Использование диагностических алгоритмов в нейропсихологическом тестировании клинических синдромов

Психометрические системы, основанные на нормативных данных, первично связаны с оценкой сотых долей баллов тестов внутри диапазона огромного количества населения нормальных индивидуумов. Низкий общий балл указывает на наличие и степень общего или отдельного нарушения познавательных способностей. Общая сумма баллов является суммами баллов всех субтестов, так что значение балла в отдельном субтесте отражает выполнение этого субтеста индивидуумом. Результаты всех субтестов обычно считаются равными для окончательного решения, как, например, для большинства психометрических тестов — это степень тя-

жести нарушений. Общая сумма баллов в нейропсихологическом тестировании клинических синдромов также основывается на равной значимости баллов субтестов для принятия диагностического решения.

Однако диагностическая оценка отдельных клинических синдромов и их типов требует использования значения отдельного признака, отражаемого субтестом не только по отношению к степени тяжести нарушения, но и принятия в расчет общего значения признака рассматриваемого клинического синдрома. Авторы тестов пытаются преодолеть эти ловушки, используя «подбаллы», такие как вербальный коэффициент и коэффициент выполнения в WAIS или в части I и части II теста BNCE для процессов переработки обычной и необычной информации, соответственно. Количество заданий может также отличаться для отдельных функций, что приводит к разнице их вклада в общую сумму баллов. Например, MMSE имеет десять заданий для агнозии пространства и времени восемь заданий для афазии и только три задания для расстройства памяти, что указывает на ведущие роли нарушений ориентации и речи в оценивании степени тяжести де-менции с помощью MMSE.

Использование диагностических алгоритмов может помочь свести к минимуму эти проблемы в нейропсихологическом тестировании клинических когнитивных синдромов. Эти алгоритмы основаны на оценке значения отдельного субтеста в диагнозе отдельного синдрома. Например, диагностические алгоритмы последовательного статистического анализа (sequential statistical analysis — SSA) были разработаны Wald в 1947 году в качестве применения теоремы Байеса к дифференциации двух классов. Диагностическое решение, принятое по методологии SSA, основывается на последовательном суммировании диагностического коэффициента или значения заданий, построенных по порядку возрастания их значения в дифференциации двух диагностических классов. Диагностический коэффициент рассчитывается как логарифм отношений между частотой отдельного субтеста и характеристикой в диагностических классах А и В, например двух классов (типов) деменции. Суммирование останавливается тогда, когда сумма превосходит некоторый предел, например +1 для класса А и -1 для класса В. Если сумма остается в промежутке, диагноз считается неточным. Можно предложить также использование некоторых дополнительных нейропсихологическое тестов, а также сканирование мозга или ЭЭГ. Результаты последнего тестирования можно также включить в алгоритм для дальнейшей обработки.

Мы использовали SSA в дифференциации передней и задней афазии, основанной на результатах нейропсихологического тестирования (Француз и др., 1964; Tonkonogy, Armstrong, 1988). Было сделано сравнение результатов, полученных опытными неврологами с помощью тестирования, и анатомических данных. Точность диагнозов SSA достигает 88,5%. Интересно, что использование линейного дискриминантного анализа (ЛДА) и нелинейного дискриминантного анализа (НЛДА) увеличивает точность до 93,8 и 96,3% соответственно. ЛДА и НЛДА отличаются от SSA использованием корреляции между одиночными заданиями в ходе принятия диагностического решения. Мы смогли достичь 94,6% точности с помощью SSA, когда некоторые высоко коррелируемые пары заданий соединялись в одиночные характеристики.

Анализ диагностических ошибок показал, что есть сходства между традиционным клиническим мышлением и диагностическими алгоритмами SSA. Несмотря на высокую диагностическую точность, ЛДА и НЛДА часто делают диагностические ошибки, рассматриваемые терапевтами и нейропсихологами как «глупые» и «странные». Неправильный диагноз, сделанный SSA, рассматривался как «понимаемый» и «разумный, приемлемый», что предполагает, что терапевты и нейро-психологи, использующие диагностическую процедуру, возможно, менее зависимы от соотношений между заданиями как в ДЛА и НДЛА, и более похожи на SSA.

Процесс принятия решения, используемый терапевтами, кажется более гибким и приспосабливаемым к специфическим клиническим проявлениям в индивидуальных случаях. Традиционный диагностический метод может также быть более эффективным, потому что правильная оценка часто достигается с помощью небольшого количества признаков и симптомов, чья диагностическая ценность высока. SSA предлагает подобные преимущества, делая возможным завершение диагностической процедуры, во многих случаях совершая простые шаги, которые требуют оценки не более, чем 4-5 признаков с высокой диагностической ценностью. Это может также помочь в значительном сокращении длительности ней-ропсихологического тестов в ходе их разработки и последующего использования в диагностическом процессе. Например, в наших исследованиях диагностического решения при афазии мы смогли использовать SSA для того, чтобы уменьшить список заданий с изначального количества 40 до 15 конечных признаков, с правильным диагнозом передней и задней афазии, достигаемым первыми 4-5 признаками с высокими диагностическими коэффициентами в 80% случаев.

Диагностические алгоритмы, подобные SSA, могут также использоваться для того, чтобы улучшить использование многочисленных диагностических шкал, применяемых при оценке психических расстройств. Эти шкалы стали важной частью клинического исследования, особенно, в процессе оценки новых лекарственных препаратов. Однако их применение в каждодневной клинической практике очень ограничивается, вероятно, из-за неуверенности в результатах, которые часто искажаются тем, что приравниваются диагностически ценные задания к менее ценным, включенных в шкалу, например различные шкалы депрессии.

Диагностическая ценность таких шкал может значительно повышаться с помощью диагностических алгоритмов, таких как SSA, тем, что диагностические коэффициенты привязываются к заданиям, включенным в шкалу, и делают их более гибкими посредством процедуры последовательного суммирования, которое помогает сократить длину шкалы в отдельных случаях и улучшает организацию, формализацию и достоверность диагностического процесса.