Применение тепловых карт при принятии решения о миомэктомии при бесплодии.
ЛЕКАРСТВЕННЫЕ ПРЕПАРАТЫ
СОБЫТИЯ
Образование
ВИДЕО/АУДИО
- Скачать приложение
Сменить пароль!
Сброс пароля!
Сменить пароль!
Сброс пароля!
Новый пароль *
Придумайте пароль
- Хотя бы одна заглавная буква и одна цифра
- Допускаются латинские буквы и цифры
- Пароль должен содержать от 5 до 12 символов
Подтвердите пароль *
Знания на практике
The site contains materials for Healthcare Professionals.
Please verify that you are a Healthcare Professional. Register for complete access to all the content!
Войти / Зарегистрироваться
Поддержка Медзнат
Выберите тему обращения
Проблема с регистрацией/входом на сайт
Вопрос по вебинару
Вопрос по контенту (поиск материала)
Поделится обратной связью
Общий вопрос/другое
Выберите тему обращения *
Имя *
Адрес электронной почты *
Сообщение *
введите текст с картинки *
Отправить сообщение
Отмена
Нажимая на кнопку «Продолжить», а также при регистрации и входе через аккаунты сторонних сервисов, Вы принимаете условия Пользовательского Соглашения, в том числе касающееся обработки Ваших персональных данных. Подробнее об обработке данных в Политике.
Отправить
Назад
Тепловая карта как новый инструмент визуализации, который помогает пациенткам с бесплодием принять решение о миомэктомии
Медицинские Новости
1 мин
90
0
Размер шрифта
Опубликовано:
21/11/2024
ЧТО НОВОГО?
Тепловые карты на основе машинного обучения способствуют повышению точности принятых решений о миомэктомии, что потенциально приводит к лучшим исходам для пациентов и более целенаправленному лечению бесплодия.
Миома матки (также известная как фибромиома матки) является установленной причиной бесплодия. Однако определение необходимости миомэктомии усложняется из-за разного размера и расположения миом. Для решения этой проблемы в рамках недавнего исследования, результаты которого были опубликованы в журнале Reproductive Sciences, был разработан новый инструмент визуализации, помогающий пациенткам с бесплодием принимать более обоснованные решения о хирургическом удалении миомы, т. е. миомэктомии.
В исследование была включена 191 женщина с миомой, 124 из которых перенесли миомэктомию. Из них 65 (52,4 %) забеременели в среднем в течение 17,6 месяца после операции, а 54 (83,1 %) родили живого ребенка. Исследователи создали модель логистической регрессии для прогнозирования частоты наступления беременности, достигнув высокой точности валидации на уровне 74,6 % на основании таких факторов, как возраст, тип миомы, размер и т. д.
Takuya Yokoe и соавт. разработали номограмму для визуализации влияния каждого фактора на исход беременности, используя данные предоперационной магнитно-резонансной томографии и машинное обучение с использованием сверточной нейронной сети. Точность классификации модели составила 71,4 % и 77,7 % относительно чувствительности и специфичности соответственно. Градиентно-взвешенное картирование активации классов, созданное с помощью тепловых карт, позволяет различать миомы, требующие и не требующие хирургического удаления. Результаты данного пилотного исследования свидетельствуют, что машинное обучение может повысить точность решений о миомэктомии, хотя для проверки результатов необходимы дополнительные клинические исследования с более крупными выборками.
