Исследование осложнений в нейрохирургии с помощью технологий искусственного интеллекта

Количественный анализ осложнений в нейрохирургии — актуальная задача, решение которой ограничено отсутствием в профессиональном сообществе единого определения этого понятия, подходов к учету, мониторингу и классификации осложнений. эти ограничения, в свою очередь, приводят к невозможности количественного сопоставления показателей безопасности в разных нейрохирургических клиниках и проведения масштабных эпидемиологических исследований.

ЦЕЛЬ ИССЛЕДОВАНИЯ: определить актуальные задачи исследования осложнений в нейрохирургии с учетом потенциала современных технологий искусственного интеллекта и примеров его использования в исследованиях ФГАУ «НМИЦ нейрохирургии им. ак. Н. Н. Бурденко» Минздрава России.

МАТЕРИАЛЫ И МЕТОДЫ: В настоящей работе были проанализированы текстовые медицинские записи, первично внесенные врачами с помощью клавиатуры в электронную медицинскую карту «E-med» ФГАУ «НМИЦ нейрохирургии им. ак. Н. Н. Бурденко» Минздрава России в период с 2000 г. по 2017 г. Для анализа текстовой информации применили методы анализа неструктурированных текстов, написанных на естественном языке.

РЕЗУЛЬТАТЫ. Были определены основные задачи анализа осложнений, базовые возможности современных технологий искусственного интеллекта, их потенциал для формирования научно обоснованного определения понятия «осложнение в нейрохирургии», изучения спектра осложнений, идентификации, прогноза и оценки факторов риска их развития.

ЗАКЛЮЧЕНИЕ. Современные технологии искусственного интеллекта обладают значительным потенциалом применения в исследовании осложнений в нейрохирургии.

1. Ziewacz JE, Mcgirt MJ, Chewning SJJ. Adverse events in neurosurgery and their relationship to quality improvement. Neurosurg Clin N Am. 2015;26(2):157–165, vii. doi:10.1016/j.nec.2014.11.014

2. Brock S, Saleh C, Zekaj E, Servello D. How to compare clinical results of different neurosurgical centers? Is a classification of complications in neurosurgery necessary for this purpose? Surg Neurol Int. 2016;7(Suppl 20): S 565–9. doi:10.4103/2152–7806.188471

3. Danilov GV, Shifrin MA, Kotik KV, et al. Artificial intelligence in neurosurgery: a systematic review using topic modeling. part I: Major research areas. Sovrem Tehnol v Med. 2020;12(5). doi:10.17691/stm2020.12.5.12

4. Danilov G, Board Secretary S, Orlov Y, Kulikov A, Anesthesiologist S, Potapov AS. Artificial Intelligence Technologies in Neurosurgery: a Systematic literature review Using Topic Modeling. part II: research objectives and perspectives. 2020;12(6): reviews. doi:10.17691/stm2020.12.6.12

5. Danilov G, Shifrin M, Strunina U, Pronkina T, Potapov A. An Information extraction algorithm for detecting adverse eventsin Neurosurgery Using documents written in a Natural rich-in-Morphology language. Stud Health Technol Inform. 2019;262:194–197. doi:10.3233/SHTI190051

6. Данилов Г.В., Шифрин М. А., Потапов А. А., et al. Способ извлечения информации из неструктурированных текстов, написанных на естественном языке (патент rU 2751993C 1). Опубликовано в сети 21 июля 2021 г. По состоянию на 27 декабря 2021 г. https://www.fips.ru/registers-doc-view/fips_servlet?dB=rUpaT&docNumber=2751993&TypeFile=html

7. Danilov G, Kosyrkova A, Shults M, et al. Inter-rater reliability of Unstructured Text labeling: artificially vs. Naturally Intelligent approaches. Stud Health Technol Inform. 2021;281:118–122. doi:10.3233/SHTI210132