RU2709837C1 - Способ прогнозирования вероятности интраоперационных и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек - Google Patents
Способ прогнозирования вероятности интраоперационных и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек Download PDFInfo
- Publication number
- RU2709837C1 RU2709837C1 RU2019109254A RU2019109254A RU2709837C1 RU 2709837 C1 RU2709837 C1 RU 2709837C1 RU 2019109254 A RU2019109254 A RU 2019109254A RU 2019109254 A RU2019109254 A RU 2019109254A RU 2709837 C1 RU2709837 C1 RU 2709837C1
- Authority
- RU
- Russia
- Prior art keywords
- tumor
- complications
- points
- arteries
- measured
- Prior art date
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 80
- 238000000034 method Methods 0.000 title claims abstract description 28
- 208000035965 Postoperative Complications Diseases 0.000 title claims abstract description 12
- 210000001367 artery Anatomy 0.000 claims abstract description 29
- 230000005855 radiation Effects 0.000 claims abstract description 7
- 210000000626 ureter Anatomy 0.000 claims abstract description 7
- 230000001575 pathological effect Effects 0.000 claims abstract description 5
- 210000003734 kidney Anatomy 0.000 claims description 14
- 238000001356 surgical procedure Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 239000003814 drug Substances 0.000 abstract description 3
- 238000011160 research Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 208000008839 Kidney Neoplasms Diseases 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000035945 sensitivity Effects 0.000 description 5
- 208000005561 Urinary fistula Diseases 0.000 description 4
- 230000000740 bleeding effect Effects 0.000 description 4
- 230000002980 postoperative effect Effects 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 210000002254 renal artery Anatomy 0.000 description 3
- 238000002604 ultrasonography Methods 0.000 description 3
- 206010016717 Fistula Diseases 0.000 description 2
- 206010038389 Renal cancer Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 230000007159 enucleation Effects 0.000 description 2
- 230000003890 fistula Effects 0.000 description 2
- 201000010982 kidney cancer Diseases 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 208000032984 Intraoperative Complications Diseases 0.000 description 1
- 206010057765 Procedural complication Diseases 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 238000013059 nephrectomy Methods 0.000 description 1
- 230000008807 pathological lesion Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 230000035899 viability Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- High Energy & Nuclear Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Radiology & Medical Imaging (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Изобретение относится к области медицины, а именно к урологии, онкоурологии, и может быть использовано для предоперационного планирования и оценки интра- и ранних послеоперационных осложнений. Диагностическими признаками являются количество артерий, питающих опухоль (х1), объем опухоли (х2), максимальный размер опухоли (x3), наибольший диаметр артерий, питающих опухоль (x4), расстояние от ближайшего края опухоли до мочеточника или ЧЛС (x5), расстояние от края опухоли до магистральных сосудов (х6). По заявленным формулам определяют D1 и D2. Сравнивают рассчитанные значения D1 и D2. При этом в случае получения большего значения у функции D2 делают вывод о высокой вероятности осложнений. В случае получения большего числа в функции D1 делают вывод о высокой вероятности отсутствия осложнений. Способ обеспечивает возможность получения более объективной прогнозной оценки посредством использования комплекса диагностических признаков, измеренных на 3D-модели патологического очага, полученной по итогам лучевых методов исследования. 2 ил., 3 табл., 3 пр.
Description
Область техники, к которой относится изобретение
Изобретение относится к области медицины, а именно урологии, онкоурологии, и может быть использовано для предоперационного планирования и оценки интра - и ранних послеоперационных осложнений, включающих возникновение кровотечений и образование мочевых свищей в первые трое суток после проведения органосохраняющей операции при опухолях паренхимы почек.
Уровень техники
Из уровня техники известны способ оценки интра - и послеоперационных осложнений, наиболее известными среди них являются: шкала PADUA - Preoperative aspects and dimensions used for an anatomical), С-индекс - отношение расстояния от центра опухоли (см) до центра почки к радиусу опухоли (см), а также шкала R.E.N.A.L. [Simmons MN, Ching СВ, Samplaski MK, Park СН, Gill IS. Kidney tumor location measurement using the С index method. J Urol. 2010; 183:1708-13. [PubMed] Kutikov A, Uzzo RG. The R.E.N.A.L. Nephrometry score: A comprehensive standardized system for quantitating renal tumor size, location and depth. J Urol. 2009; 182:844-53. [PubMed] Ficarra V, Novara G, Secco S, Macchi V, Porzionato A, De Caro R, et al. Preoperative aspects and dimensions used for an anatomical (PADUA) classification of renal tumours in patients who are candidates for nephron-sparing surgery. Eur Urol. 2009; 56:786-93. [PubMed].
