Оценка возможности применения нейронных сетей для автоматической диагностики обструктивного мочеиспускания

Введение. Обструктивный тип мочеиспускания требует точной и своевременной диагностики для предотвращения осложнений и улучшения качества жизни пациентов. Традиционные методы диагностики, такие как урофлоуметрия, хотя и остаются стандартом, имеют свои ограничения. В этом контексте видеосъемка струи мочи с последующим анализом изображений представляет собой более экономичный и перспективный подход, позволяющий получить более развернутую картину о характере мочеиспускания, доступный не только врачам-урологам, но и пациентам.
Цель исследования: установить возможность распознавания и классификации снимков процесса мочеиспускания с помощью технологий нейронных сетей и машинного обучения.
Материалы и методы. В данном ретроспективном исследовании приняли участие 152 пациента мужского пола в возрасте от 19 до 87 лет, проходивших обследование и лечение на базе клиники МЦ «Медассист» с июня 2024 г. по январь 2025 г.: 43 пациента (28%) с обструктивным типом мочеиспускания, из них имеющие диагноз гиперплазия предстательной железы – 39 пациентов, стриктура уретры – 4 пациента; 109 пациентов (72%) с нормальным типом мочеиспускания. Диагностика заболеваний включала общий анализ мочи, УЗИ почек, мочевого пузыря, ТРУЗИ
и/или МРТ простаты, урофлоуметрия. Проектирование архитектуры нейронной сети проведено на базе фреймворка Keras языка программирования Python.
Результаты. С полученными данными было проведено три исследования, которые отличались между собой архитектурой нейронной сети и методами подготовки исходных данных. Средняя площадь под ROC-кривой для сети с подачей случайных снимков составила в среднем 0,5, как для обучающей выборки, так и для тестовой; для сети с линейной подачей всего набора данных составила 1 для обучающей выборки, так и для тестовой; нейросеть с тремя входами, отличающимися диапазонами двухпороговой бинаризации, показала результат 0,9 для обучающей и 0,7 для тестовой выборки.
Обсуждение. Важным аспектом данного исследования является возможность использования нейронных сетей для обработки больших объемов видеоданных. Автоматизация анализа изображений струи мочи позволяет не только сократить время, необходимое для постановки диагноза, но и выявить скрытые паттерны, которые могут быть упущены при визуальной оценке специалистом. Исследование методов анализа видеозаписи мочеиспускания на основе технологий искусственных нейросетей и алгоритмов машинного обучения может стать основой для создания новых диагностических инструментов, которые повысят скорость диагностики, ускорят исследования действия лекарств, позволят проводить мониторинг пациентов с хроническими заболеваниями.
Заключение. Несмотря на текущие ограничения, данное исследование подтверждает, что применение нейронных сетей и машинного обучения в урологии имеет значительный потенциал и может стать основой для разработки новых диагностических инструментов, способных повысить эффективность медицинской помощи и тем самым улучшить качество жизни пациентов.

Введение. Современная медицина все чаще обращается к методам искусственного интеллекта и информационных технологий для повышения точности диагностики, оптимизации процессов анализа данных и поддержки принятия клинических решений [1, 2, 3]. Одной из ключевых областей, где такие технологии демонстрируют значительный потенциал, является урология, в частности, диагностика нарушений мочеиспускания [4, 5, 6].

Обструктивный тип мочеиспускания требует точной и своевременной диагностики для предотвращения осложнений и улучшения качества жизни пациентов [7, 8]. Традиционные методы диагностики, такие как урофлоуметрия, хотя и остаются стандартом, имеют свои ограничения и могут создавать дополнительную психоэмоциональную нагрузку во время проведения исследования, что может сказываться на получаемом результате [9, 10]. Согласно Порядку оказания медицинской помощи по профилю «урология», урофлоуметром должен быть оснащен каждый урологический кабинет, что на практике происходит далеко не всегда.

В этом контексте видеосъемка струи мочи с последующим анализом изображений представляет собой более экономичный и перспективный подход, позволяющий получить более развернутую картину о характере моче­испускания, доступный не только врачам-урологам, но и пациентам [11, 12].

Развитие нейронных сетей и методов машинного обучения открывает новые возможности для автоматизации анализа медицинских изображений [3, 13, 14]. Нейросети способны классифицировать и интерпретировать визуальные данные с высокой точностью, что делает их ценным инструментом для создания систем поддержки принятия решений (СППР) [15, 16]. Внедрение таких систем в клиническую практику позволяет не только ускорить процесс диагностики, но и снизить вероятность субъективных ошибок, связанных с человеческим фактором [17, 18].

Цель данного исследования: установить возможность распознавания и классификации снимков процесса мочеиспус­кания с помощью технологий нейронных сетей и машинного обучения.

Полученные результаты могут стать основой для создания интеллектуальных систем, способных автоматически анализировать видеоданные и предоставлять врачам рекомендации для принятия клинических решений [16, 18].

Материалы и методы. В данном ретроспективном исследовании приняли участие 152 пациента мужского пола в возрасте от 19 до 87 лет, проходивших обследование и лечение на базе клиники МЦ «Медассист» с июня 2024 по январь 2025 г.: 43 пациента (28%) с обструктивным типом мочеиспускания, из них имеющие диагноз гиперплазия предстательной железы – 39 пациентов, стриктура уретры – 4 пациента; 109 пациентов (72%) с нормальным типом мочеиспускания. Диагностика заболеваний включала общий анализ мочи, ультразвуковое исследование (УЗИ) почек, мочевого пузыря, трансректальное ультразвуковое исследование (ТРУЗИ) и/или магнитро-резонансную томографию простаты, урофлоуметрию.

Критерий включения в группу больных – жалобы на ослаб­ленную струю мочи, инструментальное подтверждение жалоб по данным урофлоуметрии, УЗИ, МРТ. Включение в группу здоровых – отсутствие жалоб со стороны моче­испускания, инструментальное подтверждение отсутствия инфравезикальной обструкции по данным урофлоуметрии. Критерий исключения – инфекции мочевыводящих путей, неврологические нарушения, отказ от участия.

План проведенного исследования по оценке возможности бинарной классификации при обструкции нижних мочевыводящих путей состоит из приведенных ниже этапов.

Задачи исследования:

1. Создать стандартизированн...

Панферов А.С., Гаджиев Н.К., Ястребов В.С., Филист С.А., Пученков К.И.