Острый инсульт представляет собой одну из ведущих причин смертности и инвалидности во всем мире. Ежегодно миллионы людей сталкиваются с этим заболеванием, что приводит к значительным последствиям как для пациентов, так и для систем здравоохранения. Диагностика и лечение инсульта требуют быстрого и точного принятия решений, поскольку время является критическим фактором для успешного исхода. Однако существующие методы диагностики, такие как магнитно-резонансная томография, хотя и обеспечивают высокую точность визуализации, требуют значительных временных и человеческих ресурсов. Это создает необходимость в разработке новых подходов, которые могут повысить эффективность диагностики и прогнозирования исходов инсульта.
Искусственный интеллект активно развивается и находит применение в различных областях медицины, включая анализ медицинских изображений. Использование искусственного интеллекта для обработки данных МРТ открывает новые возможности для автоматизированной диагностики и прогнозирования исходов заболеваний, таких как инсульт. Это позволяет улучшить точность диагностики и сократить время анализа данных, что особенно важно в условиях экстренной медицинской помощи.
Идентификаторы и классификаторы
Своевременная диагностика инсульта играет ключевую роль в снижении смертности и инвалидности среди пациентов. По данным Всемирной организации здравоохранения, инсульт ежегодно становится причиной смерти около 5,5 млн человек по всему миру, что подчеркивает необходимость оперативного выявления заболевания для увеличения шансов на выздоровление. Исследования свидетельствуют о том, что лечение, начатое в первые 4,5 часа после возникновения инсульта, значительно повышает вероятность благоприятного исхода. В странах, где активно применяются современные методы диагностики, смертность от инсульта снизилась на 30 % за последние два десятилетия, что демонстрирует высокую эффективность своевременного вмешательства. Заболеваемость инсультом в развитых странах составляет около 2,5 случая на 1000 человек населения в год, в то время как в некоторых регионах Российской Федерации соответствующий показатель достигает 7,1 на 1000 человек населения. Эти данные подчеркивают необходимость внедрения современных диагностических методов для улучшения результатов лечения и снижения заболеваемости [1, 2].
Список литературы
1. Исакова Е. В., Рябцева А. А., Котов С. В. Состояние микроциркуляторного русла у больных, перенесших ишемический инсульт. Русский медицинский журнал. 2015;12:680-682.
2. Гусев Е. И. Неврология. Национальное руководство. Т. 1. М.: ГЭОТАР-Медиа; 2018. 299 с.
3. Yoshimura S, Sakai N, Yamagami H, et al. Endo-vascular therapy for acute stroke with a large ischemic region. N Engl J Med. 2022;386(14):1303-1313. DOI: 10.1056/NEJMoa2118191
4. Regenhardt R, Bretzner M, Zanon Zotin C, et al. Radiomic signature of DWI-FLAIR mismatch in large vessel occlusion stroke. Neuroimaging. 2022;32(1):63-67. DOI: 10.1111/jon.12928
5. Фокин В. А. МРТ в диагностике ишемического инсульта: учеб. пособие. Военно-медицинская академия им. С. М. Кирова. СПб: ЭЛБИ-СПб; 2012. 96 с.
6. Jiang B, Pham N, van Staalduinen EK. Deep learning applications in imaging of acute ischemic stroke: a systematic review and narrative summary. Radiology. 2025; 315(1):е240775. DOI: 10.1148/radiol.240775
7. Клинический протокол “Реперфузионная терапия ишемического инсульта”. Общество доказательной неврологии; 2019 [цитировано 18.03.25.]. Доступно по ссылке: https://evidence-neurology.ru/evidentiary-medicine/protokoli/protokol-reperfuzionnoi-terapi.
8. Alaya IB, Limam H, Kraiem T. Applications of artificial intelligence for DWI and PWI data processing in acute ischemic stroke: Current practices and future directions. Clin Imaging. 2022;81:79-86. DOI: 10.1016/j.clinimag.2021.09.015
9. Прохорихин А. А., Байструков В. И., Бойков А. А. и др. Сравнительное исследование системы бескон-трастной КТ-диагностики острого ишемического инсульта на базе нейронных сетей глубокого обучения. Российский электронный журнал лучевой диагностики. 2020;10(3):36-45. DOI: 10.21569/2222-7415-2020-10-3-36-45
10. Yalgin S, Vural H. Brain stroke classification and segmentation using encoder-decoder based deep convolutional neural networks.Comput Biol Med. 2022;149:105941. DOI: 10.1016/j.compbiomed.2022.105941
11. Dasari Y, Duffin J, Sayin ES, et al. Convolutional neural networks to assess steno-occlusive disease using cerebrovascular reactivity. Healthcare. 2023;11(16):2231. DOI: 10.3390/healthcare11162231
12. Lai YL, Wu YD, Yeh HJ, et al. Using convolutional neural network to analyze brain MRI images for predicting functional outcomes of stroke. Med Biol Eng Comput. 2022;60(10):2841-2849. DOI: 10.1007/s11517-022-02636-7
13. Herzog L, Murina E, DQrr O, et al.Integrating uncertainty in deep neural networks for MRI based stroke analysis. Med Image Anal. 2020;65:101790. DOI: 10.1016/j.media.2020.101790
14. Adlung A, Paschke NK, Golla AK, et al. 23 Na MRI in ischemic stroke: Acquisition time reduction using postprocessing with convolutional neural networks. NMR Biomed. 2021;34(4):4474. DOI: 10.1002/nbm.4474
15. Rava RA, Podgorsak AR, Waqas M, et al. Investigation of convolutional neural networks using multiple computed tomography perfusion maps to identify infarct core in acute ischemic stroke patients. J Med Imaging. 2021;8(1):014505. DOI: 10.1117/1.JMI.8.1.014505
16. Choo YJ, Chang MC. Use of Machine Learning in Stroke Rehabilitation: A Narrative Review. Brain Neurore-habil. 2022;15(3):26. DOI: 10.12786/bn.2022.15.e26
17. Murat F, Sadak F, Yildirim O, et al. Review of deep learning-based atrial fibrillation detection studies.Int. J. Environ Res Public Health. 2021;18(21):11302. DOI: 10.3390/ijerph182111302
18. Gheibi Y, Shirini K, Razavi SN, et al. CNN-Res: deep learning framework for segmentation of acute ischemic stroke lesions on multimodal MRI images. BMC Med Inform Decis Mak. 2023;23(1):192. DOI: 10.1186/s12911-023-02289-y
19. Debs N, Cho TH, Rousseau D, et al. Impact of the reperfusion status for predicting the final stroke infarct using deep learning. Neuroimage Clin. 2021;29:102548. https://doi.org/10.1016Zj.nid.2020.102548.
20. Lekoubou A, Ba DM, Nguyen C, et al. Poststroke Seizures and the Risk of Dementia Among Young Stroke Survivors. Neurology. 2022;99(4):385-392. DOI: 10.1212/wnl.0000000000200736
21. Galovic M, Ferreira-Atuesta C, Abraira L, et al. Seizures and Epilepsy After Stroke: Epidemiology, Biomarkers and Management. Drugs Aging. 2021;38(4):285-299. DOI: 10.1007/s40266-021-00837-7
22. Moon HS, Heffron L, Mahzarnia A, et al. Automated multimodal segmentation of acute ischemic stroke lesions on clinical MR images. Magn. Reson. Imaging. 2022;92:45-57. DOI: 10.1016/j.mri.2022.06.001
23. Luciw NJ, Shirzadi Z, Black SE, et al. Automated generation of cerebral blood flow and arterial transit time maps from multiple delay arterial spin-labeled MRI. Magn. Reson. Med. 2022;88(1):406-417. DOI: 10.1002/mrm.29193
24. Li X, Zhao Y, Jiang J, et al. White matter hyperintensities segmentation using an ensemble of neural networks. Hum Brain Mapp. 2022;43(3):929-939. DOI: 10.1002/hbm.25695
25. Figurelle ME, Meyer DM, Perrinez ES, et al. Implementation of stroke augmented intelligence and communications platform to improve indicators and outcomes for a comprehensive stroke center and network. AJNR Am J Neuroradiol. 2023;44(1):47-53.
Выпуск
Другие статьи выпуска
Актуальность. Для сахарного диабета (СД) характерно длительное бессимптомное течение, когда функциональные нарушения сердца и изменения метаболизма уже возникают, но не проявляются клинически. Для понимания необходимости и способов профилактики возможных осложнений СД важно иметь представление об особенностях функционального состояния сердца и метаболизма при развитии СД. Цель. Изучение особенностей электрофизиологических параметров сердца и показателей общего метаболизма у самцов и самок крыс на начальных этапах развития СД. Материалы и методы. У 20 крыс обоего пола индуцировали СД однократным введением аллоксана внутрибрюшинно в дозе 150 мг/кг. Электрокардиограмму регистрировали неинвазивно: оценивали интервалы RR, PQ, QRS, QT, амплитуду зубцов P, R, T, частоту сердечных сокращений RН. Определяли показатели общего метаболизма: объемы потребляемого О2 и выдыхаемого СО2, величину интенсивности теплопродукции. Все параметры оценивали до введения, на 3-и и 6-е сутки после введения аллоксана. Результаты. На 3-и сутки уровень глюкозы в крови вырос по отношению к исходному: у самцов в 5,9 раза, у самок в 7,0 раз. На 6-е сутки уровень глюкозы был выше исходного уровня: у самцов в 3,2 раза, у самок в 1,5 раза; причем у самцов в 2,5 раза выше, чем у самок. Патологические изменения электрокардиограммы — нерегулярность ритма, снижение амплитуды зубцов Р и Т ниже изолинии, расширение комплекса QRS, выявлены как у самцов, так и у самок на 3-и и 6-е сутки СД. Показатели метаболизма снижались только у самцов на всех сроках наблюдения. Заключение. В первую неделю СД у крыс наблюдались систолическая и диастолическая дисфункция сердца, снижение интенсивности метаболизма. Наиболее выраженные изменения были отмечены у самцов, что, вероятно, обусловлено более высоким, чем у самок, уровнем гликемии.
Стремительно развивающиеся технологии нейровизуализации позволяют с точностью определить венозную ишемию и венозный инфаркт головного мозга. Большинство работ по данной тематике посвящено изучению спонтанных церебральных венозных тромбозов. Общим для подобных тромбозов и венозных повреждений, возникших в ходе удаления опухолей основания черепа, является острое выключение церебральных вен. Однако в остальных аспектах клинико-диагностические алгоритмы зачастую не аналогичны. В статье представлены обобщение и анализ доступной литературы о возможностях нейровизуализации венозных повреждений головного мозга в спонтанных и хирургических условиях. Описаны современные способы ангиографической и перфузионной диагностики на примере тромбоза дуральных синусов и кортикальных вен. Приведена дискуссия о возможности применения данных методик в нейрохирургии.
