Недавние исследования показали, что автоматизированная модель глубокого обучения nnU-Net может эффективно количественно оценивать нейроваскулярную компрессию (НВК) на предоперативных МРТ, что помогает предсказать вероятность рецидива боли после хирургического вмешательства при тройничной невралгии (ТН). Это открытие может значительно улучшить процесс отбора пациентов, нуждающихся в лечении.
В рамках исследования, проведенного в одном медицинском центре, ученые проанализировали данные 183 пациентов, которые проходили микрохирургическую декомпрессию (МХД) с января 2019 по декабрь 2022 года. Модель nnU-Net была обучена на высококачественных МРТ-сканах, что позволило извлечь количественные метрики, такие как площадь НВК, и сопоставить их с результатами послеоперационного лечения.
Результаты показали, что большая площадь НВК и наличие НВК связаны с меньшим риском рецидива боли после МХД. Из 151 пациента, участвовавшего в обучении модели, 32 пациента предоставили данные для тестирования, что позволило оценить эффективность модели по сравнению с другой моделью на основе SE-ResNet152. nnU-Net продемонстрировала лучшие результаты, достигнув средних значений F1 и IoU, что подтверждает её высокую точность в идентификации сегментаций.
В независимой группе из 100 пациентов 79% имели НВК на стороне, где наблюдались симптомы, и 30% из них столкнулись с рецидивом боли в течение среднего периода наблюдения в 21.4 месяца. Интересно, что пациенты без рецидива имели значительно большую среднюю площадь НВК по сравнению с теми, у кого рецидивы наблюдались.
Несмотря на многообещающие результаты, исследование имеет свои ограничения, такие как возможность переобучения модели и ограниченная обобщаемость из-за однопрофильного дизайна. Тем не менее, авторы исследования уверены, что модель nnU-Net может значительно улучшить понимание связи между НВК и послеоперационными результатами, а также оптимизировать процесс выбора лечения для пациентов с ТН.