Использование программного комплекса Scales при планировании тактики хирургического лечения пациентов с дегенеративным спондилолистезом поясничных позвонков

Цель исследования ‒ разработка виртуального программного комплекса, позволяющего на основе персонифицированных показателей осуществлять планирование хирургической тактики и выполнять дифференцированное лечение пациентов с дегенеративным спондилолистезом поясничных позвонков.

Базой для создания виртуального комплекса стали результаты хирургического лечения пациентов ретроспективной группы.

Разработанный виртуальный программный комплекс представляет собой экспертную систему принятия решения о хирургической тактике для пациентов с дегенеративным спондилолистезом поясничных позвонков. Работа программы основана на автоматизированном анализе заданного перечня входных параметров. Ядро виртуального комплекса  представлено  двумя  конфигурациями,  одна  из  которых  содержит  искусственную  нейронную  сеть.   В результате виртуальной обработки индивидуальных показателей пациента программа выдает ответ в виде двух цветовых шкал с числовыми метками: шкалы дифференцированного выбора  между изолированной декомпрессией  и декомпрессией, дополненной задним спондилодезом; шкалы дифференцированного выбора между ляминэктомией, дополненной медиальной фасетэктомией, и двусторонней декомпрессией позвоночного канала из одностороннего доступа. С использованием разработанного программного комплекса проведено хирургическое лечение 26 пациентов с дегенеративным спондилолистезом поясничных позвонков.

Виртуальный комплекс Scales, основанный на учете ключевых общесоматических и клинико-рентгенологических показателей пациента, создает возможность для принятия хирургом максимально взвешенного и обоснованного решения по тактике хирургического лечения дегенеративного спондилолистеза на поясничном уровне. Персонифицированный подход в сочетании с технологией искусственного интеллекта направлен на снижение вероятности тактических ошибок и отдаленных осложнений после хирургических вмешательств. Использование цветовых шкал с цифровыми метками позволяет упростить процесс предоперационного планирования и создать условия для достижения баланса между решением программы и индивидуальным мнением специалиста-хирурга. Результатом дифференцированного лечения  группы  пациентов  с  использованием  виртуальной  системы  стало  существенное и статистически значимое ( p < 0,001) улучшение качества жизни оперированных пациентов в отдаленном периоде.

1. A narrative review of lumbar fusion surgery with relevance to chiropractic practice / С. J. Daniels [et al.] // J. Chiropr. Med. – 2016. – Vol. 15, N 4. – P. 259‒271. https://doi.org/10.1016/j.jcm.2016.08.007

2. Reid, P. C. State of the union: a review of lumbar fusion indications and techniques for degenerative spine disease: JNSPG 75th anniversary invited review article / P. C. Reid, S. Morr, M. G. Kaiser // J. Neurosurg.: Spine. – 2019. – Vol. 31, N 1. – P. 1‒14. https://doi.org/10.3171/2019.4.SPINE18915

3. Оконешникова, А. К. Выбор тактики хирургического лечения пациентов с дегенеративными заболеваниями нижнепоясничного отдела позвоночника с учетом индивидуальных параметров дугоотростчатых суставов : дис. … канд. мед. наук : 14.01.18 / А. К. Оконешникова. – Новосибириск, 2019. – 187 с.

4. Lumbar interbody fusion: techniques, indications and comparison of interbody fusion options including PLIF, TLIF, MI-TLIF, OLIF/ATP, LLIF and ALIF / R. J. Mobbs [et al.]. // J. Spine Surg. – 2015. – Vol. 31, N 1. ‒ P. 2–18. https://doi.org/10.3978/j.issn.2414-469X.2015.10.05

5. Decompression with or without concomitant fusion in lumbar stenosis due to degenerative spondylolisthesis: a systematic review / M. L. Dijkerman [et al.] // Eur. Spine J. – 2018. – Vol. 27. – P. 1629–1643. https://doi.org/10.1007/s00586-017-5436-5

6. Борщенко, И. А. Использование современных методов математического интеллектуального анализа данных для получения алгоритма минимально-инвазивного хирургического лечения дегенеративных заболеваний поясничного отдела позвоночника / И. А. Борщенко, Я. А. Борщенко, А. В. Басков // Вертебрология в России: итоги и перспективы развития : сб. материалов V съезда хирургов-вертебрологов России, Саратов, 23–24 мая 2014 г. / Сарат. науч.- исслед. ин-т травматологии и ортопедии ; редкол. : Д. М. Пучиньян [и др.]. – Саратов, 2014. – С. 38–40.

