Вклад систем искусственного интеллекта в улучшение выявления аневризм аорты по данным компьютерной томографии грудной клетки

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Аневризмы аорты — «тихие убийцы», развиваются без симптомов и могут привести к летальному исходу. Ежегодно заболеваемость аневризмой грудной аорты составляет около 10 случаев на 100 000 человек, а частота разрывов аневризмы — около 1,6 случая. Ранняя диагностика и лечение могут спасти жизнь пациента. Использование технологий искусственного интеллекта может значительно улучшить качество диагностики и предотвратить летальный исход.

Цель — оценить эффективность применения технологий искусственного интеллекта в выявлении аневризм грудного отдела аорты на компьютерной томографии органов грудной клетки и исследовать возможности использования этих технологий в качестве системы поддержки принятия врачебных решений врача-рентгенолога при первичном описании лучевых исследований.

Материалы и методы. Были оценены результаты использования технологий искусственного интеллекта для выявления аневризмы грудной аорты на компьютерной томографии органов грудной клетки без контрастного усиления. Была сформирована выборка из 84 405 случаев обследования пациентов старше 18 лет, из которых отобрано и ретроспективно пересмотрено сосудистыми хирургами Научно-исследовательского института скорой помощи имени Н.В. Склифосовского 86 исследований с подозрением на наличие аневризмы грудного отдела аорты по данным технологий искусственного интеллекта. Эти исследования были также ретроспективно оценены двумя врачами-рентгенологами.

Была сформирована дополнительная выборка из 968 исследований, взятых в случайном порядке из общего числа, для оценки корреляции возраста пациентов и диаметра грудного отдела аорты.

Результаты. Анализ показал, что в 44 исследованиях аневризма была первично выявлена врачом-рентгенологом, в 31 случае аневризмы не были описаны, но технология искусственного интеллекта помогла выявить патологию. Ещё 6 исследований были исключены из выборки, а в 5 случаях были обнаружены ложноположительные результаты анализа.

Использование технологий искусственного интеллекта обнаруживает и выделяет патологические изменения аорты на медицинских изображениях, тем самым повышая выявляемость аневризмы грудной аорты при интерпретации результатов компьютерной томографии органов грудной клетки на 41%. При первичном описании лучевых исследований и в ретроспективных исследованиях целесообразно использовать технологии искусственного интеллекта для профилактики пропусков клинически значимых патологий — как в качестве системы поддержки принятия врачебных решений для врача-рентгенолога, так и для повышения выявляемости патологического расширения грудного отдела аорты.

По дополнительной выборке в популяции взрослого населения частота дилатации грудного отдела аорты составила 14,5%, а аневризм грудного отдела аорты —1,2%. Данные также показали возрастную зависимость диаметра грудного отдела аорты для мужчин и женщин.

Заключение. Применение технологий искусственного интеллекта в процессе первичного описания результатов компьютерной томографии органов грудной клетки может повысить выявляемость клинически значимых патологических состояний, таких как аневризма грудного отдела аорты. Расширение ретроспективного скрининга по данным компьютерной томографии органов грудной клетки с использованием технологий искусственного интеллекта может улучшить качество диагностики сопутствующих патологий и предотвратить негативные последствия для пациентов.

Об авторах

Александр Владимирович Соловьёв

Научно-практический клинический центр диагностики и телемедицинских технологий; Морозовская детская городская клиническая больница

Email: atlantis.92@mail.ru
ORCID iD: 0000-0003-4485-2638
SPIN-код: 9654-4005
Россия, Москва; Москва

Юрий Александрович Васильев

Научно-практический клинический центр диагностики и телемедицинских технологий

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

канд. мед. наук

Россия, Москва

Валентин Евгеньевич Синицын

Научно-практический клинический центр диагностики и телемедицинских технологий; Городская клиническая больница имени И.В. Давыдовского; Московский государственный университет имени М.В. Ломоносова

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

д-р мед. наук, профессор

Россия, Москва; Москва; Москва

Алексей Владимирович Петряйкин

Научно-практический клинический центр диагностики и телемедицинских технологий

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

д-р мед. наук

Россия, Москва

Антон Вячеславович Владзимирский

Научно-практический клинический центр диагностики и телемедицинских технологий

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

д-р мед. наук

Россия, Москва

Игорь Михайлович Шулькин

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: ShulkinIM@zdrav.mos.ru
ORCID iD: 0000-0002-7613-5273
SPIN-код: 5266-0618
Россия, Москва

