rfhealthЗдравоохранение Российской ФедерацииHealth care of the Russian Federation0044-197X2412-0723Federal Scientific Center of Hygiene named after F.F. Erisman10.47470/0044-197X-2021-65-6-557-564rfhealth-640Research ArticleПРОФИЛАКТИКА НЕИНФЕКЦИОННЫХ ЗАБОЛЕВАНИЙPREVENTION OF NONINFECTIOUS DISEASESМедико-организационные подходы к ранней диагностике меланомы кожиMedical and organizational approaches to early diagnosis of skin melanomahttps://orcid.org/0000-0002-2316-7482НеретинЕвгений ЮрьевичNeretinEvgeniy Yu.

Канд. мед. наук, врач-онколог высшей категории ГБУЗ «Самарский областной клинический онкологический диспансер»; доцент кафедры хирургии, Частное учреждение образовательная организация высшего образования «Медицинский университет «Реавиз»», 443029, Самара.

e-mail: еvg.neretin2002@mail.ru

Candidate of Medical Sciences, Doctor of oncology of the highest category Samara Regional Clinical Oncology Dispensary, Associate Professor of the Department of Surgery Private Educational Institution of Higher Education “Medical University “Revis”, Samara, 443029, Russian Federation.

e-mail: evg.neretin2002@mail.ru

evg.neretin2002@mail.ruhttps://orcid.org/0000-0002-0741-0446КозловС. В.KozlovSergey V.noemail@neicon.ruhttps://orcid.org/0000-0003-4274-5732ЗолотареваТ. Г.ZolotarevaTatyana G.noemail@neicon.ruГБУЗ «Самарский областной клинический онкологический диспансер»; ЧОУ ВПО «Медицинский университет «Реавиз»»РоссияRegional Clinical Oncology Dispensary; Medical University “Reaviz”Russian FederationГБУЗ «Самарский областной клинический онкологический диспансер»; ФГБОУ ВО «Самарский государственный медицинский университет» Минздрава РоссииРоссияRegional Clinical Oncology Dispensary; Samara State Medical UniversityRussian Federation202124122021656557564Copyright © Неретин Е.Ю., Козлов С.В., Золотарева Т.Г., 20212021Неретин Е.Ю., Козлов С.В., Золотарева Т.Г.Neretin E.Y., Kozlov S.V., Zolotareva T.G.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rfhealth.ru/jour/article/view/640Введение

Введение. Значимой проблемой остаётся ранняя диагностика меланомы кожи (МК). Во многих странах отмечается постоянный рост показателя заболеваемости МК, и в решении данной проблемы может помочь организация популяционного скрининга.

Цель исследования — оценить использование мультиагентной технологии в диагностике МК.

Материал и методы

Материал и методы. На первом этапе была изучена первичная медицинская документация — формы № 090/у и 027-2/у, статистические отчёты Самарского областного клинического онкологического диспансера — формы № 7 и 35. По выявленным результатам на втором этапе была разработана и внедрена мультиагентная технология диагностики МК, которая включала различных агентов как квалифицированного, так и специализированного уровней. Это были отдельные люди и коллективы отделений, которые работали в тесном контакте: агент по связям с общественностью; агент по планированию мероприятий вторичной профилактики с использованием искусственного интеллекта; агент по обучению врачей, среднего медицинского персонала и пациентов основам ранней диагностики и оценки их уровня подготовки; агент оценки показателей достигнутых результатов. 

Результаты

Результаты. После внедрения мультиагентной системы показатель доли МК I–II стадии в 2010–2019 гг. увеличился на 48,3% по сравнению с 2000–2009 гг. и опережал рост общего количества больных МК на 6,96%; в 2010–2019 гг. доля пациентов с МК, выявленных активно, стала увеличиваться; одногодичная летальность волнообразно уменьшалась (y = 0,0003x5 – 0,0104x4 – 0,2647x3 + 1,4818x2 – 1,8942x + 10,585; R2 = 0,554).

Заключение

Заключение. Применение мультиагентной технологии позволяет снизить одногодичную летальность, добиться опережающего темпа прироста вновь выявленного количества заболевших с ранней стадией МК по сравнению с ростом числа заболевших, улучшить показатели ранней диагностики, активного выявления МК, что является положительным результатом.

Introduction

Introduction. The most significant problem is the early diagnosis of skin melanoma (SM). In many countries of the world, there is a constant increase in the incidence rate, and the organization of population screening can help solve this problem.

Purpose of the study

Purpose of the study. Evaluation of the use of multi-agent technology in the diagnosis of SM.

Material and methods

Material and methods. Study design: at the 1st stage, primary medical documentation was studied — Charts No. 090/y; 027-2/y, statistical reports of the Samara Regional Clinical Oncological Dispensary — Charts No. 7, No. 35, according to the results revealed at stage 2. There was developed and implemented multi-agent technology for SM diagnostics, including various agents of both qualified and specialized levels, these were both individuals and teams of departments who worked in close contact: a public relations agent; artificial intelligence secondary prevention planning agent; agent for training doctors and nurses, patients in the basics of early diagnosis and assessing their level of training; an agent for evaluating performance indicators.

