Uroginekologia stoi przed nowymi wyzwaniami związanymi z wykorzystaniem potencjału metod sztucznej inteligencji (AI) jako narzędzi diagnostycznych wzmacniających możliwości znanych technik, takich jak ultrasonografia czy MRI – pisze dr n. o zdr. Kuba Ptaszkowski prof. UMW z Katedry Fizjoterapii; Uniwersytetu Medycznego we Wrocławiu i lider sesji naukowej podczas II Kongresu KIF.
Współczesna fizjoterapia oferuje szerokie spektrum metod diagnostyki i terapii dla pacjentów z chorobami uroginekologicznymi, które znacząco wpływają na jakość ich życia. Dysfunkcje mięśni dna miednicy (ang. pelvic floor dysfunction) mogą manifestować się różnorodnymi objawami, takimi jak: dolegliwości dolnych dróg moczowych (ang. lower urinary tract symptoms), problemy z narządami rodnymi (ang. vaginal symptoms), zaburzenia funkcji seksualnych (ang. sexual dysfunction), ból w okolicach miednicy (ang. pelvic pain) oraz objawy ze strony przewodu pokarmowego (ang. bowel symptoms).
Na II Kongresie KIF sesja pt. „Innowacje i strategie postępowania w rehabilitacji uroginekologicznej” zapowiada się jako jedno z ciekawszych wydarzeń, które zgromadzi czołowych polskich specjalistów w dziedzinie fizjoterapii uroginekologicznej. W trakcie sesji zostaną zaprezentowane prace, które wnoszą nowe perspektywy oraz rekomendacje dla praktyków. Sesja ta będzie nie tylko okazją do poszerzenia wiedzy, ale także inspiracją do implementacji nowoczesnych metod w codziennej praktyce fizjoterapeutycznej, co bez wątpienia przyczyni się do poprawy standardów opieki nad pacjentami.
Uroginekologia stoi przed nowymi wyzwaniami, związanymi z koniecznością zwiększenia dokładności diagnostycznej różnych badań, jednocześnie redukując zmienność w procesie stawiania diagnozy między badaczami. Niektóre badania skupiają się na potencjale metod sztucznej inteligencji (AI) w uroginekologii jako narzędzia diagnostycznego, wzmacniając możliwości znanych technik, takich jak ultrasonografia, dynamiczne i funkcjonalne MRI oraz standaryzacja interpretacji testów urodynamicznych, ale również podnosi możliwości osiągnięcia sukcesu terapeutycznego.
Przykładem może być system wspomagania komputerowego oparty na sieciach neuronowych, opracowany w Tajwanie, który diagnozuje wysiłkowe nietrzymanie moczu na podstawie charakterystyki anatomicznej i funkcjonalnej szyi pęcherza moczowego za pomocą ultrasonografii. System ten osiągnął dokładność 91,7%, czułość 94,4% i specyficzność 83,3%, co potwierdza zdolność modeli AI do precyzyjnego rozpoznawania wzorców obrazowych. Zastosowanie algorytmów AI w badaniach urodynamicznych również pokazuje obiecujące wyniki, zmniejszając zmienność między obserwatorami. Na przykład, model ML do identyfikacji nadaktywności wypieracza pęcherza w badaniach urodynamicznych osiągnął dokładność 81,3%.
Inną z kluczowych innowacji w fizjoterapii jest wykorzystanie telemedycyny. Aplikacje mobilne, oferują programy terapeutyczne skoncentrowane na ćwiczeniach mięśni dna miednicy (PFMT) okazały się skuteczne w leczeniu wysiłkowego nietrzymania moczu. Badania przeprowadzone w Szwecji wykazały, że użycie takich aplikacji prowadzi do klinicznie istotnej poprawy, zwiększając dostęp do terapii i pomagając pacjentom przestrzegać zaleceń.
Kolejną nowością w fizjoterapii są nowoczesne urządzenia wykorzystujące np.: wysoko indukcyjne pole elektromagnetyczne (HIFEM). Urządzenie wykorzystujące ten rodzaj energii może służyć do nieinwazyjnej stymulacji i reedukacji mięśni dna miednicy. Zabiegi te są nieinwazyjne i pozwalają na skurcz mięśni na głębokości do 10 cm, co prowadzi do poprawy ich funkcji oraz subiektywnego odczuwania napięcia mięśniowego.
