Варюхина Дарья Антоновна, врач-рентгенолог, аспирант, ассистент кафедры лучевой диагностики им. проф. Н. Е. Штерна
Саратов
Varjuhina Dar'ja Antonovna, radiologist, postgraduate student, assistant at the department of radiation diagnostics named after professor N. E. Stern
Saratov
Чехонацкая Марина Леонидовна, доктор медицинских наук, профессор, врач ультразвуковой диагностики, заведующая кафедрой лучевой диагностики им. проф. Н. Е. Штерна
Саратов
Chehonackaja Marina Leonidovna, D. Sc., ultrasound diagnostics doctor, professor, head of the department of radiation diagnostics named after prof. N. E. Stern
Saratov
Кондратьева Ольга Алексеевна, кандидат медицинских наук, врач-рентгенолог, доцент кафедры лучевой диагностики им. проф. Н. Е. Штерна
Саратов
Kondrat'eva Ol'ga Alekseevna, Ph.D. in Medicine, radiologist, associate professor of the department of radiation diagnostics named after prof. N.E. Stern
Saratov
Бобылев Дмитрий Александрович, кандидат медицинских наук, врач-рентгенолог, доцент кафедры лучевой диагностики им. проф. Н. Е. Штерна
Саратов
Bobylev Dmitrij Aleksandrovich, Ph.D. in Medicine, radiologist, associate professor of the department of radiation diagnostics named after prof. N. E. Stern
Saratov
Чехонацкий Илья Андреевич, кандидат медицинских наук, врач-уролог, ассистент кафедры урологии и хирургической андрологии
Москва
Chehonackij Il'ja Andreevich, Ph. D. in Medicine, urologist, assistant at the department of urology and surgical andrology
Moscow
Цель исследования. Выбор метода хирургического лечения и прогноз его эффективности при мочекаменной болезни зависит от МСКТ-характеристик камня: локализации, размера, плотности. В литературе в качестве перспективного предиктора успешности оперативного вмешательства предлагается доступный к оценке КТ-параметр конкремента – его объем. В настоящем исследовании рассматриваются подходы к волюметрии камней мочевыводящей системы с помощью программного обеспечения, искусственного интеллекта.
Материалы и методы. Изучены наиболее релевантные и цитируемые исследования, фундаментальные работы по автоматизированному определению объема конкремента, актуальные клинические рекомендации по диагностике и лечению МКБ, размещенные в научных базах данных в открытом доступе.
Результаты. Проанализированы современные подходы к автоматизированной волюметрии конкрементов почек, мочеточников, продемонстрирована практическая значимость результатов измерения литообъема программным обеспечением, алгоритмами искусственного интеллекта.
Заключение. Автоматизированные методы волюметрии камней мочевыделительной системы по данным компьютерной томографии превосходят по точности результаты калькуляции литообъема врачом-рентгенологом. Использование программного обеспечения, методов искусственного интеллекта позволяет повысить диагностическую точность и воспроизводимость измерений у пациентов с уролитиазом, оптимизировать работу отделений лучевой диагностики.
Aim. The choice of surgical treatment method and the prognosis of its effectiveness in urolithiasis depends on the MSCT characteristics of the stone: localization, size, density. In the literature, a CT parameter of a concretion, its volume, is proposed as a promising predictor of the success of surgical intervention. This study examines approaches to volumetry of urinary stones using software and artificial intelligence.
Materials and Methods. The most relevant and cited studies, fundamental work on the automated determination of the volume of concretion, current clinical recommendations for the diagnosis and treatment of ICD, posted in scientifi databases in the public domain, have been studied.
Results. Modern approaches to automated volumetry of kidney and ureter calculi are analyzed, and the practical significance of the results of measuring lithological volume by software and artificial intelligence algorithms is demonstrated.
Conclusion. Automated methods of volumetry of urinary stones according to computed tomography exceed the accuracy of the results of the calculation of the lithological volume by a radiologist. The use of software and artificial intelligence methods can improve the diagnostic accuracy and reproducibility of measurements in patients with urolithiasis, and optimize the work of radiation diagnostics departments.
The authors declare that there are no conflicts of interest present.