Лабораторная медицинская техника. Ч. 1 (96

прецизионность в условиях разных аналитических серий. Внутрисерийную воспроизводимость определяют с помощью измерения нескольких контрольных образцов в одной аналитической серии, межсерийную воспроизводимость – измерением одного контрольного образца в нескольких аналитических сериях.

Для устранения аналитических погрешностей и поддержания правильности и прецизионности всех анализов на уровне принятых критериев используют систему контроля качества. Причем внимание в первую очередь обращается на случайные составляющие погрешностей результатов, так как систематическую составляющую погрешности можно компенсировать, установив соответствующие референтные области для данной лаборатории.

Выявление возникающих погрешностей проводят с помощью так называемых контрольных правил. Оценить способность того или иного контрольного правила или совокупности правил выявлять увеличенную случайную или возникшую систематическую составляющую погрешности результатов позволяет кривая функциональных возможностей (рис. 2).

Рис. 2. Идеальная кривая функциональных возможностей

По кривой функциональных возможностей можно определить вероятность ложного обнаружения погрешности или вероятность пропуска погрешности. Какие погрешности можно считать малыми (т. е. такими, которые не надо обнаруживать), зависит от соотношения аналитической вариации метода (прибора) и биологической вариации измеряемого параметра. В целом для каждого теста необходимо использовать свои контрольные правила с требуемой кривой функциональных возможностей.

11

3. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОЕКТИРОВАНИЯ КЛИНИКО-ЛАБОРАТОРНЫХ СИСТЕМ

Клинико-лабораторные системы относятся к диагностическим БТС. Проектирование любой БТС предполагает последовательное выполнение трех этапов: 1) синтез целевой функции БТС; 2) разработка метода измерения параметров БО; 3) определение структуры технической части БТС. В процессе проектирования соблюдают три принципа синтеза БТС: целеполагание, адекватность и идентификация.

Проектирование клинико-лабораторных систем начинают с определения процессов, лежащих в основе биологического функционирования БО, с перечня параметров, которые необходимо измерять, и диапазона изменения параметров. При этом часто бывает необходимо формализовать имеющиеся данные и создать математическую модель БО.

Стохастичность параметров внутренней среды организма и состояния БО приводит к необходимости определения при проектировании БТС для лабораторной диагностики следующих данных:

1)вероятности пребывания БО в различных состояниях (априорные вероятности нормы и патологии);

2)допустимые диагностические ошибки 1-го и 2-го рода;

3)точность оценки определяемых параметров БО, т. е. допустимая аналитическая погрешность.

Рассмотрим подходы к определению допустимой аналитической погрешности.

В первую очередь необходимо задавать требования к значению аналитической вариации. Аналитическая вариация расширяет пределы диапазона нормы и этим ограничивает возможность лабораторного теста различать здоровье и болезнь. Суммарная вариация измеряемого параметра в норме CVΣ может быть вычислена так:

CVΣ2 = CVан2 + CVОБВ2 .

Математические ожидания смещения среднего арифметического результатов измерений контрольного образца от его установленного значения B и коэффициента аналитической вариации CV называются целевыми значениями требований точности анализа.

Все известные подходы к оценке целевых значений можно подразделить на шесть групп.

12

Первый подход заключается в том, что для оценки целевых значений используется коэффициент аналитической вариации лучших КДЛ CVан.лучш :

CV =CVан.лучш.

Этот критерий применяют в том случае, если нет данных по ОБВ для исследуемого компонента или требования других подходов не могут быть выполнены при текущем уровне развития техники.

Второй подход связывает допустимый предел ошибки (ДПО) с диапазоном нормы исследуемого параметра. ДПО рассчитывается по формуле Тонкса

ДПО =0,25 xmax − xmin 100 %,

xср

где (xmax – xmin) – диапазон нормы; xср – среднее значение нормальной области. Для веществ с широкой нормальной областью,

для которых ДПО > 10 %, устанавливается верхний предел допустимой ошибки, равный 10 %.

Традиционно ДПО рассматривают как относительное отклонение результата измерения, соответствующее 95 %-ному доверительному интервалу, т. е. двойному СКО аналитического метода. Следовательно, целевое значение коэффициента аналитической вариации равно

CV = ДПО2 .

