Литвинова Е.В., Носкова О.В.
Донецкий
государственный медицинский университет имени М. Горького,
г.
Донецк, Россия
ВОЗМОЖНОСТИ ИСПОЛЬЗОВАНИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В АКУШЕРСТВЕ И ГИНЕКОЛОГИИ
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: искусственный интеллект; модели обработки естественного языка; системы искусственного интеллекта; ChatGPT
Litvinova E.V., Noskova O.V.,
Donetsk State Medical University named after M. Gorky, Donetsk, Russia
POSSIBILITIES FOR THE USE OF ARTIFICIAL INTELLIGENCE IN OBSTETRICS AND GYNAECOLOGY
The purpose of the
work –
researching the potential applications of artificial intelligence in obstetrics
and gynecology.
Materials and
methods of work. The search for scientific information was conducted using domestic and
foreign Internet resources such as Google Scholar, PubMed, Medscape, Scopus and
Web of Science databases, etc.; as well as on the websites of international
medical organizations using specific keywords: artificial intelligence, the use
of artificial intelligence in obstetrics and gynecology, natural language
processing models, artificial intelligence systems, ChatGPT, and telemedicine
in obstetrics and gynecology. The search covered a period of 10 years.
Results. The effectiveness
of artificial intelligence based on natural language processing models in
various areas of obstetrics and gynecology has been proven. The possibilities
of artificial intelligence for perinatal medicine and gynecological oncology
have been identified, as well as in the field of cardiotocographic analysis
based on artificial intelligence for intrapartum fetal monitoring in the
direction of detecting premature births.
The effectiveness of artificial intelligence in the field of
reproductive therapy (for predicting pregnancy after in vitro fertilization and
identifying the most viable oocytes and embryos with a high probability of
pregnancy) has been proven.
The effectiveness of artificial intelligence for assessing prognoses in
patients with ovarian cancer has been confirmed (the ability to predict fetal
survival with an accuracy of up to 97% has been proven) and for predicting the
effectiveness of a particular type of therapy depending on the diagnosis. The
capabilities of artificial intelligence for creating models capable of
diagnosing early ovarian cancer and for analyzing precancerous images of the
cervix have been identified.
In addition, it has been shown that in obstetric surgery, the use of
physical artificial intelligence is more effective than virtual intelligence
(it helps to reduce the duration of the operation and increase accuracy, which
leads to a decrease in the number of surgical problems and complications).
At the same time, the effectiveness of using artificial intelligence in
telemedicine to monitor patients remotely, tracking and regulating their
condition using wearable devices connected to artificial intelligence systems,
has been determined.
Conclusion. Thus, the use of AI in medicine and specifically in obstetrics and
gynecology has a number of proven important advantages. However, further study
is needed to improve and mitigate existing risks in order to enable deeper
integration into practical medical practice.
Key words: artificial intelligence; natural language processing models; artificial intelligence systems; ChatGPT
Медицина – это сложная и технологически развитая
наука, в которую в большей степени, чем в другие науки, должны быть
интегрированы системы
искусственного интеллекта (ИИ), основанные на моделях обработки естественного
языка (ОЕЯ) [1].
Системы ИИ, основанные на моделях ОЕЯ, последнее
время развиваются экспоненциально с точки зрения сложности и процессов
согласования задач, и в настоящее время представляют собой высокоинтеллектуальный
механизм, который, вероятно, повлияет на все сферы современного общества [2-4].
В 1956 году Джон Маккарти организовал
первую академическую встречу по теме ИИ в Дартмутском колледже, придумав сам
термин «ИИ» и разделив его на три категории:
1. Искусственный
узкий интеллект. При помощи него можно развивать навыки решения проблем с
использованием текстовых, аудио- или графических данных. Процессор мог бы легко
выполнить одну задачу на этом уровне ИИ. Несмотря на превосходство ИИ в шахматах,
его IQ составляет всего 0 (ноль).
2. ИИ. На
этом уровне развития ИИ разумное существо может полностью понять все сложные
задачи так же, как и человек.
