процессов

Биологические модели имеют меньшую предсказательную силу по
сравнению с физическими. Биологическое моделирование демонстрирует
управляемое параметрами моделей возникновение и изменение во времени
пространственной неоднородности, появле
ние простых или весьма
изощренных структур и дает возможность выявления как общих, так и
частных или же случайных характеристик пространственно
-
временной
организации системы, а также конструирования альтернативных сценариев
ее развития.

Дискретные модели в

биологии развиты на основе так называемых
клеточных автоматов, теория которых была разработана фон Нейманом (J
von Neuman) в 50
-
е годы для изучения биологической репродукции. В
дискретных моделях и время, протекающее отдельными шагами, дискретно,
и структ
уры образованы дискретными ячейками, именуемыми клетками.

Одной из простейших, но, в то же время, очень эффективных моделей
развития стала
игра «Жизнь» Дж. Конвея
. Правила, детерминирующие
состояние каждой клетки и названные Дж. Конвеем генетическими,
чрез
вычайно просты: заполненная ячейка, «живая» клетка, остается живой,
если с ней контактируют 2 или 3 другие живые клетки; новая клетка
рождается в пустой ячейке, если число соседей равно трем, и погибает, если
число соседей меньше двух или больше трех.

Стол
ь простой алгоритм порождает в игре «Жизнь» достаточно
сложное глобальное поведение всей системы: почти бесконечно
разнообразные, нередко симметричные, иногда статичные, иногда
периодические


колебательные, пульсирующие структуры. Такие
локализованные ста
ционарные или периодические конфигурации
аналогичны аттракторам (точкам или предельным циклам) в континуальных
моделях динамических систем.

Могут возникать подвижные, перемещающиеся по клеточному полю,
структуры. Были найдены различные конфигурации, модели
рующие
неограниченный рост «популяции», а также конфигурации
-
«пожиратели». В
системе может наблюдаться сложное поведение, аналогичное фазовому
переходу; изменение состояния одной клетки может вызвать лавину
изменений во всей системе


«глобальную катастроф
у». Клеточные

Х. Майнхардт (H. Meinhardt) создал динамические компьютерные
имитации структурообразования в трехмерном пространстве, основанные на
допущении о взаимодействии двух диффундирующих морфогенов


активатора и ингибитора; такие взаимодействия с о
братной связью ведут к
нестабильности гомогенного распределения веществ и образованию
пространственно
-
временного паттерна.

Моделирование биологических морфопроцессов с использованием как
дискретных, так и континуальных моделей представляет собой весьма
раз
работанную область теоретической биологии.

В процессе развития организма из оплодотворенной яйцеклетки
развивается организм определенной формы, который состоит из
определенных частей тела и включает внутренние органы. Разные органы
образуются из нескольких

видов тканей, которые состоят из функционально
и морфологически различных клеток. При этом, как считается, все клетки
несут одинаковый набор генов, присущих данному организму. Однако, в
процессе их специализации, протекающем одновременно с ростом
организм
а, в функционально различных клетках включаются одни гены, и
выключаются другие. Таким образом, нервные клетки существенно
отличаются от клеток, например, костной ткани. Этот процесс называется
дифференцировкой клеток. Ясно, что для того, чтобы сформировал
ся
нормальный организм, дифференцировка клеток должна происходить в
нужное время и в нужном месте. Биология развития является наукой,
интегрирующей практически все разделы современной биологии


от
молекулярной биологии клетки, включая молекулярную генетик
у, до
физиологии и анатомии с морфологией, и использует самые разные методы
изучения.

Конечно, в результате изучения отдельных процессов и их
взаимодействий должно сложиться целостное представление о процессе
развития. Как и всегда, в случае, когда мы имее
м такую сложную систему,
одним из полезных методов оказывается построение формализованных
моделей явления. Такие модели должны помочь выяснить взаимную
согласованность наших представлений об отдельных процессах, и их
соответствии с экспериментальными данны
ми.

