Клинические перспективы применения искусственного интеллекта в урогинекологии: обзор литературы

Ш.У. Алиева; В.Н. Локшин; О.П. Цигенгагель

doi:10.37800/RM.1.2025.465

Авторлар

Ш.У. Алиева
В.Н. Локшин
О.П. Цигенгагель НАО "Атырауский университет им. Х.Досмухамедова"

DOI:

https://doi.org/10.37800/RM.1.2025.465

Кілт сөздер:

жасанды интеллект, терең оқыту, табиғи тілдерді өңдеу, урогинекология, гинекология

Аңдатпа

Өзектілігі: Соңғы онжылдықтарда медицинада жасанды интеллектті (ЖИ) қолдану айтарлықтай кеңейіп, айтарлықтай барлық медициналық пәндерді қамтыды. ЖИ технологиялар акушерлік пен гинекологияның әртүрлі салаларында, соның ішінде жалпы акушерлік, гинекологиялық хирургия, пренатальды ультрадыбыстық және қосалқы репродуктивті технологиялар және т.б. қолданыс табуда. ЖИ медицинадағы ең жылдам дамып келе жатқан технологиялардың бірі болып табылады, әсіресе визуализация маңызды рөл атқаратын мамандықтарда. Гинекологияда ЖИ бірнеше салаларда, әсіресе онкологияда айтарлықтай әлеуетті көрсетті, онда зерттеулер перспективалы нәтижелер көрсетті. Дегенмен, урогинекологияда визуалды диагностикалық әдістер мен әйелдердің жамбас қабатының жағдайын бағалауға арналған сынақтардың кеңінен қолданылуына қарамастан, ЖИ қолдану бойынша зерттеулер айтарлықтай азырақ жүргізілді.

Зерттеу мақсаты – акушерлік және гинекологиядағы ЖИ қолданудың қазіргі жағдайын талдау, осы саланың дамуына ықпал ететін машиналық оқытудың жетістіктерін бағалау, бар шектеулерді анықтау және ЖИ-ді одан әрі қолдану перспективаларын анықтау.

Материалдар мен әдістер: Ғылыми жарияланымдары бойынша PubMed, Scopus, Google Scholar, e-Library іздеу жүйелерінде ағылшын, қазақ және орыс тілдерінде, кілт сөздер мен медициналық теметикалық тақырыптар бойынша 2020 жылғы 1 қаңтар мен 2025 жылғы 10 ақпан аралығында жарияланған материалдар арасында іздеу жүргізілді. Шолу ға 48 мақала енгізілді.

Нәтижелер: Бұл шолу ЖИ технологияларының урогинекологиялық ауруларды диагностикалауға, емдеуге және басқаруға трансформациялық әсерін зерттейді. Диагностикалық дәлдікті арттырудағы, босанғанға дейінгі күтімді жақсартудағы және урогинекологиялық араласуларды оңтайландырудағы олардың рөліне назар аудара отырып, AI қолдайтын бейнелеу, болжамды аналитика және жекелендірілген медицина саласындағы негізгі жетістіктерді қарастырады.

Қорытынды: Әдебиетке шолу урогинекологиядағы медициналық көмек көрсету стандартын жақсарту үшін АИ-нің маңызды әлеуетін көрсетеді, бұл клиникалық нәтижелерді жақсартуға және әйелдердің репродуктивті денсаулығын жақсартуға әкелуі мүмкін. Ұсынылған ЖИ-ті қазіргі уақытта пайдалану және оның болашақ перспективалары осы технологияларды клиникалық тәжірибеде қауіпсіз және тиімді енгізу стратегияларын одан әрі зерттеу және әзірлеу қажеттілігін көрсетеді.