Results

Results. After introducing the multi-agent system, the indicator of the share of 1–2 stages of MC in 2010–2019. increased by 48.3% compared to the period 2000–2009 and outpaced the growth in the total number of patients with SM by 6.96%; from 2010 to 2019 the proportion of patients with SM who were actively identified began to increase; one-year mortality rate from 2010 to 2019 decreased in waves (y = 0.0003x5 – 0.0104x4 – 0.2647x3 + 1.4818x2 – 1.8942x + 10.585; R2 = 0.554).

Conclusion

Conclusion. The use of multi-agent technology makes it possible to reduce the one-year mortality rate, to achieve a faster growth rate of the newly detected number of patients with an early stage of SM (stage 1–2) compared to the increase in the number of cases, to improve the indicators of early diagnosis, active detection of skin melanoma, which is a positive result

меланома кожимультиагентная технология диагностикиэкспертная системабаза данных меланомы кожиранняя диагностикаskin melanomamulti-agent technology for the diagnosisexpert systemskin melanoma databaseearly diagnosisReferencesКаприн А.Д., Старинский В.В., Петрова Г.В., ред. Состояние онкологической помощи населению России в 2017 году. М.; 2018. Доступно: https://oncology-association.ru/wp-content/uploads/2020/09/sostoyanie_2017.pdfKaprin A.D., Starinskiy V.V., Petrova G.V., eds. The Status of Cancer Care for the Population of Russia in 2017 [Sostoyanie onkologicheskoy pomoshchi naseleniyu Rossii v 2017 godu]. Moscow; 2018. Available at: https://oncology-association.ru/files/medstat/sostoyanie_2017.pdf (in Russian)Mar V.J., Scolyer R.A., Long G.V. Computer-assisted diagnosis for skin cancer: have we been outsmarted? Lancet. 2017; 389(10083): 1962-4. https://doi.org/10.1016/S0140-6736(17)31285-0Mar V.J., Scolyer R.A., Long G.V. Computer-assisted diagnosis for skin cancer: have we been outsmarted? Lancet. 2017; 389(10083): 1962–4. https://doi.org/10.1016/S0140-6736(17)31285-0Deeks J.J., Dinnes J., Williams H.C. Sensitivity and Specificity of SkinVision are likely to have been overestimated. J. Eur. Acad. Dermatol. Venereol. 2020; 34(10): e582-3. https://doi.org/10.1111/jdv.16382Deeks J.J., Dinnes J., Williams H.C. Sensitivity and Specificity of SkinVision are likely to have been overestimated. J. Eur. Acad. Dermatol. Venereol. 2020; 34(10): e582–3. https://doi.org/10.1111/jdv.16382Wernli K.J., Henrikson N.B., Morrison C.C., Nguyen M., Pocobelli G., Whitlock E.P., et al. Screening for Skin Cancer in Adults: An Updated Systematic Evidence Review for the U.S. Preventive Services Task Force [Internet]. Report No.: 14-05210-EF-1. Rockville (MD): Agency for Healthcare Research and Quality (US); 2016.Wernli K.J., Henrikson N.B., Morrison C.C., Nguyen M., Pocobelli G., Whitlock E.P., et al. Screening for Skin Cancer in Adults: An Updated Systematic Evidence Review for the U.S. Preventive Services Task Force [Internet]. Report No.: 14-05210-EF-1. Rockville (MD): Agency for Healthcare Research and Quality (US); 2016.Waldmann A., Nolte S., Weinstock M.A., Breitbart E.W., Eisemann N., Geller A.C., et al. Skin cancer screening participation and impact on melanoma incidence in Germany - an observational study on incidence trends in regions with and without population-based screening. Br. J. Cancer. 2012; 106(5): 970-4. https://doi.org/10.1038/bjc.2012.22Waldmann A., Nolte S., Weinstock M.A., Breitbart E.W., Eisemann N., Geller A.C., et al. Skin cancer screening participation and impact on melanoma incidence in Germany – an observational study on incidence trends in regions with and without population-based screening. Br. J. Cancer. 2012; 106(5): 970–4. https://doi.org/10.1038/bjc.2012.22Shoham Y., Leyton-Brown K. Multiagent Systems: Algorithmic, Game-Theoretic and Logical Foundations. London: Cambridge University Press; 2009.Shoham Y., Leyton-Brown K. Multiagent Systems: Algorithmic, Game-Theoretic and Logical Foundations. London: Cambridge University Press; 2009.Амелина Н.О. Мультиагентные технологии, адаптация, самоорганизация, достижение консенсуса. Стохастическая оптимизация в информатике. 2011; 7(1-1): 149-85.Amelina N.O. Multi-agent technologies, adaptation, self-organization, consensus building. Stokhasticheskaya optimizatsiya v informatike. 2011; 7(1-1): 149–85. (in Russian)Соллогуб А.В., Скобелев П.О., Симонова Е.В., Царев А.В., Степанов М.Е., Жиляев А.А. Мультиагентные технологии распределенного управления группировкой малоразмерных космических аппаратов дистанционного зондирования земли. Информационное общество. 2013; (1-2): 58-68.Sollogub A.V., Skobelev P.O., Simonova E.V., Tsarev A.V., Stepanov M.E., Zhilyaev A.A. Multi-agent technologies for the distributed control of small satellites grouping for earth remote sensing. Informatsionnoe obshchestvo. 2013; (1–2): 58–68. (in Russian)Макаров В.Л., Бахтизин А.Р., Сушко Е.Д. Мультиагентные системы и суперкомпьютерные технологии в общественных науках. Нейрокомпьютеры: разработка, применение. 2017; (5): 3-9.Makarov V.L., Bakhtizin A.R., Sushko E.D. Multi-agent systems and supercomputer technologies in the social sciences. Neyrokomp’yutery: razrabotka, primenenie. 2017; (5): 3–9. (in Russian)Brinker T.J., Hekler A., Enk A.H., Klode J., Hauschild A., Berking C., et al. A convolutional neural network trained with dermoscopic images performed on par with 145 dermatologists in a clinical melanoma image classification task. Eur. J. Cancer. 2019; 111: 148-54. https://doi.org/10.1016/j.ejca.2019.02.005Brinker T.J., Hekler A., Enk A.H., Klode J., Hauschild A., Berking C., et al. A convolutional neural network trained with dermoscopic images performed on par with 145 dermatologists in a clinical melanoma image classification task. Eur. J. Cancer. 2019; 111: 148–54. https://doi.org/10.1016/j.ejca.2019.02.005Tschandl P., Rosendahl C., Akay B.N., Argenziano G., Blum A., Braun R.P., et al. Expert-level diagnosis of nonpigmented skin cancer by combined convolutional neural networks. JAMA Dermatol. 2019; 155(1): 58-65. https://doi.org/10.1001/jamadermatol.2018.4378Tschandl P., Rosendahl C., Akay B.N., Argenziano G., Blum A., Braun R.P., et al. Expert-level diagnosis of nonpigmented skin cancer by combined convolutional neural networks. JAMA Dermatol. 2019; 155(1): 58–65. https://doi.org/10.1001/jamadermatol.2018.4378Mar V.J., Soyer H.P. Artificial intelligence for melanoma diagnosis: How can we deliver on the promise? Ann. Oncol. 2019; 30(12): e1-3. https://doi.org/10.1093/annonc/mdy193Mar V.J., Soyer H.P. Artificial intelligence for melanoma diagnosis: How can we deliver on the promise? Ann. Oncol. 2019; 30(12): e1–3. https://doi.org/10.1093/annonc/mdy193Haenssle H.A., Fink C., Uhlmann L. Reply to the letter to the Editor “Reply to ‘Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists’ by H.A. Haenssle et al.” by L. Oakden-Rayner. Ann. Oncol. 2019; 30(2): 130e. https://doi.org/10.1093/annonc/mdy519Haenssle H.A., Fink C., Uhlmann L. Reply to the letter to the Editor “Reply to ‘Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists’ by H.A. Haenssle et al.” by L. Oakden-Rayner. Ann. Oncol. 2019; 30(2): 130e. https://doi.org/10.1093/annonc/mdy519Halteh P., Scher R., Artis A., Lipner S. Assessment of patient knowledge of longitudinal melanonychia: a survey study of patients in outpatient clinics. Skin Appendage Disord. 2017; 2(3-4): 156-61. https://doi.org/10.1159/000452673Halteh P., Scher R., Artis A., Lipner S. Assessment of patient knowledge of longitudinal melanonychia: a survey study of patients in outpatient clinics. Skin Appendage Disord. 2017; 2(3–4): 156–61. https://doi.org/10.1159/000452673Программа обучения «Методы диагностики и лечения злокачественных опухолей кожи». Доступно: https://nmfo-vo.edu.rosminzdrav.ru/#/user-account/view-dpp-pk/79d2dc73-9875-472c-beec-ee2d10733a9e?cycleId=e2f7baa2-0800-6385-a5e7-2dc21b2c91b9Training program «Methods for the diagnosis and treatment of malignant skin tumors». Available at: https://nmfo-vo.edu.rosminzdrav.ru/#/user-account/view-dpp-pk/79d2dc73-9875-472c-beec-ee2d10733a9e?cycleId=e2f7baa2-0800-6385-a5e7-2dc21b2c91b9 (in Russian)

The authors declare that there are no conflicts of interest present.