Большие языковые модели для фенотипирования пациентов с синдромом хронической тазовой боли по системе UPOINTS: анализ 2733 онлайн-консультаций
Журнал: Экспериментальная и клиническая урология @ecuro
Рубрика: Организация урологической помощи
Статья в выпуске: 2 т.19, 2026 года.
Бесплатный доступ
Введение. Синдром хронической тазовой боли (СХТБ) – неоднородное многодоменное состояние, для которого Европейская и Американская урологические ассоциации рекомендуют клиническое фенотипирование по системе UPOINTS из семи доменов: мочевого, психосоциального, органного, инфекционного, неврологического/системного, миофасциального и сексуального. Ручное фенотипирование больших клинических потоков невыполнимо; применение больших языковых моделей к этой задаче в русскоязычной практике ранее не описано. Цель. Разработать и апробировать автоматизированный подход на основе большой языковой модели и базы знаний по урологии для фенотипирования пациентов с СХТБ по системе UPOINTS на материале русскоязычных онлайн-консультаций; описать наблюдаемое распределение доменов; оценить применение пробы Meares–Stamey в практике онлайн-консультирования. Материал и методы. Обсервационное ретроспективное исследование на полной выборке 2733 онлайн-обращений к одному российскому врачу-урологу за период 27.08.2025–16.04.2026. Протокол зарегистрирован проспективно. Каждое обращение проходило пять последовательных этапов: локальная двухуровневая деперсонализация, классификация предметной принадлежности, классификация по 18 нозологическим категориям, формирование клинической виньетки и фенотипирование по UPOINTS с привлечением контекста из специализированной базы знаний по урологии. В качестве основной языковой модели применялась внешняя коммерческая большая языковая модель (DeepSeek Chat v3.1); все обращения к ней выполнялись исключительно на обезличенном тексте. Вторичный анализ применения пробы Meares–Stamey выполнен двухуровневым методом: автоматический поиск упоминаний с последующей проверкой статуса языковой моделью. 95% доверительные интервалы рассчитывались методом Уилсона. Результаты. Фенотип СХТБ выделен у 281 пациента (10,3%; 9,2–11,5). Положительные домены: мочевой – 50,2%, сексуальный – 35,9%, психосоциальный – 30,6%, органный – 27,4%, миофасциальный – 26,7%, инфекционный – 21,4%, неврологический – 11,0%. У 74,4% пациентов фенотип формировался комбинацией одного–трех положительных доменов. Клинически значимые красные флаги выявлены у 10,7%. Полная четырехстаканная проба Meares–Stamey не зафиксирована ни в одном из 2733 обращений; двухстаканная проба Nickel – в одном; забор секрета предстательной железы после массажа без сравнения с порциями мочи – в 25 случаях. В 70% обращений с тематикой простатита консультант рекомендовал пробу пациенту, тогда как реально выполненной она была в 3–5 раз реже. Заключение. Связка большой языковой модели и базы знаний по урологии позволяет провести фенотипирование больших текстовых потоков по системе UPOINTS при четко обозначенных ограничениях метода: положительный инфекционный домен в текстовом материале не равен лабораторно верифицированному бактериальному простатиту. Эмпирически подтверждена редкость применения полной пробы Meares–Stamey в практике онлайн-консультирования. Необходима проспективная проверка против ручной экспертной разметки.
Короткий адрес: https://sciup.org/142248441
IDS: 142248441 | DOI: 10.29188/2222-8543-2026-19-2-43-63
Large language models for UPOINTS-Based phenotyping of patients with chronic pelvic pain syndrome: an analysis of 2733 online consultations
Introduction. Chronic pelvic pain syndrome (CPPS) is a heterogeneous multi-domain condition; both the European Association of Urology and the American Urological Association recommend clinical phenotyping along the seven UPOINTS domains: Urinary, Psychosocial, Organ-specific, Infection, Neurologic/systemic, Tenderness of skeletal muscles, and Sexual. Manual phenotyping of large clinical streams is impractical; the application of large language models (LLM) to this task in the Russian-language clinical setting has not been previously described. Objective. To develop and pilot an automated approach based on a large language model coupled with a specialized urological knowledge base for UPOINTS-based phenotyping of CPPS patients from Russian-language online consultation text; to characterize the observed domain distribution; and to assess the use of the Meares–Stamey test in real ambulatory practice. Material and Methods. Observational retrospective study on the full sample of 2.733 online consultations addressed to a single Russian urologist (27.08.2025–16.04.2026). The study protocol was prospectively registered. Each consultation passed through five sequential processing stages: local two-layer deidentification, scope classification, classification across 18 nosological categories, generation of a clinical vignette, and UPOINTS phenotyping with retrieval of relevant context from a urological knowledge base. The primary language model was an external commercial large language model (DeepSeek Chat v3.1); all calls to it were made exclusively on deidentified text. A secondary analysis of Meares–Stamey test use was performed via automated pattern search followed by LLM status validation. 95% confidence intervals were computed by the Wilson method. Results. A CPPS phenotype was identified in 281 patients (10.3%; 9.2–11.5). Positive domain rates: Urinary 50.2%, Sexual 35.9%, Psychosocial 30.6%, Organ-specific 27.4%, Tenderness 26.7%, Infection 21.4%, Neurologic 11.0%. In 74.4% of patients the phenotype was formed by one to three positive domains. Red flags were noted in 10.7%. The full 4-glass Meares–Stamey test was not registered in any of 2,733 consultations; the 2-glass Nickel test in one; expressed prostatic secretion after prostate massage without VB-fraction control in 25 cases. In 70% of prostatitis-related consultations the consultant recommended the test to the patient, while it was actually performed 3–5 times less frequently. Conclusion. Coupling a large language model with a specialized urological knowledge base permits UPOINTS phenotyping of large textual streams, with clearly defined methodological limitations: a positive Infection domain in text material is not equivalent to laboratory-verified bacterial prostatitis. The rarity of the full Meares–Stamey test in real ambulatory practice is empirically confirmed. Prospective validation against manual expert annotation is required.
