Состояние и перспективы внедрения технологий искусственного интеллекта в акушерско-гинекологическую практику

DOI

https://dx.doi.org/10.18565/aig.2021.2.5-12

Сухих Г.Т., Давыдов Д.Г., Логинов В.В., Баев О.Р., Приходько А.М., Шешко Е.Л., Чмыхова Е.В.
1) ФГБУ «Национальный медицинский исследовательский центр акушерства, гинекологии и перинатологии имени академика В.И. Кулакова» Министерства здравоохранения Российской Федерации, Москва, Россия; 2) АНО ВО «Открытый гуманитарно-экономический университет», Москва, Россия; 3) ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Министерства здравоохранения Российской Федерации, кафедра акушерства, гинекологии, перинатологии и репродуктологии ИПО врачей, Москва, Россия; 4) ООО «Электронное образование», Москва, Россия

Систематический обзор литературы посвящен текущему состоянию и перспективам применения искусственного интеллекта (ИИ) в области сохранения здоровья матери и плода. Раскрыты понятие ИИ и пути его развития в медицине. Отмечается, что ИИ не заменяет врача, а является инструментом совершенствования врачебной деятельности. В статье показаны возможности и выделены направления применения ИИ в акушерстве и гинекологии (АиГ): распознавание медицинских изображений, прогнозирование и помощь врачам в определении диагноза, создание рекомендательных систем подбора лечения, роботизация медицинских манипуляций и дополненная реальность, оптимизация рутинных функций медицинских работников, сервисы взаимодействия и обучения врачей и пациентов. Кроме того, ИИ может быть использован в научных целях для понимания сложных многофакторных механизмов развития патологии, создания информационных моделей заболевания, новых классификаций болезней и моделей лечебного воздействия. ИИ также способен автоматически извлекать новую медицинскую информацию из описаний клинических наблюдений и научных публикаций. Приведены конкретные примеры разработок по указанным направлениям. Рассмотрены ожидаемые сложности внедрения систем ИИ, описаны первоочередные шаги по внедрению. Разработка систем ИИ требует прямого участия врачей, включая отбор и подготовку данных, формулирование медицинских задач и их перевод на язык специалистов в области машинного обучения. Делается вывод, что приложения на основе ИИ в сфере АиГ уже стали реальностью и в ближайшем будущем позволят снизить нагрузку на медицинских работников, повысить эффективность диагностики, прогнозирования и лечения, предупреждать медицинские ошибки. Перспективным является применение ИИ в телемедицинских системах для оказания помощи врачам и пациентам вне мест дислокации крупных медицинских комплексов.
Заключение. Результаты обзора могут быть использованы для определения перспективных научных исследований, разработки национальной программы внедрения ИИ в акушерско-гинекологическую практику, в образовательных программах и повышении квалификации медицинских работников.

искусственный интеллект

акушерство

гинекология

машинное обучение

беременность

роды

система поддержки принятия решений

Полный текст статьи
доступен в "Библиотеке Врача"