Цель. Цель данного исследования — изучить использование методов глубокого нейросетевого обучения в диагностике и лечении аневризмы аорты (АА), основываясь на методах визуализации. Будет уделено особое внимание скринингу, диагностике, сегментации поражений, хирургической помощи и прогнозированию исходов. Методы. Был проведен обзор научных публикаций, в которых использовались модели глубокого обучения, такие как сверточные нейронные сети (СНС), в различных аспектах диагностики и лечения АА. Результаты. Модели глубокого обучения продемонстрировали значительный прогресс в лечении и диагностике аневризм аорты. Отмечается, что такие модели, как ResNet, обеспечивают высокую точность выявления аневризмы на бесконтрастных компьютерных томограммах. Такие методы, как U-Net, позволяют точно измерить размер и объем аневризмы, что важно для планирования объема хирургического вмешательства. Глубокое обучение также помогает в хирургических процедурах, точно предсказывая позицию стента и послеоперационные осложнения. Кроме того, модели способны с высокой точностью прогнозировать прогрессирование аневризмы и оценивать вероятность неблагоприятного исхода для пациента. Выводы. Технологии глубокого обучения демонстрируют значительный потенциал в улучшении диагностики, лечения и контроля аневризмы аорты. Эти достижения могут привести к более точному и персонализированному подходу к пациентам, улучшая результаты лечения лиц с данной патологией.
Введение. Последние достижения в патогенезе нейродегенеративных заболеваний демонстрируют, что воспаление является ключевым фактором прогрессирования. Уровни Т-клеток, NK-клеток, моноцитов и нейтрофилов, как обнаружено, повышены у пациентов с боковым амиотрофическим склерозом (БАС), что определяет прогрессирование заболевания. Цель — оценить динамику иммунологических показателей клеток костного мозга и клональный гемопоэз у пациентов с БАС. Материалы и методы. Группа БАС включала 10 пациентов (М/Ж 4/6). Средний возраст составил 53,9±9,9 года (95 % ДИ, 28–47). Полноэкзомное секвенирование и иммунофенотипирование субпопуляций CD34+ в клетках костного мозга проводились до начала терапии (точка 1) и в течение первых 6 месяцев наблюдения (точка 2). Группа сравнения включала 10 доноров костного мозга, средний возраст составил 39,5±8,5 года (95 % ДИ, 46–66, p=0,007). Клональный гемопоэз неотделенного потенциала (КГНП) обнаружен в 3 случаях (30 %). Результаты. Сбор мононуклеарных клеток периферической крови (МНК) осуществлялся после четырехдневного введения филграстима. Среднее количество собранных CD34+ составило 184,5±121,5x106 (95 % ДИ, 126,0–444,8). Пациенты получали флударабин 25 мг/м2/сут в 1-й и 2-й дни. С целью трансдифференцировки осуществлялась инкубация с двухцепочечными фрагментами ДНК человеческой плаценты (Panagen®) ex vivo после размораживания, после чего CD34+ клетки реинфузировали внутривенно через 48 часов после введения флударабина. После иммуномодулирующей терапии и реинфузии трансдифференцированных CD34+ МНК выявлено достоверное увеличение CD34+CD13+ и CD34+CD123+. Уровень CD34+CD44+ в костном мозге достоверно снизился. Уровни CD34+CD7+, CD34+CD2+ и CD34+CD56+ показали тенденцию к увеличению среднего значения и расширению доверительных интервалов по сравнению со значениями до лечения, хотя они не достигли статистической значимости. После терапии в двух случаях продемонстрировано исчезновение КГНП и в одном случае наблюдалось снижение частоты аллельного варианта (VAF). В ходе наблюдения средний балл ALSFRS-R не изменился (40±1 балл (ДИ 95 %, 37,5–40) против 40±2 (ДИ 95 %, 38–42,5), p>0,05). Заключение. Наше исследование является первой попыткой охарактеризовать подгруппы CD34+ клеток костного мозга при БАС. Полученные результаты имеют клиническое значение, хотя они ограничены и предварительны. Во-первых, они демонстрируют, что костный мозг является одним из органов, реагирующих на иммуноопосредованное нейровоспаление. Во-вторых, поднимается вопрос о том, можно ли перезапустить и исправить аномальный иммунный ответ, приводящий к нейродегенерации. Более того, предварительные результаты указывают на возможную связь между КГНП и БАС и указывают путь к устранению аберрантных клонов.
