Medical decision support system for early diagnosis of liver disease

Cover Page

Cite item

Full Text

Abstract

The paper considers a decision support system for the diagnosis of liver disease based on the data of medical examinations of patients. A software-algorithmic complex for decision-making to determine the stage of the patient's disease has been developed. Significant parameters characterizing the stage of liver disease have been determined using aggregate estimates of correlation dependencies of parameters and data of expert physicians. Classifiers based on fuzzy logical inference for determining the stage of liver disease are proposed. Studies confirming the effectiveness of the proposed decision support system for medical diagnosis have been carried out.

About the authors

Alexander S. Serobabov

Omsk State Technical University

Author for correspondence.
Email: aserobabow95@mail.ru

Postgraduate student

Russian Federation, Omsk

Lyudmila A. Denisova

Omsk State Technical University

Email: denisova@asoiu.com

Doctor of Technical Sciences, Professor, Docent

Russian Federation, Omsk

References

  1. Ivashkin V.T., Drapkina O.M., Maev I.V., Trukhmanov A.S., Blinov D.V., Palgova L.K., Tsukanov V.V., Ushakova T.I. Rasprostranennost nealkogolnoy zhirovoy bolezni pecheni u patsiyentov ambulatorno-poliklinicheskoy praktiki v Rossiyskoy Federatsii: rezultaty issledovaniya DIREG 2 [Prevalence of nonalcoholic fatty liver dis ease in patients of outpatient polyclinic practice in the Russian Federation: the results of the study DIREG 2] // Rossiyskiy zhurnal gastroenterologii. gepatologii. koloproktologii [Russian Journal of Gastroenterology, Hepatology, Coloproctology]. 2015. No 6. P. 31-41.
  2. Tkachenko A.L., Denisova L.A. Designing an information system for the electronic document management of a university: Automatic classification of documents // Journal of Physics: Conference Series. 2022. P. 012035.
  3. Tkachenko A.L., Denisova L.A. Avtomaticheskaya klassi fikatsiya tekstovykh dokumentov v sisteme elektronnogo dokumentooborota vuza [Automatic classification of text documents in the system of electronic document flow of the university] // Informatsionnyye tekhnologii i vychislitelnyye sistemy [Information technologies and computer sys tems]. 2023. No 1. P. 3-19.
  4. Levenkov K.O., Korovin E.N. Razrabotka avtomatizirovannoy informatsionnoy sistemy otsenki sostoyaniya. diag nostiki i vybora taktiki lecheniya bolnykh s khronicheskimi zabolevaniyami [Development of an automated information system for assessing the condition, diagnosis and choice of treatment tactics for patients with chronic diseases] // Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta [Bulletin of Voronezh State Technical University]. 2018. No 6. P. 16-24.
  5. Starodubtseva L.V., Korenevskaya E.N. Istoriya razrabotki rossiyskikh analogovykh iskusstvennykh neyronnykh setey dlya avtomatizirovannoy meditsinskoy diagnostiki [History of development of Russian analog artificial neural networks for automated medical diagnostics] // Istoriya i pedagogika estestvoznaniya [History and Pedagogy of Natural Sci ence]. 2020. No 3-4. P. 29-32.
  6. Maslikova U.V., Supilnikov A.A. Tekhnologii razrabotki programmy sodeystviya prinyatiyu resheniya v diagnostike zabolevaniy sistemy krovi s ispolzovaniyem svertochnykh iskusstvennykh neyronnykh setey [Technologies for the de velopment of a decision support program in the diagnosis of blood system diseases using convolutional artificial neu ral networks] // Vestnik meditsinskogo instituta «Reaviz»: reabilitatsiya. vrach i zdorovye [Bulletin of the Medical In stitute "Reaviz": rehabilitation, doctor and health]. 2020. No 5. P. 138-150.
  7. Eyubova N.I. Metody klassifikatsii v diagnostike urolitiaza s primeneniyem nechetkoy logiki dlya predobrabotki dannykh [Classification methods in the diagnosis of urolithiasis with the use of fuzzy logic for data preprocessing]// Informatsionno-upravlyayushchiye sistemy [Information and control systems]. 2013. No 6. P. 85-90.
  8. Loomba R., Sanyal A.J. The global NAFLD epidemic // Nat Rev Gastroenterol Hepatol. 2013. No 10. P. 686-690.
  9. Serobabov A.S. Formirovaniye diapazonov peremennykh ekspertnoy sistemy s ispolzovaniyem dereva prinyatiya resheniy [Formation of ranges of variables of the expert system using the decision tree] // Journal of Advanced Re search in Technical Science. 2019. No 17. P. 161-166.
  10. Gorunescu F., Belciug S., Gorunescu M., Badea R. Intelli gent decision making for liver fibrosis stadialization based on tandem feature selection and evolutionary driven neural network // Expert Systems with Applications. 2012. No 17. P. 12824-12832.