Emin E.I., Emin E., Papalois A., Willmott F., Clarke S., Sideris M. Artificial intelligence in obstetrics and gynaecology: Is this the way forward? In Vivo. 2019; 33(5): 1547-51. https://dx.doi.org/10.21873/invivo.11635.
Makary M.A., Daniel M. Medical error-the third leading cause of death in the US. BMJ. 2016; 353: i2139. https://dx.doi.org/10.1136/bmj.i2139.
Davidson L., Boland M.R. Enabling pregnant women and their physicians to make informed medication decisions using artificial intelligence. J. Pharmacokinet. Pharmacodyn. 2020; 47(4): 305-18. http://dx.doi.org/10.1007/s10928-020-09685-1.
Yeo L., Romero R. Fetal Intelligent Navigation Echocardiography (FINE): A novel method for rapid, simple, and automatic examination of the fetal heart. Ultrasound Obstet. Gynecol. 2013; 42(3): 268-84. https://dx.doi.org/10.1002/uog.12563.
Garcia-Canadilla P., Sanchez-Martinez S., Crispi F., Bijnens B. Machine learning in fetal cardiology: what to expect. Fetal Diagn. Ther. 2020; 47(5): 363-72. https://dx.doi.org/10.1159/000505021.
Twickler D.M., Do Q.N., Xi Y., Shahedi M., Dormer J., Anusha Devi T.T. et al. 228: Automated segmentation of the human placenta and uterus with MR imaging using artificial intelligence (AI). Am. J. Obstet. Gynecol. 2020; 222(1): S158-9. https://dx.doi.org/10.1016/j.ajog.2019.11.244.
Zaninovic N., Elemento O., Rosenwaks Z. Artificial intelligence: its applications in reproductive medicine and the assisted reproductive technologies. Fertil. Steril. 2019; 112(1): 28-30. https://dx.doi.org/10.1016/j.fertnstert.2019.05.019.
Сысоева А.П., Макарова Н.П., Калинина Е.А., Скибина Ю.С., Занишевская А.А., Янчук Н.О., Грязнов А.Ю. Повышение эффективности вспомогательных репродуктивных технологий с помощью искусственного интеллекта и машинного обучения на эмбриологическом этапе. Акушерство и гинекология. 2020; 7: 28-36.
Cohn K.H., Copperman A.B., Zhang Q., Beim P.Y. Leveraging artificial intelligence for more data-driven patient counseling after failed IVF cycles. Fertil. Steril. 2017; 108(3): e53-4. https://dx.doi.org/10.1016/j.fertnstert.2017.07.171.
Ibrahim A., Gamble P., Jaroensri R., Abdelsamea M.M., Mermel C.H., Chen P.C., Rakha E.A. Artificial intelligence in digital breast pathology: Techniques and applications. Breast. 2020; 49: 267-73. https://dx.doi.org/10.1016/j.breast.2019.12.007.
Bogani G., Rossetti D., Ditto A., Martinelli F., Chiappa V., Mosca L. et al. Artificial intelligence weights the importance of factors predicting complete cytoreduction at secondary cytoreductive surgery for recurrent ovarian cancer. J. Gynecol. Oncol. 2018; 29(5): e66. https://dx.doi.org/10.3802/jgo.2018.29.e66.
Abdalla N., Winiarek J., Bachanek M., Cendrowski K., Sawicki W. Clinical, ultrasound parameters and tumor marker-based mathematical models and scoring systems in pre-surgical diagnosis of adnexal tumors. Ginekol. Pol. 2016; 87(12): 824-9. https://dx.doi.org/10.5603/GP.2016.0096.
Elias K.M., Fendler W., Stawiski K., Fiascone S.J., Vitonis A.F., Berkowitz R.S. et al. Diagnostic potential for a serum miRNA neural network for detection of ovarian cancer. Elife. 2017; 6: e28932. https://dx.doi.org/10.7554/eLife.28932.
Burton R.J., Albur M., Eberl M., Cuff S.M. Using artificial intelligence to reduce diagnostic workload without compromising detection of urinary tract infections. BMC Med. Inform. Decis. Mak. 2019; 19(1): 171. https://dx.doi.org/10.1186/s12911-019-0878-9.
Kyrgiou M., Pouliakis A., Panayiotides J.G., Margari N., Bountris P., Valasoulis G. et al. Personalised management of women with cervical abnormalities using a clinical decision support scoring system. Gynecol. Oncol. 2016; 141(1): 29-35. https://dx.doi.org/10.1016/j.ygyno.2015.12.032.
Gadagkar A.V., Shreedhara K.S. Features based IUGR diagnosis using variational level set method and classification using artificial neural networks. In: Proceedings – 2014 5th International conference on signal and image processing. (ICSIP 2014). Bangalore, India 8-10 January; 2014: 303-10.
Balayla J., Shrem G. Use of artificial intelligence (AI) in the interpretation of intrapartum fetal heart rate (FHR) tracings: a systematic review and meta-analysis. Arch. Gynecol. Obstet. 2019; 300(1): 7-14. https://dx.doi.org/10.1007/s00404-019-05151-7.
