Роль искусственного интеллекта в оценке прогрессирующих фиброзирующих болезней легких

Обложка

Цитировать

Полный текст

Аннотация

Применение в период пандемии COVID-19 программ искусственного интеллекта (ИИ) для оценки точного объема поражения легочной ткани позволило обучить им большое число рентгенологов. Простота программы определения пораженной легочной ткани при острой интерстициальной пневмонии, имеющей плотностные показатели в промежутке от -200 единиц Хаунсфилда (HU) до -730 HU, куда входят плотностные показатели «матового стекла» и ретикуляции (основных лучевых паттернов при COVID-19), позволяет точно определить степень распространенности процесса. В те же плотностные рамки укладываются характеристики хронических фиброзирующих интерстициальных заболеваний легких, имеющих прогрессирующий характер. Определение степени распространенности кистозного поражения с помощью программы обсчета эмфиземы дает полное представление об объеме утраченной легочной ткани.

Цель. Определить возможности ИИ в оценке прогрессирования фиброзирующих болезней легких.

Материалы и методы. Ретроспективный анализ данных компьютерной томографии при динамическом наблюдении 75 пациентов с прогрессирующими фиброзирующими болезнями легких позволил оценить распространенность и нарастание поражения.

Результаты. Программы определения объема поражения легочной ткани позволили точно оценить степень распространенности интерстициальных изменений при фиброзирующих болезнях легких и коррелировали с наиболее важным параметром легочного ресурса – диффузионной способностью легких. Степень нарастания интерстициальных изменений при прогрессировании и обострении имела высокую связь по шкале Чеддока (p<0,05; r=0,72) со степенью снижения диффузионной способности легких. Сочетание идиопатического легочного фиброза с хронической обструктивной болезнью легких, выявленное у 23 (30,6%) пациентов, и необходимость определения протяженности «сотового легкого» с крупным диаметром «сот», отмеченного у 42 (56%) больных, требовало применения сочетанного подсчета объема поражения легочной ткани с вычленением диапазона плотностей, используемых как для COVID-19-поражения легких, так и для кистозно-эмфизематозного поражения, позволяя точно оценить степень распространенности интерстициальных и кистозных изменений при идиопатическом легочном фиброзе.

Заключение. Опыт использования программ ИИ для определения степени распространенности острой интерстициальной пневмонии при COVID-19 и эмфиземы при хронической обструктивной болезни легких может быть применен для оценки прогрессирования хронических фиброзирующих интерстициальных заболеваний легких, что важно для своевременного назначения антифибротической терапии.

Об авторах

Александра Анатольевна Сперанская

ФГБОУ ВО «Первый Санкт-Петербургский государственный медицинский университет им. акад. И.П. Павлова» Минздрава России

Автор, ответственный за переписку.
Email: a.spera@mail.ru
ORCID iD: 0000-0001-8322-4509

д-р мед. наук, проф., проф. каф. рентгенологии и радиационной медицины с рентгенологическим и радиологическим отделениями

Россия, Санкт-Петербург

Список литературы

  1. Inui S. Radiology: Cardiothoracic Imaging, 8 April 2020. Available at: https://www.researchgate.net/journal/Radiology-Cardiothoracic-Imaging-2638-6135. Accessed at: 24.02.2022.
  2. Han X, Fan Y, Alwalid O, et al. Six-month Follow-up Chest CT Findings after Severe COVID-19 Pneumonia. Radiology. 2021;299(1):E177-86. doi: 10.1148/radiol.2021203153
  3. Flaherty KR, Wells AU, Cottin V, et al. Nintedanib in Progressive Fibrosing Interstitial Lung Diseases. N Engl J Med. 2019;381(18):1718-27. doi: 10.1056/nejmoa1908681
  4. Cottin V, Wollin L, Fischer A, et al. Fibrosing interstitial lung diseases: knowns and unknowns. Eur Respir Rev. 2019;28(151). doi: 10.1183/16000617.0100-2018
  5. Raghu G, Collard HR, Egan JJ, et al. An official ATS/ERS/JRS/ALAT statement: idiopathic pulmona ry fibrosis; evidence based guidelines for diagnosis and management. Am J Respir Crit Care Med. 2011;183:788-824.
  6. Сперанская А.А., Новикова Л.Н., Двораковская И.В., и др. Лучевая и морфологическая картина фиброзирующих болезней легких: от ранних признаков до исхода. Лучевая диагностика и терапия. 2020;11(2):89-98 [Speranskaya AA, Novikova LN, Dvorakovskaya IV, et al. Radiation and morphological picture of fibrosing lung diseases: from early signs to outcome. Diagnostic Radiology and Radiotherapy. 2020;11(2):89-98 (in Russian)]. doi: 10.22328/2079-5343-2020-11-2-89-98
  7. Maldonado F, Moua T, Rajagopalan S, et al. Automated quantification of radiological patterns predicts survival in idiopathic pulmonary fibrosis. Eur Respir J. 2014;43(1):204-12. doi: 10.1183/09031936.00071812
  8. Jacob J, Bartholmai B, Rajagopalan S, et al. Mortality prediction in idiopathic pulmonary fibrosis: evaluation of automated computer-based CT analysis with conventional severity measures. Eur Respir J. 2017;49:1601011. doi: 10.1183/13993003.01011-2016

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Больной М., 65 лет. ИЛФ. КТ с оценкой объема поражения от 03.03.2020 – объем пораженной легочной ткани – 18,07%, что составляет 0,98 л из 5,45 л (общей емкости легких) (a, b, c). Контрольная КТ от 13.07.2020 – нарастание клинической симптоматики, увеличение объема пораженной легочной ткани – 19,62%, 1,05 л из 5,35 л (d, e, f). Контрольная КТ от 22.12.2020 – увеличение объема пораженной легочной ткани – 21,92%, 1,08 л из 4,92 л (g, h, i). Контрольная КТ от 09.06.2021 – стабилизация процесса на фоне терапии – 20,97%, 1,12 л из 5,37 л (j, k, l). В период с 03.2020 до 12.2020 отмечается снижение ДСЛ на 16% (с 70% ДСЛ до 54% ДСЛ).

Скачать (338KB)
3. Рис. 2. Больной Л., 63 года. ИЛФ. КТ с оценкой объема поражения от 21.01.2017 – визуально (а), с помощью программы ИИ: объем интерстициального поражения легочной ткани (b, d) – 28,67%, что составляет 1,20 л из 4,18 л (общей емкости легких), объем кистозно-буллезной трансформации легочной ткани (с, d) – 3,98%, что составляет 0,16 л из 4,18 л (общей емкости легких), суммарный объем поражения – 32,65%. Контрольная КТ с оценкой объема поражения от 14.09.2021 – визуально (e), с помощью программы ИИ: объем интерстициального поражения легочной ткани (f, h) – 33,24%, что составляет 1,46 л из 4,40 л (общей емкости легких), объем кистозно-буллезной трансформации легочной ткани (g, h) – 6,41%, что составляет 0,28 л из 4,40 л (общей емкости легких), суммарный объем поражения – 39,65%. В период с 2017 по 2021 г. отмечается снижение ДСЛ на 18% (с 41% ДСЛ до 23% ДСЛ).

Скачать (347KB)
4. Рис. 3. Графические автопортреты Пушкина в разные периоды его жизни – старение и мудрость.

Скачать (120KB)

© ООО "Консилиум Медикум", 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
 
 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».