pulmoПульмонологияPULMONOLOGIYA0869-01892541-9617Scientific and Practical Journal “PULMONOLOGIYA” LLC10.18093/0869-0189-2019-29-5-571-581pulmo-1226Research ArticleОРИГИНАЛЬНЫЕ ИССЛЕДОВАНИЯORIGINAL STUDIESИнформативность индикаторов силы дыхательных мышц в оценке тяжести хронической обструктивной болезни легких при моделировании на основе искусственных нейронных сетейA value of respiratory muscle strength indicators to determine severity of chronic obstructive pulmonary disease using artificial neural networkshttps://orcid.org/0000-0002-9250-557XГельцерБ. И.Gel’tserB. I.

Гельцер  Борис  Израйлевич – доктор медицинских наук, профессор, член-корреспондент РАН,  директор  Департамента   клинической  медицины Школы   биомедицины.

690091,  Приморский край, Владивосток, ул. Суханова, 8.

тел.: (423) 245-17-83

Boris I. Gel’tser - Doctor of Medicine,  Professor, Corresponding  Member of Russian Academy of Sciences, Director  of Department of Clinical Medicine,  School of Biomedicine,  Far  Eastern  Federal  University;  Ministry  of Science  and  Higher  Education  of Russia.

ul. Sukhanova 8; Vladivostok, 690091.

Boris.Geltser@vvsu.ruhttps://orcid.org/0000-0002-4539-685XШахгельдянК. И.Shakhgel’dyanK. I.

Шахгельдян Карина Иосифовна – доктор технических наук, директор Института  информационных технологий ВГУЭС; заведующая  лабораторией  анализа  больших данных в биомедицине и здравоохранении ДВФУ.

690091,  Приморский край, Владивосток, ул. Суханова, 8; 690014,  Приморский край, Владивосток, ул. Гоголя, 41.

Karina I. Shakhgel’dyan - Doctor  of Engeneering,  Director  of Institute  of Informational Technologies,  Vladivostok State University of Economics  and Service, Ministry of Science and Higher Education  of Russia.

ul. Sukhanova 8; Vladivostok, 690091; ul Gogolya 41, Vladivostok, 690014.

carina.shahgeldyan@vvsu.ruhttps://orcid.org/0000-0002-4031-2979КурпатовИ. Г.KurpatovI. G.

Курпатов Илья Геннадьевич – аспирант  Департамента  клинической медицины Школы  биомедицины.

690091,  Приморский край, Владивосток, ул. Суханова, 8.

тел.: (423) 245-17-83

Il’ya G. Kurpatov - Postgraduate student, Department of Clinical Medicine, School of Biomedicine, Far Eastern Federal University; Ministry of Science and Higher Education  of Russia.

ul. Sukhanova 8; Vladivostok, 690091.

kurpatov-i@mail.ruhttps://orcid.org/0000-0002-1350-529XКригерА. Б.KrigerA. B.

Кригер Александра Борисовна – кандидат физико-математических наук, доцент Института  информационных технологий ВГУЭС.

690091,  Приморский край, Владивосток, ул. Суханова, 8; 690014,  Приморский край, Владивосток, ул. Гоголя, 41.

Aleksandra B. Kriger - Candidate  of Physics & Mathematics, Associate Professor,  Institute  of Informational Technologies,  Vladivostok State  University  of Economics and Service, Ministry of Science and Higher Education  of Russia.

ul. Sukhanova 8; Vladivostok, 690091; ul Gogolya 41, Vladivostok, 690014.

aleksandra.kriger@vvsu.ruhttps://orcid.org/0000-0002-5498-9008КиняйкинМ. Ф.KinyaykinM. F.

Киняйкин Михаил Федорович – кандидат медицинских наук, заведующий  Краевым  пульмонологическим центром ГБУЗ ПККБ №1, доцент Института  терапии и инструментальной диагностики ТГМУ Минздрава России.

690091,  Приморский край, Владивосток, ул. Алеутская, 57; 690002,  Владивосток, пр. Острякова, 2.