Для нормального закона распределения измеряемого параметра

ДПО =CVОБВ; СV = CV2ОБВ .

Третий подход – оценка целевых значений требований точности по ВБВ и ОБВ. Диапазоны нормы (референтные интервалы), используемые в формуле Тонкса, хотя и учитывают определенные факторы, но все-таки отражают ОБВ, которая складывается из ВБВ и МБВ. Межиндивидуальные вариации обычно гораздо больше внутрииндивидуальных и составляют до 80 % от ОБВ, хотя есть и исключения (см. таблицу).

13

Значения биологических вариаций некоторых параметров

Четвертый подход заключается в выборе клиницистом значения исследуемого параметра, которое может повлиять на изменение диагноза или лечения или на дальнейшую оценку состояния пациента. Разница полученного таким образом значения и среднего значения нормы считается максимально допустимой ошибкой, которую рассматривают как половину 95 %-ного доверительного интервала для оцениваемого параметра. Если принять гипотезу о его гауссовом распределении, то для оценки СКО необходимо разделить это значение на 1,96, если нет – то на 4,47, как следует из неравенства Чебышева. Разделив допустимое СКО на среднее значение нормы, получают целевое значение коэффициента аналитической вариации.

Пятый подход использует критерии точности, определенные группой экспертов, например для диагностики и мониторинга сахарного диабета, для исследования уровня холестерина и др.

Шестой подход – моделирование влияния лабораторного исследования на клиническое решение. В данном случае проводится моделирование ошибок с количественной оценкой клинического решения, т. е. строится процедура вычислительной диагностики.

Целевые значения требований точности анализа, определенные в соответствии с указанными подходами, почти всегда имеют один порядок для одного и того же параметра. Это позволяет вести работу по унификации допустимых аналитических погрешностей лабораторного анализа. В настоящее время ведущим является тре-

14

тий подход. Этот подход был принят Европейской рабочей группой по оценке аналитических систем.

Допустимые пределы погрешностей при их контроле по ре-

зультатам конечного числа измерений n (Bn, CVn) вычисляют по целевым значениям исходя из распределений выборочного сред-

него (для Вn) и выборочной дисперсии (для CVn):

Одной из главных особенностей БТС для лабораторной диагностики является вид анализируемого биологического материала – пробы. Проба представляет собой часть внутренней среды организма, извлеченной с применением различных методов, по параметрам которой судят о состоянии всего организма. При этом пробы являются дополнительным источником погрешностей, которые можно подразделить на две группы: 1) статистические погрешности, связанные с конечностью объема пробы, ограниченностью клеточных или иных элементов в ней; 2) погрешности, связанные с изменением исследуемых параметров пробы в процессе ее взятия и приготовления препарата.

Наличие указанных источников погрешностей приводит к дополнительному расширению диапазонов нормы и патологии и, следовательно, к увеличению ошибок теста 1-го и 2-го рода.

С учетом требований к допустимой аналитической погрешности определяется тип пробы, которую нужно анализировать, и ее характеристики (объем, методика приготовления, требования к качеству приготовления и т. п.).

Таким образом, на первом этапе проектирования БТС для лабораторной диагностики осуществляется синтез целевой функции БТС, что составляет суть принципа целеполагания. Целевая функция БТС должна учитывать все сформулированные требования, которые предъявляются к лабораторному анализу: набор измеряемых параметров, динамический диапазон, допустимые погрешности, параметры пробы и т. п.

Второй этап проектирования БТС для лабораторной диагностики заключается в теоретической проработке БТС и определении требований к ее технической части. При этом устанавливаются законы функционирования БТС, т. е. взаимосвязь измеряе-

15

мых характеристик с параметрами БП и оценок параметров с измеренными характеристиками, и строится модель БТС.

Процесс измерения можно представить как преобразование параметров БП в измеряемые характеристики с последующей оценкой параметров БП в условиях действия разного рода помех (рис. 3). (Например, параметром может являться концентрация вещества в БП, а характеристикой – оптическая плотность БП.)

Рис. 3. Процесс измерения и интерпретации параметров биопробы

Описание процессов в БТС можно разделить на два этапа. На первом этапе рассматривается прямая задача, т. е. определяются измеряемые характеристики в зависимости от значения исследуемых параметров БП, а на втором решается обратная задача, т. е. определяются оценки параметров БП по измеренным характеристикам.

