利用人工智能预测和预防癌症患者非肿瘤相关死亡率：ARILIS研究方案

封面

如何引用文章

全文:

详细

研究目的 。 本文介绍ARILIS(Analysis of Risks with Intelligent Laboratory Innovative System) 研究，旨在评估人工智能分析胸部CT数据的能力，以预测和预防癌症患者的非肿瘤相关死亡率。

材料与方法。 本研究为队列研究，将纳入2019至2023年期间在阿尔汉格尔斯克州确诊的恶性肿瘤患者。研究还计划将COVID-19肺炎患者、全身性疾病患者及“了解你的心脏”研究中的人群样本作为对照组。所有参与者的胸部CT数据将使用IRA LABS公司的多目标人工智能算法进行处理，以发现并量化心血管、肺部及骨骼系统病变的CT征象。从CT数据处理之日起，参与者将接受随访，追踪新发临床诊断及全因死亡情况。

预期结果。 确定癌症患者中心血管、肺部和骨骼系统病变的CT征象流行率，并与人群样本进行比较；评估癌症患者心血管、肺部和骨骼事件的发生率及全因死亡率，并与对照组进行比较；确定IRA LABS多目标人工智能算法在评估及重新分类癌症患者风险中的应用潜力；开发适用于实际医疗实践的多目标人工智能算法软件产品。

作者简介

Mikhail Yu. Valkov

Northern State Medical University; Arkhangelsk Regional Oncological Dispensary

编辑信件的主要联系方式.
Email: i@mvalkov.ru
ORCID iD: 0000-0003-3230-9638
SPIN 代码: 8608-8239

MD, Dr. Sci (Medicine), Professor

俄罗斯联邦, Arkhangelsk; Arkhangelsk

Andrej М. Grjibovski

Northern State Medical University; Northern (Arctic) Federal University n.a. M.V. Lomonosov; M.K. Ammosov North-Eastern Federal University

Email: a.grjibovski@yandex.ru
ORCID iD: 0000-0002-5464-0498
SPIN 代码: 5118-0081

MD, MPhil, PhD

俄罗斯联邦, Arkhangelsk; Arkhangelsk; Yakutsk

Alexander V. Kudryavtsev

Northern State Medical University

Email: ispha09@gmail.com
ORCID iD: 0000-0001-8902-8947
SPIN 代码: 9296-2930

PhD

俄罗斯联邦, Arkhangelsk

Maxim A. Bogdanov

Northern State Medical University

Email: chief-bma@ya.ru
ORCID iD: 0009-0002-3469-658X
俄罗斯联邦, Arkhangelsk

Dmitriy V. Bogdanov

Northern State Medical University; Arkhangelsk Regional Oncological Dispensary

Email: bogdanovdv@onko29.ru
ORCID iD: 0000-0002-4105-326X
SPIN 代码: 2507-1354
俄罗斯联邦, Arkhangelsk; Arkhangelsk

Andrey A. Dyachenko

Northern State Medical University

Email: andreydyachenko3@gmail.com
ORCID iD: 0000-0001-8421-5305
SPIN 代码: 5887-5750

MD, Cand. Sci. (Medicine)

俄罗斯联邦, Arkhangelsk

Valeria Yu. Chernina

JSC “IRA Labs”

Email: chernina909@gmail.com
ORCID iD: 0000-0002-0302-293X
SPIN 代码: 8896-8051
俄罗斯联邦, Moscow

Mikhail G. Belyaev

JSC “IRA Labs”

Email: belyaevmichel@gmail.com
ORCID iD: 0000-0001-9906-6453
SPIN 代码: 2406-1772

Cand. Sci. (Physics and Mathematics), Professor

俄罗斯联邦, Moscow

Farukh R. Yaushev

JSC “IRA Labs”; Moscow Institute of Physics and Technology

Email: yaushev@phystech.edu
ORCID iD: 0009-0006-1210-5311
俄罗斯联邦, Moscow; Dolgoprudny

Elena V. Panina

JSC “IRA Labs”

Email: panina@npcmr.ru
ORCID iD: 0009-0008-2981-2957
SPIN 代码: 7633-4770
俄罗斯联邦, Moscow