3. Искусственный
сверхинтеллект. Это уровень, который значительно превосходит человеческий потенциал,
которого люди никогда не достигнут, а машины могут превзойти людей с точки
зрения интеллекта и поведенческих навыков.
ОЕЯ представляет собой форму ИИ, которая
позволяет пользователям осмысленно взаимодействовать с компьютером без
использования машинных кодов, основываясь на понимании и генерации машинного
языка. К примеру, полезными и широко используемыми приложениями ОЕЯ
являются перевод, реферирование, и интеллектуальный анализ различных данных,
распознавание текста и определенная его классификация и т.д. [5].
Таким образом, целью нашей работы было 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
Медицина также не является исключением использования
ИИ и системы ОЕЯ. К примеру, разнообразные приложения ИИ и ОЕЯ уже давно используются
в различных направлениях практической медицины, включая интеллектуальный анализ
данных пациентов [6], онкологическую практику [7], терапевтическое
направление [8, 9], психиатрическую практику [10] и
другие области. Кроме этого, ИИ и ОЕЯ
очень широко применяются в теоретическом здравоохранении, начиная с момента
получения медицинского образования [11-13], активно и эффективно меняя фокус, содержание,
выполнение и оценку углубленного обучения в различных медицинских
специальностях.
Хотя системы ОЕЯ активно разрабатываются уже несколько
лет подряд, существует несколько проблем, которые значительно затрудняют их
использование, включая необходимость очень больших маркированных
(контролируемых) наборов данных для конкретных задач и тонкой настройке для
конкретных задач (основные ограничения). Так, Brown T. и др. [14] определили, что для
обработки с помощью ОЕЯ проведенных исследований нужны большие контролируемые
(маркированные или содержащие информативные метаданные) наборы данных для
понимания и выполнения большинства задач. Таким образом, создаются возможности достижения
для моделей ОЕЯ способности быстро выполнять сложные интерпретационные и
суммирующие задачи и генерировать точные результаты, которые интересны исследователям,
что и является особо важным достижением в области ОЕЯ.
Кроме этого, ярким примером экспоненциального
развития ИИ на основе ОЕЯ является появление
разговорной модели ОЕЯ – Chat Generative Pre-trained Transformer (ChatGPT).
ChatGPT – модель ОЕЯ, представляющая собой пользовательский интерфейс, выпущенная
для исследовательского предварительного просмотра OpenAI 30 ноября 2022 года.
ChatGPT основан на более ранней методологии, используемой OpenAI при разработке
моделей (GPT-3.5), включающей подход к обучению, известный как обучение с
подкреплением на основе обратной связи человека (RLHF). RHLF
использует заданные человеком выходные предпочтения для построения определенного
сигнала, который используется для дальнейшего обучения модели [3].
ChatGPT представляет собой
разговорную модель ИИ (чат-бот, основанный на обработке естественного языка и
глубоком обучении), которая была создана как родственная модель InstructGPT3,
менее известной модели, которая могла давать ответы на простые вопросы, такие
как «объясните эволюцию 6-летнему ребенку» в человеческой манере. Но то, что
отличает ChatGPT от любой другой когда-либо выпущенной модели, – это ее
способность постоянно взаимодействовать с человеком естественным образом и
предоставлять стимулы/входные данные пользователю, а также задавать интересные
вопросы в ответ. Это позволяет вести долгие (и потенциально бесконечные)
разговоры с чат-ботом, пока взаимодействие в конечном итоге не прерывается.
Модель способна признавать свои ошибки, оспаривать неверные предпосылки
пользователя и даже пытается отклонить неуместные запросы. Разработчики ChatGPT
создали модель, доработав предыдущую GPT-3 с большим количеством реальных
данных, полученных от людей (где аннотаторы играли обе стороны: конечного
пользователя и чат-бота ИИ). Чтобы гарантировать, что модель не предвзята и
может задавать дополнительные вопросы пользователям, если она не уверена в
своих ответах, разработчики также использовали обучение с подкреплением на
основе человеческой обратной связи для оптимизации модели, в которой эксперты (люди)
давали модели положительную оценку (вознаграждение), когда она генерировала
реалистичные ответы, или отрицательную оценку (штраф), когда она генерировала
необычные результаты, на основе которых модель была улучшена и стала более
надежной. Это позволяет ChatGPT сочетать качества своего предшественника GPT
(т.е. обучение на огромных объемах информации, доступной в Интернете) со
способностью поддерживать разговоры, подобные человеческим.
