Применение интеллектуального анализа в урологии


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

В обзоре изложены основные методы интеллектуального анализа (ИА), используемые в современной медицине. К основным направлениям применения ИА в здравоохранении относятся диагностика, лечение, прогноз течения и результатов терапии различных заболеваний. В основе работы ИА заложены математические методы и алгоритмы. Представленный обзор отображает базовые понятия ИА с отображением примеров использования в урологической практике.

Полный текст

Доступ закрыт

Об авторах

Е. Х Харбедия

ФГАОУ ВО «Первый МГМУ им. И. М. Сеченова» Минздрава России (Сеченовский Университет)

Email: harbediyaliza@inbox.ru
студентка 6-го курса, Институт урологии и репродуктивного здоровья человека

Л. М Рапопорт

ФГАОУ ВО «Первый МГМУ им. И. М. Сеченова» Минздрава России (Сеченовский Университет)

Email: leonidrapoport@yandex.ru
д.м.н., профессор, заместитель директора по лечебной работе, Институт урологии и репродуктивного здоровья человека

В. Н Гридин

Федеральное государственное бюджетное учреждение науки, Центр информационных технологий в проектировании Российской академии наук

Email: info@ditc.ras.ru
д.т.н. профессор, научный руководитель

Д. Г Цариченко

ФГАОУ ВО «Первый МГМУ им. И. М. Сеченова» Минздрава России (Сеченовский Университет)

Email: tsarichenkodg@yandex.ru
д.м.н., профессор, Институт урологии и репродуктивного здоровья человека

И. А Кузнецов

Федеральное государственное бюджетное учреждение науки, Центр информационных технологий в проектировании Российской академии наук

Email: info@ditc.ras.ru
к.т.н., заведующий лабораторией

Е. С Сирота

ФГАОУ ВО «Первый МГМУ им. И. М. Сеченова» Минздрава России (Сеченовский Университет)

Email: essirota@mail.ru
д.м.н., врач-уролог, Институт урологии и репродуктивного здоровья человека

Ю. Г Аляев

ФГАОУ ВО «Первый МГМУ им. И. М. Сеченова» Минздрава России (Сеченовский Университет)

Email: ugalyaev@mail.ru
член-корр. РАН, д.м.н., профессор, Институт урологии и репродуктивного здоровья человека

