Программное обеспечение медико-биологических исследований

Введение

При экспериментальных исследованиях медико-биологических систем их особенностью является отсутствие полной воспроизводимости и стабильности. Это связано с большим количеством факторов, влияющих на результат опыта, в том числе и неизмеримых. Поэтому статистические методы являются основным способом количественной оценки медицинских и биологических объектов и явлений.
Существует множество учебных пособий, в том числе по методам обработки статистических данных. Однако, для практического использования, они не совсем удобны, так как описание методов начинается и заканчивается на уровне математических формул. Для понимания формулы метод незаменим, но для реальных расчетов теперь естественно использовать профессионально созданные прикладные статистические пакеты. Использование пакетов также является технологией, которую вы должны знать. С одной стороны, скорость статистических выводов стала непропорционально выше, чем скорость ручных вычислений (не говоря уже о том, что многие методы были просто недоступны без качественного программного обеспечения и современных компьютеров), и это позволяет применять несколько альтернативных методов для проверки и подтверждения выводов. С другой стороны, вопрос о правильном использовании статистических методов не снимается, и это относится как к выбору соответствующих модулей в пакете программ, так и к конкретным вариантам, задающим параметры исследуемой модели.
Кроме того, исторически в учебниках по статистике на русском языке была разработана традиционная тема, и в этой традиции не было найдено описания ряда очень важных методов обработки данных. В частности, автор не смог найти удовлетворительных описаний метода Мантеля-Хенцеля для расчета комбинированного риска, логистической регрессии, логлинейного анализа. Эти методы описаны в данном руководстве, и их применение иллюстрируется несколькими примерами. Традиционные учебные пособия, как правило, сосредоточены на статистических выводах, основанных на предположении о нормальном распределении переменных, включая многомерные статистические методы, такие как регрессионный, факторный и дисперсионный анализ. В одних и тех же задачах часто приходится выявлять различия, связи, структуры для переменных, имеющих порядковую или дискретную структуру, или для набора переменных разных типов. Они также требуют выбора наилучшего метода, представления пределов применимости каждого из возможных методов обработки данных. Кроме того, даже для переменных непрерывного типа не всегда возможно использовать параметрические методы анализа, особенно в небольших количествах выборок.
В более общем виде основные задачи, для решения которых применяются методы статистического анализа, можно сформулировать следующим образом:::
выявление различий между анализируемыми показателями и их связями в двух или более выборках;
определение наличия и значения взаимосвязи (или зависимости) одного или нескольких факторов с другими показателями или процессами;
проведите анализ структуры данных.
Статистический анализ обычно достаточен для того, чтобы обладать одной из компьютерных систем анализа данных. Наиболее распространенные и универсальные системы, такие как STATISTICA, SPSS, SAS, NCSS, SYSTAT, предлагают массив, приблизительно соответствующий основным методам анализа данных. В предлагаемом руководстве мы предоставим ссылки на все предыдущие системы, но в качестве основной выбрана STATISTICA. Этот вариант связан в основном с простотой экспорта: импорт данных и результатов в эту систему, а также повышенная доступность для русскоязычных пользователей.
Для грамотного применения любого статистического пакета анализа данных необходимо, во-первых, сформулировать задачу таким образом, чтобы для ее решения можно было использовать статистические методы, то есть создать математико-статистическую модель исследования. Для начинающих исследователей, это самый сложный пункт в плане работы. В целом статистическая модель практического исследования является многомерной и позволяет использовать несколько методов. Поэтому необходимо представить себе возможности, имеющиеся в арсенале прикладной статистики, и понять, какие из них можно использовать для решения той или иной задачи. Наконец, важно учитывать, какие требования к данным сопровождают использование этих методов, и проверять соблюдение этих требований.
Поскольку существует несколько возможных вариантов решения задачи, необходимо выбрать наиболее подходящие из них. Кроме того, использование различных методов позволяет проверить полученные результаты. Следующие схемы показывают диапазон методов, используемых для решения наиболее распространенных проблем.


1. Программное обеспечение медико-биологических исследований

По мере того как все большее число научных результатов обобщается на основе исследований в области омики, необходимы новые методы трансляционной медицины и инструменты биоинформатики для продвижения потока этих результатов в клиническую практику, т. е. знания должны быть переведены со стенда на тумбочку, способствовать разработке новых биотехнологических продуктов и улучшению здоровья пациентов. Биомедицинская информатика призвана содействовать интеграции и передаче знаний по всем основным предметным областям трансляционной медицины - от изучения отдельных молекул до изучения целых популяций.
Информатика визуализации также играет важную роль в понимании патогенеза и определении методов лечения на молекулярном, клеточном, тканевом и органном уровнях. Более богатые Методы визуализации и анализа данных визуализации уже изучаются и разрабатываются 4. Другие методы, такие как анализ текста и данных, были применены к клиническим отчетам. Кроме того, переводческие исследовательские группы должны сосредоточиться на поддержке принятия решений, обработке естественного языка (НЛП), стандартах, поиске информации, прежде чем применять эти методы к электронным медицинским записям.
Ландшафт биомедицинской информатики подталкивает к разработке более профессиональных и простых в использовании программных приложений, чтобы решить насущную необходимость перевода результатов исследований в клиническую практику