Однако известные способы являются субъективными, т.к. оценка основана на данных, полученных на основании МСКТ (мультиспиральной компьютерной томографии), которые, в частности, не дают подробной информации о соотношении опухоли с чашечно-лоханочной системой и ее связи с сосудами.
Наиболее близким к заявляемому решению является способ прогнозирования вероятности интра - и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек с использованием шкалы R.E.N.A.L. [Kutikov A, Uzzo RG. The R.E.N.A.L. Nephrometry score: A comprehensive standardized system for quantitating renal tumor size, location and depth. J Urol. 2009; 182:844-53. [PubMed]. Способ основан на определении следующих параметров: R (radius, размер опухоли в см), Е (exophytic/endophytic - экзофитный или эндофитный характер опухоли), N (nearness, близость опухоли к полостной системе почки или ее синусу, мм), A (anterior, расположение опухоли по передней или задней поверхности почки), L (location, локализация опухоли относительно поперечных линий, проведенных через края почечного синуса), каждый из которых оценивают по изображениям МСКТ в баллах, по сумме которых строят прогноз вероятности интра - и ранних послеоперационных осложнений.
Однако, данный способ основан только на интерпретации изображения МСКТ, и не учитывает комплекс иных значимых анатомических параметров, которые можно получить по итогам 3D моделирования опухоли, что снижает достоверность и точность получения прогнозных оценок. Кроме того, данный способ является сложным для предоперационного планирования, осуществляемого урологом/онкологом, поскольку требует использования специальных знаний в области лучевой диагностики и владения соответствующим программным обеспечением, что повышает риск получения ошибочных умозаключений.
Раскрытие изобретения
Технической проблемой, решаемой изобретением, является создание способа прогнозирования вероятности интра - и ранних послеоперационных осложнений при органосохраняющих операциях по поводу опухолей паренхимы почек, обеспечивающего получение более достоверных и точных прогнозных оценок. Способ основан на построении 3D модели патологического очага, с последующей оценкой оригинального комплекса параметров по 3D нефрометрической шкале.
Техническим результатом, на достижение которого направлено заявленное изобретение, является возможность получения более объективной прогнозной оценки посредством использования комплекса критериев, измеренных на 3D-модели патологического очага, полученной по итогам лучевых методов исследования (например, КТ, микро КТ, МРТ, МСКТ).
Технический результат достигается при реализации способа прогнозирования вероятности интра - и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек, включающего проведение исследования опухоли паренхимы почек лучевыми методами с построением 3D-модели патологического очага, определение диагностических признаков, в качестве которых используют:
количество артерий, питающих опухоль (x1), которое измеряют в баллах, при этом отсутствие артерий определяют как 0 баллов, наличие от 1 до 3 артерий включительно - 1 балл, более 3-2 балла;
объем опухоли (х2), который измеряют в баллах, при этом опухоли объемом до 20000 voxel присваивают 0 баллов, 20000-40000 voxel - 1 балл, 40001-60000 voxel - 2 балла, более 60000 - 3 балла;
максимальный размер опухоли (x3), который измеряют в мм;
наибольший диаметр артерий (сосудов), питающих опухоль (х4), который измеряют в мм;
расстояние от ближайшего края опухоли до мочеточника или ЧЛС (x5), которое определяется минимальным расстоянием от края опухоли до ближайшей из указанных структур, которое измеряют в мм;
расстояние от края опухоли до магистральных сосудов (х6), которое измеряют в мм, (наименьшее расстояние между опухолью и ближайшим магистральным сосудом, т.е. расстояние от ближайшего края опухоли до ближайшего магистрального сосуда - артерии 1 или 2 порядка).