Список литературы

  1. Blobel B. Challenges and Solutions for Designing and Managing pHealth Ecosystems. Front. Med. 2019;6:83. doi: 10.3389/fmed.2019.00083.
  2. Blobel B., Ruotsalainen P., Brochhausen M., Oemig F., Uribe G.A. Autonomous Systems and Artificial Intelligence in Healthcare Transformation to 5P Medicine - Ethical Challenges. Stud. Health Technol. Inform. 2020;270:1089-1093. doi: 10.3233/SHTI200330.
  3. Suarez-Ibarrola R., Hein S., Reis G., Gratzke C., Miernik A. Current and future applications of machine and deep learning in urology: a review of the literature on urolithiasis, renal cell carcinoma, and bladder and prostate cancer. World J. Urol. 2020;38(10):2329-2347. doi: 10.1007/s00345-019-03000-5.
  4. Checcucci E. et al. Artificial intelligence and neural networks in urology: current clinical applications. Minerva Urol. Nefrol. 2020;72(1):49-57. doi: 10.23736/S0393-2249.19.03613-0.
  5. Pai R.K. et al. A review of current advancements and limitations of artificial intelligence in genitourinary cancers. Am. J. Clin. Exp. Urol. 2020;8(5):152-162.
  6. Davenport T., Kalakota R. The potential for artificial intelligence in healthcare. Future healthcare journal. 2019;6(2):94-98. Doi: 10.7861/ futurehosp.6-2-94.
  7. Topol E.J. High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine. 2019;25(1):44-56. Doi: 10.1038/ s41591-018-0300-7.
  8. Ferris T.G., Shields A., Ph D., Rosenbaum S., Blumenthal D. Jha2009. 2009.
  9. Sood R.R. et al. 3D Registration of pre-surgical prostate MRI and histopathology images via super-resolution volume reconstruction. Med. Image Anal. 2021;69:101957. doi: 10.1016/j.media.2021.101957.
  10. Zhang G.M.Y., Shi B., Xue H.D., Ganeshan B., Sun H., Jin, Z.Y. Can quantitative CT texture analysis be used to differentiate subtypes of renal cell carcinoma? Clin. Radiol. 2019;74(4):287-294. Doi: 10.1016/j. crad.2018.11.009.
  11. Shkolyar E., Jia X., Chang T.C., Trivedi D., Mach K.E., Meng M.Q., Xing L., Liao J.C. Augmented Bladder Tumor Detection Using Deep Learning. Eur Urol. 2019;76(6):714-718. doi: 10.1016/j.eururo.2019.08.032.
  12. Tong F., Shahid M., Jin P., Jung S., Kim W.H., Kim J. Classification of the urinary metabolome using machine learning and potential applications to diagnosing interstitial cystitis. Bladder (San Franc). 2020;7(2):e43. doi: 10.14440/bladder.2020.815.
  13. Choo M.S., Uhmn S., Kim J.K., Han J.H., Kim D.H., Kim J., Lee S.H. A Prediction Model Using Machine Learning Algorithm for Assessing Stone-Free Status after Single Session Shock Wave Lithotripsy to Treat Ureteral Stones. J. Urol. 2018;200(6):1371-1377. doi: 10.1016/j.juro.2018.06.077.
  14. Liu H., Tang K., Peng E., Wang L., Xia D., Chen Z. Predicting Prostate Cancer Upgrading of Biopsy Gleason Grade Group at Radical Prostatectomy Using Machine Learning-Assisted Decision-Support Models. Cancer Manag Res. 2020;12:13099-13110. doi: 10.2147/CMAR.S286167.
  15. Ершов А.В., Капсаргин Ф.П., Бережной А.Г. Создание нейросетевой системы поддержки в выборе тактики лечения при мочекаменной болезни. Урологические ведомости. 2019. Спецвыпуск. URL: https://cyberleninka.ru/article/n/sozdanie-neyrosetevoy-sistemy-podderzhki-v-vybore-taktiki-lecheniya-pri-mochekamennoy-bolezni (дата обращения: 19.02.2021
  16. Жариков О.Г., Ковалев В.А., Литвин А.А. Современные возможности использования некоторых экспертных систем в медицине. Врач и информационные технологии. 2008;5:24-30
  17. Aghazadeh M.A., Jayaratna I.S., Hung A.J., Pan M.M., Desai M.M., Gill I.S., Goh A.C. External validation of Global Evaluative Assessment of Robotic Skills (GEARS). Surgical Endoscopy. 2015;29(11):3261-3266. doi: 10.1007/s00464-015-4070-8
  18. Ghani K.R., Liu Y., Law H. et al. Video analysis of skill and technique (Vast): machine learning to assess surgeons performing robotic prostatectomy. J. Urol. 2017;197:e891.
  19. Ганцев Ш.Х., Зимичев А.А., Хрисанов Н.Н., Климентьева М.С. Применение нейронной сети в прогнозировании рака мочевого пузыря. Медицинский вестник Башкортостана. 2010. № 3. URL: https://cyberleninka.ru/article/n/primenenie-neyronnoy-seti-v-prognozirovanii-raka-mochevogo-puzyrya (дата обращения: 19.02.2021
  20. Шапиро Л., Стокман Дж. Компьютерное зрение = Computer Vision. М.: Бином. Лаборатория знаний. 2006. 752 с. ISBN 5-94774-384-1
  21. Black K.M., Law H., Aldoukhi A., Deng J., Ghani.KR Deep learning computer vision algorithm for detecting kidney stone composition. BJU Int. 2020;125(6):920-924. doi: 10.1111/bju.15035.
  22. Nosrati M.S., Amir-Khalili A., Peyrat J.M. et al. Endoscopic scene labelling and augmentation using intraoperative pulsatile motion and colour appearance cues with preoperative anatomical priors. Int J. Comput Assist Radiol Surg 2016;11:1409-1418.
  23. Wang F., Zhang C., Guo F., Ji J., Lyu J., Cao Z., Yang B. Navigation of Intelligent/Interactive Qualitative and Quantitative Analysis ThreeDimensional Reconstruction Technique in Laparoscopic or Robotic Assisted Partial Nephrectomy for Renal Hilar Tumors. J. Endourol. 2019;33(8):641-646. doi: 10.1089/end.2018.0570.
  24. Bilimoria K.Y., Liu Y., Paruch J.L., Zhou L., Kmiecik T.E., Ko C.Y., Cohen M.E. Development and evaluation of the universal ACS NSQIP surgical risk calculator: a decision aid and informed consent tool for patients and surgeons. J. Am Coll Surg. 2013;217(5):833-42. e1-3. Doi: 10.1016/j. jamcollsurg.2013.07.385.
  25. Winoker J.S., Paulucci D.J., Anastos H., Waingankar N., Abaza R., Eun D.D., Bhandari A., Hemal A.K., Sfakianos J.P., Badani K.K. Predicting Complications Following Robot-Assisted Partial Nephrectomy with the ACS NSQIP® Universal Surgical Risk Calculator. J. Urol. 2017;198(4):803- 809. doi: 10.1016/j.juro.2017.04.021.
  26. Sirota E.S., Rapoport L.M., Gridin V.N., Tsarichenko D.G., Kuznetsov I.A., Sirota A.E., Alyaev Yu.G. Analysis of the learning curve in laparoscopic partial nephrectomy in patients with localized renal parenchymal lesions depending on the nephrometric score. Urologiia. 2020;6:11-18. doi: 10.18565/urology.2020.6.00-00.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© ООО «Бионика Медиа», 2021

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах