cardiotomskСибирский журнал клинической и экспериментальной медициныSiberian Journal of Clinical and Experimental Medicine2713-29272713-265XTSU publishing10.29001/2073-8552-2020-35-4-143-149cardiotomsk-1085Research ArticleЦИФРОВЫЕ ТЕХНОЛОГИИ ПОДДЕРЖКИ РЕШЕНИЙ В МЕДИЦИНЕDIGITAL TECHNOLOGIES FOR DECISION SUPPORT IN MEDICINEПрогнозирование различных форм эндометриоза с применением искусственных нейронных сетейPredicting various forms of endometriosis using artificial neural networkshttps://orcid.org/0000-0002-5219-6450СазоноваН. Г.SazonovaN. G.

Сазонова Нина Геннадьевна, аспирант

660022, Красноярск, ул. Партизана Железняка, 1

Nina G. Sazonova, Postgraduate Student 

1, Partizan Zheleznyak str., Krasnoyarsk, 660022

sazonovang@list.ruhttps://orcid.org/0000-0002-2899-8103МакаренкоТ. А.MakarenkoT. A.

Макаренко Татьяна Александровна, д-р мед. наук, доцент, заведующий кафедрой оперативной гинекологии, Институт последипломного образования

660022, Красноярск, ул. Партизана Железняка, 1

Tatyana A. Makarenko, Dr. Sci. (Med.), Associate Professor, Head of the Department of Operative Gynecology 

1, Partizan Zheleznyak str., Krasnoyarsk, 660022

makarenko7777@yandex.ruhttps://orcid.org/0000-0002-1489-5058НаркевичА. Н.NarkevichA. N.

Наркевич Артем Николаевич, канд. мед. наук, доцент, заведующий научно-исследовательской лабораторией медицинской кибернетики и управления в здравоохранении

660022, Красноярск, ул. Партизана Железняка, 1

Artem N. Narkevich, Cand. Sci. (Med.), Associate Professor, Head of the Research Laboratory of Medical Cybernetics and Management in Healthcare 

1, Partizan Zheleznyak str., Krasnoyarsk, 660022

narkevichart@gmail.comКрасноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого Министерства здравоохранения Российской ФедерацииРоссияKrasnoyarsk State Medical University named after Professor V.F. Voino-YasenetskyRussian Federation202025122020354143149Copyright © Сазонова Н.Г., Макаренко Т.А., Наркевич А.Н., 20202020Сазонова Н.Г., Макаренко Т.А., Наркевич А.Н.Sazonova N.G., Makarenko T.A., Narkevich A.N.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.sibjcem.ru/jour/article/view/1085Введение

Введение. Эндометриоз является трудно диагностируемой патологией, что связано с разнообразием клинической картины заболевания, а также отсутствием высокоточных маркеров, необходимых для быстрой, неинвазивной диагностики и назначения патогенетически обоснованного своевременного лечения заболевания.

Цель работы

Цель работы: разработка компьютерной системы, позволяющей оценить вероятность наличия у женщин эндометриоза различных локализаций, на основе математического аппарата искусственных нейронных сетей.

Материал и методы

Материал и методы. Построение математических моделей нейронной сети и их тестирование проводилось на основе данных о 110 пациентках с заранее морфологически подтвержденным эндометриозом, которые были разделены на обучающую и тестовую выборки. Построение моделей осуществлялось на основе анамнестических данных, результатов протеомного и иммуноферментного анализов плазмы крови.

Результаты и обсуждение

Результаты и обсуждение. В ходе исследования были построены четыре математические модели нейронной сети, осуществляющие прогнозирование наличия или отсутствия у женщины эндометриоза, а также локализации в случае его наличия. На основе данных математических моделей была разработана компьютерная система Diff erential diagnosis of endometriosis, позволяющая оценить вероятность наличия у пациентки эндометриоза и его локализации на основании данных, полученных в результате обучения нейронных сетей.

Заключение

Заключение. Разработанная компьютерная диагностическая система позволяет на основании сведений о пациентке и результатах ее обследования прогнозировать наличие у нее эндометриоза, а также его локализации с вероятностью более 80% в зависимости от прогнозируемой локализации. Данная система может применяться при осуществлении дифференциальной диагностики эндометриоза с другими заболеваниями репродуктивной системы женщин, а также для дифференциальной диагностики различных локализаций эндометриоза.