Maria A. Donskova

JSC “IRA Labs”

Email: m.donskova@ira-labs.com
ORCID iD: 0009-0001-5095-1723
SPIN 代码: 1892-3711
俄罗斯联邦, Moscow

Evgenia A. Soboleva

JSC “IRA Labs”

Email: info@ira-labs.com
ORCID iD: 0009-0009-4037-6911
俄罗斯联邦, Moscow

Maria V. Basova

JSC “IRA Labs”

Email: m.basova@ira-labs.com
ORCID iD: 0009-0000-3325-8452
俄罗斯联邦, Moscow

Maxim E. Pisov

JSC “IRA Labs”

Email: max@ira-labs.com
ORCID iD: 0000-0001-8727-5792
SPIN 代码: 7812-9031
俄罗斯联邦, Moscow

Maria N. Dugova

JSC “IRA Labs”

Email: dugovamaria@yandex.ru
ORCID iD: 0009-0004-5586-8015
俄罗斯联邦, Moscow

Ekaterina A. Petrash

JSC “IRA Labs”

Email: e.a.petrash@gmail.com
ORCID iD: 0000-0001-6572-5369
SPIN 代码: 6910-8890
俄罗斯联邦, Moscow

Regina R. Gareeva

JSC “IRA Labs”

Email: regina.gareeva@phystech.edu
ORCID iD: 0009-0007-5519-7268
俄罗斯联邦, Moscow

Alexey E. Shevtsov

JSC “IRA Labs”

Email: a.shevtsov@ira-labs.com
ORCID iD: 0000-0003-3085-4325
俄罗斯联邦, Moscow

Vilgelm V. Volman

JSC “IRA Labs”

Email: v.volman@ira-labs.com
ORCID iD: 0009-0000-6631-1256
俄罗斯联邦, Moscow

Zelimhan G.-M. Berikhanov

Sechenov First Moscow State Medical Univesity

Email: berikkhanov_z_g@staff.sechenov.ru
ORCID iD: 0000-0002-4335-3987
SPIN 代码: 5506-9748

MD, Cand. Sci. (Medicine)

俄罗斯联邦, Moscow

Sergey N. Avdeev

Sechenov First Moscow State Medical Univesity

Email: serg_avdeev@list.ru
ORCID iD: 0000-0002-5999-2150
SPIN 代码: 1645-5524

MD, Dr. Sci. (Medicine), Professor

俄罗斯联邦, Moscow

Natalya S. Serova

Sechenov First Moscow State Medical Univesity

Email: serova_n_s@staff.sechenov.ru
ORCID iD: 0000-0001-6697-7824
SPIN 代码: 4632-3235

MD, Dr. Sci. (Medicine), Professor

俄罗斯联邦, Moscow

Marina I. Sekacheva

Sechenov First Moscow State Medical Univesity

Email: serova_n_s@staff.sechenov.ru
ORCID iD: 0000-0003-0015-7094
SPIN 代码: 4801-3742

PhD, Associate Professor

俄罗斯联邦, Moscow

Yaroslav I. Ashikhmin

Center for Healthcare Quality Assessment and Control

Email: ashikhmin@rosmedex.ru
ORCID iD: 0000-0002-1243-5701
SPIN 代码: 3871-1099

MD, Cand. Sci. (Medicine)

俄罗斯联邦, Moscow

Zhanna E. Belaya

Endocrinology Research Center

Email: jannabelaya@gmail.com
ORCID iD: 0000-0002-6674-6441
SPIN 代码: 4746-7173

MD, Dr. Sci. (Medicine)

俄罗斯联邦, Moscow

Vitaly V. Omelyanovskiy

Center for Healthcare Quality Assessment and Control

Email: vvo@rosmedex.ru
ORCID iD: 0000-0003-1581-0703
SPIN 代码: 1776-4270

MD, Dr. Sci. (Medicine), Professor

俄罗斯联邦, Moscow

Mikhail Yu. Goncharov

JSC “IRA Labs”; Artificial Intelligence Research Institute

Email: m.goncharov@ira-labs.com
ORCID iD: 0009-0009-8417-0878
SPIN 代码: 7877-3375
俄罗斯联邦, Moscow; Moscow

Aleksandr S. Gershtanskiy

Northern State Medical University

Email: zdrav@dvinaland.ru
ORCID iD: 0009-0000-9646-1511
俄罗斯联邦, Arkhangelsk

Victor A. Gombolevskiy

JSC “IRA Labs”; Sechenov First Moscow State Medical Univesity; Artificial Intelligence Research Institute

Email: g_victor@mail.ru
ORCID iD: 0000-0003-1816-1315
SPIN 代码: 6810-3279

MD, Cand. Sci. (Medicine)

Moscow; Moscow; Moscow

参考

  1. World Health Organization: The top 10 causes of death. Global web-site. [cited 2024 Febr 13]. Available from: https://www.who.int/news-room/fact-sheets/detail/the-top-10-causes-of-death
  2. Wong MCS, Huang J, Chan PS, et al. Global incidence and mortality of gastric cancer, 1980-2018. JAMA Network Open. 2021;4(7):e2118457. doi: 10.1001/jamanetworkopen.2021.18457
  3. Howlader N, Forjaz G, Mooradian MJ, et al. The effect of advances in lung-cancer treatment on population mortality. N Engl J Med. 2020;383(7):640–649. doi: 10.1056/NEJMoa1916623
  4. Allemani C, Weir HK, Carreira H, et al. Global surveillance of cancer survival 1995–2009: analysis of individual data for 25 676 887 patients from 279 population-based registries in 67 countries (CONCORD-2). Lancet. 2015;385(9972):977–1010. doi: 10.1016/S0140-6736(14)62038-9
  5. Zeng H, Chen W, Zheng R, et al. Changing cancer survival in China during 2003–2015: a pooled analysis of 17 population-based cancer registries. Lancet Global Health. 2018;6(5):e555–e567. doi: 10.1016/S2214-109X(18)30127-X
  6. Valkova LE, Merabishvili VM, Pankratyeva AYu, et al. Survival of cancer patients screened at the first stage of dispanserization of certain groups of the adult population: a population-based epidemiological analysis. Problems in Oncology. 2021;67(4): 501–510. EDN: LHCVAZ d oi: 10.37469/0507-3758-2021-67-4-501-510
  7. Zaorsky NG, Churilla TM., Egleston BL, et al. Causes of death among cancer patients. Ann Oncol. 2017;28(2):400–407. doi: 10.1093/annonc/mdw604
  8. Valkova LE, Levit ML, Merabishvili VM, et al. Cancer mortality trends after implementation of the national programme for dispensarization of certain groups of the adult population: a population-based study from Arkhangelsk, North-western Russia. Research'n Practical Medicine Journal. 2020;7(4):175–182. EDN: UWZJGX doi: 10.17709/2409-2231-2020-7-4-14
  9. Cao B, Soerjomataram I, Bray F. The burden and prevention of premature deaths from noncommunicable diseases, including cancer: a global perspective. In: Wild C.P., Weiderpass E., Stewart B.W., eds. World Cancer Report. Cancer research for cancer prevention. Lion; 2020.
  10. Authors/Task Force Members, Piepoli MF, Hoes AW, et al. 2016 European Guidelines on cardiovascular disease prevention in clinical practice: the sixth joint task force of the European Society of Cardiology and other societies on cardiovascular disease prevention in clinical practice (constituted by representatives of 10 societies and by invited experts): developed with the special contribution of the European Association for Cardiovascular Prevention & Rehabilitation (EACPR). Eur J Prev Cardiol. 2016;23(11):NP1–NP96. doi: 10.1177/2047487316653709
  11. Sedlak T, Herscovici R, Cook-Wiens G, et al. Predicted versus observed major adverse cardiac event risk in women with evidence of ischemia and no obstructive coronary artery disease: a report from WISE (Women's Ischemia Syndrome Evaluation). J Am Heart Assoc. 2020;9(7):e013234. d oi: 10.1161/JAHA.119.013234
  12. Sofogianni A, Stalikas N, Antza C, Tziomalos K. Cardiovascular risk prediction models and scores in the era of personalized medicine. J Pers Med. 2022;12(7):1180. doi: 10.3390/jpm12071180
  13. Safaryan AS, Vygodin VA, Nebieridze DV, Nikonova KV. Comparability of cardiovascular risk assessment according to the SCORE and the coronary artery calcium score (Agatston score). Cardiovascular Therapy and Prevention. 2023;22(9):3650. EDN: EWWUXT doi: 10.15829/1728-8800-2023-3650
  14. Experiment on the use of innovative technologies in computer vision for the analysis of medical images and further application in the healthcare system. [cited 2024 May 18]. Available from: https://mosmed.ai
  15. Chernina VYu, Belyaev MG, Silin AYu, et al. Analysis of the diagnostic and economic impact of the combined artificial intelligence algorithm for analysis of 10 pathological findings on chest computed tomography. Digital Diagnostics. 2023;4(2):105−132. EDN: UGUJWJ d oi: https://doi.org/10.17816/DD321963
  16. Morozov SP, Protsenko DN, Smetanina SV, et al. Radiation diagnostics of coronavirus disease (COVID-19): organization, methodology, interpretation of results: preprint no. CDT-2020-I. In: The best practices of radiation and instrumental diagnostics. Issue 65. Moscow: GBUZ "NPCC DiT DZM"; 2020. (In Russ.)
  17. Lynch DA, Austin JH, Hogg JC, et al. CT-definable subtypes of chronic obstructive pulmonary disease: a statement of the Fleischner Society. Radiology. 2015;277(1):192–205. d oi: 10.1148/radiol.2015141579
  18. Hersh CP, Washko GR, Estépar RS, et al. Paired inspiratory-expiratory chest CT scans to assess for small airways disease in COPD. Respir Res. 2013;14(1):42. d oi: 10.1186/1465-9921-14-42
  19. Erbel R, Aboyans V, Boileau C, et al. 2014 ESC Guidelines on the diagnosis and treatment of aortic diseases: Document covering acute and chronic aortic diseases of the thoracic and abdominal aorta of the adult. The task force for the diagnosis and treatment of aortic diseases of the European Society of Cardiology (ESC). Eur Heart J. 2014;35(41):2873–2926. doi: 10.1093/eurheartj/ehu281
  20. Wanhainen A, Verzini, Van Herzeele I, et al. Editor's Choice — European Society for Vascular Surgery (ESVS) 2019 Clinical practice guidelines on the management of abdominal aorto-iliac artery aneurysms. Eur J Vascul Endovascul Surg. 2019;57(1):8–93. doi: 10.1016/j.ejvs.2018.09.020
  21. Jurgens PT, Carr JJ, Terry JG, et al. Association of abdominal aorta calcium and coronary artery calcium with incident cardiovascular and coronary heart disease events in black and white middle-aged people: The coronary artery risk development in young adults’ study. J Am Heart Assoc. 2021;10(24):e023037. doi: 10.1161/JAHA.121.023037
  22. Galiè N, Humbert M, Vachiery JL, et al. 2015 ESC/ERS Guidelines for the diagnosis and treatment of pulmonary hypertension: The joint task force for the diagnosis and treatment of pulmonary hypertension of the European society of cardiology (ESC) and the European respiratory society (ERS): Endorsed by: Association for European paediatric and congenital cardiology (AEPC), International society for heart and lung transplantation (ISHLT). Eur Respir J. 2015;46(4):903–975. doi: 10.1183/13993003.01032-2015
  23. Agatston AS, Janowitz WR, Hildner FJ, et al. Quantification of coronary artery calcium using ultrafast computed tomography. J Am Coll Cardiol. 1990;15:(4):827–832. d oi: 10.1016/0735-1097(90)90282-t
  24. Belaya ZhE, Belova KYu, Biryukova EV, et al. Federal clinical guidelines for diagnosis, treatment and prevention of osteoporosis. Osteoporosis and Bone Diseases. 2021;24(2):4–47. EDN: TUONYE doi: 10.14341/osteo12930
  25. Genant HK, Jergas M. Assessment of prevalent and incident vertebral fractures in osteoporosis research. Osteoporosis Int. 2003;14 Suppl 3:S43–S55. doi: 10.1007/S00198-002-1348-1
