Пытаемся с хирургом оптимизировать схему диагностики рака предстательной железы с учетом внедрения нового метода. Проблема в том, что в традиционных схемах выявления заболевания все начинается с дешевого, но слабого метода. Мне непонятно каким образом авторам таких схем удается добиться (заявить?), например 90% чувствительности и 70% специфичности всей схемы, если треть истинно больных пациентов на первом же этапе отправляется на динамическое наблюдение и далее в результатах исследования не фигурируют. Простое произведение вероятностей показывает, что диагностическая эффективность на последующих этапах диагностики будет только снижаться. И существенно! Чувствительность 0,7 х 0,7 = 0,49, что равнозначно подбрасыванию монетки. Просмотренные схемы не опираются явным образом на результаты статистического анализа и представляются исключительно умозрительными. Подскажите, пожалуйста, существуют ли формальные приемы объединения диагностических методов, позволяющие разрабатывать жизнеспособные схемы с высокой диагностической эффективностью. Пробовал деревья решений, но алгоритм - не врач и естественно помещает в вершину не самый дешевый, а самый эффективный в диагностическом отношении дорогой метод .

Не совсем понятно. Речь идет о методах с известной диагностической точностью? (Se и Sp), или нет? Если известна, то тогда надо строить деревья (только не CART, а обычные decision tree - ручками) и размещать в узлах разные методы. Затем по теореме Байеса оценивается эффективность всей схемы. Далее можно играть сколько угодно, меняя стартовые вероятности наличия заболевания или методы в узлах. Можно также присвоить "цену" всем исходам. Подход стандартный в экономическом анализе.
(описание в формате iSilo тут (http://pubhealth.spb.ru/CDA.pdb) - старая методичка, переделанная версия с использованием SAS в книже по SAS)
Кстати, дешевый метод с высокой специфичностью (и низкой чувствительностью) в начале скринига будет очень даже кстати.
Если же Se и Sp не известны... Тогда надо их изучать вначале по отдельности.
Кстати, при Se=0.9 и Sp=0.7 треть истинно больных не обязательно отправится в наблюдение. Например, если р=0,8, то тогда
на наблюдение отправится 8 из 72 истинно больных, а вся схема будет правильно лечить 92% пациентов (т.е. среди направленных на лечение ложно положительных будет 8%), правда в динамическом наблюдении будет 36% больных - повод для диагностики при отрицательном значении.
Если же р=0,1
9 27
1 63
10 90
то в динамическое наблюдение отправится 1 человек (1,6% ложноотрицательных значений будет), а среди оставшихся только 25% будут иметь заболевание - повод для новой диагностики.

Чувствительность и специфичность определены для 5 стандартных + 1 внедряемый метод у 150-200 одних и тех же пациентов. В вершине дерева традиционной схемы выявления заболевания стоит анализ крови на простатспецифический антиген, для которого оценненные чувствительность и специфичность составляют, соответственно 66 и 50% (поэтому и писал про треть больных отправленных в динамическое наблюдение). Уровнем ниже идет пальцевое ректальное исследование, для которого чувствительность и специфичность составляют, соответственно 51 и 47%. Врач меня убеждает, что от этого метода не откажутся - уж больно прост. Не понимаю. Спасибо за вашу методичку (кто будет качать, в iSilo в Tools-Option-Display нужно выставить кодировку windows 1251, иначе будут каракули). Просмотрел ее, еще раз пересмотрел статьи... Не делали авторы ничего подобного, иключительно умозрительные деревья. О последнем говорит хотя бы тяга авторов к круглым цифрам для признака, измеряемого с точностью до десятых: <4, >10... Да уж... Когда что-то делают "ручками" - это уже творчество, совсем неформальный подход. Получается, что готовых формальных решений для оптимизации процесса диагностики нет, тем более нет простых путей. По степени сложности задачи и затратам времени оцениваю ее как самостоятельную тему для кандидатского исследования, типа "Оптимизация диагностики...". У меня теперь 2 вопроса: (1) просчитывают ли вообще в отечественной медицине схемы по алгоритмам теории принятия решений и (2) самостоятельно ли Вы осваивали исследование операций или вас этому учили?

1) Насчет использования в практике не знаю, но несколько работ на эту тему еще в советские времена были, потом интерес к ним заглох, как и в мире ко всем автоматизированным системам принятия решений в медицине. Хотя интерес в теоретическом плане остался (периодически встречаю).
2) Самостоятельно, года этак с 1989, делал даже "по молодости" экспертную систему (времени было свободного "много"). Но я занимался не всем спектром проблем, а достаточно узкой полосой - предиктивная сила "малокачественных" методов диагностики (т.е. оптимизация диагностики на основании информации о факторах риска и данных скриниговых исследований) - в соответствии с основым направлением учреждения, где работал - популяционное изучение факторов риска ИБС и ее течения.

На самом деле не согласен с определением творчества. Например, у Вас 5 методов. Фактически это 5!=120 деревьев, затем для каждого можно построить финальную суммарную функцию эффективности (по стоимость пропущенных и правильно поставленных диагнозов). Потом для каждого дерева прогнать варианты с априорными вероятностями от 0 до 1 (или в разумных пределах), подсчитать суммарную оценку и затем ранжировать деревья. Возни много, но при использовании моделей типа PROC DTREE в SAS все упрощается (модель-то в принципе одна, меняются только файлы со стартовыми значениями вероятностей и чувствительности-специфичности узлов). в ручную, конечно, свихнешся.

Очень красивая задача. На входе - желательная минимальная чувствительность, специфичность , максимальная стоимость анализов, другие ограничения. На выходе - дерево решений из последовательности диагностических процедур, максимизирующее суммарную чувствительность и специфичность при заданных ограничениях. Я бы с удовольствием занялся написанием алгоритма и кодированием компьютерной программы для этой задачи, жаль только заказчиков нет. Это - классическая задача теории вероятностей и исследования операций.

Народ, я хочу написать компьютерную программу последовательного применения нескольких диагностических методов (с разными характеристиками), с целью постановки окончательного диагноза для какой-то (все равно какой) болезни. Для тестирования программы мне нужны данные по различной ДИАГНОСТИКЕ для больных и здоровых пациентов (нужна база данных). Давайте сотрудничать!!!

Посмотрел и так и сяк... Пришел к выводу, что полностью формализовать выбор оптимальной диагностической схемы нельзя. Согласен, что перебор вариантов это уже не творчество, а формализация. Но задача оказывается еще сложнее. Это не просто последовательная комбинация процедур или дерево решений. В реальных схемах некоторые процедуры зациклены до выполнения каких-либо условий, некоторые могут встречаться по нескольку раз на разных уровнях и ветках дерева. Короче, без творчества не обойтись! По этой причине, думаю, составить действительно полезную программу для таких задач нельзя. Вот если бы такую программу, в которую сам вводишь схему + показатели диагностической эффективности + преваленс + ..., а она сама бы проигрывала варианты, строила гиперповерхность отпимальных решений и выдавала ее в удобоваримом двумерном виде ! Оставили 3 схемы, буду пытаться их просчитать.