По полученным значениям рассчитывают значения функций D1 и D2,
D1 = -9,501 + 1,663х1 - 2,212x2 + 0,310х3 + 1,005х4 + 0,437х5 + 0,132х6
D2 = -9,915 + 2,734x1 - 1,663х2 + 0,296х3 + 0,890x4 + 0,336х5 + 0,143х6,
где линейная дискриминантная функция D1 характеризует отсутствие осложнений, линейная дискриминантная функция D2 - наличие осложнений, x1-x6 - значения признаков, включенных в модель.
Согласно способу сравнивают рассчитанные значения D1 и D2, при этом в случае получения большего значения у функции D2 делают вывод о высокой вероятности осложнений, в случае получения большего числа в функции D1 делают вывод о высокой вероятности отсутствия осложнений.
В качестве лучевых методов используют КТ, микро КТ, МРТ.
Краткое описание чертежей
Изобретение поясняется чертежами, где на фиг. 1 представлены ROC-кривые прогнозирования осложнений при оперативном лечении рака почки, полученные при использовании заявляемого способа и другими существующими методами; на фиг. 2 представлена построенная 3D модель опухоли паренхимы почки на основании полученных данных МСКТ.
Осуществление изобретения
Ниже представлено более детальное описание заявляемого способа.
При разработке способа авторами было исследовано 264 пациента, которые были поделены на 2 группы - 221 человек, у которых инра- и послеоперационный период протекал без осложнений (без возникновения кровотечений и образования мочевых свищей в первые трое суток) и 43 пациента, у которых были отмечены осложнения в виде кровопотери более 600 мл и/или образование свищей.
При исследовании проводилась оценка степени связи различных показателей (признаков), характеризующих опухоль паренхимы почек, с прогнозными выводами об интра- и ранних послеоперационных осложнениях с использованием стандартных статистических методик (метод дискриминантного анализа). В результате были отобраны те из них, которые дали коэффициенты корреляции наиболее близкие к 1, что говорит о наиболее сильной взаимосвязи показателей с оцениваемым событием.
В итоговую модель было включено 6 классификационных признаков, на основе которых была сформирована каноническая дискриминантная функция:
максимальный размер опухоли (мм);
расстояние от ближайшего края опухоли до мочеточника или ЧЛС, которое определяется минимальным расстоянием от края опухоли до ближайшей из указанных структур (мм);
количество артерий, питающих опухоль (баллы);
расстояние до магистральных сосудов (мм), т.е. расстояние от ближайшего края опухоли до ближайшего магистрального сосуда - артерии 1 или 2 порядка;
наибольший диаметр сосудов (артерий), питающих опухоль (мм);
объем опухоли (баллы).
Для классификации единиц наблюдения по признакам одного пациента производился расчет линейных дискриминантных функций с коэффициентами каждой из групп. Прогнозируемый случай относится к той группе, для которой дискриминантная функция принимает максимальное значение. Для проверки гипотезы об однородности ковариационных матриц исследуемых групп использовался многомерный М-критерий Бокса. Чувствительность и специфичность комплекса критериев оценивалась при помощи ROC-анализа. Количественная интерпретация результатов проводилась по ROC-кривым с оценкой показателя AUC (Area under ROC curve - площадь под ROC-кривой).
Структурная матрица корреляции дискриминантных переменных с канонической дискриминантной функцией, на основании которой были отобраны переменные, представлена в таблице 1.
Каноническая корреляция, описывающая меру связи между дискриминирующей функцией и сопоставляемыми подгруппами, составила 0,304, что объясняет 30,4% дисперсии исходной бинарной переменной наличия или отсутствия осложнений. Лямбда Уилкса при оценке канонической дискриминантной функции составила 0,908 (χ2=25,114; р<0,001).
Наибольший вклад в результаты классификации из отобранных переменных вносят показатели: количество артерий, питающих опухоль, объем опухоли, расстояние до мочеточника.
Матрицы ковариаций (дисперсий) в группах наблюдения статистически значимо отличались друг от друга по критерию М Бокса (р=0,002).
Коэффициенты линейных моделей дискриминантной функции, включающих в себя классификационные признаки, которые характеризуют принадлежность пациентов к группе с отмеченными интра- или поле операционными осложнениями, представлены в таблице 2.
