ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В АКУШЕРСТВЕ И ГИНЕКОЛОГИИ
Основное содержимое статьи
Аннотация
Цель работы – изучение возможностей использования искусственного интеллекта в акушерстве и гинекологии.
Материалы и методы работы. Поиск научной информации проводился с использованием отечественных и зарубежных интернет-ресурсов сети Google Scholar, PubMed, Medscape, баз данных Scopus и Web of Science и т.п.; а также на веб-страницах международных медицинских организаций по определенным ключевым словам: искусственный интеллект, использование искусственного интеллекта в акушерстве и гинекологии, модели обработки естественного языка, системы искусственного интеллекта, ChatGPT, телемедицина в акушерстве и гинекологии. Глубина поиска составила 10 лет.
Результаты. Доказана эффективность применения искусственного интеллекта на основе использования моделей обработки естественного языка в различных сферах акушерства и гинекологии. Определены возможности искусственного интеллекта для перинатальной медицины и гинекологической онкологии, в сфере кардиотокографического анализа на основе искусственного интеллекта для интранатального мониторинга плода в направлении обнаружения преждевременных родов.
Доказана эффективность искусственного интеллекта в области репродуктивной терапии (для прогнозирования беременности после экстракорпорального оплодотворения и идентификации наиболее жизнеспособных ооцитов и эмбрионов с высокой вероятностью беременности).
Зафиксирована эффективность искусственного интеллекта для оценки прогнозов у пациентов с раком яичников (доказаны возможности прогнозирования выживаемости плода с точностью до 97%) и прогнозирования эффективности применения того или иного вида терапии в зависимости от диагноза. Определены возможности искусственного интеллекта для создания моделей, способных диагностировать ранний рак яичников и для анализа предраковых изображений области шейки матки.
Кроме этого, показано, что в акушерской хирургии применение физического искусственного интеллекта более эффективно чем виртуального (способствует сокращению времени операции и повышению точности, что приводит к уменьшению количества операционных проблем и осложнений).
При этом, определена эффективность использования искусственного интеллекта в сфере телемедицины для контроля состояния пациентов удаленно, отслеживая и регулируя его с помощью носимых устройств, связанных с системами искусственного интеллекта.
Заключение. Таким образом, использование ИИ в медицине и непосредственно в акушерстве и гинекологии имеет целый ряд доказанных важных преимуществ, однако, необходимо его дальнейшее изучение с целью усовершенствования и нивелирования существующих рисков для возможности более глубокого внедрения в практическую врачебную деятельность.
Ключевые слова
Информация о статье
Информация о финансировании и конфликте интересов
Авторы заявляют об отсутствии явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.
Контент доступен под лицензией Creative Commons Attribution 4.0 License.
Как цитировать
Список литературы
1. Li SW, Kemp MW, Logan SJS, Dimri PS, Singh N, Mattar CNZ, et al. National University of Singapore Obstetrics and Gynecology Artificial Intelligence (NUS OBGYN-AI) Collaborative Group. ChatGPT outscored human candidates in a virtual objective structured clinical examination in obstetrics and gynecology. Am J Obstet Gynecol. 2023; 229(2): 172.e1-172.e12. doi: 10.1016/j.ajog.2023.04.020
2. Chatterjee J, Dethlefs N. This new conversational AI model can be your friend, philosopher, and guide ... and even your worst enemy. Patterns (N Y). 2023; 4(1): 100676. doi: 10.1016/j.patter.2022.100676
3. Ouyang L, Wu J, Jiang X, Almeida D, Wainwright C, Mishkin P, et al. Training language models to follow instructions with human feedback. Advances in neural information processing systems. 2022; 35: 27730-27744. doi: 10.48550/arXiv.2203.02155
4. Stiennon N, Ouyang L, Wu J, Ziegler D, Lowe R, Voss C, et al. Learning to summarize with human feedback. Advances in neural information processing systems. 2020; 33: 3008-3021. doi: 10.48550/arXiv.2009.01325
5. Khurana D, Koli A, Khatter K, Singh S. Natural language processing: state of the art, current trends and challenges. Multimed Tools Appl. 2023; 82(3): 3713-3744. doi: 10.1007/s11042-022-13428-4
6. Landolsi MY, Hlaoua L, Ben Romdhane L. Information extraction from electronic medical documents: state of the art and future research directions. Knowl Inf Syst. 2023;65(2):463-516. doi: 10.1007/s10115-022-01779-1
7. Huang S, Yang J, Shen N, Xu Q, Zhao Q. Artificial intelligence in lung cancer diagnosis and prognosis: Current application and future perspective. Semin Cancer Biol. 2023; 89: 30-37. doi: 10.1016/j.semcancer.2023.01.006
8. Lareyre F, Behrendt CA, Chaudhuri A, Lee R, Carrier M, Adam C, et al. Applications of artificial intelligence for patients with peripheral artery disease. J Vasc Surg. 2023; 77(2): 650-658.e1. doi: 10.1016/j.jvs.2022.07.160
