Двойной просмотр результатов маммографии с применением технологий искусственного интеллекта: новая модель организации массовых профилактических исследований
- Авторы: Васильев Ю.А.1, Тыров И.А.2, Владзимирский А.В.1, Арзамасов К.М.1, Шулькин И.М.1, Кожихина Д.Д.1, Пестренин Л.Д.1
-
Учреждения:
- Научно-практический клинический центр диагностики и телемедицинских технологий
- Департамент здравоохранения города Москвы
- Выпуск: Том 4, № 2 (2023)
- Страницы: 93-104
- Раздел: Оригинальные исследования
- URL: https://journals.rcsi.science/DD/article/view/146879
- DOI: https://doi.org/10.17816/DD321423
- ID: 146879
Цитировать
Аннотация
Обоснование. Доступность наборов медицинских данных и технологий разработки программного обеспечения на основе искусственного интеллекта в последние годы привела к увеличению количества решений для медицинской диагностики и маммографии в частности. Это программное обеспечение, зарегистрированное как медицинское изделие, может быть использовано для описания цифровых маммографий, что позволит в значительной мере сэкономить временные, материальные и кадровые ресурсы в здравоохранении при гарантированном сохранении качества профилактических исследований молочных желёз.
Цель ― обосновать возможность и эффективность применения программного обеспечения на основе технологий искусственного интеллекта для первой интерпретации цифровых маммограмм при сохранении практики второго описания рентгеновских изображений врачом-рентгенологом.
Материалы и методы. Набор данных из 100 цифровых маммографических исследований, из них 50 ― «Отсутствие целевой патологии», 50 ― «Присутствие целевой патологии» (с признаками злокачественных новообразований), был обработан программным обеспечением на основе технологий искусственного интеллекта, зарегистрированным в Российской Федерации как медицинское изделие. Выполнен ROC-анализ. Ограничения исследования: значения метрик диагностической точности получены для версий программного обеспечения на основе технологий искусственного интеллекта, актуальных на конец 2022 года.
Результаты. При настройке на 80,0% чувствительность специфичность искусственного интеллекта составила 90,0% (95% ДИ 81,7–98,3), точность ― 85,0% (95% ДИ 78,0–92,0). При настройке на 100% специфичность искусственный интеллект показал чувствительность 56,0% (95% ДИ 42,2–69,8), точность ― 78,0% (95% ДИ 69,9–86,1). При настройке на 100% чувствительность специфичность искусственного интеллекта составила 54,0% (95% ДИ 40,2–67,8), точность ― 77,0% (95% ДИ 68,8–85,2). Предложены два подхода, предусматривающие автономную первую интерпретацию цифровой маммографии посредством искусственного интеллекта. Первый подход заключается в оценке рентгеновского изображения с помощью искусственного интеллекта с более высокой чувствительностью, чем у двойного описания маммографии врачами-рентгенологами, при сопоставимом уровне специфичности. Второй подход подразумевает, что программное обеспечение на основе технологий искусственного интеллекта будет определять категорию маммографии («Отсутствие целевой патологии» или «Присутствие целевой патологии») с указанием степени своей «уверенности» в полученном результате в зависимости от «коридора», в который попадает предсказанное значение.
Заключение. Оба предложенных сценария использования программного обеспечения на основе технологий искусственного интеллекта с целью автономного первого описания цифровых маммограмм способны обеспечить качество диагностики, не уступающее двойному описанию снимков врачами-рентгенологами и даже превышающее его. Экономическая выгода от практической реализации данного подхода в масштабах страны может составлять от 0,6 до 5,5 млрд рублей ежегодно.
Полный текст
Открыть статью на сайте журналаОб авторах
Юрий Александрович Васильев
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0002-0208-5218
SPIN-код: 4458-5608
канд. мед. наук
Россия, МоскваИлья Александрович Тыров
Департамент здравоохранения города Москвы
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0001-9337-624X
SPIN-код: 8625-3458
Россия, Москва
Антон Вячеславович Владзимирский
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0002-2990-7736
SPIN-код: 3602-7120
д-р мед. наук, профессор
Россия, МоскваКирилл Михайлович Арзамасов
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0001-7786-0349
SPIN-код: 3160-8062
канд. мед. наук
Россия, МоскваИгорь Михайлович Шулькин
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0002-7613-5273
SPIN-код: 5266-0618
Россия, Москва
Дарья Дмитриевна Кожихина
Научно-практический клинический центр диагностики и телемедицинских технологий
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0001-7690-8427
SPIN-код: 5869-3854
Россия, Москва
Лев Дмитриевич Пестренин
Научно-практический клинический центр диагностики и телемедицинских технологий
Автор, ответственный за переписку.