Исходя из таблицы 2, прогнозирование вероятности интра - и ранних послеоперационных осложнений (при возникновении кровотечений с кровопотерей более 500 мл. и/или образования мочевых свищей в первые трое суток) при оперативном лечении рака почки осуществляют посредством определения D1 и D2.
где D1 - линейная дискриминантная функция, моделирующая отсутствие осложнений; D2 - линейная дискриминантная функция, моделирующая наличие осложнений (кровопотеря более 500 мл и/или возникновение свища); x1-x6 - значения признаков, включенных в модель.
При получении двух значений функций D1 и D2 производят их сравнение, и в случае получения большего значения у функции D2 делают вывод о высокой вероятности осложнений, в случае получения большего числа в функции D1 делают вывод о высокой вероятности отсутствия осложнений.
Итоговая классификация наблюдений на основании полученных дискриминантных функций представлена в таблице 3.
Чувствительность данной модели в плане предсказания осложнений составила 69,8%, специфичность модели составила 65,2%. Общая точность модели - 65,9%.
Для сравнения, для аналогичной дискриминантной модели с использованием в качестве предиктора индекса RENAL чувствительность составила 72,1%, специфичность - 53,2%, общая точность - 56,3%; для модели с использованием индекса PADOVA - чувствительность 67,4%, специфичность - 66,5%, общая точность - 66,7%. Модель с включением С-индекса показывает чувствительность 72,1%, при этом отмечена самая низкая специфичность - 46,6%, общая точность модели с использованием С-индекса составила 50,8%. Таким образом, прогностическая точность модели с использованием набора предикторов осложнений сопоставима с моделью с использованием индекса PADOVA, а по специфичности и общей точности превосходит R.E.N.A.L. и С-индекс (фиг. 1).
Для реализации заявляемого способа всем пациентам перед оперативным лечением выполняют лучевую диагностику, например, КТ, микро КТ, МРТ, МСКТ. По полученным данным сроят 3D-модель патологического очага. Построение 3D-модели может быть осуществлено с использованием любых известных из уровня техники программно-реализуемых средств, обеспечивающих адекватную визуализацию анатомических структур, оцениваемых по предложенной шкале (максимальный размер опухоли, расстояние до мочеточника и\или ЧЛС, количество артерий, питающих опухоль, расстояние до магистральных сосудов, диаметр сосудов (артерий), питающих опухоль, объем опухоли (voxel)).
В качестве ПО может быть использована, например, программа Amira версии 5.4.5. (https://amira.software.informer.com/5.6/). В случае необходимости корректировки полученной 3D-модели - она может быть осуществлена, например, с помощью программного обеспечения Amira (VisageImaging).
Для построения 3D модели в программе Amira полученные данные (изображения) с помощью КТ, микро КТ, МРТ, 3D микроскопии и другими методами, загружают в программу Amira, производят фильтрацию (удаление артефактов) и предварительную обработку изображений, формируют 3D-изображение из полученных данных. На полученной модели выделяют анатомические структуры, которые измеряют и анализируют, визуализируют их пространственное взаимоотношение.
3D-моделирование позволяет без искажений эффективно совместить на одном интегральном изображении все четыре фазы визуализации (контрастирования): 1 - нативное исследование, 2 - артериальную фазу, 3 - паренхиматозную, 4 - экскреторную, что дает исчерпывающую информацию об анатомических особенностях пораженной опухолевым процессом почки, такие как количество сосудов, питающих опухоль, их диаметр, соотношение опухоли и ЧЛС и т.д.
Оценку риска/вероятности интра - и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек производят по указанным выше формулам с использованием измеренных параметров (см. Таблицу 1).
Ниже представлены примеры реализации заявляемого изобретения.
Пример 1. Пациент А., 47 лет.
Анамнез: случайно выявленное образование при ультразвуковом исследовании. По данным МСКТ выявлена опухоль правой почки размером до 50 мм. На основании полученных данных МСКТ выполнено 3D моделирование (фиг. 2).
В качестве предоперационного планирования выполнен расчет вероятности осложнений при органосохраняющем пособии.