Библиографиялық сілтемелер

Brandão M, Mendes F, Martins M, Cardoso P, Macedo G, Mascarenhas T, Mascarenhas Saraiva M. Revolutionizing Women’s Health: A Comprehensive Review of Artificial Intelligence Advancements in Gynecology. J Clin Med. 2024;13. https://doi.org/10.3390/jcm13041061

Mota J, Almeida MJ, Mendes F, Martins M, Ribeiro T, Afonso J, Cardoso P, Cardoso H, Andrade P, Ferreira J, Mascarenhas M., Macedo G. From Data to Insights: How Is AI Revolutionizing Small-Bowel Endoscopy? Diagnostics. 2024;14(3):291. https://doi.org/10.3390/diagnostics14030291

Amisha, Malik P, Pathania M, Rathaur V. Overview of artificial intelligence in medicine. J Family Med Prim Care. 2019;8(7):2328-2331.

https://doi.org/10.4103/jfmpc.jfmpc_440_19

Basu K, Sinha R, Ong A, Basu T. Artificial intelligence: How is it changing medical sciences and its future? Indian J Dermatol. 2020;65(5):365-370.

https://doi.org/10.4103/ijd.IJD_421_20

Iftikhar PM, Kuijpers M V, Khayyat A, Iftikhar A, DeGouvia De Sa M. Artificial Intelligence: A New Paradigm in Obstetrics and Gynecology Research and Clinical Practice. Cureus. 2020;12(2):e7124.

https://doi.org/10.7759/cureus.7124

Rajkomar A, Dean J, Kohane I. Machine Learning in Medicine. New Engl J Med. 2019;380:14.

https://doi.org/10.1056/nejmra1814259

Zimmer-Stelmach A, Zak J, Pawlosek A, Rosner-Tenerowicz A, Budny-Winska J, Pomorski M, Fuchs T, Zimmer M. The Application of Artificial Intelligence-Assisted Colposcopy in a Tertiary Care Hospital within a Cervical Pathology Diagnostic Unit. Diagnostics. 2022;12(1):106.

https://doi.org/10.3390/diagnostics12010106

Turing AM. Computing Machinery and Intelligence. The MIT Press eBooks: 1990. https://doi.org/10.7551/mitpress/6928.003.0012.

McCarthy J, Minsky ML, Rochester N, Shannon CE. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine. 2006;27(4):12.

https://doi.org/10.1609/aimag.v27i4.1904

Jiang F, Jiang Y, Zhi H, Dong Y, Li H, Ma S, Wang Y, Dong Q, Shen H, Wang Y. Artificial intelligence in healthcare: Past, present and future. Stroke Vasc Neurol. 2017;2.

https://doi.org/10.1136/svn-2017-000101

Jayatilake SMDAC, Ganegoda GU. Involvement of Machine Learning Tools in Healthcare Decision Making. J Healthc Eng. 2021;2021(1):1-20.

https://doi.org/10.1155/2021/6679512

Jordan MI, Mitchell TM. Machine learning: Trends, perspectives, and prospects. Science. 2015;349(6245):255-260.

https://doi.org/10.1126/science.aaa8415

Saw SN, Ng KH. Current challenges of implementing artificial intelligence in medical imaging. Physica Med. 2022;100:12-17.

https://doi.org/10.1016/j.ejmp.2022.06.003

Shen YT, Chen L, Yue WW, Xu HX. Artificial intelligence in ultrasound. Eur J Radiol. 2021;139:109717.

https://doi.org/10.1016/j.ejrad.2021.109717

Yoon I, Gupta N. Pelvic Prolapse Imaging [Internet]. Treasure Island (FL): StatPearls Publishing; 2023. Available from:

https://www.ncbi.nlm.nih.gov/books/NBK551513/

Akkus Z, Cai J, Boonrod A, Zeinoddini A, Weston AD, Philbrick KA, Erickson BJ. A Survey of Deep-Learning Applications in Ultrasound: Artificial Intelligence–Powered Ultrasound for Improving Clinical Workflow. J Am College Radiol. 2019;16(9):138-1328. https://doi.org/10.1016/j.jacr.2019.06.004

Zaharchuk G, Davidzon G. Artificial Intelligence for Optimization and Interpretation of PET/CT and PET/MR Images. Semin Nucl Med. 2021;51(2):134-142.

https://doi.org/10.1053/j.semnuclmed.2020.10.001

Paudyal R, Shah AD, Akin O, Do RKG, Konar AS, Hatzoglou V, Mahmood U, Lee N, Wong RJ, Banerjee S, Shin J, Veeraraghavan H, Shukla-Dave A. Artificial Intelligence in CT and MR Imaging for Oncological Applications. Cancers (Basel).2023;15(9):2573.

https://doi.org/10.3390/cancers15092573

Kurdoğlu M, Khaki A. The Use of Artificial Intelligence in Urogynecology. Intl J Women’s Health Reprod Sci. 2024;12:001-002.

