Применения искусственного интеллекта в хирургии
Abstract
Искусственный интеллект (ИИ) стремительно развивается в сфере здравоохранения, однако его применение в хирургии всё ещё находится на относительно ранней стадии. Появление foundation-моделей, носимых технологий и совершенствование инфраструктуры хирургических данных способствуют быстрому развитию ИИ-инструментов и расширению их возможностей. Мы обсуждаем, как созревающие методы ИИ могут улучшить исходы лечения, повысить качество хирургического образования и оптимизировать организацию хирургической помощи. Кроме того, рассматриваются текущие применения глубокого обучения и перспективы его развития с использованием мультимодальных foundation-моделей.
References
1. Wallace, M. B. и др. Влияние искусственного интеллекта на частоту пропуска неоплазий толстой кишки. Gastroenterology 163, 295–304.e5 (2022).
2. Sharma, P. & Hassan, C. Искусственный интеллект и глубокое обучение для выявления неоплазий верхних отделов желудочно-кишечного тракта. Gastroenterology 162, 1056–1066 (2022).
3. Aerts, H. J. W. L. Потенциал фенотипирования на основе радиомики в персонализированной медицине: обзор. JAMA Oncology 2, 1636–1642 (2016).
4. Esteva, A. и др. Руководство по глубокому обучению в здравоохранении. Nature Medicine 25, 24–29 (2019).
5. COVIDSurg Collaborative. Прогнозирование влияния COVID-19 на плановую хирургию. Lancet 399, 233–234 (2022).
6. Weiser, T. G. и др. Оценка глобального объёма хирургии в 2012 году: исследование для улучшения результатов здравоохранения. Lancet 385, S11 (2015).
7. Meara, J. G. & Greenberg, S. L. M. Комиссия Lancet по глобальной хирургии. Глобальная хирургия 2030: доказательства и решения для обеспечения здоровья, благополучия и экономического развития. Surgery 157, 834–835 (2015).
8. Alkire, B. C. и др. Глобальный доступ к хирургической помощи: моделирование. Lancet Global Health 3, e316–e323 (2015).
9. Grönroos-Korhonen, M. T. и др. Несостоятельность спасения после реоперации по поводу серьёзных осложнений плановой и экстренной колоректальной хирургии: многоцентровое популяционное когортное исследование. Surgery 172, 1076–1084 (2022).
10. GlobalSurg Collaborative. Смертность при экстренной абдоминальной хирургии в странах с высоким, средним и низким уровнем дохода. British Journal of Surgery 103, 971–988 (2016).
11. GlobalSurg Collaborative & NIHR Global Health Research Unit on Global Surgery. Глобальные различия в послеоперационной смертности и осложнениях после онкологической хирургии: многоцентровое когортное исследование в 82 странах. Lancet 397, 387–397 (2021).
12. GlobalSurg Collaborative. Инфекции области хирургическоговмешательства после операций на ЖКТ в странах с разным уровнем дохода: проспективное международное многоцентровое когортное исследование. Lancet Infectious Diseases 18, 516–525 (2018).
13. Paton, F. и др. Эффективность и внедрение программ ускоренного восстановления после хирургии: быстрый анализ доказательств. BMJ Open 4, e005015 (2014).
14. Vedula, S. S. & Hager, G. D. Наука о хирургических данных: новая область знаний. Innovative Surgical Sciences 2, 109–121 (2017).
15. Kaddour, J. и др. Проблемы и применения больших языковых моделей. Препринт: arXiv (2023).
16. Bonde, A. и др. Оценка полезности глубоких нейронных сетей для прогнозирования послеоперационных осложнений: ретроспективное исследование. Lancet Digital Health 3, e471–e485 (2021).
17. Gögenur, I. Введение прогностических моделей на основе машинного обучения в периоперационную практику. British Journal of Surgery 110, 533–535 (2023).
18. Mascagni, P. и др. Компьютерное зрение в хирургии: от потенциала к клинической ценности. NPJ Digital Medicine 5, 163 (2022).
19. Wijnberge, M. и др. Влияние системы раннего предупреждения интраоперационной гипотензии на основе машинного обучения на степень и длительность гипотензии при плановой некардиальной хирургии: рандомизированное клиническое исследование HYPE. JAMA 323, 1052–1060 (2020).
20. Kalidasan, V. и др. Беспроводные биоэлектронные швы для мониторинга глубоких хирургических ран. Nature Biomedical Engineering 5, 1217–1227 (2021).
21. Fazlollahi, A. M. и др. Влияние обучения с использованием искусственного интеллекта по сравнению с обучением экспертов на освоение студентами медицинских симулированных хирургических навыков: рандомизированное клиническое исследование. JAMA Network Open 5, e2149008 (2022).
22. Wells, C. I. и др. Носимые устройства для мониторинга восстановления после абдоминальных операций: обзор. BJS Open 6, zrac031 (2022).
23. Dawes, A. J. и др. Мобильные технологии для удалённого домашнего мониторинга после хирургии: метаанализ. British Journal of Surgery 108, 1304–1314 (2021).
24. Loftus, T. J. и др. Искусственный интеллект и хирургическое принятие решений. JAMA Surgery 155, 148–158 (2020).
25. Safavi, K. C. и др. Разработка и валидация модели машинного обучения для улучшения процессов выписки после стационарной хирургической помощи. JAMA Network Open 2, e1917221 (2019).