Кроме некоторых исключений, на современном этапе промоделировать
весь процесс развития и соответственно морфогенеза


задача вряд ли
реальная. Но так же, как, например, в физике, понимание явления происходит
на основании вычленения принципиальных проце
ссов, их исследования, в
том числе методами математического моделирования, и правильного
распространения их на усложненные ситуации.

В биологии развития также существуют процессы и механизмы,
которые проявляются в упрощенной форме у некоторых организмов ил
и на
некоторых стадиях развития, где их можно изучить и промоделировать. И
эти же процессы в усложненной форме происходят в других ситуациях.

Пролиферация клеток лежит в основе онтогенеза всех
многоклеточных

организмов. Изучение этого процесса и его регуля
ции является одной из
кардинальных проблем
цитологии
, физиологии и биологии развития, а также
имеет важное практическое значение.

На рисунке ниже представлена иллюстрация из одной из современных
работ в области биологии развития на морфогенетическом уровне
.




4D

-

мониторинг

динамической

картины

экспрессии генов

(
Scx
-
GFP) в
развивающейся конечности.

(
a

c
) И
зображения

проекции развивающейся
конечности в указанные моменты времени.

(
d

i
)
3D
-
рендеринг

картины

экспрессии генов

в те же моменты

времени,

с 2

раз
ных углов
:
дорсальный
вид

(
d

f
)

и

дистальный вид
(
g

i
)
.
Шкала

-

200
мкм
. (Marit J Boot, C Henrik
Westerberg, Juanjo Sanz
-
Ezquerro, James Cotterell, Ronen Schweitzer, Miguel
Torres & James Sharpe.
In vitro

whole
-
organ imaging: 4D quantification of
growing m
ouse limb buds.
Nature

Methods

-

5
, 609
-

612 (2008))


Компьютерное моделирование молекулярно
-
генетических и
биохимических процессов

Компьютерное моделирование молекулярно
-
генетических и
биохимических процессов является самым молодым и перспективным
направ
лений в развитии биомедицинских наук. В данной области знаний
продолжается дифференциация наук по предмету и объекту исследований.
Компьютерным моделированием молекулярно
-
генетических и смежных
процессов занимаются такие науки как биоинформатика, системная

биология, геномика, эволюционная генетика, протеомика, транскриптомика,
метаболомика и другие, еще более узкоспециализированные дисциплины, в
каждой из которых работают тысячи и десятки тысяч исследователей. Такой
высокий уровень дифференциации наук связа
н с колоссальной сложностью и
огромным объемом молекулярно
-
генетических данных. Например, работа с
последовательностью ДНК даж
е простейших эукариот
-

дрожжей
S.

cerevisiae


не была бы возможна без использования компьютерных
методов, не говоря уже о геноме человека.

Для примера, в таблице представлены задачи, решаемые
биоинформатикой.


Источник данных

Объем данных

Задачи

Секв
енированные
последовательности
ДНК

~
40 млн
.
последовательностей,
10
12

пар оснований

Функциональная аннотация

Белковые
последовательности

~
5
.5 10
6

последовательностей
(
~
300 аминокислот
каждая)

Сравнительный анализ.
Выявление консервативных
мотивов

С
труктуры
макромолекул

5
0000

структур
(
~
3
000

атомных
координат каждая)

Предсказание, выравнивание,
измерение геометрии, докинг

Геномы

Около
1200

геномов
прокариот, более
160

геномов эукариот

Сборка полных геномов;
Функциональная аннотация;
Сравнительн
ый анализ

Экспрессия генов в
различных тканях,
стадиях развития,
состояний
организма и т.д.

Сотни тысяч
образцов
c

тысячами
вариантов измерений
для десятков тысяч
генов.
~
10
13

измерений.

Анализ механизмов
регуляции
коэкспрессирующихся генов.
Связь с
пос
ледовательностями,
структурными и
биохимическими данными.

SNP

Только одна база
Анализ связи с
(однонуклеотидные
мутации в ДНК)

данных
dbSNP

содержит
информацию о
10
8

мутациях в 23
геномах.

заболеваниями

Молекулярные
взаимодействия,
метаболические
пут
и и генные сети

Более
10
6

молекулярных
взаимодействий
описано в
публикациях. Более
ста тысяч
метаболических
путей и генных сетей
представлено в базах
данных.

