Automated system for supporting medical decision-making in the treatment of patients with renal parenchyma neoplasms – first experience of using the web-platform «Sechenov.AI_nephro» – results of multicenter testing

A. A. Zholdubaev; Жолдубаев А. А.; P. V. Glybochko; Глыбочко П. В.; Yu. G. Alyaev; Аляев Ю. Г.; D. V. Butnaru; Бутнару Д. В.; E. V. Shpot; Шпоть Е. В.; M. M. Chernenky; Черненький М. М.; I. M. Chernenky; Черненький И. М.; D. N. Fiev; Фиев Д. Н.; A. V. Proskura; Проскура А. В.; A. V. Konyshev; Конышев А. В.; E. S Syrota; Сирота Е. С.; H M. Ismailov; Исмаилов Х. М.; R. K. Shurygina; Шурыгина Р. К.; S. Kh. Amrakhov; Амрахов С. А.; A. A. Izmailova; Измайлова А. А.; I. P. Sarkisyan; Саркисьян И. П.; A. Yu. Suvorov; Суворов А. Ю.; V. N. Pavlov; Павлов В. Н.; I R. Kabirov; Кабиров И. Р.; M. F. Urmantsev; Урманцев М. Ф.; D. E. Baykov; Байков Д. Э.; A. F. Itkulov; Иткулов А. Ф.; M. M. Khafizov; Хафизов М. М.; R. F. Gilmetdinov; Гильметдинов Р. Ф.; A. A. Antipina; Антипина А. А.; A. N. Rossolovsky; Россоловский А. Н.; D. A. Durnov; Дурнов Д. А.; D. A. Bobylev; Бобылев Д. А.; S. D. Ivanov; Иванов С. Д.

doi:10.18565/urology.2024.5.12-22

Автоматизированная система поддержки принятия врачебных решений в лечении больных с новообразованиями паренхимы почки – первый опыт использования веб-платформы «Sechenov.AI_nephro» – результаты многоцентрового тестирования

Авторы: Жолдубаев А.А.¹, Глыбочко П.В.¹, Аляев Ю.Г.¹, Бутнару Д.В.¹, Шпоть Е.В.¹, Черненький М.М.¹, Черненький И.М.¹, Фиев Д.Н.¹, Проскура А.В.¹, Конышев А.В.¹, Сирота Е.С.¹, Исмаилов Х.М.¹, Шурыгина Р.К.¹, Амрахов С.А.¹, Измайлова А.А.¹, Саркисьян И.П.¹, Суворов А.Ю.¹, Павлов В.Н.², Кабиров И.Р.², Урманцев М.Ф.², Байков Д.Э.², Иткулов А.Ф.², Хафизов М.М.², Гильметдинов Р.Ф.², Антипина А.А.², Россоловский А.Н.³, Дурнов Д.А.³, Бобылев Д.А.³, Иванов С.Д.³
Учреждения:
1. Первый МГМУ им. И.М. Сеченова Минздрава России (Сеченовский Университет)
2. Башкирский государственный медицинский университет Минздрава России
3. Саратовский государственный медицинский университет им. В. И. Разумовского Минздрава России
Выпуск: № 5 (2024)
Страницы: 12-22
Раздел: Оригинальные статьи
URL: https://journals.eco-vector.com/1728-2985/article/view/642256
DOI: https://doi.org/10.18565/urology.2024.5.12-22
ID: 642256

Цитировать

Полный текст

Открытый доступ
Доступ закрыт

Доступ предоставлен
Доступ закрыт

Доступ платный или только для подписчиков

Аннотация
Полный текст
Об авторах
Список литературы
Дополнительные файлы
Статистика

Аннотация

Цель исследования: оценить работу автоматизированной системы поддержки принятия врачебных решений «Sechenov.AI_nephro» в лечении пациентов с новообразованиями паренхимы почки (НПП).

Материалы и методы. β-версия веб-платформы «Sechenov.AI_nephro» состоит из нейронной сети на основе MONAI (Medical open network for AI) и веб-интерфейса, алгоритмы которого классифицированы на основании данных сегментации в «ручном» режиме при помощи программы 3D-моделирования «Amira». В многоцентровое проспективное исследование включен 441 пациент с НПП. Тестирование проводилось в течение 12 мес. на базе 3 урологических центров: 358 (81,2%) пациентов Сеченовского Университета; 73 (16,6%) больных Башкирского Государственного медицинского университета (БГМУ); 10 (2,3%) пациентов Саратовского Государственного медицинского университета им. В. И. Разумовского(СГМУ). Во всех наблюдениях перед операцией выполнялась мультиспиральная компьютерная томография (МСКТ) с контрастированием. DICOM (Digital Imaging and Communications in Medicine)-данные МСКТ каждого пациента врач-уролог загружал в веб-платформу «Sechenov.AI_nephro» с целью автоматического построения 3D-модели патологического процесса. Оценка работы веб-платформы «Sechenov.AI_nephro» проведена на основании анкетирования врачей, выполнявших операцию. Анкета включала 14 вопросов с балльной оценкой от 1 до 10 баллов. Опросник разделен на 3 основных раздела: 1 – оценка качества работы веб-платформы «Sechenov.AI_nephro»; 2 – оценка использования 3D-модели в беседе с пациентом для планирования операции и интраоперационной навигации; 3 – анализ выбора полезного режима отображения данных, ошибки построения 3D-модели.

Результаты. анкетирование выполнено в 253 (57,37% из 441) наблюдениях. Оценка качества построений 3D-моделей – 7,8–9,4 балла, использование 3D-модели в беседе с пациентом для планирования операции и интраоперационной навигации – 7,8–9,4 балла. 3D-модели построены правильно в 70% наблюдений. Областью интереса являлся полезный режим отображения 3D- моделей в планировании операции. Неверно построенные элементы анатомии – вены в 25,5% и опухоль 26,4% наблюдений соответственно.

Заключение. Работа автоматизированной системы поддержки принятия врачебных решений в лечении больных НПП «Sechenov.AI_nephro» продемонстрировала удовлетворительное качество воспроизведения 3D-моделей патологического процесса. 3D-построения позволяют персонифицированно определять хирургическую тактику лечения пациентов с НПП.

Ключевые слова

рак почки, резекция почки, 3D-моделирование, компьютерное зрение, машинное обучение, искусственный интеллект