9. Sinonquel P, Schilirò A, Verstockt B, Vermeire S, Bisschops R. Evaluating the potential of artificial intelligence in ulcerative colitis. Expert Rev Gastroenterol Hepatol. 2023; 17(2): 145-153. doi: 10.1080/17474124.2023.2166928
10. Loch AA, Lopes-Rocha AC, Ara A, Gondim JM, Cecchi GA, Corcoran CM, et al. Ethical Implications of the Use of Language Analysis Technologies for the Diagnosis and Prediction of Psychiatric Disorders. JMIR Ment Health. 2022; 9(11): e41014. doi: 10.2196/41014
11. Huh S. Are ChatGPT’s knowledge and interpretation ability comparable to those of medical students in Korea for taking a parasitology examination?: a descriptive study. J Educ Eval Health Prof. 2023; 20: 1. doi: 10.3352/jeehp.2023.20.1
12. Ramesh D, Sanampudi SK. An automated essay scoring systems: a systematic literature review. Artif Intell Rev. 2022; 55(3): 2495-2527. doi: 10.1007/s10462-021-10068-2
13. Stokel-Walker C. AI bot ChatGPT writes smart essays - should professors worry? Nature. 2022. doi: 10.1038/d41586-022-04397-7
14. Brown T, Mann B, Ryder N, Subbiah M, Kaplan J, Dhariwal P, et al. Language models are few-shot learners. Advances in neural information processing systems. 2020; 33: 1877-1901. doi: 10.48550/arXiv.2005.14165
15. Seval MM, Varlı B. Current developments in artificial intelligence from obstetrics and gynecology to urogynecology. Front Med (Lausanne). 2023; 10: 1098205. doi: 10.3389/fmed.2023.1098205
16. Eriksson LSE, Epstein E, Testa AC, Fischerova D, Valentin L, Sladkevicius P, et al. Ultrasound-based risk model for preoperative prediction of lymph-node metastases in women with endometrial cancer: model-development study. Ultrasound Obstet Gynecol. 2020; 56(3): 443-452. doi: 10.1002/uog.21950
17. Van den Noort F, van der Vaart CH, Grob ATM, van de Waarsenburg MK, Slump CH, van Stralen M. Deep learning enables automatic quantitative assessment of puborectalis muscle and urogenital hiatus in plane of minimal hiatal dimensions. Ultrasound Obstet Gynecol. 2019; 54(2): 270-275. doi: 10.1002/uog.20181
18. Bahado-Singh RO, 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): 110-118. doi: 10.1002/uog.20168
19. Tsur A, Batsry L, Toussia-Cohen S, Rosenstein MG, Barak O, Brezinov Y, et al. Development and validation of a machine-learning model for prediction of shoulder dystocia. Ultrasound Obstet Gynecol. 2020; 56(4): 588-596. doi: 10.1002/uog.21878
20. Xie HN, Wang N, He M, Zhang LH, Cai HM, Xian JB, et al. Using deep-learning algorithms to classify fetal brain ultrasound images as normal or abnormal. Ultrasound Obstet Gynecol. 2020; 56(4): 579-587. doi: 10.1002/uog.21967
21. 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. doi: 10.1186/s12884-015-0780-0
22. Guh RS, Tsung-Chieh JW, Shao-Ping W. Integrating genetic algorithm and decision tree learning for assistance in predicting in vitro fertilization outcomes. Expert Syst Appl. 2011; 38: 4437-4449. doi: 10.1016/j.eswa.2010.09.112
23. Manna C, Nanni L, Lumini A, Pappalardo S. Artificial intelligence techniques for embryo and oocyte classification. Reprod Biomed Online. 2013; 26(1): 42-49. doi: 10.1016/j.rbmo.2012.09.015
24. Enshaei A, Robson CN, Edmondson RJ. Artificial Intelligence Systems as Prognostic and Predictive Tools in Ovarian Cancer. Ann Surg Oncol. 2015; 22(12): 3970-3975. doi: 10.1245/s10434-015-4475-6
25. Kann BH, Thompson R, Thomas CR Jr, Dicker A, Aneja S. Artificial Intelligence in Oncology: Current Applications and Future Directions. Oncology (Williston Park). 2019; 33(2): 46-53.
26. Hu L, Bell D, Antani S, Xue Z, Yu K, Horning MP, et al. An Observational Study of Deep Learning and Automated Evaluation of Cervical Images for Cancer Screening. J Natl Cancer Inst. 2019; 111(9): 923-932. doi: 10.1093/jnci/djy225
27. Moawad G, Tyan P, Louie M. Artificial intelligence and augmented reality in gynecology. Curr Opin Obstet Gynecol. 2019;31(5):345-348. doi: 10.1097/GCO.0000000000000559
28. Ajao MO, Clark NV, Kelil T, Cohen SL, Einarsson JI. Case Report: Three-Dimensional Printed Model for Deep Infiltrating Endometriosis. J Minim Invasive Gynecol. 2017; 24(7): 1239-1242. doi: 10.1016/j.jmig.2017.06.006
29. Dirie NI, Wang Q, Wang S. Two-Dimensional Versus Three-Dimensional Laparoscopic Systems in Urology: A Systematic Review and Meta-Analysis. J Endourol. 2018; 32(9): 781-790. doi: 10.1089/end.2018.0411
30. Song E, Yu F, Liu H, Cheng N, Li Y, Jin L, Hung CC. A Novel Endoscope System for Position Detection and Depth Estimation of the Ureter. J Med Syst. 2016; 40(12): 266. doi: 10.1007/s10916-016-0607-1
31. 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(6): 767-773. doi: 10.1007/s00192-013-2287-4
32. 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 (Bellingham). 2018; 5(1): 014008. doi: 10.1117/1.JMI.5.1.014008
33. Grünebaum A, Chervenak J, Pollet SL, Katz A, Chervenak FA. The exciting potential for ChatGPT in obstetrics and gynecology. Am J Obstet Gynecol. 2023; 228(6): 696-705. doi: 10.1016/j.ajog.2023.03.009