  26. Spearman JV, Renker M, Schoepf UJ, et al. Prognostic value of epicardial fat volume measurements by computed tomography: a systematic review of the literature. Eur Radiol. 2015;25(11):3372–3381. doi: 10.1007/s00330-015-3765-5
  27. Cook S, Malyutina S, Kudryavtsev AV, et al. Know your heart: rationale, design and conduct of a cross-sectional study of cardiovascular structure, function and risk factors in 4500 men and women aged 35-69 years from two Russian cities. Wellcome Open Res. 2018;3:67. doi: 10.12688/wellcomeopenres.14619.3
  28. Mirolyubova O, Kholmatova K, Postoeva A, et al. Socio-demographic, lifestyle, and cardiometabolic characteristics associated with low-grade systemic inflammation in Russian adult population. Biomolecules. 2023;13(5):835. d oi: 10.3390/biom13050835
  29. Drapkina OM, Shalnova SA, Imaeva AE, et al. Epidemiology of cardiovascular diseases in regions of Russian Federation. Third survey (ESSE-RF-3). Rationale and study design. Cardiovascular Therapy and Prevention. 2022;21(5):48–57. d oi: 10.15829/1728-8800-2022-3246
  30. McClelland RL, Jorgensen NW, Budoff M, et al. 10-year coronary heart disease risk prediction using coronary artery calcium and traditional risk factors: derivation in the MESA (Multi-Ethnic Study of Atherosclerosis) with validation in the HNR (Heinz Nixdorf Recall) study and the DHS (Dallas Heart Study). J Am Coll Cardiol. 2015;66(15):1643–1653. d oi: 10.1016/j.jacc.2015.08.035
  31. Diagnostics and Telemedicine Center [Internet]. AIRA Labs LLC Chest-IRA. [cited 2024 Apr 17]. Available from: h ttps://mosmed.ai/service_catalog/chestira
  32. Morozov SP, Vladzimirskiy AV, Klyashtornyi VG, et al. Clinical trials of software based on intelligent technologies (radiation diagnostics): preprint No. CDT-2019-1. In: The best practices of radiation and instrumental diagnostics. Issue 23. Moscow: GBUZ "NPCC DiT DZM"; 2019. (In Russ.)
  33. Vladzimirskiy AV, Vasiliev YuA, Arzamasov КМ, et al. Computer vision in radiation diagnostics: the first stage of the Moscow experiment. Moscow: Izdatel'skie resheniya; 2023. (In Russ.) EDN: FOYLXK
  34. Ansah JP, Chiu CT. Projecting the chronic disease burden among the adult population in the United States using a multi-state population model. Front Public Health. 2023;10:1082183. doi: 10.3389/fpubh.2022.1082183
  35. Koene RJ, Prizment AE, Blaes A, Konety SH. Shared risk factors in cardiovascular disease and cancer. Circulation. 2016;133(11):1104–1114. d oi: 10.1161/CIRCULATIONAHA.115.020406

补充文件

附件文件
动作
1. JATS XML
下载
2. Fig. 1. Schematic representation of the project stages.

下载 (47KB)
索引源数据
3. Fig. 2. The results of the analysis of computed tomography using multitasking artificial intelligence technology; an image in the axial plane with data on detected pathologies: green indicates the values of findings within the normal range, yellow and orange — clinically insignificant findings, red — clinically significant; on the right is a scrolling corresponding to the CT series, on which colors are displayed pathologies identified by artificial intelligence on slices.

下载 (251KB)
索引源数据
4. Fig. 3. The result of processing computed tomography using multi-target artificial intelligence technology. For each CT scan, 4 key images are created, grouped according to the following principle: findings in the respiratory system, findings in the cardiovascular system, findings in the organs of the abdominal cavity and retroperitoneal space, findings in the bone system.

下载 (535KB)
索引源数据

版权所有 © Eco-Vector, 2024

Creative Commons License
此作品已接受知识共享署名-非商业性使用-禁止演绎 4.0国际许可协议的许可。
 


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».