Теплова карта як новий інструмент візуалізації, який допомагає пацієнткам з безпліддям прийняти рішення про міомектомію

Новини медицини 1 хв 1590

Розмір шрифту

Дата публікації: 21/11/2024

Що нового?

Теплові карти на основі машинного навчання сприяють підвищенню точності прийнятих рішень про міомектомію, що потенційно призводить до кращих результатів для пацієнтів та цілеспрямованого лікування безпліддя.

Міома матки (також відома як фіброміома матки) є встановленою причиною безпліддя. Однак визначення необхідності міомектомії ускладнюється через різний розмір та розташування міом. Для вирішення цієї проблеми в рамках недавнього дослідження, результати якого були опубліковані в журналі Reproductive Sciences, було розроблено новий інструмент візуалізації, який допомагає пацієнткам з безпліддям приймати більш обґрунтовані рішення про хірургічне видалення міоми, тобто міомектомії.

У дослідження було включено 191 жінку з міомою, 124 з яких перенесли міомектомію. З них 65 (52,4%) завагітніли в середньому протягом 17,6 місяця після операції, а 54 (83,1%) народили живу дитину. Дослідники створили модель логістичної регресії для прогнозування частоти настання вагітності, досягнувши високої точності валідації на рівні 74,6% на підставі таких факторів, як вік, тип міоми, розмір тощо.

Takuya Yokoe та співавт. розробили номограму для візуалізації впливу кожного фактора на результат вагітності, використовуючи дані передопераційної магнітно-резонансної томографії та машинне навчання з використанням згорткової нейронної мережі. Точність класифікації моделі склала 71,4% та 77,7% щодо чутливості та специфічності відповідно. Градієнтно-зважене картування активації класів, створене за допомогою теплових карток, дозволяє розрізняти міоми, які потребують і не потребують хірургічного видалення. Результати цього пілотного дослідження свідчать, що машинне навчання може підвищити точність рішень про міомектомію, хоча для перевірки результатів необхідні додаткові клінічні дослідження з більшими вибірками.