В связи с постоянно растущим объемом электронных данных, собираемых системой здравоохранения, исследователи изучают возможность использования машинного обучения – подобласти искусственного интеллекта – для улучшения медицинского обслуживания и результатов лечения пациентов. Обзор машинного обучения и некоторых способов, которыми оно может способствовать развитию пластической хирургии, представлены в специальной тематической статье в майском выпуске журнала Plastic and Reconstructive Surgery, официального медицинского журнала Американского общества пластических хирургов (ASPS).
"Машинное обучение может стать мощным инструментом в пластической хирургии, позволяя хирургам использовать сложные клинические данные для принятия ключевых клинических решений," написать Dr. Джонатан Каневски из Университета Макгилла, Монреаль, и его коллеги. Они выделяют некоторые ключевые области, в которых машинное обучение и "Большое количество данных" может способствовать прогрессу в пластической и реконструктивной хирургии.
Машинное обучение показывает многообещающие перспективы в исследованиях и практике пластической хирургии
Машинное обучение анализирует исторические данные для разработки алгоритмов, способных приобретать знания. Доктор. Каневский и соавторы пишут, "Машинное обучение уже успешно применяется для обработки больших объемов сложных данных в медицине и хирургии." Проекты с медицинскими приложениями включают систему когнитивных вычислений IBM Watson Health и Национальную программу повышения качества хирургии Американского колледжа хирургов.
Доктор. Каневский и его коллеги считают, что пластическая хирургия может выиграть от подобных "объективные и основанные на данных подходы к машинному обучению"- в частности, с доступностью базы данных ASPS «Операции отслеживания и результатов для пластических хирургов» (TOPS). Авторы выделяют пять областей, в которых машинное обучение обещает повысить эффективность и улучшить клинические результаты:
Ожоговая хирургия.
Уже разработан подход машинного обучения для прогнозирования времени заживления ожогов, что обеспечивает эффективный инструмент для оценки глубины ожога. Также могут быть разработаны алгоритмы, позволяющие быстро прогнозировать процент обожженной площади поверхности тела – критически важный элемент информации для реанимации пациента и планирования хирургического вмешательства.
Микрохирургия.
Разработано приложение для послеоперационной микрохирургии для контроля перфузии крови в тканевых лоскутах на основе фотографий со смартфона. В будущем могут быть разработаны алгоритмы, которые помогут предложить лучший подход к реконструктивной хирургии для отдельных пациентов.
Черепно-лицевая хирургия.
Разработаны подходы машинного обучения для автоматизированной диагностики дефектов роста черепа младенцев (краниосиностозов). Будущие алгоритмы могут быть полезны для идентификации известных и неизвестных генов, ответственных за расщелину губы и неба.
Хирургия кисти и периферических нервов.
Подходы машинного обучения могут быть полезны для прогнозирования успеха тканевых трансплантатов нервов, разработки автоматизированных контроллеров для нейропротезов кисти и предплечья у пациентов с тяжелыми травмами спинного мозга, а также для улучшения планирования и прогнозирования результатов в хирургии кисти.
Эстетическая хирургия.
Машинное обучение также имеет потенциальные применения в косметической хирургии, например, для прогнозирования и моделирования результатов эстетической хирургии лица и реконструктивной хирургии груди.
Авторы также предвидят полезные применения машинного обучения для улучшения обучения пластической хирургии. Тем не менее, они подчеркивают необходимость принятия мер по обеспечению безопасности и клинической значимости результатов, полученных с помощью машинного обучения, и помнить, что компьютерные алгоритмы еще не могут заменить натренированный человеческий глаз.
"Это инструменты, которые могут не только помочь в процессе принятия решений, но и найти закономерности, которые могут быть не очевидны при анализе небольших наборов данных или анекдотическом опыте," Доктор. Каневский и соавторы заключают. "Осваивая машинное обучение, современные пластические хирурги могут изменить специализацию, укрепив при этом свою роль лидеров на переднем крае научных достижений в хирургии."