Прямая задача чаще всего описывается известными точными или приближенными законами:

законом Бугера – Ламберта – Бера (определение концентрации веществ по спектрам поглощения);

законами взаимодействия движущихся зарядов с электромагнитным полем, т. е. законом Лоренца и др. (метод масс-спектро- метрии);

законами радиоактивного распада (радиоиммунный анализ и др.);

законами электрохимии Фарадея, Нернста, Никольского и др. (определение концентрации ионов и газов);

законами седиментации молекул (определение молекулярных весов по скорости седиментации);

законами распределения веществ между двумя фазами в двухфазных системах (хроматографическое разделение веществ);

взаимосвязью электрофоретической подвижности веществ с их строением и техническими параметрами электрофоретической установки (электрофоретическое разделение) и т. д.

16

По результатам моделирования прямой задачи определяются характеристики, несущие информацию о параметрах БП (т. е. характеристики, которые необходимо измерять), а также диапазон их изменения.

Решение обратной задачи проводится для оценки параметров БП.

При решении обратной задачи необходимо ответить на три вопроса: существует ли решение, единственно ли оно и является ли решение устойчивым.

Врассматриваемых задачах можно быть уверенным в существовании решения, которое часто является единственным. Если решение не существует, это может свидетельствовать о некорректности использованной математической модели. Однако решение обратной задачи всегда является неустойчивым, т. е. малое отклонение значения характеристики (например, из-за шума) может привести к сильному отклонению оценки параметра от его истинного значения. Неустойчивость решения проявляется в непредсказуемом росте случайных погрешностей в вычисляемых оценках. Таким образом, все задачи, решаемые в лабораторной диагностике, являются некорректными. При этом существует взаимосвязь между устойчивостью и правильностью решения: чем выше правильность решения (например, меньше шаг дискретизации определяемой функции), т. е. чем ниже значения систематических погрешностей ошибки, тем ниже устойчивость, т. е. выше значения случайных погрешностей. Чем точнее мы хотим получить решение (т. е. снизить систематическую погрешность), тем менее устойчиво получаемое решение к малым воздействиям шума (т. е. возрастают значения случайных погрешностей). Другими словами, чем больше переменных в решаемой системе уравнений, тем больше проявляется неустойчивость.

Впростых анализаторах для определения одного-двух параметров используют калибровочные кривые и по ним определяют оценки параметров. Здесь можно достичь приемлемой правильности без существенной потери устойчивости оценки. В более сложных системах (например в кооксиметрах, применяемых для определения концентраций нескольких фракций гемоглобина, или в гемоанализаторах, предназначенных для определения лейкоцитарной формулы – для классификации лейкоцитов на шесть и более классов) из-за возрастания числа переменных неустойчивость проявляется сильнее. Следовательно, необходимо найти компромисс между правильностью определения значений параметров и устойчивостью данных оценок, т. е. баланс систематических и случай-

17

ных погрешностей. Найти этот компромисс на научной основе позволяют процедуры регуляризации решения.

Регуляризация решения заключается в использовании априорной информации о свойствах исследуемого БО, полученной на первом этапе проектирования БТС. Учитывая статистическую природу БО, наиболее целесообразным является применение метода статистической регуляризации. Исходной информацией для метода служат априорные вероятности различных состояний БО и плотность вероятности шума, основной вклад в который вносят особенности приготовления БП и шумы технического звена БТС. В частных случаях могут использоваться методы регуляризации по А. Н. Тихонову (априорная информация о степени гладкости определяемой функции, например функции распределения эритроцитов по размерам) и др.

На данном этапе проектирования БТС проводится подробный анализ различных источников возможных погрешностей. Их можно разбить на следующие группы.

1.Погрешность модели. Причиной погрешности является неадекватность модели БО. В результате измеряется параметр, которого на самом деле нет физически или который не является представительным для описания контролируемого процесса.

2.Погрешность метода. Причиной погрешности является неадекватность модели процесса измерения параметров БП. Метод может не учитывать всех особенностей процесса измерения; на результаты измерения могут влиять неучтенные (неконтролируемые) параметры БП.

