人工智能系统对从胸部计算机断层扫描数据中改进主动脉瘤检测的贡献

封面图片

如何引用文章

全文:

详细

论证。主动脉瘤是“无声杀手”，发病时没有任何症状，而且可能致命。胸主动脉瘤的年发病率约为每10万人10例，动脉瘤破裂的发病率约为1.6例。早期诊断和治疗可以挽救患者的生命。人工智能技术的使用可以大大提高诊断质量，防止死亡。

目的。本研究的目的是评估人工智能技术在胸部计算机断层扫描中检测胸主动脉瘤的有效性，并探讨这些技术作为放射科医生临床决策支持系统在放射学检查初步描述中的可行性。

材料与方法。对使用人工智能技术在无对比度增强的胸部计算机断层扫描中检测胸主动脉瘤的结果进行了评估。研究人员对84405名18岁以上的患者进行了抽样检查。通过人工智能技术筛选出86个疑似胸主动脉瘤的检查。俄罗斯N.V.斯克利福索夫斯基急救研究所的血管外科医生对这些检查结果进行了回顾性分析。两名放射科医生也对这些检查进行了回顾性评估。

另外从总数中随机抽取，形成了包括968个检查在内的额外样本以评估患者年龄与胸主动脉直径之间的相关性。

结果。分析表明，在44例检查中，动脉瘤最初是由放射科医生检测到的；在31例检查中，动脉瘤未被描述，但人工智能技术帮助确定了病理。另有6例检查被排除在样本之外，而有5例检查发现了假阳性检测结果。

使用人工智能技术可以检测并突出显示医学图像中主动脉的病理变化。因此，在解读胸部计算机断层扫描结果时发现胸主动脉瘤的概率提高了41%。在放射学研究的初步描述和回顾性研究中，使用人工智能技术来防止遗漏具有临床意义的病理是可行的，既可作为放射科医生的医疗决策支持系统，又可提高胸主动脉病理扩张的可探测性。

在另一个成年人群样本中，胸主动脉扩张的发生率为14.5%，胸主动脉瘤的发生率为1.2%。数据还显示了，男性和女性的胸主动脉直径与年龄有关。

结论。将人工智能技术应用于胸部器官CT结果的初步描述过程中，可以提高对胸主动脉瘤等临床重大病理状态的检测。利用人工智能技术扩大胸部计算机断层扫描的回顾性筛查范围，可提高合并症的诊断质量，避免给患者带来不良后果。

作者简介

Alexander V. Solovev

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies; Morozov Children’s Municipal Clinical Hospital

Email: atlantis.92@mail.ru
ORCID iD: 0000-0003-4485-2638
SPIN 代码: 9654-4005
俄罗斯联邦, Moscow; Moscow

Yuriy A. Vasilev

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: VasilevYA1@zdrav.mos.ru
ORCID iD: 0000-0002-0208-5218
SPIN 代码: 4458-5608

MD, Cand. Sci. (Medicine)

俄罗斯联邦, Moscow

Valentin E. Sinitsyn

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies; Clinical City Hospital named after I.V. Davydovsky; Lomonosov Moscow State University

Email: vsini@mail.ru
ORCID iD: 0000-0002-5649-2193
SPIN 代码: 8449-6590

MD, Dr. Sci. (Medicine), Professor

俄罗斯联邦, Moscow; Moscow; Moscow

Alexey V. Petraikin

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: atlantis.92@mail.ru
ORCID iD: 0000-0003-1694-4682
SPIN 代码: 6193-1656

MD, Dr. Sci. (Medicine)

俄罗斯联邦, Moscow

Anton V. Vladzymyrskyy

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: VladzimirskijAV@zdrav.mos.ru
ORCID iD: 0000-0002-2990-7736
SPIN 代码: 3602-7120

MD, Dr. Sci. (Medicine)

俄罗斯联邦, Moscow

Igor M. Shulkin

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: ShulkinIM@zdrav.mos.ru
ORCID iD: 0000-0002-7613-5273
SPIN 代码: 5266-0618
俄罗斯联邦, Moscow

Daria E. Sharova

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: SharovaDE@zdrav.mos.ru
ORCID iD: 0000-0001-5792-3912
SPIN 代码: 1811-7595
俄罗斯联邦, Moscow

Dmitry S. Semenov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

编辑信件的主要联系方式.
Email: SemenovDS4@zdrav.mos.ru
ORCID iD: 0000-0002-4293-2514
SPIN 代码: 2278-7290

Cand. Sci. (Engineering)

俄罗斯联邦, Moscow

参考

  1. The top 10 causes of death [Internet]. World Health Organization. [cited 12 May 2023]. Available from: https://www.who.int/ru/news-room/fact-sheets/detail/the-top-10-causes-of-death
  2. Gouveia e Melo R, Silva Duarte G, Lopes A, et al. Incidence and Prevalence of Thoracic Aortic Aneurysms: A Systematic Review and Meta-analysis of Population-Based Studies. Seminars in thoracic and cardiovascular surgery. 2022;34(1):1–16. doi: 10.1053/j.semtcvs.2021.02.029
  3. Clinical guidelines. Guidelines for the diagnosis and treatment of aortic diseases (2017). Russian Journal of Cardiology and Cardiovascular Surgery. 2018;11(1):7–67. EDN: YPAKRP
  4. Kuznechevsky FV, Osipov AKh, Evsikov EM, Abramov IS, Otarova SM. Prevalence and clinical features of aorta aneurysm; and dissections: 10-year results of consequent autopsies made at O.M. Filatov city clinical hospital №15. Russian Journal of Cardiology. 2004;9(6):5–13. EDN: ISVRYL
  5. Irtyuga OB, Voronkina IV, Smagina LV, et al. The frequency to detect of ascending aorta aneurysms and the mechanism of its development according register of the Almazov Federal Heart, Blood and Endocrinology Centre. Bulletin of Almazov Federal Heart, Blood and Endocrinology Centre. 2011;(5):73–78. EDN: OWGHOB
  6. Lavall D, Schäfers HJ, Böhm M, Laufs U. Aneurysms of the ascending aorta. Deutsches Arzteblatt international. 2012;109(13):227–233. doi: 10.3238/arztebl.2012.0227
  7. Olsson C, Thelin S, Ståhle E, Ekbom A, Granath F. Thoracic Aortic Aneurysm and Dissection. Circulation. 2006;114(24):2611–2618. doi: 10.1161/CIRCULATIONAHA.106.630400
  8. Elefteriades JA. Natural history of thoracic aortic aneurysms: indications for surgery, and surgical versus nonsurgical risks. The Annals of thoracic surgery. 2002;74(5):1877–1880. doi: 10.1016/s0003-4975(02)04147-4
  9. Tsai EB, Chiles C, Carter BW, et al. Incidental Findings on Lung Cancer Screening: Significance and Management. Seminars in ultrasound, CT, and MR. 2018;39(3):273–281. doi: 10.1053/j.sult.2018.02.005
  10. Chernina VYu, Blokhin IA, Nikolaev AE, et al. Tactics for the management of incidentalomas. Section 3. Thyroid, pituitary, vasculature and mediastinum. Moscow: Research and Practical Clinical Center for Diagnostics and Telemedicine; 2019. (In Russ). EDN: WSYSYP
  11. Law M. “Opportunistic” Screening. J Med Screen. 1994;1(4):208. doi: 10.1177/096914139400100403
  12. Kumar Y, Hooda K, Li S, et al. Abdominal aortic aneurysm: pictorial review of common appearances and complications. Annals of translational medicine. 2017;5(12):256. doi: 10.21037/atm.2017.04.32
  13. Vasilev YuA, Vladzymyrskyy AV, editors. Computer Vision in Radiologic Diagnostics: the First Stage of the Moscow Experiment. Moscow: Limited Liability Company Izdatelskie reshenia; 2022. (In Russ). EDN: FOYLXK
  14. Erbel R, Aboyans V, Boileau C, Vlachopoulos C. 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. European heart journal. 2014;35(41):2873–2926. doi: 10.1093/eurheartj/ehu281
  15. Documents on the Experiment [Internet]. Center for Diagnostics and Telemedicine. [cited 16 June 2023]. Available from: https://mosmed.ai/ai/docs/
  16. Chest-IRA [Internet]. Center for Diagnostics and Telemedicine. [cited 16 June 2023]. Available from: https://mosmed.ai/service_catalog/chestira/
  17. Evangelista A, Sitges M, Jondeau G, et al. Multimodality imaging in thoracic aortic diseases: a clinical consensus statement from the European Association of Cardiovascular Imaging and the European Society of Cardiology working group on aorta and peripheral vascular diseases. European Heart Journal Cardiovascular Imaging. 2023;24(5):e65–e85. doi: 10.1093/ehjci/jead024
  18. Etli M, Avnioglu S, Yilmaz H, Karahan O. Investigation of the correlation between cardiac parameters and aortic diameter in patients with ascending aortic aneurysm. Egyptian Heart Journal. 2022;74(1):1–7. doi: 10.1186/s43044-022-00238-0
