Использование искусственного интеллекта в выборе метода хирургического лечения доброкачественной гиперплазии предстательной железы
Журнал: Экспериментальная и клиническая урология @ecuro
Рубрика: Организация урологической помощи
Статья в выпуске: 2 т.19, 2026 года.
Бесплатный доступ
Введение. Выбор оптимального метода хирургического лечения доброкачественной гиперплазии предстательной железы (ДГПЖ) остается одной из наиболее сложных клинических задач в современной урологии. Наличие нескольких эффективных вмешательств – трансуретральной резекции предстательной железы (ТУР ПЖ), трансуретральной энуклеации предстательной железы (ТУЭ ПЖ) и эмболизации простатических артерий (ЭПА) – повышает вариабельность врачебных решений и увеличивает риск субъективного выбора. Цель исследования. Оценить возможность применения нейросетевой модели на основе нелинейной логистической регрессии для поддержки выбора оптимального метода хирургического лечения ДГПЖ на этапе предоперационного обследования. Материалы и методы. В исследование включены 105 пациентов с ДГПЖ, проходивших лечение в 2019–2025 гг. Пациенты были разделены на три группы в зависимости от выполненного вмешательства: ТУРП (n=35), ТУЭ ПЖ (n=35), ЭПА (n=35). Для построения модели использованы клинико-функциональные параметры: уровень простатического специфического антигена, показатели урофлоуметрии (Qmax, Qav), объем предстательной железы, объем остаточной мочи и анестезиологический риск по ASA (American Society of Anesthesiologists – Американское общество анестезиологов). На основе этих данных разработана нейросетевая модель, обученная прогнозировать предпочтительный метод операции. Оценка качества проводилась с использованием ROC-анализа. Результаты. Совпадение рекомендаций нейросети с экспертным решением хирургов составило 83,8%. Площадь под ROC-кривой (AUC) достигла 0,88, что соответствует высокому уровню дискриминационной способности. Наибольшая точность отмечена при прогнозировании ТУР ПЖ (91%), несколько ниже – при выборе ТУЭ ПЖ (85,7%) и ЭПА (81,2%). В ряде клинических случаев рекомендации модели оказались более безопасными по сравнению с фактически выполненным вмешательством. Заключение. Использование нейросетевой модели на основе стандартных клинико-функциональных показателей позволяет повысить объективность выбора метода хирургического лечения ДГПЖ и может служить эффективным инструментом поддержки клинических решений.
Короткий адрес: https://sciup.org/142248439
IDS: 142248439 | DOI: 10.29188/2222-8543-2026-19-2-28-35
Artificial intelligence in the selection of surgical approach for benign prostatic hyperplasia
Introduction. Choosing the optimal method of surgical treatment of benign prostatic hyperplasia (BPH) remains one of the most difficult clinical tasks in modern urology. The presence of several effective interventions – transurethral resection of the prostate (TURP), transurethral enucleation of the prostate (TUEP) and embolization of the prostatic arteries (EPA) increases the variability of medical decisions and increases the risk of subjective choice. The purpose of the study. To evaluate the possibility of using a neural network model based on nonlinear logistic regression to support the choice of the optimal method of surgical treatment of BPH at the stage of preoperative examination. Materials and methods. The study included 105 patients with BPH who were treated in 2019–2025. The patients were divided into three groups depending on the performed intervention: TURP (n=35), TUEP (n=35), EPA (n=35). To build the model, clinical and functional parameters were used: PSA level, uroflowmetry parameters (Qmax, Qav), prostate volume, residual urine volume and anaesthetic risk according to ASA. Based on these data, a neural network model has been developed, trained to predict the preferred method of operation. The quality assessment was carried out using ROC analysis. Results. The coincidence of the recommendations of the neural network with the expert decision of surgeons was 83.8%. The area under the ROC curve (AUC) reached 0.88, which corresponds to a high level of discrimination ability. The highest accuracy was noted when predicting TURP (91%), slightly lower when choosing TUE (85,7%) and EPA (81.2%). In a number of clinical cases, the recommendations of the model turned out to be safer than the actual intervention performed. Conclusion. The use of a neural network model based on standard clinical and functional indicators makes it possible to increase the objectivity of the choice of surgical treatment for BPH and can serve as an effective tool for supporting clinical decisions.
