Введение. Выбор оптимального метода хирургического лечения доброкачественной гиперплазии предстательной железы (ДГПЖ) остается одной из наиболее сложных клинических задач в современной урологии. Наличие нескольких эффективных вмешательств – трансуретральной резекции предстательной железы (ТУР ПЖ), трансуретральной энуклеации предстательной железы (ТУЭ ПЖ) и эмболизации простатических артерий (ЭПА) – повышает вариабельность врачебных решений и увеличивает риск субъективного выбора.
Цель исследования. Оценить возможность применения нейросетевой модели на основе нелинейной логистической регрессии для поддержки выбора оптимального метода хирургического лечения ДГПЖ на этапе предоперационного обследования.
Материалы и методы. В исследование включены 105 пациентов с ДГПЖ, проходивших лечение в 2019–2025 гг. Пациенты были разделены на три группы в зависимости от выполненного вмешательства: ТУРП (n=35), ТУЭ ПЖ (n=35), ЭПА (n=35). Для построения модели использованы клинико-функциональные параметры: уровень простатического специфического антигена, показатели урофлоуметрии (Qmax, Qav), объем предстательной железы, объем остаточной мочи и анестезиологический риск по ASA (American Society of Anesthesiologists – Американское общество анестезиологов). На основе этих данных разработана нейросетевая модель, обученная прогнозировать предпочтительный метод операции. Оценка качества проводилась с использованием ROC-анализа.
Результаты. Совпадение рекомендаций нейросети с экспертным решением хирургов составило 83,8%. Площадь под ROC-кривой (AUC) достигла 0,88, что соответствует высокому уровню дискриминационной способности. Наибольшая точность отмечена при прогнозировании ТУР ПЖ (91%), несколько ниже – при выборе ТУЭ ПЖ (85,7%) и ЭПА (81,2%). В ряде клинических случаев рекомендации модели оказались более безопасными по сравнению с фактически выполненным вмешательством.
Заключение. Использование нейросетевой модели на основе стандартных клинико-функциональных показателей позволяет повысить объективность выбора метода хирургического лечения ДГПЖ и может служить эффективным инструментом поддержки клинических решений.