Mikhail F. Kinyaykin - Candidate  of Medicine,  Head  of Territorial  Pulmonology  Center,  Primorskaya  Regional  Teaching  Hospital  No.1;  Associate Professor, Institute  of Therapy and Instrumental Diagnostics,  Pacific State Medical University, Healthcare Ministry of Russia.

ul. Aleutskaya 57, Vladivostok, 690091; Ostryakova 2, Vladivostok, 690002.

589014@bk.ruДальневосточный федеральный университет Министерства образования и науки Российской ФедерацииРоссияFar Eastern Federal UniversityRussian FederationДальневосточный федеральный университет Министерства образования и науки Российской Федерации; Владивостокский государственный университет экономики и сервиса Министерства образования и науки Российской ФедерацииРоссияFar Eastern Federal University; Vladivostok State University of Economics and ServiceRussian FederationПриморская краевая клиническая больница № 1; Тихоокеанский государственный медицинский университет Министерства здравоохранения Российской ФедерацииРоссияPrimorskaya Regional Teaching Hospital No.1; Pacific State Medical University, Healthcare Ministry of RussiaRussian Federation201925122019295571581Copyright © Гельцер Б.И., Шахгельдян К.И., Курпатов И.Г., Кригер А.Б., Киняйкин М.Ф., 20192019Гельцер Б.И., Шахгельдян К.И., Курпатов И.Г., Кригер А.Б., Киняйкин М.Ф.Gel’tser B.I., Shakhgel’dyan K.I., Kurpatov I.G., Kriger A.B., Kinyaykin M.F.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://journal.pulmonology.ru/pulm/article/view/1226

Сила дыхательных мышц (ДМ) является  основным  индикатором их функционального состояния, а ее исследование получает все большее распространение в клинической пульмонологии, в т. ч. у больных хронической обструктивной болезнью  легких (ХОБЛ). Вместе с тем в классификации ХОБЛ показатели  силы ДМ не рассматриваются как биомаркеры, характеризующие ее тяжесть,  и не используются в качестве критериев  для стратификации больных. Целью исследования явился анализ информативности показателей силы ДМ для оценки  тяжести  ХОБЛ на основе  методов  машинного обучения  и искусственных нейронных сетей (ИНС). Материал и методы. Обследованы   госпитализированные  в  стационар  мужчины   (n  = 115)  с  ХОБЛ  различной  степени   тяжести  в  стадии  обострения. Регистрировались силовые индикаторы ДМ (максимальное инспираторное (MIP), экспираторное (MEP)  и интраназальное (SNIP) давление) на аппарате MicroRPM (CareFusion, Великобритания), 9 антропометрических параметров, спирометрические и газометрические показатели, а также результаты тестирования по шкалам  выраженности одышки  (modified Medical Research Council – mMRC)  и оценочного теста по хронической обструктивной болезни  легких (COPD Assessment Test – САТ). Обработка  данных проводилась  с помощью тестов Манна–Уитни, Фишера,  Тьюки, корреляционного анализа. Моделирование силы ДМ выполнялось методами линейной и нелинейной  регрессии, а модели стратификации тяжести ХОБЛ – методом ИНС.  Результаты. При помощи  модели силы ДМ у здоровых лиц и больных ХОБЛ оценены  суммарные  эффекты влияния различных  факторов  на их функциональный статус. По данным  сравнительного анализа «модельных» результатов верификации тяжести ХОБЛ с диагнозами  экспертов-пульмонологов отмечено,  что повышение их точности  с помощью  ИНС  достигается только при комбинации показателя объема форсированного выдоха за 1-ю секунду с другими индикаторами. Наиболее  информативными из них явились  показатели  MIP,  общей массы тела, парциального давления  углекислого газа в артериальной крови и уровня фибриногена. При этом MIP выступал в качестве универсального предиктора, при помощи  которого повышается точность  всех моделей.  Заключение. Перспектива внедрения диагностических моделей  на основе  ИНС  в проекты телемедицины связана с совершенствованием их архитектуры и разработкой информационных сервисов,  при помощи  которых состояние больных будет оцениваться в реальном времени.