Моделирование
молекулярно
-
генетических
процессов и систем

Публикации

Десятки миллионов
публика
ций

Поиск и извлечение знаний


Знание пространственной организации белковых молекул является
ключом не только к пониманию их функций и механизма работы, но и
основой для разработки эффективных и безопасных лекарственных средств.
В то же время, определят
ь структуру белков в прямом эксперименте не
всегда возможно или целесообразно


из
-
за сложности, дороговизны и
ограниченности возможностей экспериментальных методик. Однако иногда
удаётся преодолеть эти сложности, подойдя к проблеме «с другого конца»:
стру
ктуру биомакромолекул можно «предсказать», используя теоретические
подходы


основанные на физических или эмпирических приближениях. В
этой статье даётся теоретическое обоснование возможности «предсказывать»
структуру белков и коротко рассматриваются основ
ные подходы к этой
задаче.

Фармацевты и врачи, например, заинтересованы в производстве и
выпуске на рынок новых поколений лекарственных средств. Однако в наше
время уже нельзя рассчитывать на случайный успех, и нужно хорошо
разбираться в молекулярных механ
измах действия проектируемого
лекарства,


направленного, скорее всего, на взаимодействие с каким
-
нибудь белком (рецептором или ферментом) в человеческом организме.
Проектирование нового лекарства с учётом атомарного строения молекул
-
«мишеней», на которые
это лекарство будет действовать


наукоёмкий и
сложный процесс, называемый
драг
-
дизайном
.

Молекулярно
-
генетические данные хранятся в
специализированных банках данных (все на английском языке):

-

крупнейшая база генетических данных


GeneBank
;

-

удобная в навиг
ации база генетических последовательностей


Ensembl

-

удобный доступ к полным геномам через сайт Европейского
института биоинформатики
-

http://www.ebi.ac.uk/genomes/


-

крупнейший банк белковых данных


UniProt
.
o
rg

-

крупнейший банк данных о структуре биологических макромолекул
http://www.pdb.org/


Автоматизированные системы поддержки принятия врачебных
решений

В современных условиях оказание услуг пациентам медицинских
учреждений осуществляется при непрерывном разв
итии информационных
технологий, оснащении медицинских учреждений новыми приборами и
устройствами. Развитие медицинской техники и технологий обслуживания
пациентов находит свое отражение во всех сферах деятельности
медицинских учреждений в виде создания и в
недрения специализированных
медицинских программ, проектов комплексной автоматизации медицинских
учреждений, внедрения телемедицинских технологий.

Интенсификация работы медицинского персонала и внедрение
современных медицинских технических устройств привод
ит к увеличению
объема информации, который должен обрабатывать медицинский работник.
Это свидетельствует в пользу необходимости применения специальных
программных систем для решения самых разных задач в медицинских
учреждениях, начиная от простых хозяйстве
нных задач и кончая сложными
задачами принятия решений, связанных с управлением медицинским
учреждением, идентификацией состояния пациентов и лечением.

Выделяют два основных вида Систем поддержки принятия решений:

-

EIS (Execution Information System)


ин
формационные системы
руководства предприятия. Эти системы ориентированы на неподготовленных
пользователей, имеют упрощенный интерфейс, базовый набор предлагаемых
возможностей и фиксированные формы представления информации;

-

DSS (Desicion Support System)


полнофункциональные системы
анализа и исследования данных, рассчитанные на подготовленных
специалистов, имеющих знания, как в части предметной области
исследования, так и в части компьютерной грамотности.

В сфере здравоохранения Системы поддержки принятия

решений
используются для решения следующих задач:

-

управление различными составляющими элементами ЛПУ
(лаборатории, коечный фонд, аптечный фонд и т.д.)

-

помощь в диагностике заболеваний и выбор методов лечения на
основе накопленной статистики и экспертн
ых знаний

-

автоматизированная генерация отчетных материалов

-

снижения рисков, связанных с медикаментозным лечением

Системы Поддержки Принятия Решений являются удобным
интеллектуальным средством, направленным на решение основных проблем
современного здрав
оохранения. Развитие подобных систем приведет к
повышению эффективности работы врачей на всех этапах диагностирования
и лечения.

