ИСТИНА

Инфекции области хирургического вмешательства (ИОХВ) являются частым и серьезным осложнением медицинской помощи. Традиционно оценка раны и диагностика ИОХВ проводятся квалифицированным врачом, как правило, в течение 30 дней после операции. Однако при существующей тенденции к интенсификации послеоперационного восстановления и сокращению периода госпитализации пациентов повышается риск несвоевременного обнаружения ИОХВ. Кроме того, отслеживание динамики заживления хирургической раны в случае ее инфицирования осложняется отсутствием общепринятой методики оценки состояния раневого процесса. Наиболее распространенные системы оценки не позволяют объективизировать воспалительные изменения и провести их балльную оценку, а количественный метод (шкала ASEPSIS), оценивающий динамику раневого процесса в баллах, неудобен в практическом применении, т.к. содержит 4 основных критерия (серозные, гнойные выделения, покраснение, расхождение краев раны) и 6 дополнительных критериев. Последние достижения в области искусственного интеллекта (ИИ) дают возможность использовать автоматизированные алгоритмы диагностики ИОХВ. Исследования в этом направлении проводятся в ряде стран, в том числе, предполагающих применение телемедицины и мобильных приложений, предназначенных для пациента. В настоящее время разработаны методы, позволяющие получить цифровое изображение раны и загрузить его в специальную программу, которая рассчитает площадь раневого дефекта. В отечественной литературе описаны подобные экспериментальные работы по оценке площади раневой поверхности, однако они используют готовые иностранные программные продукты. Некоторые приложения позволяют оценить различные типы тканей, есть варианты дополнительного использования данных термометрии. Диагностическая точность постановки диагноза ИОХВ по изображениям варьируется в пределах 66-92% (в среднем, 75%). Другим вариантом удаленной оценки раневой инфекции является использование анкетирования пациентов, результаты которого анализирует врач и по совокупности данных ставит предварительный диагноз. Настоящий проект предлагает гибридный подход к диагностике ИОХВ, который заключается в поэтапной разработке экспертной системы с использованием искусственного интеллекта (ИИ). На первом этапе предполагается разработка системы поддержки принятия решений (СППВР) в вопросно-ответной форме, которая с помощью классических логических правил позволяет определить наличие ИОХВ и рекомендовать лечение на основании клинических рекомендаций. Второй этап будет заключаться в дополнении СППВР изображениями ран. Предполагается проведение эксперимента, в ходе которого врач будет оценивать вероятность раневой инфекции по фото и по совокупности клинических признаков. Таким образом будет сформирована обучающая выборка изображений. Параллельно этому будет осуществляться выявление биомаркеров различных типов хирургических ран на основе вычисления структурных характеристик изображений и их сравнительного анализа. На третьем этапе методами ИИ будут разработаны решающие правила для вероятностной оценки раневого дефекта. Оценка точностных характеристик полученных алгоритмов будет проводиться в среде СППВР. Тем самым будет разработана и клинически апробирована экспертная система, содержащая алгоритмы диагностики и количественной оценки динамики заживления хирургических ран на основе изображений. Апробацию планируется провести на базе НМИЦ ТО им. Н.Н. Приорова. Данная система может найти широкое применение как в клинической практике, так и в широком круге исследований по оценке эффективности различных методов лечения ИОХВ и раневых дефектов.

Surgical site infections (SSIs) are a common and serious complication of health care. Traditionally, wound assessment and SSI diagnosis is performed by a trained healthcare professional, usually within 30 days of surgery. However, current trend towards intensive postoperative recovery and shortening of patient hospital stay, the risk of late SSI detection increases. Besides, monitoring the surgical wound healing in case of infection is complicated by the lack of a generally accepted assessment methods. The most common assessment systems do not allow for objective measurement of inflammatory changes, while the quantitative scales (ASEPSIS scale), which quantitatively evaluates the dynamics of the wound process, is practically inconvenient, because contains 4 main criteria (serous, purulent discharge, redness, divergence of wound edges) and 6 additional criteria. Technological progress of telemedicine and mobile applications is an effective approach to ensuring continuity of healthcare and is considered an effective way of patient follow-up. Recent advances in artificial intelligence (AI) make it possible to use algorithms that can help detect SSIs. Research in this direction, including those involving an appropriate mobile application used by a patient, is being carried out in several countries Currently, various applications have been developed to perform digital image of a wound defect and load the image into a special program that calculates the area of the wound. Domestic publications describe experimental works on assessing the area of the wound surface, but they use foreign software products. Some applications evaluate different types of tissue, some options additionally use thermometry data. The diagnostic accuracy of imaging for the diagnosis of SSI ranges from 66% to 92% (mean, 75%). Another way for remote assessment of wound infection is applications that use patient questionnaires, the results of which are analyzed by a doctor, who makes a preliminary diagnosis based on summary data. This project proposes a hybrid approach to the SSI diagnosis, which consists of the step-by-step development of an expert system using artificial intelligence (AI) technology. At the first stage, it is planned to develop a clinical decision support system (CDSS) in a question-and-answer form, which, using classical logical rules, allows you to determine the presence of SSI and recommends treatment based on evidence-based clinical recommendations. The second stage will consist of supplementing the CDSS with wound images. It is planned to conduct an experiment during which the doctor will assess the likelihood of wound infection based on a photo or on a set of clinical signs. In this way, a training sample of images will be formed. In parallel with this, biomarkers of various types of surgical wounds will be identified based on the calculation of the structural characteristics of images and their comparative analysis. At the third stage, decision rules will be developed using AI methods for the probabilistic assessment of a wound defect. The assessment of the accuracy characteristics of the resulting algorithms will be carried out in the CDSS environment. Thus, it is planned to develop an expert system that allows for diagnostics and quantitative assessment of the surgical wounds healing process based on images. It is planned to test the software at the National Medical Research Center for Technical and Technical Technologies named after. N.N. Priorova. This system can be widely used both in clinical practice and in a wide range of studies aimed at the effectiveness of various methods of treating SSIs and wound defects.