Desai G.S. Artificial intelligence: the future of obstetrics and gynecology. J. Obstet. Gynaecol. India. 2018; 68(4): 326-7. https://dx.doi.org/10.1007/s13224-018-1118-4.
Brocklehurst P.; INFANT Collaborative Group. A study of an intelligent system to support decision making in the management of labour using the cardiotocograph – the INFANT study protocol. BMC Pregnancy Childbirth. 2016; 16: 10. https://dx.doi.org/10.1186/s12884-015-0780-0.
Fergus P., Hussain A., Al-Jumeily D., Huang D.S., Bouguila N. Classification of caesarean section and normal vaginal deliveries using foetal heart rate signals and advanced machine learning algorithms. Biomed. Eng. Online. 2017; 16(1): 89. https://dx.doi.org/10.1186/s12938-017-0378-z.
Scerri M., Grech V. Artificial intelligence in medicine. Early Hum. Dev. 2020; 145: 105017. https://dx.doi.org/10.1016/j.earlhumdev.2020.105017.
Kazantsev A., Ponomareva J., Kazantsev P., Digilov R., Huang P. Development of e-health network for in-home pregnancy surveillance based on artificial intelligence. In: Proceedings of 2012 IEEE-EMBS International conference on biomedical and health informatics. Hong Kong, China; 2012: 82-4. https://dx.doi.org/10.1109/BHI.2012.6211511.
Nodelman E., Molitoris J., Holbert M. Using artificial intelligence to predict spontaneous preterm delivery. Am. J. Obstet. Gynecol. 2020; 222(1, Suppl.): S350. (SMFM 40th Annual Meeting – The Pregnancy Meeting. 3–8 February 2020. Gaylord Texan Resort & Conference Center, Grapevine, Texas).
Yeh J. The potential for improvements in women’s health using artificial intelligence (AI) technology. Preface. Curr. Womens Health Rev. 2018; 14(1): 2.
Shen J.Y., Chen J.B., Liu Z.R., Zhang C., Liu Q., Ming W.K. AI1 An innovative artificial intelligence application in disease screening: an opportunity to improve maternal health care in an underdeveloped rural area. Value Health. 2019; 22(Suppl. 2): S34. (ISPOR 2019: May 18–22 2019, New Orleans, LA, USA).
Bruno V., Biasiotti M., D'Orazio M., Pietropolli A., P Abundo P., Ticconi C. et al. Artificial intelligence (AI) based-method applied in recurrent pregnancy loss (RPL) patients diagnostic work-up and classification: a potential innovation in common clinical practice. Hum. Reprod. 2019; 34 (Suppl. 1): i55-6. (Abstracts of the 35th Annual Meeting of the European Society of Human Reproduction and Embryology).
Hamilton E.F., Dyachenko A., Ciampi A., Maurel K,. Warrick P.A., Garite T.J. Estimating risk of severe neonatal morbidity in preterm births under 32 weeks of gestation. J. Matern. Neonatal Med. 2020; 33(1): 73-80. https://dx.doi.org/10.1080/14767058.2018.1487395.
Iftikhar P., 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://dx.doi.org/10.7759/cureus.7124.
Bahado-Singh R.O., Sonek J., McKenna D., Cool D., Aydas B., Turkoglu O. et al. Artificial intelligence and amniotic fluid multiomics: prediction of perinatal outcome in asymptomatic women with short cervix. Ultrasound Obstet. Gynecol. 2019; 54(1): 110-8. https://dx.doi.org/10.1002/uog.20168.
Akbulut A., Ertugrul E., Topcu V. Fetal health status prediction based on maternal clinical history using machine learning techniques. Comput. Methods Programs Biomed. 2018; 63: 87-100. https://dx.doi.org/10.1016/j.cmpb.2018.06.010.
Paydar K., Niakan Kalhori S.R., Akbarian M., Sheikhtaheri A. A clinical decision support system for prediction of pregnancy outcome in pregnant women with systemic lupus erythematosus. Int. J. Med. Inform. 2017; 97: 239-46. https://dx.doi.org/10.1016/j.ijmedinf.2016.10.018.
VerMilyea M.D., Don Perugini, Murphy A P., Tuc Ngyuen, Cecilia Rios. et al.Artificial intelligence: non-invasive detection of morphological features associated with abnormalities in chromosomes 21 and 16. Fertil. Steril. 2019; 112(3, Suppl.): e237-8. (75th Scientific Congress of the American Society for Reproductive Medicine. 12-16 October 2019. Philadelphia, Pennsylvania). https://dx.doi.org/10.1016/j.fertnstert.2019.07.1366.
Idowu I.O., Fergus P., Hussain A., Dobbins C., Khalaf M., Eslava R.V.C., Keight R. Artificial intelligence for detecting preterm uterine activity in gynacology and obstertric care. In: IEEE International conference on computer and information technology; ubiquitous computing and communications; dependable, autonomic and secure computing; pervasive intelligence and computing (CIT/IUCC/DASC/PICOM). 2015: 215-20.
Blinov P., Avetisian M., Kokh V., Umerenkov D., Tuzhilin A.Predicting clinical diagnosis from patients electronic health records using BERT-based neural networks. In: Michalowski M., Moskovitch R., eds. Artificial intelligence in medicine. 18th International conference on artificial intelligence in medicine, AIME 2020, Minneapolis, MN, USA, August 25-28, 2020, Proceedings; 2020: 111-21.
Shahid N., Rappon T., Berta W. Applications of artificial neural networks in health care organizational decision-making: A scoping review. PLoS One. 2019; 14(2): e0212356. https://dx.doi.org/10.1371/journal.pone.0212356.
Алтухова О.С., Балашов И.С., Горина К.А., Лагутин В.В., Наумов В.А., Боровиков П.И., Ходжаева З.С. Системы поддержки принятия врачебных решений в акушерстве: возможности и перспективы. Акушерство и гинекология. 2020; 7: 5-11.
Jurisica I., Mylopoulos J., Glasgow J., Shapiro H., Casper R.F. Case-based reasoning in IVF: Prediction and knowledge mining. Artif. Intell. Med. 1998; 12(1): 1-24. 10.1016/s0933-3657(97)00037-7.
Rusch P., Kimmig R. Robotics – „smart medicine“ in der minimal-invasiven gynäkologischen Chirurgie. Der Gynäkologe. 2020; 53(9): 607-13. https://doi.org/10.1007/s00129-020-04614-2.
Tanwani A.K., Sermanet P., Yan A., Anand R., Phielipp M., Goldberg K. Motion2Vec: semi-supervised representation learning from surgical videos. In: Proceedings – IEEE International conference on robotics and automation (ICRA). Online. Paris, France; June 2020.
Moawad G., Tyan P., Louie M. Artificial intelligence and augmented reality in gynecology. Curr. Opin. Obstet. Gynecol. 2019; 31(5): 345-8. https://dx.doi.org/10.1097/GCO.0000000000000559.
Johnson M., Lapkin S., Long V., Sanchez P., Suominen H., Basilakis J., Dawson L. A systematic review of speech recognition technology in health care. BMC Med. Inform. Decis. Mak. 2014; 94. https://dx.doi.org/10.1186/1472-6947-14-94.
Hamet P., Tremblay J. Artificial intelligence in medicine. Metabolism. 2017; 69(Suppl.): S36-40. https://dx.doi.org/10.1016/j.metabol.2017.01.011.
Butow P., Hoque E. Using artificial intelligence to analyse and teach communication in healthcare. Breast. 2020; 50: 49-55. https://dx.doi.org/10.1016/j.breast.2020.01.008.
Wallace B.C., Dahabreh I.J., Trikalinos T.A., Laws M.B., Wilson I., Charniak E. Identifying differences in physician communication styles with a log-linear transition component model. In: Proceedings of the twenty-eighth AAAI conference on artificial intelligence. July 27–31, 2014, Québec City, Québec, Canada. 2014: 1314-20.
Ryan P., Luz S., Albert P., Vogel C., Normand C., Elwyn G. Using artificial intelligence to assess clinicians’ communication skills. BMJ. 2019; 364: l161. https://dx.doi.org/10.1136/bmj.l161.
Razzaki S., Baker A., Perov Y., Middleton K., Baxter J., Mullarkey D. et al. A comparative study of artificial intelligence and human doctors for the purpose of triage and diagnosis. June 2018. Available at: https://arxiv.org. 2018.
Comendador B.E.V., Francisco B.M.B., Medenilla J.S., Nacion S.M.T., Serac T.B.E. Pharmabot: A pediatric generic medicine consultant chatbot. J. Autom. Control Eng. 2015; 3(2): 137-40. https://dx.doi.org/10.12720/joace.3.2.137-140.
Ni L., Lu C., Liu N., Liu J. MANDY: Towards a smart primary care chatbot application. In: Knowledge and Systems Sciences: Proceedings 18th International symposium, KSS 2017. Bangkok, Thailand, November 17–19, 2017. Springer; 2017: 38-52.
Diaz Z.M.R., Muka T., Franco O.H. Personalized solutions for menopause through artificial intelligence: Are we there yet? Maturitas. 2019; 129: 85-6. https://dx.doi.org/10.1016/j.maturitas.2019.07.006.
Shaywitz D.A. I doesn’t ask why – but physicians and drug developers want to know.
Gilvary C., Madhukar N., Elkhader J., Elemento O. The missing pieces of artificial intelligence in medicine. Trends Pharmacol. Sci. 2019; 40(8): 555-64. https://dx.doi.org/10.1016/j.tips.2019.06.001.

Поступила 22.12.2020

Принята в печать 11.01.2021

Сухих Геннадий Тихонович, академик РАН, д.м.н., профессор, директор ФГБУ «НМИЦ АГП им. акад. В.И. Кулакова» Минздрава России.
Тел.: +7(495)438-18-00. E-mail: g_sukhikh@oparina4.ru. 117997, Россия, Москва, ул. Академика Опарина, д. 4.
Давыдов Денис Геннадьевич, канд. психол. наук, доцент, АНО ВО «Открытый гуманитарно-экономический университет». Тел.: +7(926)120-85-22.
E-mail: dgdavydov19@gmail.com. 109029, Россия, Москва, ул. Нижегородская, д. 32, стр. 4.
Логинов Виктор Владимирович, к.б.н., заведующий лабораторией нейрофизиологии, ФГБУ «НМИЦ АГП им. акад. В.И. Кулакова» Минздрава России.
Тел.: +7(495)316-13-75. E-mail: v_loginov@oparina4.ru.
117997, Россия, Москва, ул. Академика Опарина, д. 4.
Баев Олег Радомирович, д.м.н., профeссор, руководитель 1-го родильного отделения, ФГБУ «НМИЦ АГП им. акад. В.И. Кулакова» Минздрава России; профессор кафедры акушерства, гинекологии, перинатологии и репродуктологии, ФГАОУ ВО «Первый МГМУ им. И.М. Сеченова» Минздрава России. Тел.: +7(495)438-11-88.
E-mail: o_baev@oparina4.ru. 117997, Россия, Москва, ул. Академика Опарина, д. 4.
Приходько Андрей Михайлович, к.м.н., врач 1-го родильного отделения, ассистент кафедры акушерства и гинекологии, научный сотрудник отдела инновационных технологий института акушерства, ФГБУ «НМИЦ АГП им. акад. В.И. Кулакова» Минздрава России. Тел.: +7(495)438-30-47. E-mail: a_prikhodko@oparina4.ru.
117997, Россия, Москва, ул. Академика Опарина, д. 4.
Шешко Елена Леонидовна, к.м.н., доцент, руководитель департамента организации проектной деятельности, ФГБУ «НМИЦ АГП им. акад. В.И. Кулакова» Минздрава России. Тел.: +7(495)531-44-44 доб. 1113. E-mail: e_sheshko@oparina4.ru. 117997, Россия, Москва, ул. Академика Опарина, д. 4.
Чмыхова Екатерина Витальевна, канд. соц. наук, доцент, руководитель научных проектов, ООО «Электронное образование».
Тел.: +7(495)638-2912. E-mail: katrinchm@yandex.ru. 129090, Россия, Москва, пр. Мира, д. 14, стр. 1.

Для цитирования: Сухих Г.Т., Давыдов Д.Г., Логинов В.В., Баев О.Р., Приходько А.М., Шешко Е.Л., Чмыхова Е.В. Состояние и перспективы внедрения технологий искусственного интеллекта в акушерско-гинекологическую практику.
Акушерство и гинекология. 2021; 2: 5-12
https://dx.doi.org/10.18565/aig.2021.2.5-12

Состояние и перспективы внедрения технологий искусственного интеллекта в акушерско-гинекологическую практику

Сухих Г.Т., Давыдов Д.Г., Логинов В.В., Баев О.Р., Приходько А.М., Шешко Е.Л., Чмыхова Е.В.

Ключевые слова

Список литературы

Об авторах / Для корреспонденции

Также по теме