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.