Искусственный интеллект и его применение в хирургии плеча

Искусственный интеллект и его применение в хирургии плеча — всего лишь современный хайп или реальный шанс на улучшения?

Введение
Стремительное развитие вычислительных мощностей и технологий визуализации за последние десятилетия повлияло не только на нашу повседневную жизнь, но и радикально изменило самые разные профессиональные области по всему миру. Это, безусловно, относится и к медицине, и к ортопедии. Эти революционные технологические достижения уже широко применяются в медицине и привели к глубокому преобразованию системы здравоохранения с целью улучшения качества лечения и результатов для пациентов. Но пришёл ли искусственный интеллект уже в хирургию плеча — и чего нам ожидать в будущем?

«Искусственный интеллект обладает потенциалом революционизировать здравоохранение, продвигая разработку медицинских продуктов, улучшая качество лечения пациентов и расширяя возможности медицинского персонала». Этими словами Управление по санитарному надзору за качеством пищевых продуктов и медикаментов США (FDA) начинает свой обзорный документ «Artificial Intelligence & Medical Products: How CBER, CDER, CDRH, and OCP are Working Together» (1). Согласно актуальным данным за март 2024 года, растущий интерес к ИИ в медицине отражается в числе заявок на регистрацию продуктов на основе искусственного интеллекта (AI) и машинного обучения (ML), поданных в FDA за последние годы: хотя в последнее время темпы роста замедлились, с 2019 по 2020 год наблюдался скачок на 39 %, а прогнозируемый рост на ближайшие годы остаётся выше 30 % (2). Более детальный анализ показывает, что подавляющее большинство заявок — 79 % — приходится на радиологию, что неудивительно, учитывая тесную связь изображений с программными инструментами. Ортопедия же была представлена лишь 1 заявкой из 692.

Хотя ортопедия и особенно хирургия плеча изначально не были пионерами внедрения ИИ, научный интерес к его применению в данной области резко вырос, и ряд публикаций помогает понять текущие и будущие возможности этих технологий. Вся область ортопедической хирургии переживает трансформацию благодаря интеграции искусственного интеллекта (ИИ) и машинного обучения (ML). Эти передовые технологии революционизируют подходы к диагностике, планированию и проведению операций, улучшая результаты лечения и повышая эффективность системы здравоохранения.

Диагностическая точность и предиктивная аналитика
Одним из важнейших вкладов ИИ и ML в хирургию плеча является повышение точности диагностики. Традиционные методы диагностики в значительной степени зависят от субъективного опыта радиолога или хирурга. Напротив, системы, основанные на ИИ, способны анализировать медицинские изображения — рентген, МРТ и КТ — с чрезвычайно высокой точностью, выявляя тонкие изменения и аномалии, которые могут быть незаметны человеческому глазу.

Эти технологии используют алгоритмы глубокого обучения, обученные на огромных массивах данных. Свёрточные нейронные сети (CNN) особенно эффективны в задачах анализа изображений и позволяют точно выявлять патологии, такие как разрывы вращательной манжеты, повреждения суставной губы и артроз. Taghizadeh et al. (3) и Ro et al. (4) разработали модели, автоматически оценивающие атрофию мышц и жировую инфильтрацию на основе КТ или МРТ у пациентов с разрывами вращательной манжеты, что может стандартизировать диагностику и улучшить воспроизводимость данных клинических исследований.

ИИ и ML также играют важную роль в предиктивной аналитике. На основе демографических данных, анамнеза и изображений можно прогнозировать вероятность развития тех или иных заболеваний плеча и успех различных методов лечения. Эти прогнозы особенно важны для персонализированной медицины. Уже в 2019 году Gowd et al. (5) показали, что алгоритмы ML точно предсказывают послеоперационные осложнения после тотального эндопротезирования плеча, превосходя традиционные модели. В недавней публикации Potty et al. (6) показали, что ML способен точно предсказать послеоперационные результаты (ASES-score) после артроскопической реконструкции вращательной манжеты, что может улучшить планирование, консультации и распределение ресурсов.

Хирургическое планирование, симуляция и роботизированная хирургия
Следующее значимое направление применения ИИ — предоперационное планирование. Традиционно оно требует трудоёмкой и детальной оценки изображений. Инструменты на основе ИИ могут автоматически создавать детализированные 3D-модели анатомии плеча конкретного пациента, что улучшает точность планирования, позволяет хирургу визуализировать операционное поле, предвидеть сложности и оптимизировать хирургическую стратегию.

Кроме того, симуляционные платформы с применением искусственного интеллекта позволяют хирургам отрабатывать технику в виртуальной среде. Такие симуляции основаны на реальных данных и обеспечивают реалистичное обучение, сокращают кривую обучения и повышают уверенность хирурга.

Vedula et al. (7) определили ключевые направления будущих приложений ИИ в хирургическом обучении (см. таблицу 1). Но инновации не ограничиваются обучением. ИИ уже присутствует и в операционной: навигация, пациент-специфические инструменты, дополненная реальность и роботизированные системы помогают точно переносить предоперационный план на операционное поле (8).

Роботизированная хирургия — одно из наиболее передовых применений ИИ. Роботы, оснащённые алгоритмами ИИ, могут обеспечивать непревзойдённую точность манипуляций, улучшая результаты и снижая риски. В частности, роботизированные системы помогают точно устанавливать импланты при эндопротезировании плеча и повышать долговечность конструкций (9). Однако в отличие от коленного и тазобедренного эндопротезирования, широкое внедрение роботов в хирургию плеча потребует времени.

Послеоперационный уход и реабилитация
ИИ и ML также внедряются в послеоперационный контроль и реабилитацию. Системы на основе ИИ могут отслеживать процесс восстановления с помощью носимых датчиков и мобильных приложений, выявлять ранние признаки осложнений (например, инфекцию или замедленное заживление) и своевременно предупреждать специалистов.

ML-алгоритмы способны адаптировать реабилитационные программы под индивидуальные данные пациента, оптимизируя нагрузку, частоту и сложность упражнений. Такой персонализированный подход повышает эффективность восстановления и удовлетворённость пациентов.

Вызовы и перспективы
Несмотря на значительные успехи, внедрение ИИ сопровождается вызовами — от вопросов защиты данных до рисков алгоритмических смещений. Кроме того, необходимы существенные инвестиции в инфраструктуру и обучение.

Будущее ИИ и ML в хирургии плеча обладает огромным потенциалом. Улучшение алгоритмов, более глубокая интеграция данных, междисциплинарное сотрудничество — всё это будет способствовать созданию новых инструментов для диагностики, навигации в реальном времени и адаптивной реабилитации.

Заключение
Искусственный интеллект и машинное обучение трансформируют хирургию плеча, повышая точность диагностики, улучшая планирование, делая возможными роботизированные операции и индивидуализируя реабилитацию. Несмотря на существующие ограничения, дальнейшая интеграция ИИ обещает революционизировать область и улучшить результаты лечения.

Gupta et al. (10) отмечают, что эффективность текущих моделей ИИ всё ещё ограничена и требуется внешняя валидация, что подчёркивает необходимость более строгих научных стандартов перед повсеместным внедрением ИИ в клиническую практику.

Ключевые будущие направления, определённые Delphi-консенсусом (Vedula et al.)
• Распознавание анатомии на основе видеоданных
• Сразу после операции — обратная связь хирургу по эффективности
• Идентификация этапов операции, требующих корректировки техники
• Наложение изображений для лучшей ориентации
• Интраоперационная навигация на основе видео, кинематики и данных визуализации
• Распознавание ошибок в реальном времени
• Подсказки по коррекции ошибок и осложнений

Источники:

1. FDA White Paper

2. FDA AI/ML submissions

3. Taghizadeh et al. (Eur Radiol 2021)

4. Ro et al. (Sci Rep 2021)

5. Gowd et al. (JSES 2019)

6. Potty et al. (J Clin Med 2023)

7. Vedula et al. (J Am Coll Surg 2022)

8. Lee et al. (J Orthop Surg 2024)

9. Twomey-Kozak et al. (JSES 2023)

10. Gupta et al. (JSES Rev Rep Tech 2023)
    Источник: ESA Chairman’s Editorial – F. Martetschläгер