The aim of the study was to analyze a diagnostic value of respiratory muscle (RM) strength indicators to assess severity of chronic obstructive pulmonary disease (COPD) using machine learning methods and artificial neural networks (ANN). Methods. One hundred and fifteen males with acute exacerbation  of COPD  were involved in the study. RM strength indicators (MEP,  MIP,  and SNIP), demographic  parameters,  spirometry,  blood gases, dyspnea with mMRC and CAT scales were measured. Statistical analysis was performed using Mann-Whitney’s, Fisher’s and Tukey’s tests and correlation  analysis. RM strength model was performed  using linear and nonlinear  regression analysis. COPD  stratification  model was performed using ANN. Results. RM strength models in healthy males and COPD  patients allowed estimation  the impact of different factors on the RM functional status. Comparison  of COPD  stratification  for severity using the mathematical model or expert diagnosis showed that combination of FEV1 with other indicators could increase the accuracy of ANN model. MIP,  the total body mass, partial CO2  tension in the arterial blood and serum fibrinogen concentration were the most valuable indicators.  Moreover,  MIP  was considered  as the universal predictor  increasing the accuracy of all models. Conclusion. Practical application  of ANN models in telemedicine  projects is related to the improvement  of ANN architecture and development of informational services which would allow a real-time assessment of the patient's condition.