3.Погрешность средства измерения (основная, дополнитель-

ная и динамическая). Необходимо определять не только основную погрешность (установленную для нормированных условий эксплуатации средств измерения), но и дополнительную, возникающую при переходе от нормированных внешних условий к рабочим. Также необходимо учитывать возможность возникновения динамической погрешности, связанной с переходными процессами в средствах измерения и появляющейся при несоблюдении интервалов между измерениями. Динамические погрешности обусловливаются инерционными свойствами средств измерений и возникают при измерении переменных во времени величин.

4.Субъективная погрешность (оператора). Если в измерении участвует человек-оператор, то следует учитывать возможность существенного разброса результатов измерений, связанных с субъективным фактором. Например, при визуальном установлении времени начала реакции по изменению цвета раствора или опре-

18

делении титра, при котором выпадает осадок, погрешность оператора может достигать 20 %.

5. Погрешность обработки. Данная погрешность, как правило, связана с необходимостью решения обратных задач (уравнения Фредгольма 1-го рода), которые являются неустойчивыми. При этом чем точнее проводятся вычисления, тем выше вероятность возникновения случайных погрешностей.

Построенная модель БТС позволяет проанализировать способности БТС правильно оценивать параметры БО во всем диапазоне их изменения (как в норме, так и при патологии), и в зависимости от качества приготовления БП. Кроме того, на основании определенного в первом этапе проектирования вида целевой функции БТС осуществляется вычисление значений целевой функции для разных вариантов проведения лабораторного анализа. В качестве принимаемого метода лабораторного анализа выбирается тот, который обеспечивает оптимальное значение целевой функции.

По итогам выполнения теоретического этапа проектирования БТС для лабораторной диагностики устанавливаются:

1)метод проведения лабораторного анализа;

2)комплекс измеряемых характеристик, адекватный анализируемым параметрам БП;

3)требования к точности измерения характеристик;

4)требования к основным параметрам технической части БТС (динамический диапазон фотоприемника, интервалы дискретизации и квантования сигналов, максимально допустимый общий уровень шумов и т. д.);

5)уточненные требования к качеству приготовления БП;

6)математический аппарат (алгоритм) вычисления параметров БП по измеренным характеристикам.

Выполнение всех пунктов анализа на втором этапе проектирования БТС означает выполнение условия минимума потока энтропии в БО со стороны технического звена, что составляет сущность принципа адекватности для диагностических систем. При этом техническая система (включая алгоритмическую часть) вносит минимально возможные искажения в значения оцениваемых параметров БП.

На третьем этапе проектирования БТС для лабораторной диагностики определяются ее структурная схема, элементный состав и содержание связей. На рис. 4 представлена обобщенная структура БТС для лабораторной диагностики.

19

Воздействующий блок 1 оказывает энергетическое или вещественное воздействие на биопробу 2, которая модулирует характеристики воздействия (например, интенсивность излучения) или преобразовывает их в другие (например, напряжение – в ток) в соответствии со значением параметров БП. Измерительный преобразователь 3 регистрирует и преобразовывает сигнал с выделением информационного компонента этого сигнала и передает его в блок обработки и отображения информации 4, состоящий из процессора 5, программного обеспечения 6 и устройства отображения информации (световой индикатор, монитор, принтер) 7. Блоки 3 и 4 образуют рецепторную подсистему. Процессор управляет вспомогательным блоком 8, обеспечивающим приготовление препаратов, при необходимости термостатирование пробы, ее разбавление соответствующими реактивами, промывку и т. п. Врач 9 получает подготовленную в удобном для него виде информацию об измеренных параметрах пробы, ставит или корректирует диагноз и воздействует на пациента 10 всеми доступными ему способами. Определяющим видом воздействия является информационный, при котором происходит вмешательство лекарственного вещества или физического воздействия в обменные и другие процессы организма с целью их коррекции.

Рис. 4. Обобщенная схема БТС для лабораторной диагностики:

1 – воздействующий блок; 2 – биопроба; 3 – измерительный преобразователь; 4 – блок обработки и отображения информации; 5 – процессор; 6 – программное обеспечение; 7 – устройство отображения информации;

8 – вспомогательный блок; 9 – врач; 10 – пациент

На данном этапе проектирования БТС исходя из общих требований к технической системе, сформированных на втором этапе,

20