Таким образом, использование ИИ на основе ОЕЯ
и их продукта (ChatGPT) в современном обществе
является неотъемлемой предпосылкой развития научного и социального потенциала, эффективность которых была доказана многими исследованиями в
различных направлениях человеческой деятельности, включая медицину.
В современной медицинской практике специалистам
приходится бороться с огромным объемом данных для улучшения результатов диагностики
и лечения [15]. Иногда одному специалисту приходится иметь дело с тысячами
ультразвуковых изображений или сотнями статей с результатами лабораторных
исследований. Чтобы преодолеть этот объем информации и дефицит времени, на
помощь приходит система ОЕЯ и ИИ, которые очень широко и относительно давно
используются в нашей повседневной жизни (например, Google, Netflix и т.д.). ИИ
в повседневной жизни используется регулярно в поисковых системах (например,
Google), рекомендательных алгоритмах на платформах онлайн-развлечений (YouTube
и Netflix), в направлении распознавания речи (Siri и Alexa) и управления
беспилотными автомобилями (Tesla) и т.д.
К сожалению, их применение в медицине
представляет собой относительно новый феномен. Акушерство и гинекология не
являются исключением, так как модели ИИ в этом направлении медицины очень
активно и эффективно начинают использовать (в основном для обработки ультразвуковых
изображений для диагностических целей), раскрывая и внедряя все новые и новые
возможности.
ИИ в акушерстве и гинекологии с
его возможностями позволит создать гораздо более эффективную и действенную
систему помощи. ИИ может помочь в постановке диагноза и определении дальнейшего
прогноза, оптимизации терапии и разработки новых препаратов, методов лечения и
диагностики. Благодаря этому, ИИ быстро становится популярным в области
акушерства и гинекологии. На 29-м Всемирном конгрессе Международного общества
ультразвука в акушерстве и гинекологии (ISUOG) в 2019 году были
представлены 14 докладов, прямо посвященных ИИ, с другой стороны, на
предыдущих шести Всемирных конгрессах ISUOG (2013-2018) было представлено в
общей сложности 13 таких докладов.
Благодаря использованию ИИ
для обработки большой базы данных ультразвуковых изображений практически для
всех ситуаций в акушерстве и гинекологии были зарегистрированы приложения ИИ
для перинатальной медицины и гинекологической онкологии [16-20]. Подавляющее
большинство исследований по применению ИИ в акушерстве и гинекологии основывалось
на ультразвуковых изображениях, но специалисты также пробовали использовать
кардиотокографический анализ на основе ИИ для интранатального мониторинга плода
[21]. Они подчеркнули важность использования ИИ для обнаружения преждевременных
родов. В этом исследовании использовались сигналы электрогистерографии, и они
были идентифицированы с помощью трех различных алгоритмов машинного обучения,
чтобы помочь обнаружить истинные роды и надежно диагностировать преждевременные
роды.
Кроме этого, системы ИИ
эффективно используются в области репродуктивной терапии. Пары все чаще
направляются на вспомогательную репродуктивную терапию, а решения ИИ в этой
области набирают популярность с каждым днем. Так, Guh R.S. и его коллеги [22]
использовали интеллектуальный анализ данных и ИИ для создания компьютерной
модели, которая может помочь врачам в прогнозировании беременности после экстракорпорального оплодотворения. Интеллектуальный
анализ данных с помощью ИИ представляет собой метод выявления закономерностей в
больших базах данных, который объединяет ИИ и расширенную статистику. ИИ
получает необходимые данные, а также способен находить другие важные факторы,
которые могут повлиять на результат, тем самым увеличивая объем данных, которые
можно использовать [22]. В свою очередь, Manna C.
и др. [23] предложили объединить ИИ и интеллектуальный анализ данных для
извлечения дескрипторов текстуры из изображений ооцитов или эмбрионов; с
помощью этого метода ИИ может идентифицировать наиболее жизнеспособные ооциты и
эмбрионы с высокой вероятностью беременности.
