Neural Network Prediction of the Effectiveness of Pharmacotherapy in Hepatitis

Astafyev A.N., Voronin S.V., Vodennikov S.K.

Abstract


Despite the standardization of medical diagnostics, the treatment remains and is regarded as an art, since the experience of a clinical specialist is required to select effective tactics. And the task of determining the effectiveness itself involves dealing with great uncertainty, the work with which is not fully available when using standard algorithms in modern computers. Using the methodology of forming topology and training neural networks for the task of determining pharmacological effectiveness is a new concept, the study in which will bring some degree of objectivity to the study. In the proposed publication, an analysis and adjustment of the methodology of forming the topology of neural networks to evaluate the effectiveness of hepatitis pharmacotherapy is carried out, it is proposed to evaluate the effectiveness by dynamically assessing the severity of patients. At the initial stage, a selection of important clinical factors is carried out, which mainly characterize the state of the disease; a scale is selected to assess the condition of the patient with hepatitis disease. For the proposed state assessment, the use of neural networks is considered, an effective algorithm for evaluating and forming the neural network topology for the problem under consideration is selected. A comparison is made of the selected methodology for modular construction of the neural network topology with analogs that are used for medical purposes. In the final part of the study, using the decision support system, we analyze the effectiveness of seven drugs for hepatitis pharmacotherapy.

Keywords


hepatitis, pharmacotherapy, efficacy evaluation, neural networks, decision support system

Full Text

Galleys

PDF (Русский)
References References

Дмитриев Г. А., Астафьев А. Н. Система поддержки принятия решений при определении нозологической формы гепатита // Программные продукты и системы. 2017. № 4. C. 754–757.

Yoshua Bengio, Aaron Courville, Pascal Vincent. A Review and New Perspectives // IEEE Transactions on Pattern Analysis and Machine Intelligence, - Volume: 35, Issue: 8. Aug. 2013, pp. 1798-1828.

Michael K. K. Leung, Hui Yuan Xiong Leo J. Lee Brendan J. Frey. Deep learning of the tissue-regulated splicing code // Bioinformatics. Vol. 30. Issue 12. 15 June 2014. Pp. i121-i129.

Кореневский Н. А., Филист С. А., Черных Е. С. Автоматизированная система диагностики анемий на основе нечеткой логики принятия решений и алгоритмов генетического типа // ВНМТ. 2006. № 2. С. 54–59.

Оценка ошибки вычисления плотности распределения значений меры хэмминга для кодов звуков одиночных букв небольшого текста / А. И. Газин, О. И. Чирков, Ю. И. Никитченко, Ю. М. Зюзин, В. В. Ерофеев // Труды международного симпозиума надежность и качество. Т. 1. Пенза : Пензенский государственный университет, 2012. С. 129.

Быстрый алгоритм оценки высокоразмерной энтропии биометрических образов на малых выборках / Б. Б. Ахметов, А. И. Иванов, А. Ю. Малыгин, А. В. Безяев, А. И. Газин // Труды международного симпозиума надежность и качество. Т. 2. Пенза : Пензенский государственный университет, 2015. С. 285–287.

Арзамасцев А. А., Рыков В. П. Модель искусственной нейронной сети (ИНС) с реализацией модульного принципа обучения // Вестник Тамбовского университета. Серия: Естественные и технические науки. 2012. № 4. С. 1219–1224.

Оценка эффективности гепатотропной терапии боль-ных гемофилией, инфицированных вирусами гепатитов / С. В. Игнатьев, Е. П. Ивашкина, С. И. Ворожцова, М. А. Тимофеева, Т. А. Чернова, Л. Н. Тарасова // Геморрагические диатезы, тромбозы, тромбофилии. 2014. № 1. С. 24–32.

Жунусов Е. С. Терапевтическая эффективность различных схем лечения хронического вирусного гепатита B // Медицина и экология. 2010. № 4 (57). С. 192–197.

EISSA MOHAMMED, ELMOGY MOHAMMED, HA-SHEM MOHAMMED. GRANULAR NEURAL NETWORK MODEL FOR MAKING TREATMENT DECISIONS OF HEPATITIS C // 2014 9TH INTERNATIONAL CONFER-ENCE ON INFORMATICS AND SYSTEMS, INFOS 2014. Pp. 479–493.

Коровин Е. Н., Родионов О. В., Сергеева М. А. Раз-работка автоматизированной информационной системы диагностики и выбора тактики лечения гиперпластических процессов эндометрия // Вестник ВГТУ. 2016. № 4. С. 4–7.

Федяев О. И., Бакаленко В. С. Интеллектуальная система принятия решений в отделении медицинского учреждения на основе нейросетевых, продукционных и статистических моделей // Статистика и экономика. 2019. № 3. С. 70–77.

Карасёв А. В. Возможность использования нейронных сетей при проведении масштабных фармакоэкономических исследований в онкологии // Вестник Здоровье и образование в XXI веке. - 2006. - №7. - С. 339.

Абдурахманов Д. Т. Хронический гепатит b и d: вопросы патогенеза, диагностики и лечения // Лечебное дело. 2004. № 3. С. 22–33.

Геращенко С. И., Геращенко С. М., Мартынов И. Ю. Выбор оптимальной структуры нейросети для фильтрации сигнала в задаче джоульметрического метода оценки состояния биологических объектов // Известия ТРТУ. 2006. № 11 (66). С. 68–69.

Смирнова О. С., Шишков В. В. Выбор топологии нейронных сетей и их применение для классификации коротких текстов // International Journal of Open Information Technologies. 2016. № 8. С. 50–54.

Бурый Я. А., Самаль Д. И. Применение эволюционной парадигмы к проектированию архитектуры нейронной сети для распознавания искаженного текста // Системный анализ и прикладная информатика. 2017. № 4. С. 45–50.

Астафьев А. Н., Четвериков С. Ф. Применение нейронной сети с направленной активацией нейронных элементов для оценки эффективности лечения гепатита // НиКа. 2016. C. 281–283.

Федотов Д. В., Попов Е. А., Охорзин В. А. Оптимизация структуры сверточной нейронной сети с помощью самоконфигурируемого эволюционного алгоритма в одной задаче идентификации // Сибирский журнал науки и технологий. 2015. № 4. С. 857–862.

Использование нейросетевого классификатора для идентификации новообразований / С. И. Геращенко, С. М. Геращенко, Н. Н. Янкина, Ф. Ш. Енгалычев // Нейрокомпьютеры: разработка, применение. 2008. № 9. С. 77–80.

Averkin A. N., Povidalo I. S. Modular som for dynamic object identification // Программные продукты и системы. 2014. № 3 (107). Pp. 10–15.

Куссуль М. Э. Модульное представление нейронных сетей // ММС. 2006. № 4. С. 51–62.

Применение многоуровневых нейронных сетей для классификаци биомедицинских данных / С. И. Геращенко, А. Н. Астафьев С. В., Воронин, С. М. Геращенко // Вести высших учебных заведений Черноземья. 2019. № 3 (57). С. 75–84.




DOI: http://dx.doi.org/10.22213/2410-9304-2019-4-4-11

Article Metrics

Metrics Loading ...

Metrics powered by PLOS ALM

Refbacks

  • There are currently no refbacks.


Copyright (c) 2020 Астафьев А.Н., Воронин С.В., Водеников С.К.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

ISSN 1813-7911