https://doi.org/10.15296/ijwhr.2024.6003

Battineni G, Chintalapudi N, Ricci G, Ruocco C, Amenta F. Exploring the integration of artificial intelligence (AI) and augmented reality (AR) in maritime medicine. Artif Intell Rev. 2024;57:100.

https://doi.org/10.1007/s10462-024-10735-0

Rajesh A, Asaad M. Artificial Intelligence and Machine Learning in Surgery. Am Surg. 2023;89(1):9-10.

https://doi.org/10.1177/00031348221117024

Daykan Y, O’Reilly BA. The role of artificial intelligence in the future of urogynecology. Int Urogynecol J. 2023;34:1663-1666.

https://doi.org/10.1007/s00192-023-05612-3

Seval MM, Varlı B. Current developments in artificial intelligence from obstetrics and gynecology to urogynecology. Front Med (Lausanne). 2023;10:1098205.

https://doi.org/10.3389/fmed.2023.1098205

Nekooeimehr I, Lai-Yuen S, Bao P, Weitzenfeld A, Hart S. Automated contour tracking and trajectory classification of pelvic organs on dynamic MRI. J Med Imaging. 2018;5(1):014008.

https://doi.org/10.1117/1.jmi.5.1.014008

Onal S, Lai-Yuen S, Bao P, Weitzenfeld A, Greene K, Kedar R, Hart S. Assessment of a semiautomated pelvic floor measurement model for evaluating pelvic organ prolapse on MRI. Int Urogynecol J. 2014;25:767-773.

https://doi.org/10.1007/s00192-013-2287-4

Wang X, He D, Feng F, Ashton-Miller JA, DeLancey JOL, Luo J. Multi-label classification of pelvic organ prolapse using stress magnetic resonance imaging with deep learning. Int Urogynecol J. 2022;33:2869-2877.

https://doi.org/10.1007/s00192-021-05064-7

Zhang M, Lin X, Zheng Z, Chen Y, Ren Y, Zhang X. Artificial intelligence models derived from 2D transperineal ultrasound images in the clinical diagnosis of stress urinary incontinence. Int Urogynecol J. 2022;33:1179-1185.

https://doi.org/10.1007/s00192-021-04859-y

Mascarenhas M, Afonso JPL, Ribeiro T, Cardoso P, Mendes F, Martins M, Andrade A, Cardoso H, Ferreira J, Macedo G. S699 Deep Learning and Minimally Invasive Endoscopy – Panendoscopic Detection of Pleomorphic Lesions. Am J Gastroenterol. 2023;118:123-138.

https://doi.org/10.14309/01.ajg.0000952436.94054.86.

Negassi M, Suarez-Ibarrola R, Hein S, Miernik A, Reiterer A. Application of artificial neural networks for automated analysis of cystoscopic images: a review of the current status and future prospects. World J Urol. 2020;38:2349-2358.

https://doi.org/10.1007/s00345-019-03059-0

Aramendía-Vidaurreta V, Cabeza R, Villanueva A, Navallas J, Alcázar JL. Ultrasound Image Discrimination between Benign and Malignant Adnexal Masses Based on a Neural Network Approach. Ultrasound Med Biol. 2016;42(3):742-752.

https://doi.org/10.1016/j.ultrasmedbio.2015.11.014

Moawad G, Tyan P, Louie M. Artificial intelligence and augmented reality in gynecology. Curr Opin Obstet Gynecol. 2019;31(5):345-348.

https://doi.org/10.1097/GCO.0000000000000559

Taylor RA, Moore CL, Cheung KH, Brandt C. Predicting urinary tract infections in the emergency department with machine learning. PLoS One. 2018;13(3):e0194085.

https://doi.org/10.1371/journal.pone.0194085

Goździkiewicz N, Zwolińska D, Polak-Jonkisz D. The Use of Artificial Intelligence Algorithms in the Diagnosis of Urinary Tract Infections—A Literature Review. J Clin Med. 2022;11.

https://doi.org/10.3390/jcm11102734

Cherukuri S, Jajoo S, Dewani D. The International Ovarian Tumor Analysis-Assessment of Different Neoplasias in the Adnexa (IOTA-ADNEX) Model Assessment for Risk of Ovarian Malignancy in Adnexal Masses. Cureus. 2022;14(11):e31194.