Кроме этого, модели
нейронных сетей эффективно используются для оценки прогнозов для пациентов с
раком яичников. По результатам своих исследований Enshaei A.
и др. [24] показали, что интеллектуальный анализ данных с помощью ИИ может
прогнозировать выживаемость плода с точностью до 97%. Также они могут прогнозировать
эффективность применения того или иного вида терапии для каждого пациента в
зависимости от их диагноза.
В другом случае, исследователи
из больницы Brigham and Women's Hospital и Института рака Dana-Farber
использовали ИИ для обработки огромных объемов данных микроРНК для создания
моделей, способных диагностировать ранний рак яичников [24]. По сравнению с ультразвуковым скрининговым тестом, который
обнаруживал аномальные результаты менее чем в 5% случаев, нейронная сеть ИИ смогла
отследить сложные связи между микроРНК и точно распознавать почти 100%
аномалий, связанных с раком яичников [25].
Кроме этого, ИИ превзошел
экспертов-людей, когда дело дошло до анализа предраковых изображений области
шейки матки. Алгоритмы глубокого обучения на основе ИИ способны собирать и
анализировать большое количество фотографий, связанных со скринингом рака шейки
матки, что дает возможность практически со 100% результатом обнаруживать
пораженные ткани. При этом пациентов можно излечить за один визит благодаря минимальному
вмешательству [26].
Помимо этого, следует
отметить использование физического ИИ в акушерской хирургии. Физический ИИ
используется в акушерской хирургии чаще, чем виртуальный ИИ. Виртуальный ИИ
прогнозирует результат, используя установленные параметры пациента,
повторяющиеся шаблоны и алгоритмы лечения, в отличие от хирургического поля,
которое имеет большое количество независимых переменных. Последовательность
различных тканей, уровень мастерства акушера-хирурга, изменения, вносимые в
операционное поле во время операции, и уникальные различия между пациентами и
их патологией – это лишь некоторые из этих переменных; в конечном счете, эти
отличительные характеристики усложняют разработку алгоритма [27]. ИИ разными
способами помог в гинекологической хирургии, включая визуализацию и
пространственную осведомленность. ИИ может помочь хирургам, улучшая
визуализацию как до, так и во время операции. Трехмерная (3DP) печать,
имитирующая место операции, намного превосходит двухмерную (2D) печать,
поскольку она обеспечивает более точную картину фактического режима [28].
Кроме того, ИИ
способствовал сокращению времени операции и повышению точности, что привело к
уменьшению количества операционных проблем и осложнений. Для этого используется
так называемая дополненная реальность. Компьютер реконструирует реальные
предметы и цифровым способом улучшает их, чтобы создать более информативное
визуальное представление в дополненной реальности. Хотя система имеет несколько
недостатков, у нее также есть некоторые преимущества, такие как повышенная
точность, безопасность и сокращение времени, необходимого для выполнения задач
[29]. Таким образом, ИИ помогает в развитии пространственной осведомленности,
уведомляя хирургов о том, когда жизненно важные сосуды или структуры скрыты,
что позволяет быстро их распознавать и защищать жизненно важные структуры.
Одним из примеров является изоляция мочеточников во время гинекологической
операции. Эндоскопическая система, работающая на основе ИИ, эффективно использовалась
в исследовании для определения глубины и положения мочеточников с
использованием алгоритмов, демонстрируя большую точность и безопасность [30].
Кроме этого,
следует отметить достижения в области использования ИИ в сфере телемедицины. При
помощи ИИ можно эффективно контролировать состояние пациентов удаленно,
отслеживая и регулируя его с помощью носимых устройств, связанных с системами
ИИ. В настоящее время программное обеспечение для электронных медицинских
записей автоматизирует планирование посещения, предоставляет оповещения о
последующих действиях, а также предлагает соответствующие платформы для
пациентов и их семей. Виртуальные визиты позволяют пациентам, которые живут
далеко или имеют ограниченную подвижность, получать последующую помощь без
необходимости проходить медицинский осмотр, что может сократить время ожидания.
