Научный архив: статьи

Введение: рак желудка у пациентов молодого возраста представляет собой особый интерес ввиду ряда клинических и эндоскопических особенностей. Несмотря на общую тенденцию к снижению заболеваемости раком желудка, в последние годы наблюдается устойчивый рост случаев заболевания среди молодых пациентов, что определяет актуальность изучения особенностей данной патологии.

Цель исследования: продемонстрировать результаты анализа данных эндоскопической диагностики случаев рака желудка, обнаруженных у пациентов в возрасте до 30 лет в условиях отделения эндоскопии МНИОИ им. П. А. Герцена.

Материалы и методы: проведен ретроспективный анализ 27 случаев рака желудка у пациентов до 30 лет, обследованных в МНИОИ им. П. А. Герцена в период 2012–2024 гг. Использовалось эндоскопическое оборудование экспертного класса с технологией близкофокусной узкоспектральной эндоскопии (NBI Near Focus).

Результаты: в 100% случаев наблюдались инфильтративные формы роста (70% – тип III по Borrmann- классификации, 30% – тип IV). Тотальное поражение желудка выявлено в 41% случаев, с распространением на пищевод и/или двенадцатиперстную кишку в 45% из них. 60% случаев диагностированы на IV стадии. Гистологически преобладала низкодифференцированная аденокарцинома с компонентом перстневидных клеток (89%). Выявлен один случай ассоциации опухоли с синдромом Линча.

Заключение: рак желудка у молодых пациентов характеризуется агрессивным течением и преобладанием инфильтративных форм, что требует разработки специальных алгоритмов ранней диагностики и повышенной онкологической настороженности.

Цель исследования. Оценить результаты таргетной лимфаденэктомии (ТЛАЭ) у больных раком молочной железы (РМЖ) сТ1–3N1M0 после неоадъювантной системной терапии (НАСТ).

Пациенты и методы. Исследование представляет собой проспективный анализ 83 пациентов с диагнозом РМЖ в стадии Т1–3N1M0, проходивших лечение в отделении реконструктивной и пластической хирургии молочной железы и кожи МНИОИ им. П. А. Герцена (г. Москва, Российская Федерация). Больные были разделены на две группы: в 1‑й группе – основной (n = 45) –после окончания НАСТ произведена ТЛАЭ с использованием металлической метки (клипсы); во 2‑й контрольной группе (n = 38) – выполнена классическая лимфаденэктомия (ЛАЭ). Оценивались следующие характеристики: размер первичной опухоли и ее локализация, степень злокачественности (G), биологический подтип опухоли, количество сигнальных лимфатический узлов (СЛУ), количество метастазов в СЛУ, поражение других лимфоузлов, количество больных, перешедших из сN1 в сN0. По этим характеристикам обе группы были сопоставимы и статистически значимых отличий не отмечалось. Эффективность НАCТ оценивалась по частоте полного патоморфологического регресса поражения исследуемой ткани. Оценивалась частота идентификации СЛУ с проведением срочного цитологического и планового патоморфологического исследований.

Результаты. В 1‑й группе полный патоморфологический ответ в молочной железе составил 37,8 %, во 2‑й группе – 31,6 %. Полный патоморфологический ответ в пораженном лимфатическом узле (урN0) после НАСТ достигнут у 51,1 % пациентов 1‑й группы и 52,6 % 2‑й группы. Частота идентификации СЛУ при биопсии в обеих группах составила 100 %. Частота идентификации установленной метки составила 100 %. Частота совпадений клиппированного лимфатического узла со СЛУ составила 65 %. В одном случае отмечена миграция установленной метки. Эффективность использования навигационного проводника составила 93 %.

Заключение. Полученные результаты подтверждают целесообразность, возможность выполнения и высокую эффективность деэскалации хирургического вмешательства в виде ТЛАЭ. Наше исследование также демонстрирует относительную простоту и точность применения металлической метки для достижения целей ТЛАЭ.

Цель исследования. Провести систематический анализ данных, имеющихся в современной литературе, о возможности использования искусственного интеллекта (ИИ) для построения математических моделей сложных систем, в том числе человеческого организма.

Материал и методы. В обзор включены данные зарубежных и отечественных статей, найденных в Pubmed по данной теме, опубликованных за последние 10 лет.

Результаты. Алгоритмы машинного обучения помогают определять ключевые переменные и взаимосвязи внутри системы, которые людям трудно или невозможно обнаружить. В статье рассматриваются различные типы математических моделей: объяснительные и прогностические, объясняется важность и назначение выбора и стандартизации составляющих модель переменных и знака перед коэффициентами в моделях.

Заключение. Описательные и прогностические модели — это два распространенных типа моделей машинного обучения. Основное различие между ними заключается в цели их использования. Понимание этих различий важно для врачей-исследователей и аналитиков при выборе наиболее подходящего типа модели для своих исследований или для внедрения в процессы принятия решений.