Искусственный интеллект для планирования тактики ведения пациентов после перкутанной нефролитотрипсии

Искусственный интеллект для планирования тактики ведения пациентов после перкутанной нефролитотрипсии

Автор: Щамхалова К.К., Меринов Д.С., Артемов А.В., Гурбанов Ш.Ш., Аполихин О.И., Каприн А.Д.

Журнал: Экспериментальная и клиническая урология @ecuro

Рубрика: Экспериментальная урология

Статья в выпуске: 3 т.17, 2024 года.

Бесплатный доступ

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.

Мочекаменная болезнь, перкутанная нефролитотрипсия, искусственный интеллект

Короткий адрес: https://sciup.org/142243274

IDR: 142243274   |   DOI: 10.29188/2222-8543-2024-17-3-43-51

Список литературы Искусственный интеллект для планирования тактики ведения пациентов после перкутанной нефролитотрипсии

  • Türk C, Petřík A, Sarica K, Seitz C, Skolarikos A, Straub M. EAU guidelines on interventional treatment for urolithiasis. Eur Urol 2016;69(3):475-82. https://doi.org/10.1016/j.eururo.2015.07.041.
  • Шестаев А.Ю., Протощак В.В., Паронников М.В., Киселев А.О. Комбинированный (цитратный и растительный) препарат уриклар в дистанционной литотрипсии и метафилактике мочекаменной болезни. Урологические ведомости 2018;8(1):19-25. [Shestayev A.YU., Protoshchak V.V., Paronnikov M.V., Kiselev A.O. Combined (citrate and herbal) drug Uriklar in extracorporeal shock wave lithotripsy and metaphylaxis of urolithiasis . Urologicheskie vedomosti = Urology reports 2018;8(1):19-25. (In Russian)]. https://doi.org/10.17816/uroved8119-25.
  • Zhou G, Zhou Y, Chen R, Wang D, Zhou S, Zhong J, et al. The influencing factors of infectious complications after percutaneous nephrolithotomy: a systematic review and meta-analysis. Urolithiasis 2022;51(1):17. https://doi.org/10.1007/s00240-022-01376-5.
  • Danilovic A, Torricelli FCM, Marchini GS, Batagello C, Vicentini FC, Traxer O, et al. Residual stone fragments after percutaneous nephrolithotomy: shockwave lithotripsy vs retrograde intrarenal surgery. J Endourol 2021;35(5):609-14. https://doi.org/10.1089/end.2020.0868.
  • Barba HS, Villeda-Sandoval CI, Mendez-Probst CE. Frequency and risk factors for antegrade ureteral stone migration after percutaneous nephrolithotomy. Cent European J Urol 2020;73(3):355-61. https://doi.org/10.5173/ceju.2020.0023.
  • Ziemba JB, Matlaga BR. Epidemiology and economics of nephrolithiasis. Investig Clin Urol 2017;58(5):299-306. https://doi.org/10.4111/icu.2017.58.5.299.
  • Roberson D, Sperling C, Shah A, Ziemba J. Economic considerations in the management of nephrolithiasis. Curr Urol Rep 2020;21(5):18. https://doi.org/10.1007/s11934-020-00971-6.
  • Loftus TJ, Filiberto AC, Li Y, Balch J, Cook AC, Tighe PJ, et al. Decision analysis and reinforcement learning in surgical decision-making. Surgery 2020;168(2):253-66. https://doi.org/10.1016/j.surg.2020.04.049.
  • Henn J, Buness A, Schmid M, Kalff JC, Matthaei H. Machine learning to guide clinical decision-making in abdominal surgery-a systematic literature review. Langenbecks Arch Surg 2022;407(1):51-61. https://doi.org/10.1007/s00423-021-02348-w.
  • Zou XC, Luo CW, Yuan RM, Jin MN, Zeng T, Chao HC. Develop a radiomics-based machine learning model to predict the stone-free rate post-percutaneous nephrolithotomy. Urolithiasis 2024;52(1):64. https://doi.org/10.1007/s00240-024-01562-7.
  • Щамхалова К.К., Меринов Д.С., Артемов А.В., Гурбанов Ш.Ш., Инамов Р.Р., Аполихин О.И., Каприн А.Д. Искусственный интеллект для персонализированного подхода к перкутанной нефролитотрипсии. Экспериментальная и клиническая урология 2024;17(1):24-34. [Shchamkhalova K.K., Merinov D.S., Artemov A.V., Gurbanov Sh.Sh., Inamov R.R., Apolikhin O.I., Kaprin A.D. Artificial intelligence for a personalized approach to percutaneous nephrolithotripsy. Eksperimentalnaya i Klinicheskaya urologiya = Experimental and Clinical Urology 2024;17(1):24-34. (In Russian)]. https://doi.org/10.29188/2222-8543-2024-17-4-24-34.
