К.О. Туценко1, А.Н. Наркевич2, В.Г. Абрамов3

1,2 ФГБОУ ВО КрасГМУ им. проф. В.Ф. Войно-Ясенецкого Минздрава России (г. Красноярск, Россия)

2 ИДПО ФГБОУ ВО ЮУГМУ Минздрава России (г. Челябинск, Россия)

3 ФГБУ Федеральный Сибирский научно-клинический центр
Федерального медико-биологического агентства ФГБУ ФСНКЦ ФМБА (г. Красноярск, Россия)

Постановка проблемы. Болезнь Паркинсона (БП) является тяжелым неврологическим заболеванием, значительно ухудшающим качество жизни пациента. При данной патологии наблюдается длительный латентный период, когда при отсутствии явных клинических проявлений в головном мозге происходит дегенерация дофамин-продуцирующих нейронов. Основным проявлением БП является тремор, который встречается при множестве неврологических патологий, с чем связано значительное число диагностических ошибок. Одним из заболеваний со схожими проявлениями является эссенциальный тремор (ЭТ). Высокая точность дифференциальной диагностики позволит назначить правильное лечение, замедлить развитие заболевания и улучшить качество жизни пациентов. К методу доклинической диагностики БП с высокой точностью можно отнести позитронно-эмиссионную томографию с радиофармпрепаратом 18F-ДОПА.

Цель работы – определение способности различных кластеризационных методов дифференцировать пациентов с БП от других исследуемых групп.

Результаты. В исследование включено 94 человека, из которых 33 условно здоровых лиц (35%), 32 пациента с БП (34%) и 29 человек с ЭТ (31%). Всем обследуемым группам проводилась позитронно-эмиссионная томография с радиофармпрепаратом 18F-ДОПА. Анализировались абсолютные и относительные показатели активности радиофармпрепарата в головном мозге. Для кластеризации данных использовался метод k-средних, реализованный в программе IBM SPSS Statistics 26. Для кластеризации и визуализации многомерных данных применялся метод упругих карт, реализованный в программе VidaExpert.

Была доказана неприменимость метода k-средних в классическом виде для кластеризации данных активности 18F-ДОПА. Метод упругих карт в сочетании с методом k-средних показал высокую точность кластеризации. Таким образом, показатели активности 18F-ДОПА позволяют дифференцировать пациентов с БП и здоровых людей, а также пациентов с БП и ЭТ.

Практическая значимость. Результаты работы доказывают возможность дифференциальной диагностики болезни Паркинсона с помощью кластеризационных методов.

Туценко К.О., Наркевич А.Н., Абрамов В.Г. Возможности дифференциальной диагностики болезни Паркинсона с помощью кластеризационных методов // Технологии живых систем. 2023. T. 20. № 2. С. 34-41. DOI: https://doi.org/10.18127/j20700997-202302-04

1. Баранов О.А., Мартын И.А. Сравнительный анализ двух методов кластерного анализа // Информационные технологии и системы: управление, экономика, транспорт, право. 2022. № 1(41). С. 30–34.
2. Зиновьев А.Ю. Визуализация произвольных данных методом упругих карт // Радіоелектроніка, інформатика, управління. 2000. № 1(3). С. 76–85.
3. Катунина Е.А. Блохин В.Е., Нодель М.Р., Москалец Э.Р., Угрюмов Э.Р., Угрюмов М.В. Оценка ранних клинико-биохимических маркеров болезни Паркинсона с помощью позитронно-эмиссионной томографии // Бюллетень Национального общества по изучению болезни Паркинсона и расстройств движений. 2022. Т. 2. С. 82–86.
4. Магжанов Р.В., Ибатуллин Р.А., Давлетова А.И. Дифференциальная диагностика эссенциального и паркинсонического видов тремора // Вестник Российской Военно-медицинской академии. 2018. Т. S3. С. 83–84.
5. Мосалева Е.И., Жумжанов И.М., Алексеенко П.В., Исмаилова С.Б., Прокопенко С.В. Когнитивные флуктуации на фоне терапии у пациентов с болезнью Паркинсона // Сибирское медицинское обозрение. 2021. № 1. С. 63–67.
6. Плохих А.Б., Масалева И.О., Люборцева Ю.О. Нефармакологические методы лечения тревожных нарушений при болезни Паркинсона (обзор литературы) // Международный научно-исследовательский журнал. 2022. № 6-2(120). С. 103–106.
7. Повереннова И.Е., Калинин В.А., Шпилева С.А. Диагностика немоторных нарушений при болезни Паркинсона // Сибирское медицинское обозрение. 2018. № 3. С. 93–97.
8. Селихова М.В., Катунина Е.А., Воун А. Позитронная эмиссионная и однофотонная эмиссионная компьютерная томография в оценке состояния моноаминергических систем мозга при экстрапирамидных расстройствах // Анналы клинической и экспериментальной неврологии. 2019. Т. 13(2). С. 69–78.
9. Ткач В.В., Францишко О.Б., Ткач А.В. Нейрохирургическое лечение болезни Паркинсона // Modern Science. 2021. V. 4(4). P. 206–211.
10. Труфанов Е.А. Дифференциальный диагноз болезни Паркинсона и эссенциального тремора // Медицинский вестник юга России. 2013. № 1. С. 73–79.
11. Туценко К.О., Наркевич А.Н., Абрамов В.Г. Анализ активности радиофармпрепарата 18F-ДОПА для дифференциальной диагностики экстрапирамидных патологий // Вестник новых медицинских технологий. 2022. № 3. С. 105–108.
12. Угрюмов М.В., Козина Е.А., Хаиндрава В.Г., Кудрин В.С., Кучеряну В.Г., Клодт П.Д., Раевский К.С. Моделирование паркинсонизма у мышей при помощи МФТП: от ранней досимптомной до поздней симптомной стадии // Технологии живых систем. 2011. Т. 8(8). С. 3–13.
13. Iacono D., Geraci-Erck M., Rabin M.L., Adler C.H., Serrano G., Beach T.G., Kurlan R. Parkinson disease and incidental Lewy body disease: just a question of time? // Neurology. 2015. V. 85. P. 1670–1679.
14. Löhle M., Wolz M., Beuthien-Baumann B., Oehme L., Hoff J., Kotzerke J., Reichmann H., Storch A. Olfactory dysfunction correlates with putaminal dopamine turnover in early de novo Parkinson’s disease // Journal of Neural Transmission. 2020. V. 127(1). P. 9–16.
15. Savica R., Grossardt B.R., Bower J.H., Ahlskog J.E., Rocca W.A. Incidence and pathology of synucleinopathies and tauopathies related to parkinsonism // Journal of the American Medical Association. 2013. V. 70. P. 859–866.