По данным 3D моделирования у пациента выявлены:
одна артерия, питающая опухоль (х1 = 1 балл);
объем опухоли составил 63000 voxel (х2 = 3 балла);
максимальный размер опухоли составил 52.31 мм (х3 = 52.31);
диаметр артерии, питающей опухоль, составил 2.17 мм (x4 = 2.17),
минимальное расстояние от ЧЛС или мочеточника до опухоли составило 1.4 мм (x5 = 1.4);
минимальное расстояние от опухоли до магистральных сосудов (почечная артерия или сегментарные артерии первого порядка) составило 1.37 мм (х6 = 1.37).
Далее по формулам (1) и (2) были рассчитаны значения линейной дискриминантной функции D1 и D2. Значение D1 составило 4.71559, значение D2 составило 5.91137.
D1 = -9,501 + 1,663x1 - 2,212x3 + 0,310x52.31 + 1,005x2.17 + 0,437x1.4 + 0,132x1.37 = 4.71559
D2 = -9,915 + 2,734x1 - 1,663x3 + 0,296x52.31 + 0,890x2.17 + 0,336x1.4 + 0,143x1.37 = 5.91137
Полученное значение D2 превысило значение D1, у пациента по данным произведенных расчетов перед операцией выявлен высокий риск вероятности осложнений.
Пациенту была выполнена лапароскопическая энуклеаация опухоли почки. В раннем послеоперационном периоде (через 4 часа после операции возникло кровотечение из зоны операции, что потребовало нефрэктомии).
Таким образом, заявляемый способ показал свою состоятельность и возможность использования в практической работе.
Пример 2. Пациент Б., 65 лет.
Анамнез: случайно выявленное образование при ультразвуковом исследовании. По данным МСКТ выявлена опухоль правой почки размером до 60 мм. На основании полученных данных МСКТ выполнено 3D моделирование. В качестве предоперационного планирования выполнен расчет вероятности осложнений при органосохраняющем пособии.
По данным 3D моделирования у пациента выявлены:
две артерии, питающие опухоль (х1 =1 балл);
объем опухоли составил 61200 voxel (х2 = 3 балла);
максимальный размер опухоли составил 65 мм (x3 = 65);
наибольший диаметр артерии, питающей опухоль, составил 2.0 мм (x4 = 2.0) (при наличии более одной артерии измеряют диаметр большей артерии);
минимальное расстояние от ЧЛС до опухоли составило 1 мм (x5 = 1),
минимальное расстояние от опухоли до магистральных сосудов (почечная артерия или сегментарные артерии первого порядка) составило 20 мм (х6 = 20).
Далее по формулам (1) и (2) были рассчитаны значения линейной дискриминантной функции D1 и D2. Значение D1 составило 10.763, значение D2 составило 12.046.
Полученное значение D2 превысило значение D1, у пациента по данным произведенных расчетов перед операцией выявлен высокий риск вероятности осложнений.
Пациенту была выполнена лапароскопическая энуклеаация опухоли почки. В раннем послеоперационном периоде (через 1 час после операции) по дренажу начала выделяться моча (образовался мочевой свищ).
Пример 3. Пациент X., 55 лет.
Анамнез: случайно выявленное образование при ультразвуковом исследовании. По данным МСКТ выявлена опухоль левой почки размером до 30 мм. На основании полученных данных МСКТ выполнено 3D моделирование. В качестве предоперационного планирования выполнен расчет вероятности осложнений при органосохраняющем пособии.
По данным 3D моделирования у пациента выявлены:
артерии, питающие опухоль, не определяются (х1 = 0 баллов);
объем опухоли составил 35230 (x2 = 1 балл);
максимальный размер опухоли составил 30 мм (х3 = 30);
диаметр артерии, питающей опухоль - артерии не обнаружены (x4 = 0);
минимальное расстояние от ЧЛС до опухоли составило 35 мм (x5 = 35),
минимальное расстояние от опухоли до магистральных сосудов (почечная артерия или сегментарные артерии первого порядка) составило 45 мм (х6 = 45).
Далее по формулам (1) и (2) были рассчитаны значения линейной дискриминантной функции D1 и D2. Значение D1 составило 18.822, значение D2 составило 15.497.
Полученное значение D1 превысило значение D2, у пациента по данным произведенных расчетов перед операцией выявлен низкий риск вероятности осложнений.