хроническая обструктивная болезнь легкихсила дыхательных мышцмоделированиеискусственные нейронные сетиchronic obstructive pulmonary diseaserespiratory muscles strengthmodellingartificial neural networksИсследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований в рамках научного проекта № 18-29-03131.The study was supported by the Russian Foundation of Basic Research within the framework of the Research Project No.18-29-03131.ReferencesKaminska M., Noel F., Petrof B.J. Optimal method for assessment of respiratory muscle strength in neuromuscular disorders using sniff nasal inspiratory pressure (SNIP). PLoS One. 2017; 12 (5): e0177723. DOI: 10.1371/journal.pone.0177723.Kaminska M., Noel F., Petrof B.J. Optimal method for assessment of respiratory muscle strength in neuromuscular disorders using sniff nasal inspiratory pressure (SNIP). PLoS One. 2017; 12 (5): e0177723. DOI: 10.1371/journal.pone.0177723.Byrd R.B., Hyatt R.E. Maximal respiratory pressures in chronic obstructive lung disease. Am. Rev. Respir. Dis. 1968; 98 (5): 848–856.Byrd R.B., Hyatt R.E. Maximal respiratory pressures in chronic obstructive lung disease. Am. Rev. Respir. Dis. 1968; 98 (5): 848–856.Rochester D.F., Braun N.M., Arora N.S. Respiratory muscle strength in chronic obstructive pulmonary disease. Am. Rev. Respir. Dis. 1979; 119 (2, Pt 2): 151–154.Rochester D.F., Braun N.M., Arora N.S. Respiratory muscle strength in chronic obstructive pulmonary disease. Am. Rev. Respir. Dis. 1979; 119 (2, Pt 2): 151–154.Decramer M., Demedts M., Rochette F. et al. Maximal transrespiratory pressures in obstructive lung disease. Bull. Eur. Physiopathol. Respir. 1980; 16 (4): 479–490.Decramer M., Demedts M., Rochette F. et al. Maximal transrespiratory pressures in obstructive lung disease. Bull. Eur. Physiopathol. Respir. 1980; 16 (4): 479–490.Morrison N.J., Richardson J., Dunn L., Pardy R.L. Respiratory muscle performance in normal elderly subjects and patients with COPD. Chest. 1989; 95 (1): 90–94.Morrison N.J., Richardson J., Dunn L., Pardy R.L. Respiratory muscle performance in normal elderly subjects and patients with COPD. Chest. 1989; 95 (1): 90–94.Rochester D.F., Braun N.M.T. Determinants of maximal inspiratory pressure in chronic obstructive pulmonary disease. J. Crit. Care. 1986; 1 (1): 61–62. DOI: 10.1016/s0883-9441(86)80138-1.Rochester D.F., Braun N.M.T. Determinants of maximal inspiratory pressure in chronic obstructive pulmonary disease. J. Crit. Care. 1986; 1 (1): 61–62. DOI: 10.1016/s0883-9441(86)80138-1.Terzano C., Ceccarelli D., Conti V. et al. Maximal respiratory static pressures in patients with different stages of COPD severity. Respir. Res. 2008; 9 (1): 8. DOI: 10.1186/1465-9921-9-8.Terzano C., Ceccarelli D., Conti V. et al. Maximal respiratory static pressures in patients with different stages of COPD severity. Respir. Res. 2008; 9 (1): 8. DOI: 10.1186/1465-9921-9-8.Hafez M.R., Elsheikh R.M. Assessment of the Respiratory Muscles Function in Chronic Obstructive Pulmonary Disease patients. Egypt. J. Hosp. Med. 2012; 49: 661–671.Hafez M.R., Elsheikh R.M. Assessment of the Respiratory Muscles Function in Chronic Obstructive Pulmonary Disease patients. Egypt. J. Hosp. Med. 2012; 49: 661–671.Formiga M.F., Campos M.A., Cahalin L.P. et al. Sustained maximal inspiratory pressure is significantly related to mortality risk in COPD. Eur. Respir. J. 2017; 50 (Suppl. 61): PA2007. DOI: 10.1183/1393003.congress-2017.PA2007.Formiga M.F., Campos M.A., Cahalin L.P. et al. Sustained maximal inspiratory pressure is significantly related to mortality risk in COPD. Eur. Respir. J. 2017; 50 (Suppl. 61): PA2007. DOI: 10.1183/1393003.congress-2017.PA2007.Khalil M., Wagih K., Mahmoud O. Evaluation of maximum inspiratory and expiratory pressure in patients with chronic obstructive pulmonary disease. Egypt. J. Chest Dis. Tuberc. 2014; 63 (2): 329–335. DOI: 10.1016/j.ejcdt.2014.01.010.Khalil M., Wagih K., Mahmoud O. Evaluation of maximum inspiratory and expiratory pressure in patients with chronic obstructive pulmonary disease. Egypt. J. Chest Dis. Tuberc. 