Актуальность. Острые кишечные инфекции (ОКИ) остаются значимой проблемой здравоохранения из-за высокой вирулентности, особенно среди детей, которые ввиду недостаточной развитости иммунной системы, а также из-за частого несоблюдения правил гигиены более подвержены данным патогенам. Заболеваемость ОКИ растет во всем мире, особенно уязвимы курортные города, в которых значительно проще реализуется основной способ передачи данной группы патогенов — через загрязненную воду. Цель. Провести анализ статистических данных заболеваемости ОКИ среди детей (0–17 лет) в г. Севастополе в период с 2019 по 2023 гг. с целью выявления эпидемиологических особенностей и закономерностей распространения данных инфекций в детской популяции. Материалы и методы. В основу исследования легли данные, предоставленные территориальным управлением Роспотребнадзора, которые состояли из зарегистрированных случаев установленной и неустановленной этиологии. Анализу подверглись все лабораторно подтвержденные диагнозы у пациентов за пятилетний период. Для обработки данных применялись методы описательной статистики, включая расчет абсолютных и относительных показателей заболеваемости, а также определение доли различных инфекций в общей структуре заболеваемости. Визуализация данных осуществлялась посредством построения линейных графиков и гистограмм, что позволило выявить основные тенденции и сезонные пики заболеваемости. Результаты. Проведенный анализ показал значительное преобладание детской заболеваемости в общей структуре ОКИ, достигающее 71 %. Среди этиологически подтвержденных случаев доминировала ротавирусная инфекция, составляющая 43 % от общего числа заболеваний. Эпидемиологический мониторинг выявил четко выраженную сезонную динамику с максимальным подъемом заболеваемости в летне-осенний период (III квартал), что соответствует характерному эпидемическому циклу для данной группы инфекций. Полученные данные подтверждают необходимость усиления профилактических мероприятий именно в этот временной интервал. Заключение. Исследование позволило выявить закономерности заболеваемости ОКИ, а также показало значительную эпидемиологическую роль ротавирусной инфекции в структуре детской заболеваемости. Полученные данные обосновывают необходимость оптимизации региональной системы надзора и профилактики с акцентом на выявленную сезонность.
Общемировая тенденция старения населения и увеличения продолжительности жизни приводит к необходимости разработки и внедрения на популяционном уровне национальных стратегий пропаганды здорового образа жизни и профилактики хронических неинфекционных заболеваний. В статье проанализированы лучшие практики мирового опыта по популяризации здорового образа жизни среди различных возрастных групп, концепции сохранения здоровья и увеличения продолжительности жизни, активного долголетия, а также эффективных мер по профилактике хронических неинфекционных заболеваний. Проведен анализ публикаций, размещенных в электронных базах PubMed, CochraneLibrary, WoS, Scopus, eLibrary, CyberLeninka, глубиной 15 лет, а также документов Организации Объединенных Наций по целям устойчивого развития и «Глобального плана действий по профилактике неинфекционных заболеваний на 2013–2020 гг.» Всемирной организации здравоохранения, пересмотренного и продленного по многим пунктам до 2030 г. Мировой опыт ряда государств подтверждает, что профилактика хронических неинфекционных заболеваний и формирование здорового образа жизни являются многоуровневыми задачами, требующими сочетания политической воли, развитой системы здравоохранения и участия общества.
Издательство
- Издательство
- НМИЦ ИМ. В.А. АЛМАЗОВ
- Регион
- Россия, Санкт-Петербург
- Почтовый адрес
- 197341, г Санкт-Петербург, Приморский р-н, ул Аккуратова, д 2 литера а
- Юр. адрес
- 197341, г Санкт-Петербург, Приморский р-н, ул Аккуратова, д 2 литера а
- ФИО
- Шляхто Евгений Владимирович (ГЕНЕРАЛЬНЫЙ ДИРЕКТОР)
- Контактный телефон
- +7 (965) 7594465