Послеоперационный период протекал без осложнений.
Claims (11)
- Способ прогнозирования вероятности интра- и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек, включающий проведение исследования опухоли паренхимы почек лучевыми методами с построением 3D-модели патологического очага, определение диагностических признаков, в качестве которых используют:
- количество артерий, питающих опухоль (х1), которое измеряют в баллах, при этом отсутствие артерий определяют как 0 баллов, наличие от 1 до 3 артерий включительно - 1 балл, более 3 - 2 балла;
- объем опухоли (х2), который измеряют в баллах, при этом опухоли объемом до 20000 voxel присваивают 0 баллов, 20000-40000 voxel - 1 балл, 40001-60000 voxel - 2 балла, более 60000 voxel - 3 балла;
- максимальный размер опухоли (х3), который измеряют в мм;
- наибольший диаметр артерий, питающих опухоль (х4), который измеряют в мм;
- расстояние от ближайшего края опухоли до мочеточника или ЧЛС (x5), которое измеряют в мм;
- расстояние от края опухоли до магистральных сосудов (х6), которое измеряют в мм,
- по полученным значениям рассчитывают значения функций D1 и D2:
- D1 = -9,501 + 1,663х1 - 2,212x2 + 0,310х3 + 1,005х4 + 0,437х5 + 0,132х6,
- D2 = -9,915 + 2,734x1 - 1,663х2 + 0,296х3 + 0,890x4 + 0,336х5 + 0,143х6,
- где функция D1 характеризует отсутствие осложнений, D2 - наличие осложнений, сравнивают рассчитанные значения D1 и D2, при этом в случае получения большего значения у функции D2 делают вывод о высокой вероятности осложнений, в случае получения большего числа в функции D1 делают вывод о высокой вероятности отсутствия осложнений.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019109254A RU2709837C1 (ru) | 2019-03-29 | 2019-03-29 | Способ прогнозирования вероятности интраоперационных и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU2019109254A RU2709837C1 (ru) | 2019-03-29 | 2019-03-29 | Способ прогнозирования вероятности интраоперационных и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2709837C1 true RU2709837C1 (ru) | 2019-12-23 |
Family
ID=69022745
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU2019109254A RU2709837C1 (ru) | 2019-03-29 | 2019-03-29 | Способ прогнозирования вероятности интраоперационных и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2709837C1 (ru) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115661107A (zh) * | 2022-11-07 | 2023-01-31 | 中国医学科学院北京协和医院 | 基于膀胱癌危险分层的图像分析方法、系统及设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2090894C1 (ru) * | 1994-09-08 | 1997-09-20 | Ростовский научно-исследовательский онкологический институт | Способ прогнозирования послеоперационных осложнений |
| RU2279082C2 (ru) * | 2004-07-12 | 2006-06-27 | ГУ Научно-исследовательский институт медицинских проблем Севера СО РАМН | Способ прогнозирования ранних гнойно-септических послеоперационных осложнений у больных почечно-клеточным раком |
| RU2412670C1 (ru) * | 2009-07-27 | 2011-02-27 | Федор Петрович Капсаргин | Способ комбинированной малоинвазивной нефролитотомии |
| WO2015028612A1 (en) * | 2013-08-30 | 2015-03-05 | Gendiag.Exe, S.L. | Risk markers for cardiovascular disease in patients with chronic kidney disease |
-
2019
- 2019-03-29 RU RU2019109254A patent/RU2709837C1/ru active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2090894C1 (ru) * | 1994-09-08 | 1997-09-20 | Ростовский научно-исследовательский онкологический институт | Способ прогнозирования послеоперационных осложнений |
| RU2279082C2 (ru) * | 2004-07-12 | 2006-06-27 | ГУ Научно-исследовательский институт медицинских проблем Севера СО РАМН | Способ прогнозирования ранних гнойно-септических послеоперационных осложнений у больных почечно-клеточным раком |
| RU2412670C1 (ru) * | 2009-07-27 | 2011-02-27 | Федор Петрович Капсаргин | Способ комбинированной малоинвазивной нефролитотомии |
| WO2015028612A1 (en) * | 2013-08-30 | 2015-03-05 | Gendiag.Exe, S.L. | Risk markers for cardiovascular disease in patients with chronic kidney disease |