2014; 63 (2): 329–335. DOI: 10.1016/j.ejcdt.2014.01.010.Kim N.S., Seo J.H., Ko M.H. et al. Respiratory muscle strength in patients with chronic obstructive pulmonary disease. Ann. Rehabil. Med. 2017; 41 (4): 659–666. DOI: 10.5535/arm.2017.41.4.659.Kim N.S., Seo J.H., Ko M.H. et al. Respiratory muscle strength in patients with chronic obstructive pulmonary disease. Ann. Rehabil. Med. 2017; 41 (4): 659–666. DOI: 10.5535/arm.2017.41.4.659.van der Palen J., Rea T.D., Manolio T.A. et al. Respiratory muscle strength and the risk of incident cardiovascular events. Thorax. 2004; 59 (12): 1063–1067. DOI: 10.1136/thx.2004.021915.van der Palen J., Rea T.D., Manolio T.A. et al. Respiratory muscle strength and the risk of incident cardiovascular events. Thorax. 2004; 59 (12): 1063–1067. DOI: 10.1136/thx.2004.021915.Volaklis K.A., Halle M., Meisinger C. Muscular strength as a strong predictor of mortality: a narrative review. Eur. J. Intern. Med. 2015; 26 (5): 303–310. DOI: 10.1016/j.ejim.2015.04.013.Volaklis K.A., Halle M., Meisinger C. Muscular strength as a strong predictor of mortality: a narrative review. Eur. J. Intern. Med. 2015; 26 (5): 303–310. DOI: 10.1016/j.ejim.2015.04.013.Гельцер Б.И., Котельников В.Н., Шахгельдян К.И., Курпатов И.Г. Результаты моделирования должных величин силы дыхательных мышц на основе метода искусственных нейронных сетей. Российский физиологический журнал им. И.М.Сеченова. 2018; 10 4 (9): 1065–1074. DOI: 10.7868/S0869813918090058.Gel'tser B.I., Kotel'nikov V.N., Shakhgel'dyan K.I., Kurpatov I.G. [Results of modeling of predicted values for respiratory muscle strength using artif icial neuronal networks]. Rossiyskiy fiziologicheskiy zhurnal im. I.M.Sechenova. 2018; 104 (9): 1065–1074. DOI: 10.7868/S0869813918090058 (in Russian).Чучалин А.Г., Авдеев С.Н., Айсанов З.Р. и др. Российское респираторное общество. Федеральные клинические рекомендации по диагностике и лечению хронической обструктивной болезни легких. Пульмонология. 2014; (3): 15–54. DOI: 10.18093/0869-0189-2014-0-3-15-54.Chuchalin A.G., Avdeev S.N., Aisanov Z.R. et al. Federal Clinical Guidelines on Diagnosis and Management of Chronic Obstructive Pulmonary Disease. Pul'monologiya. 2014; (3): 15–54. DOI: 10.18093/0869-0189-2014-0-3-15-54 (in Russian).Филипенко П.С., Шутко И.С. Оценка степени интоксикации при деструктивной пневмонии и остром абсцессе легкого. Медицинский вестник Северного Кавказа. 2010; 20 (4): 14–16. Доступно на: https://cyberleninka.ru/article/n/otsenka-stepeni-intoksikatsii-pri-destruktivnoy-pnevmonii-i-ostrom-abstsesse-legkogo/viewerFilipenko P.S., Shutko I.S. [An assessment of toxication severity in patients with cavitating pneumonia and acute lung abscess]. Meditsinskiy vestnik Severnogo Kavkaza. 2010; 20 (4): 14–16. Available at: https://cyberleninka.ru/article/n/otsenka-stepeni-intoksikatsii-pri-destruktivnoy-pnevmonii-i-ostrom-abstsesse-legkogo/viewer (in Russian).Щанкин А.А. Связь конституции человека с физиологическими функциями. М. – Берлин: Директ-Медиа Паблишинг; 2015.Shchankin A.A. [An association between body composition and physiological functions]. Moscow – Berlin: Direkt-Media Pablishing; 2015 (in Russian).Hyndman R.J., Athanasopoulos G. Forecasting: principles and practice. Sydney: OTexts; 2013.Hyndman R.J., Athanasopoulos G. Forecasting: principles and practice. Sydney: OTexts; 2013.Le Cessie S., van Houwelingen J.C. Ridge estimators in logistic regression. J. Royal Stat. Soc. 1992; 41 (1): 191–201. DOI: 10.2307/2347628.Le Cessie S., van Houwelingen J.C. Ridge estimators in logistic regression. J. Royal Stat. Soc. 1992; 41 (1): 191–201. DOI: 10.2307/2347628.Воронцов К.В. Комбинаторный подход к оценке качества обучаемых алгоритмов. В кн.: Лупанов О.Б., ред. Математические вопросы кибернетики. М.: Физматлит; 2004. Т. 13: 5–36.Vorontsov K.V. [A combinatory approach to quality assessment of machine learning]. In.: Lupanov O.B., ed. Matematicheskie voprosy kibernetiki. Moscow: Fizmatlit; 2004. Vol. 13: 5–36 (in Russian).Evans J.A., Whitelaw W.A. The assessment of maximal respiratory mouth pressures in adults. Respir. Care. 2009; 54 (10): 1348–1359.Evans J.A., Whitelaw W.A. The assessment of maximal respiratory mouth pressures in adults. Respir. Care. 2009; 54 (10): 1348–1359.