Основными чертами СППР, позволяющей отнести ее к классической
экспертной системе, являются следующие:

-

поддержка принятия решени
я возможна только в одной
конкретной области;

-

программная система использует механизм рассуждений,
которые могут быть представлены в виде пар посылок и
заключений типа "если
-

то";

-

система может объяснять ход решения задачи понятным
пользователю способом;

-

выходные результаты являются качественными, а не
количественными;

-

база знаний системы является открытой и наращиваемой;

-

система способна обучаться, т.е. пополнение и (или) изменение
базы знаний сопровождается увеличением эффективности ее
работы;

-

система мо
жет иметь средства общения с пользователем на
естественном языке.

Вероятно, последняя отличительная особенность ЭС сформировалась в
период доминирования в программном обеспечении текстовых интерфейсов,
когда взаимодействие с пользователем на естественном я
зыке являлось
главным (или единственным) способом достижения "дружественного" (user
-
friendly) интерфейса. С развитием объектно
-
ориентированных графических
интерфейсов значение общения пользователя с системой на естественном
языке становится значительно мен
ьшим. Машинное распознавание речи (в
особенности устной) как важная составляющая общения с ЭВМ на
естественном языке является традиционной задачей ИИ, тем не менее
играющей в современных графических средах вспомогательную роль по
управлению графическим инт
ерфейсом пользователя.

В настоящее время существует ряд прикладных задач, которые
решаются с помощью интеллектуальных систем более успешно, чем любыми
другими средствами. Требования, предъявляемые к ЭС медицинского
назначения и перспективы их использования

описывались в работе Shortliff
E.H.. Трудности, возникающие при создании медицинских ЭС, связаны со
значительными интуитивными знаниями у экспертов, слабой
структурированностью предметной области, сходством симптомов при
различных заболеваниях, а также су
ществованием разных медицинских
школ. В общем случае критериями применимости ЭС в какой
-
либо
предметной области оказываются следующие:

1. Данные и знания надежны и не меняются со временем;

2. Пространство (или область) возможных решений относительно
невели
ко;

3. В процессе решения задачи должны использоваться формальные
рассуждения;

4. Должен быть, по крайней мере, один эксперт, способный явно
сформулировать свои знания и объяснить методы применения этих знаний
для решения задач.

Следует отметить, что прави
льное применение ЭС в диагностике и
лечении заболеваний всегда является вершиной некоторой информационной
пирамиды, все нижележащие этажи которой должны быть обеспечены в
первую очередь в материально
-
экономическом, а затем и в организационном
плане. В усло
виях ограниченного выбора диагностических процедур и
вмешательств эффективность ЭС стремится к нулю. Поясним этот тезис
следующим образом.

Экспертная система заключает в себе концентрированные знания
лучших специалистов в своей области. Использование этих
знаний
затребовано в первую очередь в тех обстоятельствах принятия решений,
которые являются сложными и неочевидными. Для таких случаев
предполагается обеспеченность пользователя всеми необходимыми
способами получения исходных данных для обработки системой
. Если
соответствующий способ получения входных данных пользователю
недоступен, то в принятии решения вынужденно отсекается значительная
часть базы знаний, способной учесть эти данные. Так. например,
невозможность получения в ЛПУ данных о кислотно
-
щелочном

равновесии
для пациента с лихорадкой неясного генеза оставит за пределами заключений
системы обширный опыт специалистов на эту тему, что не позволит
существенным образом повлиять на качество принимаемого
диагностического решения.


Компьютерное моделирован
ие в образовании

Практические занятия являются одной из важнейших составляющих
медико
-
биологического образования. Эксперименты
in vivo

и
in vitro

широко
используются, чтобы помочь студентам в приобретении практических
экспериментальных навыков, однако не м
енее важной задачей является
закрепление и осмысление фактического материала, полученного на лекциях,
семинарах, и из учебников. Хотя применение лабораторных животных для
этой цели стало традицией, у этого подхода есть свои недостатки. Попробуем
перечислит
ь некоторые из них:

-

постановка эксперимента достаточна сложна и подчас требует
значительных затрат времени.