7. Компьютерная программа для анализа цифровых МРТ пояснично-крестцового отдела позвоночника / Н. Е. Комлева [и др.] // Вестн. новых мед. технологий. – 2012. – Т. 19, № 1. – С. 192–195.

8. Artificial intelligence-enhanced intraoperative neurosurgical workflow: current knowledge and future perspectives / L. Tariciotti [et al.] / J. Neurosurg. Sci. – 2022. – Vol. 66, N 2. – P. 139–150. 10.23736/S0390-5616.21.05483-7

9. Machine learning applications to clinical decision support in neurosurgery: an artificial intelligence augmented systematic review / Q. Buchlak [et al.]. // Neurosurg. Rev. – 2020. – Vol. 43, N 5. – P. 1235–1253. https://doi.org/10.1007/s10143-019-01163-8

10. Ремов, П. С. Определение хирургической тактики при поясничных дорсопатиях с использованием программного обеспечения / П. С. Ремов, А. Н. Мазуренко, С. В. Макаревич // Traum. Orthop. Kazakhstan. – 2021. – N 58 (Special iss.). – P. 53–55.

11. Сравнительный анализ отдаленных результатов хирургического лечения дегенеративного спондилолистеза на поясничном уровне / П. С. Ремов [и др.] // Здравоохранение. – 2022. – № 9. – С. 51‒58.

12. Смартфон-ассистированная технология дополненной реальности при предоперационном планировании в хирургии позвоночника / Е. В. Ковалев [и др.] // Хирургия позвоночника. – 2021. – Т. 18, № 3. – С. 94–99.

13. Lee, S. H. Comparison of clinical and radiological outcomes after automated open lumbar discectomy and conventional microdiscectomy: a prospective randomized trial / S. H. Lee, J. S. Bae // Int. J. Clin. Exp. Med. – 2015. – Vol. 8, N 8. – P. 12135–12148.

14. Горбачев, С. В. Нейро-нечеткие методы в интеллектуальных системах обработки и анализа многомерной информации / С. В. Горбачев, В. И. Сырямкин. – Томск : Изд-во Том. ун-та, 2014. – 442 с.

15. Бывальцев, В. А. Оценка эффективности системы поддержки принятия решений в спинальной нейрохирургии для персонифицированного использования минимально-инвазивных технологий на поясничном отделе позвоночника / В. А. Бывальцев, А. А. Калинин // Соврем. технологии в медицине. – 2021. – Т. 13, № 5. – С. 13–23.

16. Artificial intelligence facilitates decision making in the treatment of lumbar disc herniations / A. Wirries [et al.] // Eur. Spine J. – 2021. – Vol. 30, N 8. – P. 2176–2184. https://doi.org/10.1007/s00586-020-06613-2

17. Assessment and prediction of spine surgery invasiveness with machine learning techniques / A. Campagner [et al.] // Comput. Biol. Med. – 2020. – Vol. 121. – Art. 103796. https://doi.org/10.1016/j.compbiomed.2020.103796

18. Масалитина, Н. Н. Математическая модель принятия решений при лечении остеохондроза поясничного отдела позвоночника / Н. Н. Масалитина, К. С. Курочка, Е. Л. Цитко // Информатика. – 2019. – Т. 16, № 1. – С. 24–35.

19. Реброва, О. Ю. Жизненный цикл система поддержки принятия решений как медицинских технологий / О. Ю. Реброва // Врач и информ. технологии. ‒ 2020. – № 1. – С. 27‒37.

20. Разработка алгоритма клинико-инструментальной диагностики некомпрессионных поясничных болевых синдромов для оптимизации использования пункционных хирургических методик / А. А. Калинин [и др.] // Иннов. медицина Кубани. – 2020. – № 4. – С. 27–34.