Искусственный интеллект для планирования тактики ведения пациентов после перкутанной нефролитотрипсии

Введение. Мочекаменная болезнь остается одной из наиболее часто встречаемых урологических патологий, оказывая значительную нагрузку на систему здравоохранения. Актуальным направлением в оптимизации перкутанной нефролитотрипсии (ПНЛ) является персонализированный прогноз ведения пациентов, основанный на алгоритмах принятия решений искусственного интеллекта (ИИ). В нашей работе мы применили алгоритм для создания наиболее оптимальной тактики ведения пациента после ПНЛ. Цель. Оптимизировать тактику ведения пациентов после ПНЛ на основе ИИ. Материалы и методы. В работе были проанализированы данные 1000 пациентов в возрасте от 18 до 88 лет (52,3±13,47) с нефролитиазом, которым была выполнена ПНЛ. Обработка данных проводилась с применением программ IBM SPSS Statistics и Modeler методом моделирования нейронных сетей. Результаты. Точность прогноза по развитию пиелонефрита составила 79%, развитию геморрагических осложнений 94,7%, установке внутреннего стента 94,77%, замене/ренефростомии составила 99%, дополнительным хирургическим вмешательствам -97,4%, продолжительности госпитализации 93,4%, выписки с дренажами 93,37%, рекомендации лечащего врача о дальнейшей тактики ведения пациента 91,6%. Заключение. Дальнейшее развитие технологии ИИ не только даст «второе мнение» и сократит время обработки больших объемов информации, но также стандартизирует подход к лечению сложных клинических случаев и поможет оптимизировать работу урологического отделения.

Introduction. Urolithiasis remains one of the most common urological pathologies that deserves due attention in the healthcare system. A current direction in optimizing percutaneous nephrolithotripsy (PCNL) is a personalized prognosis for patient management based on artificial intelligence (AI) decisionmaking algorithms. In our work, we applied an algorithm to create the most optimal tactics for patient management after PCNL. Purpose. Optimize the management of patients after PCNL based on AI. Materials and methods. The total number of patients treated at N. Lopatkin Scientific Research Institute of Urology and Interventional Radiology and those who took part in the study amounted to 1000 people. The number of men was 419 (41.9%), women 581 (58.1%). The age of patients included in the studies ranged from 18 to 88 years (52.3±13.47). The division into Training and Holdout partitions varied depending on the target variable to obtain the most accurate result. The maximum difference in the samples was 600n and 400n (60% and 40%), the minimum 800n and 200n (80% and 20%). Data processing was carried out using IBM SPSS Statistics and Modeler programs using the neural network modeling method. Results. The accuracy of prediction for the choice of nephroscope size was 82.2%, requirement for intraoperative stent placement 93.9%, requirement for ureteroscopy or contact ureterolithotripsy 98.5%. The accuracy of the forecast for the number of puncture accesses was 92.6%, for access through the upper group 95%, for access through the middle group 91.2%, for access through the lower group 91.2%. The algorithm allows us to predict the presence of residual stones with an accuracy of 84.1%, the duration of surgical intervention is 87.3% Conclusion. Further development of AI technology will not only provide a «second opinion» and reduce the time for processing large volumes of information, but will also standardize the approach to the treatment of complex clinical cases and help optimize the work of the urology department.