Машинное обучение в пластической хирургии: достоинства инноваций

Применение машинного обучения в хирургии

Машинное обучение в пластической хирургии: достоинства инноваций

Машинное обучение – это метод, при котором в специально разработанную компьютерную систему вводится ряд заранее известных параметров, на основе которых она предлагает решения проблемы, основанные на похожих или идентичных случаях.

Сфера пластической хирургии продолжает открывать для себя новые горизонты через привлечение технологий и решений, ранее несвойственных этой области медицины. Стремительное увеличение объёма накопленной электронной информации в этом разделе хирургии, анализируемой системой здравоохранения США, привлекло экспертов «обучения по прецедентам». Они применяют его методы для улучшения качества врачебной помощи и результатов проводимого лечения.

Суть метода и его применения

Суть метода «машинного изучения» — анализ исторических данных с разработкой алгоритмов, извлечения информации из больших объёмов статистических данных. Методика уже применяется как часть технологического решения IBM Watson, используемого на базе Американского колледжа здравоохранение и национальной программы повышения квалификации хирургов.

Авторитетный журнал Surgery, выпускаемый как официальное издание «Американского общества пластических хирургов» (ASPS), сделал центральной темой майского номера обзор технологий «машинного обучения», и анализ их возможностей для применения в роли инструментов, ускоряющих прогресс развития пластической и эстетической хирургии.

Сферы пластической хирургии, к которым применим метод «обучения на прецедентах»

«Машинное обучение обладает потенциалом мощнейшего рычага в области пластической хирургии, позволяющего медикам использовать статистические данные в роли фундамента для принятия грамотных клинических решений» — пишет в своём докладе ASPS доктор Джонатан Каневски из Монреальского университета «МакГилл». Он выделяет 5 ключевых областей хирургии, в которых методика «обучения по прецедентам» поможет прогрессу реконструктивных и пластических операций.

  • Ожоговая хирургия. Машинный подход к обучению уже широко используется для предсказания времени заживления ожогов, и в роли действенного инструмента оценки глубины поражения ожогом живых тканей. Потенциально алгоритмы «обучения по прецедентам» могут использоваться как метод оценки критичности площади ожога для здоровья и жизни пациента, давая важную информацию для реанимационных процедур и хирургического планирования.
  • Микрохирургия. Основываясь на фотографиях, сделанных на смартфон, разработан алгоритм, упрощающий послеоперационное применение микрохирургии как часть системы мониторинга кровоснабжения тканевых лоскутов. Потенциал использования — помощь в подборе оптимальных методик реконструктивной хирургии для отдельных пациентов.
  • Пластические операции черепно-лицевой хирургии. Подход машинного обучения уже используется для автоматизированной диагностики дефектов детского роста черепа. Будущие алгоритмы могут быть полезны для идентификации генов, ответственных за расщепление губы и нёба, обнаружения причин других аномалий развития костной и лицевой тканей.
  • Хирургия периферической нервной системы. «Обучение по прецедентам» — полезный инструмент, позволяющий повысить точность прогнозов успеха тканевой инженерии нервных трансплантатов, разработку автоматизированных контроллеров для рук и плеча, нейропротезов для пациентов с тяжёлыми повреждениями спинного мозга, улучшение планирования и прогнозирования исходов в хирургии кистей рук.
  • Эстетическая хирургия. Машинное обучение потенциально применимо в косметической хирургии, при прогнозировании и моделирования результатов эстетической пластики лица и реконструктивной хирургии молочной железы.

Основной проблемой внедрения метода является необходимость в разработке пакета мер по созданию безопасного, надёжного и достоверного метода отбора результатов исследований, проведённых методом машинного обучения с обеспечением клинической значимости анализов.