-

из предыдущего пункта следует, что для данного промежутка времени
может быть проверено только ограниченное число препаратов

-

эксперимент может
быть ресурсоемким, и экономические
соображения могут оказаться превалирующими в организации исследования

-

эксперимент на животных всегда сопряжен с морально
-
этическими
ограничениями, тема которых также обсуждается в настоящем реферате.

Компьютерное модели
рование, применяемое в медицинском
образовании, может быть разбито на следующие категории:

-

компьютерные текстовые симуляторы

создают словесное описание
ситуации, в которой пользователь выбирает один из нескольких
предопределенных ответов. Основываясь на
полученном ответе, компьютер
генерирует следующую ситуацию. Будучи основанными только на текстовой
информации, такие симуляторы относительно просты для программирования
и нетребовательны к компьютерным ресурсам. Однако в настоящее время эти
критерии станов
ятся менее актуальными и сегодня текстовые симуляторы
используются относительно редко.

-

компьютерные графические симуляторы

воссоздают на дисплее
графическое изображение ситуации, часто чтобы объяснить
фармакокинетические и фармакодинамические процессы св
язанные с
приемом препарата. Обычно используется только “мышь” в качестве
интерфейсного устройства. Хотя такие симуляции способствуют пониманию
и усвоению материала обычно они не развивают у студентов практических
навыков. Главная цель их использования сос
тоит в объяснении неких
абстрактных концепций в доступной и недорогой форме. Такие симуляторы
особенно подходят для моделирования физиологических и
фармакологических процессов.

Sniffy


TheVirtualRat

В качестве одного из примеров моделирования лабораторног
о
животного можно привести известную программу Sniffy
-

The Virtual Rat,
которая позволяет симулировать поведение настоящей крысы, но без всех
недостатков использования реального животного. Программа позволяет
студентам воспроизводить классические эксперим
енты по изучению
физиологии обучения (выработка условных рефлексов и т.д.). Возможна
реализация собственного плана эксперимента, использование различных
стимулирующих факторов и т.д. Можно отметить продуманный
пользовательский интерфейс и великолепно выпол
ненную компьютерную
графику, которая очень похоже симулирует движения реальной крысы.




Моделирование лабораторной крысы в действии
-

Sniffy The Virtual Rat


Rat CVS (Cardiovascular System)

Программа Rat CVS моделирует эксперимент по воздействию
различн
ых препаратов на сердечно
-
сосудистую систему крысы. Программа
позволяет регистрировать изменения системного артериального давления,
давления, создаваемого в левом желудочке, венозного давления, силу и
частоту сердечного сокращения. Возможно также моделиров
ание
спинальной крысы. Экспериментатору возможно производить инъекции
различных препаратов в требуемых дозах (дигоксин, атенолол, изопреналин,
лозартан и т.д.), стимулировать нервную систему (блуждающий нерв и т.д.).
Все это сопровождается визуализацией из
менения параметров сердечно
-
сосудистой системы в реальном времени.

Программа может быть использована как для обучения студентов, так и
для контроля


можно “вводить” крысе неизвестные препараты с целью их
определения студентом.
Rat CVS
разработана

John Dem
pster, University of
Strathclyde.


Rat CVS
-

введение адреналина в дозе 10 мкг/кг

TheVirtualCat

Программа The Virual Cat моделирует эксперимент по воздействию
различных препаратов на сердечно
-
сосудистую и мышечную систему кошки.
Программа позволяет регист
рировать изменения системного артериального
давления, частоту сердечных сокращений, силу и частоту сокращений m.
tibialis. Экспериментатор может вводить широкий спектр препаратов
(атропин, гистамин, морфин, тубокурарин) в необходимой дозе. Так же, как и
Ra
t CVS, программа Virtual Cat может быть использована и для обучения и
для контроля


возможен режим работы, при котором студенту необходимо
определить “введенный” в кровоток или прямо в мышцу препарат.
The
Virtual Cat
разработана

John Dempster, University
of Strathclyde.