Non-Patent Citations (2)
| Title |
|---|
| KUTIKOV A. The R.E.N.A.L. Nephrometry score: A comprehensive standardized system for quantitating renal tumor size, location and depth. J. Urol. 2009; 182:844-53. * |
| ДУБРОВИН В.Н. Использование технологии дополненной реальности на основе 3d-моделирования при лапароскопической резекции почки. Медицинский вестник Башкортостана. Том 10 (58), N 4, 2015, стр. 63-66. * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115661107A (zh) * | 2022-11-07 | 2023-01-31 | 中国医学科学院北京协和医院 | 基于膀胱癌危险分层的图像分析方法、系统及设备 |
| CN115661107B (zh) * | 2022-11-07 | 2023-09-19 | 中国医学科学院北京协和医院 | 基于膀胱癌危险分层的图像分析方法、系统及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Heller et al. | The kits19 challenge data: 300 kidney tumor cases with clinical context, ct semantic segmentations, and surgical outcomes | |
| Okhunov et al. | STONE nephrolithometry: novel surgical classification system for kidney calculi | |
| Xu et al. | EUS elastography for the differentiation of benign and malignant lymph nodes: a meta-analysis | |
| Hou et al. | Anatomic features involved in technical complexity of partial nephrectomy | |
| O’Connor et al. | Role of multiparametric prostate MRI in the management of prostate cancer | |
| Digumarthy et al. | Percutaneous CT guided lung biopsy in patients with pulmonary hypertension: Assessment of complications | |
| Pareek et al. | Predicting the spread of vessels in initial stage cervical cancer through radiomics strategy based on deep learning approach | |
| RU2709837C1 (ru) | Способ прогнозирования вероятности интраоперационных и ранних послеоперационных осложнений при органосохраняющих операциях при опухолях паренхимы почек | |
| Shimoyama et al. | Automated renal cortical volume measurement for assessment of renal function in patients undergoing radical nephrectomy | |
| Li et al. | Diagnostic accuracy of three-dimensional endoanal ultrasound for anal fistula: a systematic review and meta-analysis | |
| RU2698546C1 (ru) | Способ прогнозирования объема интраоперационной кровопотери при органосохраняющих операциях при опухолях паренхимы почек | |
| Eze et al. | Normative ultrasound values of renal parenchymal thickness among adults in Enugu, South-East Nigeria. | |
| KR102184992B1 (ko) | 유방암 환자에서 수술 중 겨드랑이 림프절 전이 진단을 위한 디바이스 | |
| RU2707062C1 (ru) | Способ прогнозирования оптимального времени тепловой ишемии при органосохраняющих операциях при опухолях паренхимы почек | |
| CN115546123A (zh) | 基于机器学习的腹主动脉瘤破裂风险的预测系统 | |
| RU2523138C1 (ru) | Способ прогнозирования риска развития прогрессии заболевания после выполнения радиочастотной термоаблации метастазов колоректального рака в печень | |
| CN110892448B (zh) | 用于动脉钙化的检测和量化的方法 | |
| US8935099B2 (en) | Method and system for identifying, assessing, and managing cancer growth rates and potential metastasis | |
| Cho et al. | Prenatal sonographic markers of the outcome in fetuses with bronchopulmonary sequestration | |
| RU2736908C1 (ru) | Способ оценки вероятности наличия тяжистой паранефральной жировой клетчатки, спаянной с капсулой почки, при планировании органосохраняющих операций на почке | |
| RU2770983C1 (ru) | Способ предоперационного определения морфологических факторов риска прогрессирования у больных раком предстательной железы. | |
| RU2663078C1 (ru) | Способ прогнозирования риска развития послеоперационных сердечно-сосудистых осложнений лапароскопических операций при метастатическом раке толстой кишки | |
| RU2638788C1 (ru) | Способ дооперационной оценки риска развития прогрессии после радиочастотной термоаблации метастазов колоректального рака в печени при циторедуктивных операциях | |
| Antovska et al. | An original risk of ovarian malignancy index and its predictive value in evaluating the nature of ovarian tumour | |
| ES2954322T3 (es) | Método para la detección y cuantificación de la calcificación arterial |