. Для достижения этой цели необходимо применять надежные подходы к разработке программного обеспечения. Несмотря на то, что биомедицинская информатика является относительно молодой дисциплиной, она развивается впечатляющими темпами, постоянно создавая новые программные решения и инструменты.
Однако из-за их многодисциплинарного характера отдельным исследованиям часто бывает трудно собрать прочные знания в своих различных областях. Эта проблема была отмечена несколькими авторами, которые предложили общие компетенции, которые студенты бакалавриата должны приобрести.
Эти компетенции могут быть получены путем внедрения дополнительные курсы, такие как программирование программного обеспечения, в существующих учебных планах или путем создания новых курсов академических степеней. Хотя эти стратегии привели ко многим новым и успешным результатам, правильный баланс между поиском сильных специалистов по одной теме или средних специалистов по многим темам не всегда легко найти. Тем не менее, важно отметить, что существует четкое различие, когда разработчики программного обеспечения работают для академической диссертации или проекта, по сравнению с работой в компаниях, занимающихся программным обеспечением. Научные проекты чаще всего ориентированы на научную новизну, а компании-на достижение конкретных результатов для нужд рынка.
В обоих сценариях методы разработки программного обеспечения должны быть приняты на различных уровнях сложности8.Многие исследователи, не имеющие подготовки в области разработки программного обеспечения, столкнулись с сложной задачей создания собственных программных решений. Более того, исследователи и клиницисты обычно воспринимают разработку программного обеспечения как вспомогательную задачу, служащую науке, а не как центральную цель.
В результате иногда код становится сложным и дорогостоящим для поддержания и повторного использования. Эта программная зависимость действительно является проблемой во всей науке, где опасения по поводу воспроизводимости исследований вызвали необходимость в надежном программном обеспечении с открытым доступом и открытым исходным кодом. Разработка программных проектов требует эффективного сотрудничества между пользователями и разработчиками программного обеспечения, а также между самими пользователями.
Еще одним общим недостатком современных биоинформатических и клинических приложений является отсутствие удобных интерфейсов, что затрудняет их использование и навигацию. Ориентированный на пользователя дизайн также был предложен как способ минимизировать эту проблему12. Развитие решений с открытым исходным кодом способствовало повышению качества программного обеспечения в этой области, поскольку оно поощряет общественный обзор, повторное использование, исправление и непрерывное extension.In конкретная для биоинформатики, большая часть программного обеспечения написана исследователями, которые используют его для своих собственных индивидуальных целей, процесс, давно идентифицированный как программирование конечного пользователя.
Однако эти” новые " программисты сталкиваются со многими проблемами разработки программного обеспечения, такими как принятие решений о проектировании, повторном использовании, интеграции, тестировании и отладке. Для решения этой проблемы несколько авторов попытались внедрить программные инженерные подходы в биоинформатическом программировании. Гастингс и др. составлен ряд рекомендаций, которые следует использовать для обеспечения удобства использования и устойчивости исследовательского программного обеспечения.
Большинство из этих предложений являются частью фундаментальных принципов программирования; например, будьте просты, избегайте повторений, избегайте кода спа-Гетти. Изучая группу программных проектов, Ротер и др. также определен комплекс методик, способствующих внедрению программно-технических подходов в учебные проекты. Эта работа, основанная на собственном опыте авторов в проведении программных проектов, предоставила читателям набор инструментов, состоящий из нескольких этапов, начиная с традиционных, таких как истории пользователей и CRC-карты. В более конкретном исследовании Kamali et al. обсуждается несколько методик тестирования программного обеспечения, которые могут быть использованы в биоинформатике, таких как симуляторы, тестирование в операционной среде и тестирование облачных программ18. Артаза и др. предложены 10 показателей для разработки программного обеспечения в области естественных наук, которые были определены группой экспертов как наиболее релевантные. Они включают такие темы, как контроль версий и распространение программного обеспечения или непрерывная интеграция.
В аналогичном подходе Уилсон и др., описал набор” достаточно хороших " принципов, которым следует следовать для лучшей организации научных вычислительных проектов, начиная с этапа сбора данных и продолжая вплоть до написания рукописи.
Многие исследовательские организации и команды могут создавать биомедицинское программное обеспечение, но слишком часто они недостаточно разработаны для использования большинством клинических исследователей и практиков, поскольку они являются неполными, не имеют удобных интерфейсов и обслуживание программного обеспечения не гарантируется после завершения проекта. Таким образом, главный вопрос, который мы задали себе, состоял в том, как обеспечить, чтобы процесс разработки биомедицинского программного обеспечения в научно-исследовательских институтах оставался надежным и воспроизводимым без необходимости проведения серьезных организационных изменений.
Разработка высококачественного биомедицинского программного обеспечения, отвечающего ожиданиям конечных пользователей, предполагает соблюдение минимального набора руководящих принципов разработки программного обеспечения