The Virtual Cat
-

введение ацетилхолина в дозе 5 мкг/кг


-

симуляторы с использованием манекенов

могут быть выполнены с
различной степенью сложности и реалистичности, но обычно всегда дороги.
Передовые модели включают физическую модель че
ловеческого тела и
непрерывно регистрируют сигналы, отражающие физиологические
параметры, такие как электрокардиограмма, артериальное давление,
капнограмма, пульсоксиметрия и т.д. Ранние системы такого рода требовали
вмешательства обучаемого для изменения
поведения в соответствии с
предпринимаемыми действиями. Современные варианты используют
сложные компьютерные модели физиологии и фармакологии человека для
автоматической генерации ответов манекеном и сигнальными отведениями.
В противоположность текстовому
и графическому тренажерам,
использование манекенов позволяет развить некоторые практические
навыки, которые впоследствии будут применяться в клинике.

-

симуляторы виртуальной реальности

начали приобретать
популярность последнее время, особенно для обучения

хирургов. С их
помощью возможен переход от двумерного руководства к миру трехмерных
имитированных больных. Принципиальная сложность существует в
трудности моделирования тактильных ощущений. Тем не менне эта
проблема активно разрабатывается в многочисленны
х научно
-
исследовательских центрах с привлечением микро
-
технологий.


Виртуальное вскрытие в виртуальной лаборатории


5.3. Самостоятельная работа по теме:

-

Работа в базе данных
Uniprot
.
org

-

Работа в программе
StarBiochem



визуализация и анализ
структур биол
огических молекул и макромолекул.

-

Работа с банком генетических данных Европейского института
биоинформатики.

5.4. Итоговый контроль знаний:



-

ответы на вопросы по теме занятия;

-

решение ситуационных задач, тестовых заданий по теме.

6. Домашнее задание д
ля уяснения темы занятия

К
онтрольные вопросы по теме занятия
:

1.

Что такое компьютерная модель?

2.

Опишите схему рационального исследования с применением
результатов исследований
in vi
v
o

и

in vitro
.

3.

Перечислите основные этапы компьютерного моделирования.

4.

Назовит
е примеры задач компьютерного моделирования
физиологических процессов (минимум 5).

5.

В чем сложность моделирования морфологических процессов?

6.

Перечислите науки, которые используют компьютерные методы
в моделировании молекулярно
-
генетических и биохимических
п
роцессов.

7.

Перечислите задачи, решаемые системами поддержки принятия
решения в медицине.

8.

В чем преимущества и недостатки использования компьютерных
методов в медицинском образовании?

9.

Назовите категории компьютерных моделей, применяемых в
медицинском образов
ании.

10.

Назовите известные вам базы молекулярно
-
генетических данных.


Т
естовые задания

1.

ЭКСПЕРТНАЯ СИСТЕМА



ЭТО...

1.

система, которая в будущем полностью заменит врачей

2.

система управления базами данных

3.

компьютерная программа, способная частично заменить
специа
листа
-
эксперта в

разрешении проблемной ситуации

4.

компьютерная программа, в которой работают только
эксперты

2.

КОМПЬЮТЕРНЫЕ МЕТОДЫ В МЕДИЦИНСКОМ
ОБРАЗОВАНИИ
:

1.

позволяют полностью исключить эксперименты с
лабораторными животными

2.

способствуют

пониманию и усвоению

материала на
теоретическом уровне, но
не развивают у студентов практических
навыков

3.

дают возможность получения полноценного медицинского
образования в дистанционной форме

4.

позволяют полностью отказаться от клинических
испытаний на животных

3.

НАУКА, НЕ ЗАНИМА
ЮЩАЯСЯ КОМПЬЮТЕРНЫМ
МОДЕЛИРОВАНИЕМ НА МОЛЕКУЛЯРНО
-
ГЕНЕТИЧЕСКОМ УРОВНЕ:

1.

биоинформатика

2.

системная биология

3.

метаболомика

4.

сравнительная анатомия

4.

