Технологии искусственного интеллекта в нейрохирургии: систематический обзор литературы с применением методов тематического моделирования. Часть I: основные направления исследований

В последние годы увеличилось число научных публикаций, посвященных применению технологий искусственного интеллекта (ИИ), в первую очередь — машинного обучения, в нейрохирургии.

Цель исследования — провести систематический обзор литературы для выделения основных направлений и тенденций применения ИИ в нейрохирургии.

Методы. С помощью поисковой машины PubMed были отобраны 327 оригинальных журнальных статей за период c 1996 по июль 2019 г., в которых проанализированы результаты исследований технологий ИИ в нейрохирургии. Ключевые слова, специфические для каждой темы, были выделены с помощью технологий анализа естественного языка из области ИИ — алгоритмов тематического моделирования LDA и ARTM.

Результаты. Определены пять основных разделов нейрохирургии, в которых к настоящему времени ведутся исследования методов ИИ: нейроонкология, функциональная нейрохирургия, сосудистая нейрохирургия, спинальная нейрохирургия и хирургия черепно-мозговой травмы. Выделены основные тематические направления данных исследований.

Заключение. Информация об основных направлениях исследований ИИ в нейрохирургии может быть использована при планировании новых научных проектов.

1. Ng A. What artificial intelligence can and can’t do right now. Harv Bus Rev 2016.
2. Якушев Д.И. Об определении искусственного ин­теллекта. В кн.: Региональная информатика и ин­фор­ма­ционная безопасность. СПб; 2016; с. 67–69.
3. Люгер Дж.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. М: Издательский дом «Вильямс»; 2003.
4. Celtikci E. A systematic review on machine learning in neurosurgery: the future of decision-making in patient care. Turk Neurosurg 2018; 28(2): 167–173, https://doi.org/10.5137/1019-5149.jtn.20059-17.1.
5. Brusko G.D., Kolcun J.P.G., Wang M.Y. Machine-learning models: the future of predictive analytics in neurosurgery. Neurosurgery 2018; 83(1): E3–E4, https://doi.org/10.1093/neuros/nyy166.
6. Tandel G.S., Biswas M., Kakde O.G., Tiwari A., Suri H.S., Turk M., Laird J.R., Asare C.K., Ankrah A.A., Khanna N.N., Madhusudhan B.K., Saba L., Suri J.S. A review on a deep learning perspective in brain cancer classification. Cancers (Basel) 2019; 11(1), https://doi.org/10.3390/cancers11010111.
7. Senders J.T., Zaki M.M., Karhade A.V., Chang B., Gormley W.B., Broekman M.L., Smith T.R., Arnaout O. An introduction and overview of machine learning in neurosurgical care. Acta Neurochir (Wien) 2018; 160(1): 29–38, https://doi.org/10.1007/s00701-017-3385-8.
8. Moher D., Shamseer L., Clarke M., Ghersi D., Liberati A., Petticrew M., Shekelle P., Stewart L.A.; PRISMA-P Group. Preferred reporting items for systematic review and meta-analysis protocols (PRISMA-P) 2015 statement. Syst Rev 2015; 4(1), https://doi.org/10.1186/2046-4053-4-1.
9. Воронцов К.В. Вероятностное тематическое моделирование: теория, модели и проект BigARTM. 2020. URL: http://www.machinelearning.ru/wiki/images/d /d5/Voron17survey-artm.pdf.
10. Blei D.M., Ng A.Y., Jordan M.I. Latent dirichlet allocation. J Mach Learn Res 2003; 3: 3993–1022.
11. Воронцов К.В. Аддитивная регуляризация темати­ческих моделей коллекций текстовых документов. Докла­ды Академии наук 2014; 456(3): 268–271, https://doi.org/10.7868/s0869565214090096.
12. Senders J.T., Arnaout O., Karhade A.V., Dasenbrock H.H., Gormley W.B., Broekman M.L., Smith T.R. Natural and artificial intelligence in neurosurgery: a systematic review. Neurosurgery 2018; 83(2): 181–192, https://doi.org/10.1093/neuros/nyx384.

Danilov G.V., Shifrin M.A., Kotik K.V., Ishankulov T.A., Orlov Yu.N., Kulikov A.S., Potapov A.A. Artificial Intelligence in Neurosurgery: a Systematic Review Using Topic Modeling. Part I: Major Research Areas. Sovremennye tehnologii v medicine 2020; 12(5): 106, https://doi.org/10.17691/stm2020.12.5.12