Predicting various forms of endometriosis using artificial neural networks

N. G. Sazonova, Т. А. Макаренко, А.Н. Наркевич
In: The Siberian Journal of Clinical and Experimental Medicine · 2020 · vol. 35(4) , pp. 143–149 · doi:10.29001/2073-8552-2020-35-4-143-149 · W3113966254
article OA: diamond CC0
🔓 Open OA copy Full text JSON View on OpenAlex View at publisher
⚙ AI-generated summary by claude@2026-06, 2026-06-10 ⓘ

This study developed a computer system using artificial neural networks trained on patient data to predict the presence and localization of endometriosis with over 80% probability.

One-sentence paraphrase of the abstract; not a substitute for reading it. No clinical advice. How this works

⚙ AI-generated deep summary by claude@2026-06, 2026-06-10 · read from full text ⓘ

The paper studied whether artificial neural networks could estimate the probability of endometriosis and predict its localization using patient history plus plasma proteomic and enzyme-linked immunoassay results. Models were developed and tested using data from 110 women with morphologically confirmed endometriosis, split into training and test sets, and four separate neural-network models were constructed to output presence/absence and, when present, anatomical localization, achieving prediction probabilities above 80% depending on location. A key limitation is that performance is based on a relatively small single dataset of morphologically confirmed cases with specific input modalities. This paper is centrally about endometriosis — developing neural-network–based differential diagnosis and localization using clinical history and plasma proteomic/immunoassay data.

Read from the paper's body, not the abstract. Not a substitute for reading the paper. No clinical advice. How this works

Abstract

Introduction . Endometriosis is a difficult-to-diagnose pathology due to the diversity of clinical manifestations and the lack of high-precision markers necessary for rapid noninvasive diagnosis and timely administration of pathogenetically justified treatment. The aim of this work was to develop a computer system that allows us to assess the probability of endometriosis with various localizations in women, based on artificial neural networks. Material and Methods . The neural network mathematical models were constructed and tested based on data from 110 patients with morphologically pre-confirmed endometriosis. Patients were divided into training and test samples. The models were built based on anamnestic data and results of proteomic and enzyme immunoassays in blood plasma samples. Results and Discussion . In the course of the study, four mathematical models of neural networks were constructed to predict the presence or absence of endometriosis in a woman and its localization if present. Based on these mathematical models, a computer system “Differential diagnosis of endometriosis” was developed. This system allowed to assess the probability and localization of endometriosis in a patient based on parameters obtained as a result of neural network training. Conclusion . The developed computer diagnostic system allowed predicting the presence of endometriosis and its localization with a probability over 80%, depending on the predicted localization, based on data about the patient and the results of her examination. This system may be used for differential diagnosis of endometriosis from other diseases of the female reproductive system, as well as for differential diagnosis of various endometriosis localizations.
Full text 5,731 characters · extracted from oa-doi-fallback · click to expand
Прогнозирование различных форм эндометриоза с применением искусственных нейронных сетей https://doi.org/10.29001/2073-8552-2020-35-4-143-149 Аннотация Введение. Эндометриоз является трудно диагностируемой патологией, что связано с разнообразием клинической картины заболевания, а также отсутствием высокоточных маркеров, необходимых для быстрой, неинвазивной диагностики и назначения патогенетически обоснованного своевременного лечения заболевания. Цель работы: разработка компьютерной системы, позволяющей оценить вероятность наличия у женщин эндометриоза различных локализаций, на основе математического аппарата искусственных нейронных сетей. Материал и методы. Построение математических моделей нейронной сети и их тестирование проводилось на основе данных о 110 пациентках с заранее морфологически подтвержденным эндометриозом, которые были разделены на обучающую и тестовую выборки. Построение моделей осуществлялось на основе анамнестических данных, результатов протеомного и иммуноферментного анализов плазмы крови. Результаты и обсуждение. В ходе исследования были построены четыре математические модели нейронной сети, осуществляющие прогнозирование наличия или отсутствия у женщины эндометриоза, а также локализации в случае его наличия. На основе данных математических моделей была разработана компьютерная система Diff erential diagnosis of endometriosis, позволяющая оценить вероятность наличия у пациентки эндометриоза и его локализации на основании данных, полученных в результате обучения нейронных сетей. Заключение. Разработанная компьютерная диагностическая система позволяет на основании сведений о пациентке и результатах ее обследования прогнозировать наличие у нее эндометриоза, а также его локализации с вероятностью более 80% в зависимости от прогнозируемой локализации. Данная система может применяться при осуществлении дифференциальной диагностики эндометриоза с другими заболеваниями репродуктивной системы женщин, а также для дифференциальной диагностики различных локализаций эндометриоза. Об авторах Н. Г. СазоноваРоссия Сазонова Нина Геннадьевна, аспирант 660022, Красноярск, ул. Партизана Железняка, 1 Т. А. Макаренко Россия Макаренко Татьяна Александровна, д-р мед. наук, доцент, заведующий кафедрой оперативной гинекологии, Институт последипломного образования 660022, Красноярск, ул. Партизана Железняка, 1 А. Н. Наркевич Россия Наркевич Артем Николаевич, канд. мед. наук, доцент, заведующий научно-исследовательской лабораторией медицинской кибернетики и управления в здравоохранении 660022, Красноярск, ул. Партизана Железняка, 1 Список литературы 1. Дамиров М.М. Современная тактика ведения больных с аденомиозом: практическое руководство. М.: БИНОМ; 2015:112. 2. Bratila E., Comandasu D.-E., Coreleuca C., Cirstoiu M., Bohiltea R., Mehedintu C. et al. Gastrointestinal symptoms in endometriosis correlated with the disease stage. In: Proceedings XXXVI National Congress of Gastroenterology, Hepatology and Digestive Endoscopy. Bologna, Filodiritto Publisher; 2016:66–70. 3. Сивова Е.Н., Пашов А.И., Букреев А.В., Фокина А.П. Некоторые вопросы этиологии и патогенеза пролиферативных процессов эндометрия. Сибирское медицинское обозрение. 2015;(1):16–22. 4. Moga M.A., Balan A., Dimienescu O.G., Burtea V., Dragomir R.M., Anastasiu V.C. Circulating miRNAs as biomarkers for endometriosis and endometriosis-related ovarian cancer – An overview. J. Clin. Med. 2019;8(5):735. DOI: 10.3390/jcm8050735. 5. Warren L.A., Shih A., Renteira S.M., Seckin T., Blau B., Simpfendorfer K. et al. Analysis of menstrual effl uent: diagnostic potential for endometriosis. Mol. Med. 2018;24(1):1. DOI: 10.1186/s10020-018-0009-6. 6. Esmaeilzadeh S., Mirabi P., Basirat Z., Zeinalzadeh M., Khafri S. Association between endometriosis and hyperprolactinemia in infertile women. Iran. J. Reprod. Med. 2015;13(3):155–160. 7. Argawal S.K., Chapron C., Giudice L.C., Laufer M.R., Lyland N., Missmer S.A. et al. Clinical diagnosis of endometriosis: A call to action. Am. J. Obstet. Gynecol. 2019;220(4):354.e1–354.e12. DOI: 10.1016/j.ajog.2018.12.039. 8. Patel B.G., Lenk E.E., Lebovic D.I., Shu Y., Yu J., Taylor R.N. Pathogenesis of endometriosis: Interaction between endocrine and infl ammatory pathways. Best Pract. Res. Clin. Obstet. Gynaecol. 2018;50:50–60. DOI: 10.1016/j.bpobgyn.2018.01.006. 9. Irungu S., Mavrelos D., Worthington J., Blyuss O., Saridogan E., Timms J.F. Discovery of non-invasive biomarkers for the diagnosis of endometriosis. Clinical Proteomics. 2019;16:14. DOI: 10.1186/s12014-019-9235-3. 10. Ярмолинская М.И., Айламазян Э.К. Генитальный эндометриоз: различные грани проблемы. СПб.: Эко-Вектор; 2017:615. 11. Anastasiu C.V., Moga M.A., Neculau E.A., Balan A., Scarneciu I., Dragomir R.M. et al. Biomarkers for the noninvasive diagnosis of endometriosis: state of the art and future perspectives. Int. J. Mol. Sci. 2020;21(5):1750. DOI: 10.3390/ijms21051750. 12. Красильникова Л.В. Эндометриоз: морфологические аспекты, диагностика, современная терапевтическая тактика. Современные проблемы науки и образования. 2015;(5). URL: http://www.scienceeducation.ru/ru/article/view?id=22517 (дата обращения: 17.06.2020). Рецензия Для цитирования: Сазонова Н.Г., Макаренко Т.А., Наркевич А.Н. Прогнозирование различных форм эндометриоза с применением искусственных нейронных сетей. Сибирский журнал клинической и экспериментальной медицины. 2020;35(4):143-149. https://doi.org/10.29001/2073-8552-2020-35-4-143-149 For citation: Sazonova N.G., Makarenko T.A., Narkevich A.N. Predicting various forms of endometriosis using artificial neural networks. Siberian Journal of Clinical and Experimental Medicine. 2020;35(4):143-149. (In Russ.) https://doi.org/10.29001/2073-8552-2020-35-4-143-149 JATS XML

Text is read by the "Ask this paper" AI Q&A widget below. Extraction quality varies by source — PMC NXML preserves structure cleanly, OA-HTML may include some navigation residue, and OA-PDF can have broken hyphenation. The publisher copy (via DOI) is the canonical version.

My notes (saved in your browser only)

⚙ Ask this paper AI returns verbatim quotes from the full text · source: oa-doi-fallback ⓘ

Answers must be backed by verbatim quotes from this paper's full text. Hallucinated quotes are dropped automatically; if no verbatim passage answers the question, we say so. How this works

Condition tags

endometriosis

Citation neighborhood

Papers in the corpus that this work cites (lower rings, blue) and that cite this one (upper rings, green). Dot size scales with the paper's in-corpus citation count — bigger dot = more influential within the endo/adeno field. Click a dot to open that paper. [ expand to 2 hops ] — adds papers reached through this work's immediate citers/citees. Heavier; up to 60 extra dots.

References (8)

Source provenance

openalex
last seen: 2026-06-10T17:14:06.276822+00:00
License: CC0 · commercial use OK