Introduction

Introduction. Endometriosis is a difficult-to-diagnose pathology due to the diversity of clinical manifestations and the lack of high-precision markers necessary for rapid noninvasive diagnosis and timely administration of pathogenetically justified treatment.

The aim of this work was to develop a computer system that allows us to assess the probability of endometriosis with various localizations in women, based on artificial neural networks.

Material and Methods

Material and Methods. The neural network mathematical models were constructed and tested based on data from 110 patients with morphologically pre-confirmed endometriosis. Patients were divided into training and test samples. The models were built based on anamnestic data and results of proteomic and enzyme immunoassays in blood plasma samples.

Results and Discussion

Results and Discussion. In the course of the study, four mathematical models of neural networks were constructed to predict the presence or absence of endometriosis in a woman and its localization if present. Based on these mathematical models, a computer system “Differential diagnosis of endometriosis” was developed. This system allowed to assess the probability and localization of endometriosis in a patient based on parameters obtained as a result of neural network training.

Conclusion

Conclusion. The developed computer diagnostic system allowed predicting the presence of endometriosis and its localization with a probability over 80%, depending on the predicted localization, based on data about the patient and the results of her examination. This system may be used for differential diagnosis of endometriosis from other diseases of the female reproductive system, as well as for differential diagnosis of various endometriosis localizations.