  11. Resino S., Seoane J. A., Bellon J. M., Dorado J., Martin-Sanchez F., Alvarez E., Cosín J., López J.C., López G., Mi ralles P., Juan Berenguer // An artificial neural network im proves the non-invasive diagnosis of significant fibrosis in HIV/HCV coinfected patients // Journal of Infection. 2011. No 62. P. 77-86.
  12. Poynard T., Ratziu V., Naveau S., Thabut D., Charlotte F., Messous D., Capron D., Abella A., Massard J., Ngo Y., Mun teanu M., Mercadier A., Manns M., Albrecht J. The diagnos tic value of biomarkers (SteatoTest) for the prediction of liver steatosis. Comparative Hepatology. 2005. V. 4. No 10.
  13. Sweidan S., El-Sappagh S., Elbakry H., Sabbeh S. Liver fi brosis diagnosis with Mamdani FIS // Journal of advanced research design. 2018. V. 42. No 1. P. 17-24.
  14. Sweidan S., Shaker El-Sappagh S., El-Bakry H., Sabbeh S., Badria F.A., Kwak K.-S. A fibrosis diagnosis clinical deci sion support system using fuzzy knowledge // Arabian Journal for Science and Engineering. 2019. V. 44. No 4. P. 3781-3800.
  15. Sanai F., Keeffe E. Liver biopsy for histological assessment: The case against // Saudi Journal of Gastroenterology. 2010. No 16. P 124-132.
  16. Saleh E., Valls A., Moreno A., Romero P. Diabetes retinopathy risk estimation using fuzzy rules on electronic health record data // Modeling Decision for Artificial Intel ligence MDAI Lecture Notes in Computer Science. V. 2016. No 9880. Р.263-274.
  17. Quinlan J. C4.5: Programs for machine learning. // Machine Learning. Morgan Kaufmann Publishers, 1993. V. 16 No 3. P. 235-240.
  18. Livzan M.A, Gaus O.V., Nikolaev N.A, Krolevets T.S. NA-ZhBP: komorbidnost i assotsiirovannyye zabolevaniya [TS NAFLD: comorbidity and associated diseases // Experimental and Clinical Gastroenterology]. 2019. No 10 (170). P. 57-65.
  19. Otdelnova K.A. Opredeleniye neobkhodimogo chisla nablyudeniy v sotsialno-gigiyenicheskikh issledovaniyakh [Determination of the necessary number of observations in sociohygienic studies] // Sb. Trudov 2nd MMI [Proceedings of the 2nd MMI]. 1980. No 150 (6). P. 18-22.
  20. Serobabov A.S., Chebanenko E.B., Denisova L.A., Krolevets T.S. Razrabotka ekspertnoy sistemy ranney diag nostiki zabolevaniy: programmnyye sredstva pervichnoy obrabotki i vyyavleniy zavisimostey. [Development of an expert system for early diagnosis of diseases: software means of primary processing and dependency detection] // Omskiy nauchnyy vestnik [Omsk Scientific Bulletin]. 2018. No 4 (160). P. 179-184.
  21. Chubanenko E.A., Belyaeva O.D., Berkovich O.A., Baranova E.I. Znacheniye leptina v formirovanii metabolicheskogo sindroma [Significance of leptin in the formation of metabolic syndrome] // Problemy zhenskogo zdorovia [Problems of women's health]. 2010. Т. 5. No 1. P. 45-60.
  22. Serobabov A.S., Denisova L.A. Razrabotka algoritma vyyavleniya znachimykh parametrov dlya opredeleniya stadii zabolevaniya v sisteme podderzhki prinyatiya vrachebnykh resheniy [Development of the algorithm for identifying sig nificant parameters to determine the stage of the disease in the system to support medical decisionmaking] // Izvestiya TulGU (tekhnicheskiye nauki) [Izvestiya TulSU (Technical Sciences)]. 2023. No 2. P. 157-162.
  23. Petrovsky A.B., Roizenzon G.V. Mnogokriterialnyy vybor s umensheniyem razmernosti prostranstva priznakov: mnogoetapnaya tekhnologiya PAKS [Multicriteria choice with reduction of feature space dimensionality: multistage PAKS technology] // Iskusstvennyy intellekt i prinyatiye resheniy [Artificial Intelligence and Decision Making]. 2012. No 4. P. 88-103.
  24. Aivazyan S.A., Bukhshtaber V.M., Enyukov I.S., Meshalkin L.D. Prikladnaya statistika. Klassifikatsiya i snizheniye razmernosti [Applied statistics. Classification and Dimensionality Reduction]. Moscow: Finansy i statistika, 1989.
  25. Aleskerov F.T., Belousova V.Y., Egorova L.G., Mirkin B.G. Analiz patternov v statike i dinamike. chast 1: obzor literatury i utochneniye ponyatiya [Pattern analysis in statics and dynamics, part 1: literature review and clarification of the concept] // Biznes-informatika [Business Informatics]. 2013. No 3 (25). P. 3-18.
  26. Pegat A. Nechetkoye modelirovaniye i upravleniye [Fuzzy modelling and control]. Moscow: BINOM Publishing Cen tre. Laboratory of Knowledge, 2013.
  27. Denisova L.A. Mnogokriterialnaya optimizatsiya na osnove geneticheskikh algoritmov pri sinteze sistem upravleniya: monografiya [Multicriteria optimisation based on genetic algorithms in the synthesis of control systems: mon ograph]. Omsk: OmSTU, 2014.
  28. Dyakonov V.P. MATLAB 7. */R2006/R2007: self-tutorial. M: DMK Press, 2008.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».