Перспективы применения математического моделирования в клинической медицине

Цель исследования

Проследить корреляцию ИБС с различными клиническими и лабораторными параметрами и факторами риска в группе полиморбидных пациентов и оценить влияние различных факторов на развитие у них заболевания с использованием нового подхода математического моделирования.

Материалы и методы

Это исследование выполнено на ограниченной когорте пациентов (n = 12), сформированной в соответствии с правилами локального регистра. Мы применили метод вероятностного математического моделирования для создания модели развития сердечно-сосудистого заболевания, используя подход с формированием агрегированной матрицы. На матричных полях были представлены результаты инструментально-диагностических методов и клинико-лабораторные данные обследования пациентов.

Результаты

При использовании различных методов математического и статистического анализа (в том числе кластерного и факторного анализа) была создана графическая модель взаимодействия клинических, биохимических и инструментальных параметров с развитием ИБС. Математическая и статистическая полнота описания состояния пациента по параметрам патологии на основе показателя достоверности полноты описания составила R = 0,98-1,0, коэффициент детерминации был равен R2 = 92,0-98,0%. Основные клинические и лабораторные параметры, влияющие на прогрессирование заболевания, а также основные триггеры для инициации процесса были определены при применении этого метода.

Выводы

Результаты исследования, полученные с применением нового математического анализа данных, подтвердили теорию атеросклероза. Общий холестерин и холестерин ЛПНП были основными факторами формирования ИБС в этой модели. Артериальное давление, ГГТ и триглицериды проявили себя важными триггерными факторами в развитии заболевания. Наличие атеросклеротической бляшки в сонной артерии оказалось маркером заболевания. Этот метод требует дальнейшего изучения, создания моделей других патологических состояний и изучения взаимодействия факторов, имеющих наибольшее влияние на их формирование.

Выходные данные

Олег Гайсёнок, Виктор Литуев. Перспективы применения математического моделирования в клинической медицине. Cardiometry; выпуск 14; май 2019; с.64-70; DOI: 10.12710/cardiometry.2019.14.6470; http://www.cardiometry.net/issues/no14-may-2019/mathematical-modeling-in-clinical-medicine