эндометриозаденомиозэндометриоз яичниковперитонеальный эндометриозискусственные нейронные сетиendometriosisadenomyosisovarian endometriosisperitoneal endometriosisartificial neural networksReferencesДамиров М.М. Современная тактика ведения больных с аденомиозом: практическое руководство. М.: БИНОМ; 2015:112.Damirov M.M. Modern management tactics for patients with adenomyosis: a practical guide. Moscow: BINOM; 2015:112 (In Russ.).Bratila E., Comandasu D.-E., Coreleuca C., Cirstoiu M., Bohiltea R., Mehedintu C. et al. Gastrointestinal symptoms in endometriosis correlated with the disease stage. In: Proceedings XXXVI National Congress of Gastroenterology, Hepatology and Digestive Endoscopy. Bologna, Filodiritto Publisher; 2016:66–70.Bratila E., Comandasu D.-E., Coreleuca C., Cirstoiu M., Bohiltea R., Mehedintu C. et al. Gastrointestinal symptoms in endometriosis correlated with the disease stage. In: Proceedings XXXVI National Congress of Gastroenterology, Hepatology and Digestive Endoscopy. Bologna, Filodiritto Publisher; 2016:66–70.Сивова Е.Н., Пашов А.И., Букреев А.В., Фокина А.П. Некоторые вопросы этиологии и патогенеза пролиферативных процессов эндометрия. Сибирское медицинское обозрение. 2015;(1):16–22.Sivova E.N., Pashov A.I., Bukreev A.V., Fokina A.P. Some questions of etiology and pathogenesis of endometrial proliferative processes. Siberian Medical Review. 2015;(1):16–22 (In Russ.).Moga M.A., Balan A., Dimienescu O.G., Burtea V., Dragomir R.M., Anastasiu V.C. Circulating miRNAs as biomarkers for endometriosis and endometriosis-related ovarian cancer – An overview. J. Clin. Med. 2019;8(5):735. DOI: 10.3390/jcm8050735.Moga M.A., Balan A., Dimienescu O.G., Burtea V., Dragomir R.M., Anastasiu V.C. Circulating miRNAs as biomarkers for endometriosis and endometriosis-related ovarian cancer – An overview. J. Clin. Med. 2019;8(5):735. DOI: 10.3390/jcm8050735.Warren L.A., Shih A., Renteira S.M., Seckin T., Blau B., Simpfendorfer K. et al. Analysis of menstrual effl uent: diagnostic potential for endometriosis. Mol. Med. 2018;24(1):1. DOI: 10.1186/s10020-018-0009-6.Warren L.A., Shih A., Renteira S.M., Seckin T., Blau B., Simpfendorfer K. et al. Analysis of menstrual effluent: diagnostic potential for endometriosis. Mol. Med. 2018;24(1):1. DOI: 10.1186/s10020-018-0009-6.Esmaeilzadeh S., Mirabi P., Basirat Z., Zeinalzadeh M., Khafri S. Association between endometriosis and hyperprolactinemia in infertile women. Iran. J. Reprod. Med. 2015;13(3):155–160.Esmaeilzadeh S., Mirabi P., Basirat Z., Zeinalzadeh M., Khafri S. Association between endometriosis and hyperprolactinemia in infertile women. Iran. J. Reprod. Med. 2015;13(3):155–160.Argawal S.K., Chapron C., Giudice L.C., Laufer M.R., Lyland N., Missmer S.A. et al. Clinical diagnosis of endometriosis: A call to action. Am. J. Obstet. Gynecol. 2019;220(4):354.e1–354.e12. DOI: 10.1016/j.ajog.2018.12.039.Argawal S.K., Chapron C., Giudice L.C., Laufer M.R., Lyland N., Missmer S.A. et al. Clinical diagnosis of endometriosis: A call to action. Am. J. Obstet. Gynecol. 2019;220(4):354.e1–354.e12. DOI: 10.1016/j.ajog.2018.12.039.Patel B.G., Lenk E.E., Lebovic D.I., Shu Y., Yu J., Taylor R.N. Pathogenesis of endometriosis: Interaction between endocrine and infl ammatory pathways. Best Pract. Res. Clin. Obstet. Gynaecol. 2018;50:50–60. DOI: 10.1016/j.bpobgyn.2018.01.006.Patel B.G., Lenk E.E., Lebovic D.I., Shu Y., Yu J., Taylor R.N. Pathogenesis of endometriosis: Interaction between endocrine and inflammatory pathways. Best Pract. Res. Clin. Obstet. Gynaecol. 2018;50:50–60. DOI: 10.1016/j.bpobgyn.2018.01.006.Irungu S., Mavrelos D., Worthington J., Blyuss O., Saridogan E., Timms J.F. Discovery of non-invasive biomarkers for the diagnosis of endometriosis. Clinical Proteomics. 2019;16:14. DOI: 10.1186/s12014-019-9235-3.Irungu S., Mavrelos D., Worthington J., Blyuss O., Saridogan E., Timms J.F. Discovery of non-invasive biomarkers for the diagnosis of endometriosis. Clinical Proteomics. 2019;16:14. DOI: 10.1186/s12014-019-9235-3.Ярмолинская М.И., Айламазян Э.К. Генитальный эндометриоз: различные грани проблемы. СПб.: Эко-Вектор; 2017:615.Yarmolinskaya M.I., Aylamazyan E.K. Genital endometriosis: various facets of the problem. Saint-Petersburg: Eko-Vektor; 2017:615 (In Russ.).Anastasiu C.V., Moga M.A., Neculau E.A., Balan A., Scarneciu I., Dragomir R.M. et al. Biomarkers for the noninvasive diagnosis of endometriosis: state of the art and future perspectives. Int. J. Mol. Sci. 2020;21(5):1750. DOI: 10.3390/ijms21051750.Anastasiu C.V., Moga M.A., Neculau E.A., Balan A., Scarneciu I., Dragomir R.M. et al. Biomarkers for the noninvasive diagnosis of endometriosis: state of the art and future perspectives. Int. J. Mol. Sci. 2020;21(5):1750. DOI: 10.3390/ijms21051750.Красильникова Л.В. Эндометриоз: морфологические аспекты, диагностика, современная терапевтическая тактика. Современные проблемы науки и образования. 2015;(5). URL: http://www.scienceeducation.ru/ru/article/view?id=22517 (дата обращения: 17.06.2020).Krasilnikova L.V. Endometriosis: morphological aspects, diagnostics, modern therapeutic tactics. Modern Problems of Science and Education. 2015;(5) (In Russ.). URL: http://www.science-education.ruru/article/view?id=22517 (available from: 17.06.2020).

The authors declare that there are no conflicts of interest present.