Η χρήση των τεχνητών νευρωνικών δικτύων για την εκτίμηση της εξωσωματικής λιθοτριψίας ως θεραπεία της λιθίασης του ουροποιητικού στη Θεσσαλία

Abstract

Extracorporeal shockwave lithotripsy (ESWL), a medical method that attempts to partition urinary stones by external means without surgery, is a medical milestone that brought revolution in Urology.Its evaluation, as a method of choice for the treatment of lithiasis, was designed to be done in this thesis, by the development of an artificial neural network. To accomplish this goal, the medical records of 716 patients, who were treated by ESWL, were recorded and 2 main features were distinguished: the occurrence of complications at the end of the procedure (i.e. the safety of the method) and the successfulness of lithotripsy (i.e. the effectiveness of the method). We define as complications of the method, the occurrence of pain or infection in the patient. The effectiveness of the method is the result of ESWL, i.e. the successful defragmentation of the stone or not.Patients’ medical data were collected and entered into a database with the use of MS Excel, by the authorized and special trained personnel that is responsible and handles the lithotripter, in a specially designed area at the University Hospital of Larissa, under the guidance and supervision of the medical staff, in a period of a decade. Then, data were formatted for the purpose of this thesis, in order to come up in a compatible form by the computer programs used. Statistical analysis of data took place in the direction of univariate and multivariate analysis. There was an effort to find possible correlations between each input variable and the result and then, with the use of the statistically significant variables, to create a multivariate model. The importance of statistically significant variables was noticed during the analysis. The IBM SPSS statistical software was used.Data were inserted into an artificial neural network that was designed especially for this purpose. A unique algorithm that was programmed in MATLAB environment, trained the network with the use of relative functions and then evaluated it with propriate sets of patients’ data. The same procedure was followed for both the evaluation of safety and the evaluation of efficacy of lithotripsy. The behavior and the results of the network in evaluation set were evaluated in both cases, initially with input data, that were consisted of all categorial variables and then only with the statistically significant variables, that came out from the statistical analysis and showed correlation with the result (output values).From the training and evaluation results it became clear that the artificial neural network can provide valuable results, especially in the case of large amounts of data that include statistically significant variables.

Η εξωσωματική λιθοτριψία (ESWL – Extracorporeal ShockWave Lithotripsy), κατά την οποία επιχειρείται κατακερματισμός των λίθων στο ουροποιητικό σύστημα με εξωτερικά μέσα (εφαρμογή κρουστικών κυμάτων) χωρίς χειρουργική πράξη, αποτελεί ιατρικό ορόσημο γενικότερα που έφερε επανάσταση στην Ουρολογία.Η εκτίμησή της ως μέθοδος επιλογής για τη θεραπεία της λιθίασης, σχεδιάστηκε στην παρούσα διατριβή να γίνει με την ανάπτυξη ενός τεχνητού νευρωνικού δικτύου. Για την πραγματοποίηση του στόχου καταγράφηκαν τα ιατρικά δεδομένα 716 ασθενών που υπεβλήθησαν σε εξωσωματική λιθοτριψία και από τα οποία προέκυψαν 2 βασικά χαρακτηριστικά: η εμφάνιση επιπλοκών στους ασθενείς με το πέρας της διαδικασίας (ασφάλεια μεθόδου) και η επιτυχία της λιθοτριψίας (αποτελεσματικότητα μεθόδου). Ως επιπλοκές της μεθόδου χαρακτηρίζονται η εμφάνιση πόνου ή φλεγμονής στον ασθενή. Η αποτελεσματικότητα της μεθόδου κρίνεται από τον επιτυχή θρυμματισμό του λίθου ή όχι.Τα ιατρικά δεδομένα των ασθενών συγκεντρώθηκαν και καταχωρήθηκαν σε βάση δεδομένων με τη βοήθεια της εφαρμογής MS Excel, από το αρμόδιο και εξειδικευμένο προσωπικό χειρισμού του εξοπλισμού του λιθοτρίπτη, στο χώρο λειτουργίας του μηχανήματος στο Πανεπιστημιακό Νοσοκομείο Λάρισας, υπό την καθοδήγηση και επίβλεψη του ιατρικού προσωπικού, σε χρονικό ορίζοντα δεκαετίας. Στη συνέχεια μορφοποιήθηκαν, για τους σκοπούς της παρούσας διατριβής, προκειμένου να καταλήξουν σε μορφή επεξεργάσιμη από τα υπολογιστικά προγράμματα που χρησιμοποιήθηκαν. Η στατιστική ανάλυση στην οποία υποβλήθηκαν τα δεδομένα, κινήθηκε αρχικά στην κατεύθυνση της μονοπαραγοντικής τους ανάλυσης με στόχο την εύρεση πιθανών συσχετίσεων με το αποτέλεσμα. Στη συνέχεια έγινε πολυπαραγοντική ανάλυση μεταξύ των στατιστικά σημαντικών μεταβλητών και του αποτελέσματος. Ιδιαίτερη βαρύτητα δόθηκε στις μεταβλητές που έδειξαν συσχέτιση με το αποτέλεσμα. Για τη διαδικασία αυτή χρησιμοποιήθηκε το στατιστικό πακέτο SPSS.Τα δεδομένα εισήχθησαν σε τεχνητό νευρωνικό δίκτυο που σχεδιάστηκε για το σκοπό αυτό. Ένας μοναδικός αλγόριθμος γραμμένος σε περιβάλλον MATLAB, εκπαίδευσε το δίκτυο και στη συνέχεια το εκτίμησε, αφού προηγήθηκε κατηγοριοποίηση των ιατρικών δεδομένων των ασθενών. Η ίδια διαδικασία ακολουθήθηκε τόσο για την εκτίμηση της ασφάλειας όσο και για την εκτίμηση της αποτελεσματικότητας της εξωσωματικής λιθοτριψίας. Η συμπεριφορά του δικτύου αξιολογήθηκε και στις 2 περιπτώσεις, αρχικά με δεδομένα εισόδου το σύνολο των μεταβλητών και στη συνέχεια μόνο των στατιστικά σημαντικών μεταβλητών που προέκυψαν από τη στατιστική ανάλυση και έδειξαν ότι συσχετίζονται με το εκάστοτε αποτέλεσμα.Από τα αποτελέσματα εκπαίδευσης και εκτίμησης έγινε σαφές ότι το τεχνητό νευρωνικό δίκτυο μπορεί να δώσει αξιόλογα αποτελέσματα, κυρίως στην περίπτωση μεγάλου πλήθους δεδομένων στα οποία συμπεριλαμβάνονται οι στατιστικά σημαντικές μεταβλητές.