Гельцер Б.И., Курпатов И.Г., Котельников В.Н. Силовые характеристики дыхательных мышц у здоровых лиц: возрастные, гендерные и конституциональные особенности. Российский физиологический журнал им. И.М.Сеченова. 2017; 103 (12): 1425–1433.Gel'tser B.I., Kurpatov I.G., Kotel'nikov V.N. Parameters of respiratory muscle strength in healthy persons: age-related, gender and constitutional features. Rossiyskiy fiziologicheskiy zhurnal im. I.M.Sechenova. 2017; 103 (12): 1425–1433 (in Russian).Абросимов В.Н., Пономарева И.Б., Осычная Н.А. Респираторная мышечная дисфункция и ее диагностика у больных хронической обструктивной болезнью легких. Клиническая геронтология. 2008; 14 (6): 38–43. Доступно на: https://cyberleninka.ru/article/n/respiratornaya-myshechnaya-disfunktsiya-i-ee-diagnostika-u-bolnyh-s-hronicheskoy-obstruktivnoy-boleznyu-legkih/viewerAbrosimov V.N., Ponomareva L.B., Osychnaya N.A. [Respiratory muscle dysfunction and its diagnosis in patients with chronic obstructive pulmonary disease]. Klinicheskaya gerontologiya. 2008; 14 (6): 38–43. Available at: https://cyberleninka.ru/article/n/respiratornaya-myshechnaya-disfunktsiya-i-ee-diagnostika-u-bolnyh-s-hronicheskoy-obstruktivnoy-boleznyu-legkih/viewer (in Russian).Кабаков Р.И. R в действии. Анализ и визуализация данных на языке R. Пер. с англ. П.Д.Волковой. М.: ДМК Пресс; 2014.Kabakov R.I. [Data analysis and visualization using the R language]. Translation from English – Volkova P.D. Moscow: DMK Press; 2014 (in Russian).Мун С.А., Глушов А.Н., Штернис Т.А. и др. Регрессионный анализ в медико-биологических исследованиях. Кемерово: КемГМА; 2012.Mun S.A., Glushov A.N., Shternis T.A. et al. [Regression analysis in medical and biological studies]. Kemerovo: KemGMA; 2012 (in Russian).Александрова Н.П., Бреслав И. С. Дыхательные мышцы человека: три уровня управления. Физиология человека. 2009; 35 (2): 103–111.Aleksandrova N.P., Breslav I.S. [Human respiratory muscles: three levels of the control]. Fiziologiya cheloveka. 2009; 35 (2): 103–111 (in Russian).Artuğ N.T., Goker I., Bolat B. et al. New features for scanned bioelectrical activity of motor unit in health and disease. Biomed. Signal Proces. Control. 2018; 41: 109–128. DOI: 10.1016/j.bspc.2017.11.011.Artuğ N.T., Goker I., Bolat B. et al. New features for scanned bioelectrical activity of motor unit in health and disease. Biomed. Signal. Proces. Control. 2018; 41: 109–128. DOI: 10.1016/j.bspc.2017.11.011.Fernandes M., Cukier A., Ambrosino N. et al. Respiratory pattern, thoracoabdominal motion and ventilation in chronic airway obstruction. Monaldi Arch. Chest Dis. 2007; 67(4): 209–216.Fernandes M., Cukier A., Ambrosino N. et al. Respiratory pattern, thoracoabdominal motion and ventilation in chronic airway obstruction. Monaldi Arch. Chest Dis. 2007; 67(4): 209–216.Maltais F., Decramer M., Casaburi R. et al. An Official American Thoracic Society/European Respiratory Society statement: update on limb muscle dysfunction in chronic obstructive pulmonary disease. Am. J. Respir. Crit. Care Med. 2014; 189 (9): е15–62. DOI: 10.1164/rccm.201402-0373st.Maltais F., Decramer M., Casaburi R. et al. An Official American Thoracic Society/European Respiratory Society statement: update on limb muscle dysfunction in chronic obstructive pulmonary disease. Am. J. Respir. Crit. Care Med. 2014; 189 (9): е15–62. DOI: 10.1164/rccm.201402-0373st.Tudorache V., Oancea C., Mlădinescu O.F. Clinical relevance of maximal inspiratory pressure: determination in COPD exacerbation. Intern. J. Chron. Obstruct. Pulmon. Dis. 2010; 5: 119–123 DOI: 10.2147/copd.s9194.Tudorache V., Oancea C., Mlădinescu O.F. Clinical relevance of maximal inspiratory pressure: determination in COPD exacerbation. Intern. J. Chron. Obstruct. Pulmon. Dis. 2010; 5: 119–123 DOI: 10.2147/copd.s9194.

The authors declare that there are no conflicts of interest present.