https://doi.org/10.7759/cureus.31194

Jones OT, Calanzani N, Saji S, Duffy SW, Emery J, Hamilton W, Singh H, de Wit NJ, Walter FM. Artificial intelligence techniques that may be applied to primary care data to facilitate earlier diagnosis of cancer: Systematic review. J Med Internet Res. 2021;23(3).

https://doi.org/10.2196/23483

Bentaleb J, Larouche M. Innovative use of artificial intelligence in urogynecology. Int Urogynecol J. 2020;31:1287-1288.

https://doi.org/10.1007/s00192-020-04243-2

Zattoni F, Carletti F, Randazzo G, Tuminello A, Betto G, Novara G, Dal Moro F. Potential Applications of New Headsets for Virtual and Augmented Reality in Urology. Eur Urol Focus. 2024;10(4):594-598.

https://doi.org/10.1016/j.euf.2023.12.003

Baessler K, Bortolini M. “The role of artificial intelligence in the future of urogynecology” by Yair Daykan, Barry A. O’Reilly. Int Urogynecol J. 2023;34:1667. https://doi.org/10.1007/s00192-023-05624-z

Polat G, Arslan HK. Artificial Intelligence in Clinical and Surgical Gynecology. İstanbul Gelişim Univ J Health Sci. 2024;21:1232-1241.

https://doi.org/10.38079/igusabder.1291375

Mascagni P, Alapatt D, Sestini L, Altieri MS, Madani A, Watanabe Y, Alseidi A, Redan JA, Alfieri S, Costmagna G, Boškoski I, Padoy N, Hashimoto DA. Computer vision in surgery: from potential to clinical value. NPJ Digit Med. 2022;5:163.

https://doi.org/10.1038/s41746-022-00707-5

Guni A, Varma P, Zhang J, Fehervari M, Ashrafian H. Artificial Intelligence in Surgery: The Future is Now. Eur Surg Res. 2024;65(1):22-39.

https://doi.org/10.1159/000536393

Kitaguchi D, Watanabe Y, Madani A, Hashimoto DA, Meireles OR, Takeshita N, Mori K, Ito M; Computer Vision in Surgery International Collaborative. Artificial Intelligence for Computer Vision in Surgery: A Call for Developing Reporting Guidelines. Ann Surg. 2022;275(4):e609-e611.

https://doi.org/10.1097/SLA.0000000000005319

Eckhoff JA, Fuchs HF, Meireles OR. Application of artificial intelligence in oncologic surgery of the upper gastrointestinal tract. Onkologie. 2023;29:515-521.

https://doi.org/10.1007/s00761-023-01318-9

Serban N, Kupas D, Hajdu A, Török P, Harangi B. Distinguishing the Uterine Artery, the Ureter, and Nerves in Laparoscopic Surgical Images Using Ensembles of Binary Semantic Segmentation Networks. Sensors. 2024; 24(9):2926.

https://doi.org/10.3390/s24092926

Narihiro S, Kitaguchi D, Hasegawa H, Takeshita N, Ito M. Deep Learning-Based Real-Time Ureter Identification in Laparoscopic Colorectal Surgery. Dis Colon Rectum. 2024;67(10):1596-1599.

https://doi:10.1097/DCR.0000000000003335

Kitaguchi D, Takeshita N, Hasegawa H, Ito M. Artificial intelligence-based computer vision in surgery: Recent advances and future perspectives. Ann Gastroenterol Surg. 2021;6(1):29-36.

https://doi:10.1002/ags3.12513

Yu F, Song E, Liu H, Zhu J, Hung CC. Laparoscopic Image-Guided System Based on Multispectral Imaging for the Ureter Detection. IEEE Access 2019;7:3800-3809. https://doi.org/10.1109/ACCESS.2018.2889138.

Sheyn D, Ju M, Zhang S, Anyaeche C, Hijaz A, Mangel J, Sangeeta M, Britt C, El-Nashar S, Soumya R. Development and Validation of a Machine Learning Algorithm for Predicting Response to Anticholinergic Medications for Overactive Bladder Syndrome. Obstet Gynecol. 2019;134(5):946-957.

https://doi.org/10.1097/AOG.0000000000003517