Email: PestreninLD@zdrav.mos.ru
ORCID iD: 0000-0002-1786-4329
SPIN-код: 7193-7706
мл. науч. сотр.
Россия, МоскваСписок литературы
- Злокачественные новообразования в России в 2021 году (заболеваемость и смертность) / под ред. А.Д. Каприна, В.В. Старинского, А.О. Шахзадовой. Москва, 2022. 252 с.
- Состояние онкологической помощи населению России в 2021 году / под ред. А.Д. Каприна, В.В. Старинского, А.О. Шахзадовой. Москва, 2022. 239 с.
- Chen Y., James J.J., Michalopoulou E., et al. Performance of radiologists and radiographers in double reading mammograms: The UK national health service breast screening program // Radiology. 2023. Vol. 306, N 1. P. 102–109. doi: 10.1148/radiol.212951
- Euler-Chelpin M.V., Lillholm M., Napolitano G., et al. Screening mammography: Benefit of double reading by breast density // Breast Cancer Res Treat. 2018. Vol. 171, N 3. P. 767–776. doi: 10.1007/s10549-018-4864-1
- Hickman S.E., Woitek R., Le E.P., et al. Machine learning for workflow applications in screening mammography: Systematic review and meta-analysis // Radiology. 2022. Vol. 302, N 1. P. 88–104. doi: 10.1148/radiol.2021210391
- Liu J., Lei J., Ou Y., et al. Mammography diagnosis of breast cancer screening through machine learning: A systematic review and meta-analysis // Clin Exp Med. 2022. doi: 10.1007/s10238-022-00895-0
- Рожкова Н.И., Ройтберг П.Г., Варфоломеева А.А., и др. Cегментационная модель скрининга рака молочной железы на основе нейросетевого анализа рентгеновских изображений // Сеченовский вестник. 2020. Т. 11, № 3. С. 4–14. doi: 10.47093/2218-7332.2020.11.3.4-14
- Компьютерное зрение в лучевой диагностике: первый этап Московского эксперимента. Монография / под ред. Ю.А. Васильева, А.В. Владзимирского. Москва: Издательские решения, 2022. 388 с.
- Патент РФ на изобретение № 2022617324/05.04.2022. Бюл. № 4. Морозов С.П., Андрейченко А.Е., Четвериков С.Ф., и др. Веб-инструмент для выполнения ROC-анализа результатов диагностических тестов. Режим доступа: https://www.elibrary.ru/item.asp?id=48373757. Дата обращения: 10.03.2023.
- Morozov S.P., Vladzimirsky A.V., Klyashtornyy V.G., et al. Clinical acceptance of software based on artificial intelligence technologies (radiology). Moscow, 2019. 45 р. (Сер. Best practices in medical imaging).
- Schaffter T., Buist D.S., Lee C.I., et al. Evaluation of combined artificial intelligence and radiologist assessment to interpret screening mammograms // JAMA Netw Open. 2020. Vol. 3, N 3. P. e200265. doi: 10.1001/jamanetworkopen.2020.0265
- Wan Y., Tong Y., Liu Y., et al. Evaluation of the combination of artificial intelligence and radiologist assessments to interpret malignant architectural distortion on mammography // Front Oncol. 2022. N 12. P. 880150. doi: 10.3389/fonc.2022.880150
- Leibig C., Brehmer M., Bunk S., et al. Combining the strengths of radiologists and AI for breast cancer screening: A retrospective analysis // Lancet Digit Health. 2022. Vol. 4, N 7. P. e507–e519. doi: 10.1016/S2589-7500(22)00070-X
Дополнительные файлы
![](/img/style/loading.gif)