Применение компьютерной программы в диагностике хронических риносинуситов

Цель исследования  –  разработка компьютерной программы для улучшения диагностики и мониторинга лечения больных хроническим риносинуситом. 
Методы. Программа разработана на основе проведенного многофакторного и корреляционного анализов с учетом комбинации показателей инвазивных методов лабораторной диагностики. Лабораторную диагностику проводят для биомаркеров эндотелиальной дисфункции в образцах периферической крови пациентов (гомоцистеина, цистатина С, высокочувствительного С-реактивного белка (hsCRB), Д-димера). Получено свидетельство о государственной регистрации программы для ЭВМ № 2021611887 от 08.02.2021 г.
Результаты. Основу программы составляют протоколы клинико-лабораторного обследования больных с хроническими риносинуситами. Работа программы осуществляется по следующим этапам: введение данных; математический расчет по математической модели; выведение цифрового результата значения «у»; формирование отчета с выведением результата на экран. Программа обладает такими качествами, как наглядность и простота использования. В качестве примеров работы программы приведены клинические случаи. Продемонстрирована работа программы в виде изображения интерфейса. 
Заключение. Разработанная программы может быть рекомендована к использованию в клинической практике. В пред- и послеоперационном периодах с помощью этой программы возможно проводить мониторинг лечения с применением объективных стандартизированных  высокочувствительных клинико-лабораторных методов исследования.  
Внедрение программного комплекса в практику поможет осуществить интегральный подход в диагностике ХРС. Представленная программа является инновационным инструментом при диагностике и оценке эффективности проводимого лечения у больных ХРС. Разработанная программа может быть рекомендована к применению в рутинной практике врача-оториноларинголога в амбулаторных и стационарных условиях учреждений здравоохранения.   

1. Оценка распространенности хронического риносинусита / А. А. Кривопалов, Н. В. Мороз, С. А. Артюшкин, П. А. Шамкина, Г. П. Захарова // Российская оториноларингология. 2022. № 21(5). С. 91–98. https://doi.org/10.18692/1810-4800-2022-5-91-98

2. Хронический риносинусит. Практические рекомендации / А. В. Гуров, С. А. Карпищенко, Е. П. Карпова [и др.] // Фармакология и фармакотерапия. Спецвыпуск. 2024. С. 54–68. https://doi.org/10.46393/27132129_2024_1_56

3. Лазарева А. М., Смирнова О. В. Иммунологические особенности различных фенотипов хронического риносинусита // Медицинская иммунология. 2025. Т. 27, № 2. С. 275–286. https://doi.org/10.15789/1563-0625-IFO-3026

4. Кочетков П. А., Свистушкин В. М., Щенникова Е. С. Применение интраназальных глюкокортикостероидов в комплексном лечении пациентов с хроническими заболеваниями носа и околоносовых пазух // Медицинский совет. 2020. № 6. С. 66–70. https://doi.org/10.21518/2079-701X-2020-6-66-70

5. European position paper on rhinosinusitis and nasal polyps / W. J. Fokkens, V. J. Lund, C. Hopkins [et al.] // Rhinology. 2020. N 58(29). P. 1–464.

6. Васина Л. В., Петрищев Н. Н., Власов Т. Д. Эндотелиальная дисфункция и ее основные маркеры // Регионарное кровообращение и микроциркуляция. 2017. № 1(61). С. 4–15.

7. Абдуганиева Ш. Х., Никонорова М. Л. Цифровые решения в медицине // Крымский журнал экспериментальной и клинической медицины. 2022. Т. 12, № 2. С. 73–85. https://doi.org/10.29039/2224-6444-2022-12-2-73-85

8. Гусев А. В, Зарубина Т. В. Поддержка принятия врачебных решений в медицинских информационных системах медицинской организации // Врач и информационные технологии. 2017. № 2. С. 60–72.

9. Лучинин А. С. Искусственный интеллект в гематологии // Клиническая онкогематология. 2022. № 15(1). С. 16–27. https://doi.org/10.21320/2500-2139-2022-15-1-16-27

10. Кобринский Б. А. Системы поддержки принятия врачебных решений в повышении квалификации: история и современные тенденции // Методология и технология непрерывного профессионального образования. 2020. № 4(4). С. 21–37. https://doi.org/10.24075/MTCPE.2020.022

11. Файзуллин Т. Р., Алексанян Т. А. Клинический опыт применения программы ЭВМ для прогнозирования рисков осложнений при эстетических операциях на молочной железе // Пластическая хирургия и эстетическая медицина. 2023. № 4. С. 23–26. https://doi.org/10.17116/plast.hirurgia202304123

12. Кузьминов О. М., Фетисова В. И., Фетисов И. А. Информационная модель анализа качества медицинской помощи конкретному больному для дидактического обеспечения образовательных программ // Научный результат. Медицина и фармация. 2017. Т. 3, № 1. С. 31–41. https://doi.org/10.18413/2313-8955-2017-3-1-31-41

13. Benjamens S., Dhunnoo P., Mesko B. The state of artifi cial intelligence-based FDAapproved medical devices and algorithms: an online database // N. P. J. Digit. Med. 2020. N 3(1). P. 118. https://doi.org/10.1038/s41746-020-00324-0

14. Увалиева И. Архитектурно-алгоритмическая модель интеллектуальной системы поддержки принятия клинических решений // Уральский симпозиум по биомедицинской инженерии, радиоэлектронике и информационным технологиям (USBEREIT). 2020. С. 180–183. https://doi.org/10.1109/USBEREIT48449.2020.9117801

15. Демушкина К. М., Демушкин М. О., Кузьмин А. В. Обзор методов проектирования систем поддержки принятия врачебных решений // Модели, системы, сети в экономике, технике, природе и обществе. 2022. № 2. С. 75–89. https://doi.org/10.21685/2227-8486-2022-2-6

16. Создание информационной системы поддержки принятия врачебных решений на основе методов доказательной медицины / Г. С. Лебедев, Э. Н. Фартушный, И. А. Шадеркин [и др.] // Журнал телемедицины и электронного здравоохранения. 2019. Т. 5, № 1. С. 8–16. https://doi.org/10.29188/2542-2413-2019-5-1-8-16

17. Реброва О. Ю. Эффективность систем поддержки принятия врачебных решений: способы и результаты оценки // Клиническая и экспериментальная тиреоидология. 2019. Т. 15, № 4. С. 148–155. https://doi.org/10.14341/ket12377

18. Искусственный интеллект в медицине. Общие положения. Философские аспекты / Н. Н. Потекаев, О. В. Доля, Н. В. Фриго [и др.] // Клиническая дерматология и венерология. 2022. № 21(6). С. 749–756. https://doi.org/10.17116/klinderma202221061749

19. Князев Е. Г., Самченко А. А., Рюмкин К. В. Формирование системы поддержки принятия врачебных решений на основе оцифровки клинических рекомендаций с применением инструментов формальной логики // Менеджмент качества в медицине. 2019. № 4. С. 52–57.

20. Мамаев А. Н., Кудлай Д. А. Статистические методы в медицине. М.: Практическая медицина, 2021. 136 с.