Влияние индекса массы тела на надёжность шкалы КТ 0–4: сравнение протоколов компьютерной томографии

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Из-за повышения частоты использования компьютерной томографии органов грудной клетки в борьбе с COVID-19 возникла необходимость применения низкодозной компьютерной томографии для снижения дозовой нагрузки на организм пациента при сохранении диагностической ценности исследования. При этом данных о влиянии индекса массы тела пациента на точность низкодозной компьютерно-томографической диагностики у пациентов с COVID-19 в опубликованной литературе не обнаружено.

Цель ― оценить влияние индекса массы тела пациента на уровень согласия между врачами-рентгенологами при интерпретации стандартной и низкодозной компьютерной томографии органов грудной клетки при COVID-19-ассоциированной пневмонии по визуальной полуколичественной шкале КТ 0–4.

Материалы и методы. Ретроспективное многоцентровое исследование, в котором каждому из участников в рамках одного визита было последовательно выполнено два исследования органов грудной клетки по стандартному и низкодозному протоколу. Интерпретация стандартной и низкодозной компьютерной томографии органов грудной клетки с лёгочным и мягкотканным кернелами проводилась по визуальной полуколичественной шкале КТ 0–4. Данные для каждого протокола были сгруппированы по значению индекса массы тела (пороговое значение для патологии было принято равным 25 кг/м2). Согласие рассчитывали на основе бинарной и взвешенной классификаций. Оценку наличия статистически значимых различий средних для полученных групп проводили методом однофакторного дисперсионного анализа ANOVA.

Результаты. Из общего количества пациентов (n=231) 230 соответствовали установленным критериям включения в исследование. Эксперты обработали по 4 исследования стандартной и низкодозной компьютерной томографии с лёгочным и мягкотканным кернелами для каждого пациента. Доля пациентов с нормальным весом составила 31% (71 человек), медиана индекса массы тела для выборки равна 27,5 (18,3; 48,3) кг/м2. Статистически значимых различий при межгрупповом попарном сравнении не выявлено ни для бинарной, ни для взвешенной классификации (p-value 0,09 и 0,12 соответственно). Группа пациентов с избыточным весом была дополнительно разделена по степеням ожирения, однако результаты исследования оказались инвариантны к такому делению (статистически значимых различий нет: для максимально различных по индексу массы тела групп «норма» и «ожирение 3-й степени» p-value 0,17).

Заключение. Индекс массы тела пациента не влияет на интерпретацию стандартной и низкодозной компьютерной томографии органов грудной клетки при COVID-19 по визуальной полуколичественной шкале КТ 0–4.

Об авторах

Иван Андреевич Блохин

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: i.blokhin@npcmr.ru
ORCID iD: 0000-0002-2681-9378
SPIN-код: 3306-1387
Россия, Москва

Анна Павловна Гончар

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: a.gonchar@npcmr.ru
ORCID iD: 0000-0001-5161-6540
SPIN-код: 3513-9531
Россия, Москва

Мария Романовна Коденко

Научно-практический клинический центр диагностики и телемедицинских технологий; Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)

Автор, ответственный за переписку.
Email: m.kodenko@npcmr.ru
ORCID iD: 0000-0002-0166-3768
SPIN-код: 5789-0319
Россия, Москва; Москва

Александр Владимирович Соловьев

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: a.solovev@npcmr.ru
ORCID iD: 0000-0003-4485-2638
SPIN-код: 9654-4005
Россия, Москва

Виктор Александрович Гомболевский

Институт искусственного интеллекта (AIRI)

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

к.м.н.

Россия, Москва

Роман Владимирович Решетников

Научно-практический клинический центр диагностики и телемедицинских технологий; Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Email: reshetnikov@fbb.msu.ru
ORCID iD: 0000-0002-9661-0254
SPIN-код: 8592-0558

к.ф.-м.н.

Россия, Москва; Москва

Список литературы

  1. Islam N., Ebrahimzadeh S., Salameh J.P., et al. Thoracic imaging tests for the diagnosis of COVID-19 // Cochrane Database Syst Rev. 2020. Vol. 3, N 3. P. CD013639. doi: 10.1002/14651858.CD013639.pub4
  2. Morozov S.P., Chernina V.Y., Blokhin I.A., Gombolevskiy V. Chest computed tomography for outcome prediction in laboratory-confirmed COVID-19: a retrospective analysis of 38,051 cases // Digital Diagnostics. 2020. Vol. 1, N 1. P. 27–36. doi: 10.17816/DD46791
  3. Prasad K.N., Cole W.C., Haase G.M. Radiation protection in humans: extending the concept of as low as reasonably achievable (ALARA) from dose to biological damage // Br J Radiol. 2004. Vol. 77, N 914. P. 97–99. doi: 10.1259/bjr/88081058
  4. Sakane H., Ishida M., Shi L., et al. Biological effects of low-dose chest CT on chromosomal DNA // Radiol. 2020. Vol. 295, N 2. P. 439–445. doi: 10.1148/radiol.2020190389
  5. Du Y., Lv Y., Zha W., et al. Association of body mass index (BMI) with critical COVID-19 and in-hospital mortality: a dose-response meta-analysis // Metabolism. 2021. Vol. 117. P. 154373. doi: 10.1016/j.metabol.2020.154373
  6. Ohana M., Ludes C., Schaal M., et al. Quel avenir pour la radiographie thoracique face au scanner ultra-low dose? // Revue Pneumologie Clinique. 2017. Vol. 73, N 1. P. 3–12. doi: 10.1016/j.pneumo.2016.09.007
  7. Manowitz A., Sedlar M., Griffon M., et al. Use of BMI guidelines and individual dose tracking to minimize radiation exposure from low-dose helical chest CT scanning in a lung cancer screening program // Academ Radiol. 2012. Vol. 19, N 1. P. 84–88. doi: 10.1016/j.acra.2011.09.015
  8. Paul N.S., Kashani H., Odedra D., et al. The influence of chest wall tissue composition in determining image noise during cardiac CT // Am J Roentgenol. 2011. Vol. 197, N 6. P. 1328–1334.
  9. Blokhin I., Gombolevskiy V., Chernina V., et al. Inter-observer agreement between low-dose and standard-dose CT with soft and sharp convolution kernels in COVID-19 pneumonia // J Clin Med. 2022. Vol. 11, N 3. P. 669. doi: 10.3390/jcm11030669
  10. Morozov S.P., Gombolevskiy V.A., Elizarov A.B., et al. A simplified cluster model and a tool adapted for collaborative labeling of lung cancer CT scans // Computer Methods Programs Biomed. 2021. Vol. 206. P. 106111. doi: 10.1016/j.cmpb.2021.106111
  11. Powell-Wiley T.M., Poirier P., Burke L.E., et al. Obesity and cardiovascular disease: a scientific statement from the American Heart Association // Circulation. 2021. Vol. 143, N 21. P. e984–e1010. doi: 10.1161/CIR.0000000000000973
  12. The R Foundation. The R Project for Statistical Computing [интернет]. Режим доступа: . Дата обращения: 15.03.2022.
  13. Fisher R.A. XXI. ― On the dominance ratio // Proceedings Royal Soc Edinburgh. 1923. Vol. 42. P. 321–341. doi: 10.1017/S0370164600023993
  14. Levene H. Robust tests for equality of variances // Olkin I., Ghurye S., Hoeffding W., et al. Contributions to probability and statistics: essays in honor of harold hotelling. Standford University Press, 1961. P. 279–292.
  15. Mosteller F. Data analysis and regression: a second course in statistics. Addison-Wesley Pub. Co., Boston, 1977. 588 p.
  16. Kubo T., Ohno Y., Nishino M., et al.; iLEAD Study Group. Low dose chest CT protocol (50 mAs) as a routine protocol for comprehensive assessment of intrathoracic abnormality // Eur J Radiol Open. 2016. Vol. 3. P. 86–94. doi: 10.1016/j.ejro.2016.04.001
  17. Silin А.Y., Gruzdev I.S., Morozov S.P. The influence of model iterative reconstruction on the image quality in standard and low-dose computer tomography of the chest. Experimental study // J Clin Pract. 2020. Vol. 11, N 4. P. 49–54. doi: 10.17816/clinpract34900
  18. Zhu Z., Ming Z.X., Feng Z.Y., et al. Feasibility study of using gemstone spectral imaging (GSI) and adaptive statistical iterative reconstruction (ASIR) for reducing radiation and iodine contrast dose in abdominal CT patients with high BMI values // PLoS One. 2015. Vol. 10, N 6. P. e0129201. doi: 10.1371/journal.pone.0129201
  19. Filatova D.A., Sinitsin V.E., Mershina E.A. Opportunities to reduce the radiation exposure during computed tomography to assess the changes in the lungs in patients with COVID-19: use of adaptive statistical iterative reconstruction // Digital Diagnostics. 2021. Vol. 2, N 2. P. 94–104.
  20. Lee S.W., Kim Y., Shim S.S., et al. Image quality assessment of ultra-low dose chest CT using sinogram-affirmed iterative reconstruction // Eur Radiol. 2014. Vol. 24, N 4. P. 817–826. doi: 10.1007/s00330-013-3090-9

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Диаграмма согласия экспертов при бинарной (а) и взвешенной (b) классификации для групп по индексу массы тела (серый цвет ― группа избыточного веса, чёрный ― группа нормального веса).

Скачать (198KB)
Метаданные
3. Рис. 2. Постапостериорный анализ гипотезы о сходстве средних: а ― бинарная классификация; b ― нормированная классификация (Протоколы Sharp CT, Soft CT, Sharp LDCT и Soft LDCT закодированы буквами A, B, C и D соответственно, группа нормы закодирована цифрой «1», группа избыточного веса ― цифрой «2»).

Скачать (483KB)
Метаданные

© Блохин И.А., Гончар А.П., Коденко М.Р., Соловьев А.В., Гомболевский В.А., Решетников Р.В., 2022

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

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах