1 of 6

Прогнозирование возникновения макулярного отека после брахитерапии (Ru-106+Rh-106) меланомы хориоидеи

​

Быховский А.А., Панова И.Е., Самкович Е.В.

2 of 6

Материалы и методы

Количество пациентов (глаз) с МО

60 (60)

Возраст

58,5 лет (55,77±11,19)

Пол

М = 13

Ж = 17

Проведенное лечение

Брахитерапия (Ru-106+Rh-106)

Диагностика макулярного отека

Optovue RTVue-100 XR (Cross line, Raster, Angio)

Статистические методы

Метод логистической регрессии, метод анализа ROC-кривых, хи-квадрат Пирсона, t-критерий Стьюдента

Цель

​

Разработать формулу прогноза развития макулярного отека у пациентов после брахитерапии (Ru-106+Rh-106) меланомы хориоидеи

3 of 6

Формула прогноза МО №1

P = 1 / (1 + e-z)

z = -6,450 + 3,372XЛР + 0,450XДО

где P – оценка вероятности МО, z – значение логистической функции, XЛР – лучевые реакции (0 – Слабые, 1 – Выраженные), XДО – диаметр опухоли, мм

  • Оценка вероятности P является статистически значимым предиктором макулярного отека (AUC = 0,901; 95% ДИ: 0,818 – 0,985, p < 0,001).
  • Пороговое значение оценок вероятности P в точке cut-off, которому соответствовало наивысшее значение индекса Юдена, составило 0,343. МО прогнозировался при значении оценок вероятности P выше данной величины или равном ей.
  • Чувствительность и специфичность: 92,9% и 83,9%.

Получено решение о выдаче патента на изобретение от 29.01.2026г. (заявка № 2025121035/14(049501)

4 of 6

Формула прогноза МО №2

P = 1 / (1 + e-z)

z = -6,449 + 3,295XЛР - 0,099XВО + 0,444XДО + 0,009XВЭ

где P – оценка вероятности МО, z – значение логистической функции, XЛР – лучевые реакции (0 – Слабые, 1 – Выраженные), XВО – высота опухоли, мм, XДО – диаметр опухоли, мм, XВЭ – время экспозиции

  • Оценка вероятности P является статистически значимым предиктором макулярного отека (AUC = 0,902; 95% ДИ: 0,819 – 0,985, p < 0,001).
  • Пороговое значение оценок вероятности P в точке cut-off, которому соответствовало наивысшее значение индекса Юдена, составило 0,422. МО прогнозировался при значении оценок вероятности P выше данной величины или равном ей.
  • Чувствительность и специфичность: 92,9% и 87,1%.

Приоритет заявки №2025121034/14(049500) на получение решения о выдаче патента на изобретение от 30.07.2025г.

5 of 6

Клинические примеры

Пациент К., 59 лет

P = 1 / (1 + e-z)

z = -6,450 + 3,3725х1 + 0,450х9,1

z = 1,0175

P = 0,735 – что означает высокий риск развития МО

МО выявлен через 6 месяцев после брахитерапии

Пациент Ж., 48 лет

P = 1 / (1 + e-z)

z = -6,449 + 3,295х1 - 0,099х6,5 + 0,444х10,4 + 0,009х98

z = 1,7021

P = 0,846 – что означает высокий риск развития МО

МО выявлен через 3 месяца после брахитерапии

Пациент Г., 70 лет

P = 1 / (1 + e-z)

z = -6,450 + 3,3725х0 + 0,450х8,5

z = -2,625

P = 0,068 – что означает отсутствие риска развития МО

МО не выявлен (период наблюдения – 2 года)

Пациент Ф., 55 лет

P = 1 / (1 + e-z)

z = -6,449 + 3,295х0 - 0,099х3,5 + 0,444х11 + 0,009х75

z = -1,2365

P = 0,225 – что означает отсутствие риска развития МО

МО не выявлен (период наблюдения – 2 года)

Формула прогноза МО №1

Формула прогноза МО №2

6 of 6

Выводы

  • разработаны математические модели прогноза постлучевого макулярного отека, которые позволяют в ходе брахитерапии и в раннем постлучевом периоде прогнозировать с высокой долей вероятности развитие макулярного отека;
  • предложенные формулы прогноза постлучевого макулярного отека рекомендуется использовать в клинической практике для планирования медикаментозного сопровождения раннего послеоперационного периода и динамики наблюдений пациента