  19. Pearce W, Slaughter M, Lemaire S, et al. Aortic diameter as a function of age, gender, and body surface area. Surgery. 1993;114(4):691–697.
  20. Vasilev YA, Bobrovskaya TM, Arzamasov KM, et al. Medical datasets for machine learning: fundamental principles of standartization and systematization. Manager Zdravoohranenia. 2023;4:28–41. EDN: EPGAMD doi: 10.21045/1811-0185-2023-4-28-41
  21. Chetverikov SF, Arzamasov KM, Andreichenko AE, et al. Approaches to Sampling for Quality Control of Artificial Intelligence in Biomedical Research. Modern Technologies in Medicine. 2023;15(2):19–25. EDN: FUKXYC doi: 10.17691/stm2023.15.2.02
  22. Zinchenko VV, Arzamasov KM, Chetverikov SF, et al. Methodology for Conducting Post-Marketing Surveillance of Software as a Medical Device Based on Artificial Intelligence Technologies. Modern Technologies in Medicine. 2022;14(5):15–25. doi: 10.17691/stm2022.14.5.02
  23. Chernina VY, Belyaev MG, Silin AY, et al. A diagnostic and economic evaluation of the complex artificial intelligence algorithm aimed to detect 10 pathologies on the chest CT images. medRxiv. 2023;4. doi: 10.1101/2023.04.19.23288584
  24. Macruz FBC, Lu C, Strout J, et al. Quantification of the Thoracic Aorta and Detection of Aneurysm at CT: Development and Validation of a Fully Automatic Methodology. Radiology: Artificial Intelligence. 2022;4(2):e210076. doi: 10.1148/ryai.210076
  25. Adam C, Fabre D, Mougin J, et al. Pre-surgical and Post-surgical Aortic Aneurysm Maximum Diameter Measurement: Full Automation by Artificial Intelligence. European Journal of Vascular and Endovascular Surgery. 2021;62(6):869–877. doi: 10.1016/j.ejvs.2021.07.013
  26. Vladzymyrskyy AV, Kudryavtsev ND, Kozhikhina DD, et al. Effectiveness of using artificial intelligence technologies for dual descriptions of the results of preventive lung examinations. Profilakticheskaya Meditsina. 2022;25(7):7–15. doi: 10.17116/profmed2022250717
  27. Rodriguez-Ruiz A, Lång K, Gubern-Merida A, et al. Stand-Alone Artificial Intelligence for Breast Cancer Detection in Mammography: Comparison With 101 Radiologists. Journal of the National Cancer Institute. 2019;111(9):916–922. doi: 10.1093/jnci/djy222
  28. Rueckel J, Reidler P, Fink N, et al. Artificial intelligence assistance improves reporting efficiency of thoracic aortic aneurysm CT follow-up. European journal of radiology. 2021;134(134):109424. doi: 10.1016/j.ejrad.2020.109424
  29. Tang A, Tam R, Cadrin-Chênevert A, et al. Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology. Canadian Association of Radiologists journal. 2018;69(2):120–135. doi: 10.1016/j.carj.2018.02.002
  30. Certificate of state registration of the database № 2023621046/ 30.03.2023. Vasilev YuA, Turavilova EV, Shul’kin IM, et al. MosMedData: CT scan with signs of abdominal aortic aneurysm. (In Russ). EDN: LXROHZ
  31. Aliev AF, Kudryavtsev ND, Petraikin AV, et al. Changing of pulmonary artery diameter in accordance with severity of COVID-19 (assessment based on non-contrast computer tomography). Digital Diagnostics. 2021;2(3):249–260. EDN: VTMKCJ doi: 10.17816/DD76726
  32. Morozov SP, Shapieva AN, Narkevich BYa, et al. Informativity of radial diagnostics methods in various pathological conditions of the organism. Moscow: Research and Practical Clinical Center for Diagnostics and Telemedicine; 2020. (In Russ). EDN: DYEYBT
  33. Vasilev YuA, Vladzymyrskyy AV, Bondarchuk DV, et al. Importance of artificial intelligence technologies to prevent defects in radiologist’s practice. Medical doctor and IT. 2023;(2):16–27. EDN: SYZAOQ doi: 10.25881/18110193_2023_2_16

补充文件

附件文件
动作
1. JATS XML
下载
2. 图1。研究设计。

下载 (259KB)
索引源数据
3. 图2。在处理胸部计算机断层扫描数据时使用人工智能综合服务的示例：a——人工智能技术正确识别并标记（红线）了胸主动脉瘤升支和降支的可疑部位；b——假阳性结果：纵隔肿块连同胸主动脉升支被标记（红线），胸主动脉降支的直径被标注在绿色框内。这项人工智能综合服务还包括标记肺部浸润性病变（橙色轮廓）和胸腔积液（黄色轮廓）的附加模块。

下载 (255KB)
索引源数据
4. 图3。在968个检查样本中，胸主动脉最大直径与年龄的关系图：a——男性；b——女性。

下载 (227KB)
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».