  • Guo HQ, Shi HL, Li XG, Gan WD, Zeng LQ, Liu GX, et al. Relationship between the intrapelvic perfusion pressure in minimally invasive percutaneous nephrolithotomy and postoperative recovery. ZhonghuaWai Ke Za Zhi 2008;46(1):52-4.
  • Guohua Z, Wen Z, Xun L, Wenzhong C, Yongzhong H, Zhaohui H, et al. The influence of minimally invasive percutaneous nephrolithotomy on renal pelvic pressure in vivo. Surg Laparosc Endosc Percutan Tech 2007;17(4)307-10. https://doi.org/10.1097/SLE.0b013e31806e61f4.
  • Lorenzo Soriano L, Ordaz Jurado DG, Pérez Ardavín J, Budía Alba A, Bahílo Mateu P, Trassierra Villa M, López Acón D. Predictive factors of infectious complications in the postoperative of percutaneous nephrolithotomy. Actas Urol Esp (Engl Ed) 2019;43(3):131-6. https://doi.org/10.1016/j.acuro.2018.05.009.
  • Torricelli FCM, Monga M. Staghorn renal stones: what the urologist needs to know. Int Braz J Urol 2020;46(6):927-33. https://doi.org/10.1590/s1677-5538.ibju.2020.99.07.
  • Ganpule AP, Shah DH, Desai MR. Postpercutaneous nephrolithotomy bleeding: aetiology and management. Curr Opin Urol 2014;24(2):189-94. https://doi.org/10.1097/MOU.0000000000000025.
  • Poudyal S. Current insights on haemorrhagic complications in percutaneous nephrolithotomy. Asian J Urol 2022;9(1):81-93. https://doi.org/10.1016/j.ajur.2021.05.007.
  • Ершов А.В., Неймарк А.И., Капсаргин Ф.П., Бережной А.Г., Винник Ю.Ю. Использование нейронных алгоритмов при выборе метода оперативного лечения мочекаменной болезни. Урология 2021;(4):47-52. [Ershov A.V., Neymark A.I., Kapsargin F.P., Berezhnoy A.G., Vinnik Y.Y. The use of neural algorithms when choosing a method of surgical treatment of urolithiasis. Urologiya = Urologiia 2021;(4):47–52. (In Russian)]. https://doi.org/10.18565/urology.2021.4.47-52.
  • Коцарь А.Г., Серёгин С.П., Новиков А.В. Автоматизированная система поддержки принятия решений уролога по прогнозированию и профилактике камнеобразования при мочекаменной болезни. Урология 2013;(5):16-20. [Kotsar A.G., Seregin S.P., Novikov A.V. Automated urologist decision support system for the prediction and prevention of stone formation in urolithiasis. Urologiya = Urologiia 2013;(5):16-20. (In Russian)].
  • Zhu XH, Yang MY, Xia HZ, He W, Zhang ZY, Liu YQ, et al. Application of machine learning models in predicting early stone free rate after flexible ureteroscopic lithotripsy for renal stones. Beijing Da Xue Xue Bao Yi Xue Ban 2019;51(4):653-9. https://doi.org/10.19723/j.issn.1671-167X.2019.04.010.
  • Seckiner I, Seckiner S, Sen H, Bayrak O, Dogan K, Erturhan S. A neural network – based algorithm for predicting stone-free status after ESWL therapy. Intl Braz J Urol 2017;43(6):1110-4. https://doi.org/10.1590/S1677-5538.
  • Ханов А.М., Гусев А.В., Тюрганов А.Г. Искусственный интеллект в здравоохранении России: сбор и подготовка данных для машинного обучения. Российский журнал телемедицины и электронного здравоохранения 2023;9(4):7-13. [Khanov A.M., Gusev A.V., Tyurganov A.G. Artificial intelligence in Russian healthcare: data collection and preparation for machine learning. Rossiyskiy zhurnal telemeditsiny i elektronnogo zdravookhraneniya = Russian Journal of Telemedicine and Electronic Health 2023;9(4):7-13. (In Russian)]. https://doi.org/10.29188/2712-9217-2023-9-4-7-13.
  • Пранович А.А., Исмаилов А.К., Карельская Н.А., Костин А.А., Кармазановский Г.Г., Грицкевич А.А. Искусственный интеллект в диагностике и лечении мочекаменной болезни. Российский журнал телемедицины и электронного здравоохранения 2022;8(1)42-57. [Pranovich A.A., Ismailov A.K., Karelskaya N.A., Kostin A.A., Karmazanovsky G.G., Gritskevich A.A. Artificial intelligence in the diagnosis and treatment of urolithiasis. Pranovich A.A., Ismailov A.K., Karelskaya N.A., Kostin A.A., Karmazanovsky G.G., Gritskevich A.A. Artificial intelligence in the diagnosis and treatment of urolithiasis. Russian Journal of Telemedicine and Electronic Health = Russian Journal of Telemedicine and Electronic Health 2022;8(1)42-57. (In Russian)]. https://doi.org/10.29188/2712-9217-2022-8-1-42-57.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp