Цель работы – изучение мирового опыта применения системы ультразвукового мониторинга POCUS при проведении УЗИ в акушерстве и гинекологии.

Материалы и методы. Поиск информации проводился с помощью отечественных и зарубежных интернет-ресурсов сети Google Scholar, PubMed, Medscape, а также международных баз данных Scopus и Web of Science и т.п. Для поиска информации были задействованы веб-страницы международных медицинских организаций по определенным ключевым словам: система ультразвукового мониторинга POCUS, использование системы ультразвукового мониторинга POCUS в акушерстве и гинекологии, УЗИ в акушерстве и гинекологии, диагностики острых и опасных для жизни состояний в акушерстве и гинекологии, диагностирование развития плода и профилактики развития акушерских и гинекологических нарушений и заболеваний. Глубина научного поиска составила 10 лет.

Результаты. Доказана эффективность применения системы ультразвукового мониторинга POCUS (Point of Care Ultrasound) как в общей медицине, так и в сфере акушерства и гинекологии в разных триместрах беременности с определением основных показаний и определенных ограничений при ее использовании.

Определена эффективность системы ультразвукового мониторинга POCUS при проведении УЗИ в акушерстве в течение всего периода беременности для диагностирования нормальности развития плода и профилактики развития различных акушерских и гинекологических нарушений и заболеваний. Показано, что применение системы ультразвукового мониторинга POCUS является залогом получения качественного акушерского ультразвукового изображения для точной диагностики возникающих нарушений и возможности быстрого реагирования и вмешательства для корректировки расстройств непосредственно на месте оказания медицинской помощи.

Показаны преимущества применения системы ультразвукового мониторинга POCUS при проведении УЗИ в акушерстве и гинекологии с определением основных перспектив развития данного направления и путей улучшения качества акушерско-гинекологической помощи. Определено, что использование системы ультразвукового мониторинга POCUS является достаточно ценным «прикроватным» диагностическим инструментарием для быстрой диагностики различных острых и опасных для жизни состояний, которые бесспорно достаточно часто встречаются в акушерстве и гинекологии. Доказано, что применение системы ультразвукового мониторинга POCUS позволяет получить более точные диагностические критерии в сложных ситуациях с анализом практически всех органов и систем организма матери и плода.

Заключение. Таким образом, использование системы ультразвукового мониторинга POCUS является достаточно ценным диагностическим инструментарием непосредственно на месте оказания помощи для быстрой диагностики различных острых и опасных для жизни состояний, которые достаточно часто встречаются в акушерстве и гинекологии. Применение системы ультразвукового мониторинга POCUS позволяет получить более точные диагностические критерии в сложных ситуациях с анализированием многих органов и систем организма матери и плода.

Zieleskiewicz L, Bouvet L, Einav S, Duclos G, Leone M. Diagnostic point-of-care ultrasound: applications in obstetric anaesthetic management. Anaesthesia. 2018; 73(10): 1265-1279

Van de Putte P, Vernieuwe L, Bouchez S. Point-of-care ultrasound in pregnancy: gastric, airway, neuraxial, cardiorespiratory. Curr Opin Anaesthesiol. 2020; 33(3): 277-283

Simard C, Yang S, Koolian M, Shear R, Rudski L, Lipes J. The role of echocardiography in amniotic fluid embolism: a case series and review of the literature. Can J Anaesth J Can Anesth. 2021; 68(10): 1541-1548

Abinader R, Warsof SL. Benefits and pitfalls of ultrasound in obstetrics and gynecology. Obstetr Gynecol Clin North Am. 2019; 46: 367. doi: 10.1016/j.ogc.2019.01.011

Ondeck CL, Pretorius D, McCaulley J, Kinori M, Maloney T, Hull A, et al. Ultrasonographic prenatal imaging of fetal ocular and orbital abnormalities. Surv Ophthalmol. 2018; 63:745-753. doi: 10.1016/j.survophthal.2018.04.006

Bellussi F, Ghi T, Youssef A, Salsi G, Giorgetta F, Parma D, et al. The use of intrapartum ultrasound to diagnose malpositions and cephalic malpresentations. Am J Obstet Gynecol. 2017; 217: 633-641. doi: 10.1016/j.ajog.2017.07.025

Carneiro G, Georgescu B, Good S. Knowledge-Based Automated Fetal Biometrics Using Syngo Auto OB. Erlangen: Siemens Medical Solutions (2008). 8 р. URL: https://www.digimed.com.ar/wp-content/uploads/2016/07/1308_US_Whitepaper_syngo_Auto_OB_K2_64900654_2.pdf

Lazebnik RS. Knowledge-Based Workflow ACUSON S2000™ Ultrasound System. Erlangen: Siemens Medical Solutions (2008). 10 р. URL: https://cdn0.scrvt.com/39b415fb07de4d9656c7b516d8e2d907/1800000000064634/90fc2bb2936c/Whitepaper_KBWorkflow_1800000000064634.pdf

Dhombres F, Maurice P, Guilbaud L, Franchinard L, Dias B, Charlet J, et al. A novel intelligent scan assistant system for early pregnancy diagnosis by ultrasound: clinical decision support system evaluation study. J Med Internet Res. 2019; 21: e14286. doi: 10.2196/14286

Liu C, Jiao D, Liu Z. Artificial intelligence (AI)-aided disease prediction. BIO Integr. 2020; 1: 130-136. doi: 10.15212/bioi-2020-0017

Yang X, Yu L, Li S, Wen H, Luo D, Bian C, et al. Towards automated semantic segmentation in prenatal volumetric ultrasound. IEEE Trans Med Imaging. 2019; 38: 180-193. doi: 10.1109/TMI.2018.2858779

Ryou H, Yaqub M, Cavallaro A, Papageorghiou AT, Alison Noble J. Automated 3D ultrasound image analysis for first trimester assessment of fetal health. Phys Med Biol. 2019; 64: 185010. doi: 10.1088/1361-6560/ab3ad1

Nie S, Yu J, Chen P, Wang Y, Zhang JQ. Automatic detection of standard sagittal plane in the first trimester of pregnancy using 3-D ultrasound data. Ultrasound Med Biol. 2017; 43: 286-300. doi: 10.1016/j.ultrasmedbio.2016.08.034

Sobhaninia Z, Rafiei S, Emami A, Karimi N, Najarian K, Samavi S, et al. Fetal ultrasound image segmentation for measuring biometric parameters using multi-task deep learning. Annu Int Conf IEEE Eng Med Biol Soc. 2019; 2019: 6545-6548. doi: 10.1109/EMBC.2019.8856981

Van den Heuvel TLA, Petros H, Santini S, de Korte CL, van Ginneken B. Automated fetal head detection and circumference estimation from free-hand ultrasound sweeps using deep learning in resource-limited countries. Ultrasound Med Biol. 2019; 45: 773-785. doi: 10.1016/j.ultrasmedbio.2018.09.015

Van den Heuvel TLA, de Bruijn D, de Korte CL, Ginneken BV. Automated measurement of fetal head circumference using 2D ultrasound images. PLoS ONE. 2018; 13: e0200412. doi: 10.1371/journal.pone.0200412

Pluym ID, Afshar Y, Holliman K, Kwan L. Accuracy of three-dimensional automated ultrasound imaging of biometric measurements of the fetal brain. Ultrasound Obstetr Gynecol. 2020; 57: 798-803. doi: 10.1002/uog.22171

Ghorayeb SR, Bracero LA, Blitz MJ, Rahman Z, Lesser ML. Quantitative ultrasound texture analysis for differentiating preterm from term fetal lungs. J Ultrasound Med. 2017; 36: 1437-1443. doi: 10.7863/ultra.16.06069

Yu Z, Tan EL, Ni D, Qin J, Chen S, Li S, et al. A deep convolutional neural network based framework for automatic fetal facial standard plane recognition. IEEE J Biomed Health Inform. 2018; 22: 874-885. doi: 10.1109/JBHI.2017.2705031

Yu Z, Ni D, Chen S, Li S, Wang T, Lei B. Fetal facial standard plane recognition via very deep convolutional networks. Conf Proc IEEE Eng Med Biol Soc. 2016; 2016: 627-630. doi: 10.1109/EMBC.2016.7590780

Caetano AC, Zamarian AC, Araujo Júnior E, Cavalcante RO, Simioni C, Silva CP, et al. Assessment of intracranial structure volumes in fetuses with growth restriction by 3-dimensional sonography using the extended imaging virtual organ computer-aided analysis method. J Ultrasound Med. 2015; 34: 1397-1405. doi: 10.7863/ultra.34.8.1397

Namburete AI, Stebbing RV, Kemp B, Yaqub M, Papageorghiou AT, Alison Noble J. Learning-based prediction of gestational age from ultrasound images of the fetal brain. Med Image Anal. 2015; 21: 72-86. doi: 10.1016/j.media.2014.12.006

Recker F, Weber E, Strizek B, Gembruch U, Westerway SC, Dietrich CF. Point-of-care ultrasound in obstetrics and gynecology. Archives of gynecology and obstetrics. 2021; 303(4): 871-876. doi: 10.1007/s00404-021-05972-5

Reynolds TA, Amato S, Kulola I, Chen CJJ, Mfinanga J, Sawe HR. Impact of point of-care ultrasound on clinical decision-making at an urban emergency department in Tanzania. PLoS ONE. 2018; 13(4): e0194774. doi: 10.1371/journal.pone.0194774

Gadagkar AV, Shreedhara KS. Features based IUGR diagnosis using variational level set method and classification using artificial neural networks. 2014 Fifth International Conference on Signal and Image Processing. Chennai: IEEE Computer Society. 2014. P. 303-309. doi: 10.1109/ICSIP.2014.54

Jang J, Park Y, Kim B, Lee SM, Kwon JY, Seo JK. Automatic estimation of fetal abdominal circumference from ultrasound images. IEEE J Biomed Health Inform. 2018; 22: 1512-1520. doi: 10.1109/JBHI.2017.2776116

Ambroise Grandjean G, Hossu G, Bertholdt C, Noble P, Morel O, Grangé G. Artificial intelligence assistance for fetal head biometry: assessment of automated measurement software. Diagn Interv Imaging. 2018; 99: 709-716. doi: 10.1016/j.diii.2018.08.001

Cobo T, Bonet-Carne E, Martínez-Terrón M, Perez-Moreno A, Elías N, Luque J, et al. Feasibility and reproducibility of fetal lung texture analysis by automatic quantitative ultrasound analysis and correlation with gestational age. Fetal Diagn Ther. 2012; 31: 230-236. doi: 10.1159/000335349

Jang J, Park Y, Kim B, Lee SM, Kwon JY, Seo JK. Automatic estimation of fetal abdominal circumference from ultrasound images. IEEE J Biomed Health Inform. 2018; 22: 1512-1520. doi: 10.1109/JBHI.2017.2776116