Стохастический подход в изучении КИ не эффективен.

Сложные биосистемы (СТТ, complexity) обладают пятью уникальными свойствами: компартментно-кластерная организация (основа синергетики), отсутствие стационарных режимов (dx/dt*O непрерывно и начальное значение x(to) неповторимо!), эволюция СТТ в ФПС, телеологически обусловленное развитие и возможность выхода за пределы 3-х, 20-ти сигм и т.д. [1,2,4,5,9,10].

Для КИ легко продемонстрировать выход за 20 сигм: при частоте 1Гц (одно сокращение в секунду) стандарт отклонения в норме составляет не более 0,1 сек (о=0,1 сек). Экспериментально можно легко вызвать задержку КИ на 60 сек, что в переводе на о примет вид 60 сек/ 0.1 сек=600 о. Для физики и техники такое невозможно в принципе, для живых систем - воспроизводимый случай. Поведение СТТ (complexity) уникально и про такие системы И.Р. Пригожин говорил, что они - не объект науки и для таких систем создается новая ТХС.

На рис.1-А представлен пример КИ. Одновременно на рис. 1-В мы представляем и суперпозицию 15-ти АЧХ для 15-ти отрезков кардиоинтервалов. Эти КИ получаются подряд от одного испытуемого (время регистрации 5 мин). Все АЧХ разные, совпадений нет и при этом автокорреляционные функции A(t) не сходятся к нулю (рис. 1-С), а хаотически колеблются в интервале (-1, 1). Свойство перемешивания не выполггяется для любых выборок КИ, что означает с позиции стохастики, что каждая выборка (5 мин. регистрации КИ от одного испытуемого с многократным повторением этой процедуры регистрации) будет демонстрировать свою собственную функцию распределения f(x), которую нельзя повторить!

А

В

С

Рис. 1. А - пример кардиоинтервалов; В - суперпозиция 15-ти амплитудно-частотных характерисик (АЧХ) для 15-ти отрезков кардиоинтервалов; С - суперпозиция 15- ти автокорреляционных функции A(t) одного испытуемого

Таким образом кардиоритм не является в традиционном смысле хаотическим процессом, равно как и любые параметры гомеостаза. Все это непрерывно изменяется и не является объектом теории хаоса Арнольда-Тома. Это хаос, но другого типа, без повторения начальных условий, констант Ляпунова, свойства перемешивания, АЧХ и без сходимости A(t) к нулю. Все особые СТТ (complexity) нельзя описывать в рамках детерминизма или стохастики из-за их непрерывного изменения (dx/dt^O) [3-5,9,15].

Если для 15-ти отрезков КИ от разных испытуемых при 15-ти измерениях рассчитать матрицу попарного сравнения получаемых функций распределения f(x), то для такого набора f(x) и их парного сравнения по критерию Вилкоксона мы из 105 разных пар в лучшем случае получаем 5-7 пар, которые продемонстрируют возможность отнесения этих двух выборок, и их/(х) к одной генеральной совокупности. Остальные пары покажут, что они все разные. Система регуляции кардиоритма будет демонстрировать генерацию разных выборок, состояние регуляторных механизмов будет непрерывно изменяться. Для всех fi(x) мы будем получать хаотический набор (за редким исключением стохастического совпадений пар, которые при повторах уже не будут совпадать). Такая динамика f(x) вполне соответствует хаосу АЧХ, A(t), свойству перемешивания. Это особый непрерывный хаос [1,2,6,7,16-19].

Пример такой матрицы парного сравнения КИ представлены в табл. 1. Существенно, что набор разных fi(x) мы будем получать при парном сравнении КИ от одного человека (15 наборов серий КИ от одного испытуемого) и при парном сравнении разных КИ (от разных испытуемых). Характерно, что если взять 15-ть выборок от генератора хаотичных сигналов, то мы получаем тоже некоторое число «совпадений» пар выборок (табл. 2), но это к значительно больше, что и отличает хаос СТТ (complexity) от детерминированного хаоса [9-14].

В хаотическом калейдоскопе стохастики оказывается, что при изменении внешних условий среды или физиологического состояния организма число пар совпадений вполне закономерно будет изменяться. Например, в табл. 1 представлены матрицы попарного сравнения 15-ти КИ испытуемых (тренированные студенты, 30 приседаний за 30 сек.) после нагрузки (число совпадений /с=12). Матрица 15-ти сравнений другой группы (нетренированных) показывает после нагрузки к=21. Число 21/12=1,7 и определяет отличие испытуемых тренированных к нагрузкам от нетренированных.

Все это говорит об общих механизмах самоорганизации (и настройки) в работе КРС. Эта общность заключена в переходе от хаоса к порядку (к стохастике) и наоборот. Очевидно, что у нетренированных стохастическая упорядоченность повышается в 1,7 раза против тренированных, хотя в исходном состоянии и их число «совпадений» функций f(x) было приблизительно одинаково (тренированные /с=21, а нетренированные /с=19). Однако, все эти цифры отличаются от показателей табл. 2 для чисто хаотичного процесса, но параметр к имеет диагностическую ценность в оценке хаоса КИ и их сравнении с обычным хаосом.