Sztuczna inteligencja może znacząco wpływać jeszcze na inne aspekty tej dziedziny. W kontekście badań klinicznych i diagnostyki, AI może wspierać badaczy w automatycznym oznaczaniu danych oraz tworzeniu ontologii, co ułatwia analizę dużych zbiorów danych medycznych. Może również odgrywać kluczową rolę w udzielaniu porad pacjentom, dostarczając spersonalizowane informacje i rekomendacje.
Nowoczesne metody diagnostyki i fizjoterapii w chorobach układu moczowego, takie jak biofeedback, telemedycyna, czy urządzenia przenośne, oferują skuteczne, nieinwazyjne metody leczenia, poprawiając jakość życia pacjentów i zapobiegając nawrotom choroby. Integracja innowacyjnych technologii z tradycyjnymi podejściami terapeutycznymi oraz interdyscyplinarna współpraca zespołów medycznych są kluczowe dla zapewnienia najwyższej jakości opieki zdrowotnej. Dzięki ciągłym badaniom naukowym możemy spodziewać się dalszych postępów w diagnostyce i terapii, co przyczyni się do jeszcze lepszych wyników leczenia i większego komfortu życia pacjentów.
* * *
Dr n. o zdr. Kuba Ptaszkowski prof. UMW
Nauczyciel akademicki i fizjoterapeuta. Od ponad 10 lat zajmuje się kształceniem na kierunku fizjoterapia. W działalności klinicznej prowadzi terapię osób z dysfunkcjami układu moczowo-płciowego. Specjalizuje się w rehabilitacji urologicznej i uroginekologicznej. Dodatkowe zainteresowania dotyczą tematów związanych z metodologią badań naukowych oraz statystyką medyczną.
* * *
Piśmiennictwo:
- Brandão, M., Mendes, F., Martins, M., Cardoso, P., Macedo, G., Mascarenhas, T., & Mascarenhas Saraiva, M. (2024). Revolutionizing Women’s Health: A Comprehensive Review of Artificial Intelligence Advancements in Gynecology. Journal of clinical medicine, 13(4), 1061. https://doi.org/10.3390/jcm13041061
- Loohuis AMM, Burger H, Wessels N, Dekker J, Malmberg AG, Berger MY, Blanker MH, van der Worp H. Prediction model study focusing on eHealth in the management of urinary incontinence: the Personalised Advantage Index as a decision-making aid. BMJ Open. 2022 Jul 25;12(7):e051827. doi: 10.1136/bmjopen-2021-051827. PMID: 35879013; PMCID: PMC9328108.
- Toye, F., Dixon, S., Izett-Kay, M., Keating, S., & McNiven, A. (2023). Exploring the experiences of people with urogynaecology conditions in the UK: a reflexive thematic analysis and conceptual model. BMC women’s health, 23(1), 431. https://doi.org/10.1186/s12905-023-02592-w
- Huang Y.L., Chen H.Y. Computer-aided diagnosis of urodynamic stress incontinence with vector-based perineal ultrasound using neural networks. Ultrasound Obstet. Gynecol. 2007;30:1002–1006. doi: 10.1002/uog.4102.
- Onal S., Lai-Yuen S., Bao P., Weitzenfeld A., Greene K., Kedar R., Hart S. Assessment of a semiautomated pelvic floor measurement model for evaluating pelvic organ prolapse on MRI. Int. Urogynecol. J. 2014;25:767–773. doi: 10.1007/s00192-013-2287-4. [PubMed] [CrossRef] [Google Scholar]
- Wang H.S., Cahill D., Panagides J., Nelson C.P., Wu H.T., Estrada C. Pattern recognition algorithm to identify detrusor overactivity on urodynamics. Neurourol. Urodyn. 2021;40:428–434. doi: 10.1002/nau.24578.
* * *
II Kongres KIF „Interdyscyplinarność przyszłością rehabilitacji”
Sesja: Innowacje i strategie postępowania w rehabilitacji uroginekologicznej
13 czerwca (czwartek), 14.30- 16.00
Liderzy Sesji: Kuba Ptaszkowski, Magdalena Grzybowska