К ОСНОВНЫМ ЭТАПАМ КОМПЬЮТЕРНОГО
МОДЕЛИРОВАНИЯ НЕ ОТНОСИТСЯ
:

1.

постановка задачи

2.

переход к математической модели

3.

прове
дение клинических испытаний

4.

анализ и интерпретация результатов

5.

КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ
МОРФОЛОГИЧЕСКИХ ПРОЦЕССОВ НА ДАННЫЙ МОМЕНТ…

1.

позволяет смоделировать развитие человеческого
организма от стадии оплодотворенной яйцеклетки до взрослой
особи на молекул
ярно
-
генетическом уровне

2.

позволяет воссоздать эволюционный процесс на Земле

3.

позволяет создавать модели только некоторых
морфологических и морфогенетических процессов

4.

является устаревшим направлением


С
итуационн
ые задачи

Задача №
1
:

Известно, что всего одна

аминокислотная замена в бета
-
цепи
гемоглобина человека приводит к заболеванию серповидноклеточной
анемией.

Используя программу
StarBioChem
, выясните:

1.

Замена какого аминокислотного остатка приводит к патологии?

2.

Какова структура (конформация) белка в норме
и при патологии?
(ответ дать в виде графических изображений, выделить гемы)


Задача №
2
:

Миоглобин
-

кислород
-
связывающий белок скелетных мышц и мышцы
сердца.

Аминокислотная последовательность данного белка известна для
многих организмов.

Используя базу дан
ных
Uniprot
.
org
, выясните:

1.

Аминокислотную последовательность миоглобиона человека?

2.

На сколько отличаются аминокислотные последовательности
миоглобиона человека и другого млекопитающего (например,
дельфина)?


7. Рекомендации по выполнению НИРС, в том числе
список тем,
предлагаемых кафедрой.

1.

Численное моделирование физиологических процессов на основе
механики сплошных сред.

2.

Компьютерное моделирование физиологических процессов
.

3.

Компьютерное моделирование морфологических процессов
.

4.

Компьютерное моделирование мо
лекулярно
-
генетических
процессов
.

5.

Компьютерное моделирование биохимических процессов
.

6.

Экспертные системы


история развития.

7.

Системы поддержки принятия врачебных решений в
практическом здравоохранении РФ.

8.

Компьютерное моделирование в медицинском и
фармакол
огическом образовании.

9.

Drug
-
дизайн
-

будущее фармакологической промышленности
.

10.

Одиночные нуклеотидные замены (
SNP
)
и связанные с ними
болезни.

11.

Наука системная биология.

12.

Биоинформатика: направления исследований и методы.

13.

Сравнительная геномика патогенных ми
кроорганизмов как
источник новых методов для борьбы с инфекционными
заболеваниями.

14.

Компьютерные программы для визуализации биологических
молекул и макромолекул.

15.

Успехи в моделировании онкологических новообразований.


8. Рекомендованная литература по теме з
анятия:



Наименование

Издательство

Год

выпуска

Обязательная

1.


Гусев С. Д. Медицинская информатика:
учебное пособие

Красноярск:
ИПЦ «Версо»

2009

2.


Медицинская информатика: электронный
учебник / С.Д. Гусев, Е.И. Кичигина, Е.Г.
Мягкова

КрасГМУ

2009

Дополни
тельная

1.


Королюк И.П. Основы медицинской
информатики: учебник.

Самара:
СамГМУ

2006

2.


Медицина в зеркале информатики / ред.
О.М. Белоцерковский

М: Наука

2008

3.


Чернов, В. И. Основы практической
информатики в медицине: учебное пособие
/ В. И. Чернов, И. Э.

Есауленко, С. Н.
Семенов

Изд
-
во
Воронеж.

ун
-
та

2007

4.


Медицинская информатика: учебное
пособие/ Чернов В. И., Есауленко И. Э,
Родионов О. В., Семенов С. Н.

Изд
-
во
Воронеж.

ун
-
та

2007

Электронные ресурсы

1.


БД «
MedArt
»

2.


ИБС КрасГМУ



Приложенные файлы

  • pdf 19119922
    Размер файла: 960 kB Загрузок: 0

Добавить комментарий