При изменении условий существования организма наблюдается перестройка в механизмах регуляции КИ. Эти перестройки не детерминистские и не стохастические, они носят хаотический характер, т.к/(х) изменяется непрерывно, но число совпадений к является диагностическим признаком состояния сердечно-сосудистой системы (ССС) испытуемых.

Самоорганизация характерна для многих параметров гомеостаза, в частности для КИ. Действительно, в табл. 1 приведен пример стохастического анализа 15-ти КИ для парного сравнения 15-ти разных кардиоинтервалов (группа из 15-ти разных людей). Но если мы возьмем 15-ть повторов регистрации КИ у одного испытуемого, то результат «совпадений» пар получается сходным: 15-20% от общего числа сравниваемых пар покажут возможность их отнесения к общей генеральной совокупности и около 80% пар продемонстрируют невозможность такого «совпадения». Для хаоса число к будет несколько больше (табл. 2).

Таблица 1

Матрица попарного сравнения хаотического сигнала, использовался критерий Вилкоксона (число пар совпадений к=85 р>0.05)

Матрица парного сравнения КИ у тренированных испытуемых после физической нагрузки. Сравнение выборок производилось по критерию Краскела-Уоллиса (число пар совпадений к=12 р>0.05)

изменение эмоционального фона у испытуемых. Такие внешние возмущения для КРС одинаковым образом действуют и на отдельного человека, и па группу приблизительно одинаковых людей. Последнее показывает сходство в механизмах регуляции кардиоинтервалов у человека, хотя индивидуальная специфика все-таки имеет место. Анализ КИ показывает неопределенности 1-го типа.

Существует три типа неопределенности для complexity и в первую очередь для КИ. Первая из них легче всего воспринимается сторонниками традиционного детерминистского и стохастического подходов, т.к. наиболее доступна для понимания. Неопределенность 1-го типа возникает, когда стохастика показывает отсутствие различий между выборками, а методами ТХС и нейрокомпьютинга различия между выборками четко фиксируются.

В табл. 3 представлены итоги парного сравнения по 6-ти наиболее важным параметрам ССС (включая и кардиоинтервалы ССС) для группы мальчиков (78 человек), которые перевозились в апреле месяце из Сургута в Туапсе и у них определялись четыре раза (перед отъездом и сразу по приезду в санаторий: I и II; сразу по приезду и перед отъездом из санатория: II и III; перед отъездом и санатория и по приезду в Сургут: III и IV). Эти пары сравнений по параметрам симпатотонии (SIM), парасимпатотонии (PAR), частоты сердечных сокращений (SSS), стандарту отклонения кардиоинтервалов (SDNN), индексу Баевского (INB), уровню насыщения-оксигенации крови (SpO2) - имеются в табл. 3, где в матрице 3x6 представлены уровгги совпадений выборок (критерий Вилкоксона), которые только для 3-й группы (III и IV) для PAR и SDNN дают значения р<0,05. Остальные пары различаются незначительно, т.е. возникает неопределенность 1-го типа и мы применили нейро-ЭВМ (НЭВМ).

Следует отметить, что на сегодняшний день в лаборатории биокибернетики и биофизики сложных систем при Сургутском госуниверситете (России) собрана большая картотека парных выборок для якобы одина

Таким образом, для регуляции кардиоритма характерно: преобладание хаотической динамики (стохастика - менее 20%) и эта регуляция не зависит от индивидуума. Механизмы такой регуляции КИ подобны регуляции тремора (там имеем менее 10% совпадений). При изменении состояния физиологических функций испытуемых, если испытуемому дать нагрузку (физические упражнения), то число «совпадений» резко изменится. При сравнении тремора и теппинга более чем в 2 раза увеличивается к. В этом смысле теппинг подобен регуляции кардиоритма и отличен от тремора.

Внешним управлением для кардиоритмов могут являться дозированные физические упражнения или ковых состояний сложных систем (медико - динамических систем), которые, находясь в разных биологических состояниях, якобы демонстрируют полное отсутствие возможностей их статистического разделения. Иными словами две выборки х*и х^многих разных компонентов х; вектора состояния сложной системы x(t) демонстрируют возможность их отнесения к одной генеральной совокупности [1,2,6,7,17].

Отсутствие статистических различий для биолога и медика, представленные в табл. 3 в трех парах сравнения, означает, что физическая нагрузка, переезд группы школьников с Севера РФ на Юг, применение новых методов лечения - не дают существенных результатов. За исключением колонки «III и IV» для PAR и SDNN, изучаемая биосистема якобы находится в стационарном состоянии, существенных изменений КИ не наблюдается.

Таблица 3

Результаты сравнения параметров ВСР мальчиков при широтных перемещениях, с помощью критерия Вилкоксона (при критическом уровне значимости принятым равным р<0.05)

начальных весов признаков Wio из равномерного интервала (0, 1), то мы получим набор различных значений весов для конкретного признака Xi. Это представлено на рис. 2. Такой разброс весов одного признака делает невозможным решение задачи системного синтеза не только на основании одной процедуры бинарной классификации, но и при нескольких итерациях. Где выход из возникающей ситуации?