Виртуальные визиты становятся все более распространенными в последнее время.
Носимые устройства, связанные с ИИ, могут помочь лечащим бригадам с помощью телемедицины
в наблюдении за пациентами для удаленного доступа к собранным данным.
Помимо этого, Onal S. с коллегами [31] изучили
эффективность ИИ в оценке динамической МРТ для диагностики и количественной
оценки пролапса тазовых органов. Со среднесагиттальной точки они рассмотрели 15 динамических
изображений МРТ. Для всех контрольных участков МРТ полуавтоматический метод
измерения тазового дна дал исключительно последовательные и точные размещения.
В последующие годы Nekooeimehr I. и
др. [32] предложили метод автоматического мониторинга и сегментации органов
малого таза на динамической МРТ с последующей классификацией траекторий
нескольких объектов для помощи в понимании пролапса органов малого таза.
Следует указать, что, помимо
положительных моментов, использование ИИ имеет и некоторые негативные. Существует
множество проблем при внедрении ИИ в клиническую практику, некоторые из которых
вызывают беспокойство. Так, количество и качество данных, используемых для
создания моделей ИИ, являются фундаментальным ограничением надежности этих
методов. Это особенно актуально для редких расстройств, имеющих нестабильные
или субъективные симптомы. Вызывает беспокойство и соблюдение этических правил для
архивирования хирургических и периоперационных данных. Сбор высококачественных
данных, которые в конечном итоге могут помочь пациентам, требует определенных
методов хранения и использования результатов в обобщенном виде.
При применении ИИ в
клинической практике еще одним фактором, который следует учитывать, является
его применимость. Не упомянутые клинические данные игнорируются моделью ИИ,
поскольку модели ИИ могут учитывать только данные, которые были «увидены» во
время обучения. В результате растущий сегмент здравоохранения для исследований
ИИ стремится создавать модели ИИ, которые интегрируют данные визуализации и
электронных медицинских карт для обеспечения точной диагностики и лечения [33].
Еще одна проблема – возможность профессиональной ответственности врачей,
использующих ИИ. Возникает закономерный вопрос, должны ли больницы и врачи
нести ответственность за суждения, выносимые программным обеспечением на основе
ИИ или нет? [33].
ВЫВОДЫ
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.
Информация о финансировании и конфликте интересов
Исследование не
имело спонсорской поддержки.
Авторы декларируют
отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией
настоящей статьи.
ЛИТЕРАТУРА / REFERENCES:
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
Корреспонденцию адресовать:
НОСКОВА Оксана
Владимировна
283003, г. Донецк, пр.
Ильича, д. 16, ФГБОУ ВО ДонГМУ им. М.
Горького Минздрава России
Тел: 8 (8563) 44-41-51 E-mail: Oksana_noskova_73@mail.ru
Сведения об авторах:
ЛИТВИНОВА Елена
Валерьевна
канд. мед. наук, доцент кафедры акушерства и гинекологии, ФГБОУ ВО
ДонГМУ им. М. Горького Минздрава России, 283003, г. Донецк, пр. Ильича, д. 16, Россия
E-mail: elena.v.litvinova@inbox.ru
НОСКОВА Оксана
Владимировна
канд. мед. наук, доцент кафедры акушерства и гинекологии, ФГБОУ
ВО ДонГМУ им. М. Горького Минздрава России, 283003, г. Донецк, пр. Ильича, д.
16, Россия
E-mail: oksana_noskova_73@mail.ru ORCID:
0009-0000-4061-032X
Information about authors:
LITVINOVA Elena Valerievna
candidate of medical
sciences, docent of the department of obstetrics and gynecology, M. Gorky
Donetsk State Medical University, 283003, Donetsk, Ilyicha Ave., 16, Russia
E-mail:
elena.v.litvinova@inbox.ru
NOSKOVA Oksana Vladimirovna
candidate of medical
sciences, docent of the department of obstetrics and gynecology, M. Gorky
Donetsk State Medical University, 283003, Donetsk, Ilyicha Ave., 16, Russia
E-mail:
oksana_noskova_73@mail.ru
ORCID: 0009-0000-4061-032X