Дарья Евгеньевна Шарова

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: SharovaDE@zdrav.mos.ru
ORCID iD: 0000-0001-5792-3912
SPIN-код: 1811-7595
Россия, Москва

Дмитрий Сергеевич Семенов

Научно-практический клинический центр диагностики и телемедицинских технологий

Автор, ответственный за переписку.
Email: SemenovDS4@zdrav.mos.ru
ORCID iD: 0000-0002-4293-2514
SPIN-код: 2278-7290

канд. техн. наук

Россия, Москва

Список литературы

  1. 10 ведущих причин смерти в мире [Internet]. Всемирная организация здравоохраниения. [дата обращения: 12.05.2023]. Доступ по ссылке: 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. Vol. 34, N 1. P. 1–16. doi: 10.1053/j.semtcvs.2021.02.029
  3. Клинические рекомендации. Рекомендации по диагностике и лечению заболеваний аорты (2017) // Кардиология и сердечно-сосудистая хирургия. 2018. Т. 11, № 1. С. 7–67. EDN: YPAKRP
  4. Кузнечевский Ф.В., Осипов А.Х., Евсиков Е.М., Абрамов И.С., Отарова С.М. Распространенность и природа аневризм и расслоений аорты по данным анализа последовательных патологоанатомических вскрытий в течение десяти лет в ГКБ № 15 им. О.М. Филатова // Российский кардиологический журнал. 2004. Т. 9, № 6. С. 5–13. EDN: ISVRYL
  5. Иртюга О.Б., Воронкина И.В., Смагина Л.В., и др. Частота выявления аневризмы восходящего отдела аорты и механизм ее развития по данным регистра ФГУ ФЦСКЭ им В.А. Алмазова // Бюллетень Федерального Центра сердца, крови и эндокринологии им. В.А. Алмазова. 2011. № 5. С. 73–78. EDN: OWGHOB
  6. Lavall D., Schäfers H.J., Böhm M., Laufs U. Aneurysms of the ascending aorta // Deutsches Arzteblatt international. 2012. Vol. 109, N 13. P. 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. Vol. 114, N 24. P. 2611–2618. doi: 10.1161/CIRCULATIONAHA.106.630400
  8. Elefteriades J.A. Natural history of thoracic aortic aneurysms: indications for surgery, and surgical versus nonsurgical risks // The Annals of thoracic surgery. 2002. Vol. 74, N 5. P. 1877–1880. doi: 10.1016/s0003-4975(02)04147-4
  9. Tsai E.B., Chiles C., Carter B.W., et al. Incidental Findings on Lung Cancer Screening: Significance and Management // Seminars in ultrasound, CT, and MR. 2018. Vol. 39, N 3. P. 273–281. doi: 10.1053/j.sult.2018.02.005
  10. Чернина В.Ю., Блохин И.А., Николаев А.Е., и др. Тактика ведения инциденталом. Раздел 3. Щитовидная железа, гипофиз, сосуды и средостение. Москва : Государственное бюджетное учреждение здравоохранения города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы», 2019. EDN: WSYSYP
  11. Law M. “Opportunistic” Screening // J Med Screen. 1994. Vol. 1, N 4. P. 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. Vol. 5, N 12. P. 256. doi: 10.21037/atm.2017.04.32
  13. Компьютерное зрение в лучевой диагностике: первый этап Московского эксперимента / под ред. Ю.А. Васильева, А.В. Владзимирского. Москва : Общество с ограниченной ответственностью «Издательские решения», 2022. 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. Vol. 35, N 41. P. 2873–2926. doi: 10.1093/eurheartj/ehu281
  15. Документы по Эксперименту [Internet]. Центр диагностики и телемедицины. [дата обращения: 16.06.2023]. Доступ по ссылке: https://mosmed.ai/ai/docs/
  16. Chest-IRA [Internet]. Центр диагностики и телемедицины. [дата обращения: 16.06.2023]. Доступ по ссылке: 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. Vol. 24, N 5. P. 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. Vol. 74, N 1. P. 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. Vol. 114, N 4. P. 691–697.
  20. Васильев Ю.А., Бобровская Т.М., Арзамасов К.М, и др. Основополагающие принципы стандартизации и систематизации информации о наборах данных для машинного обучения в медицинской диагностике // Менеджер здравоохранения. 2023. Т. 4. С. 28–41. EDN: EPGAMD doi: 10.21045/1811-0185-2023-4-28-41
  21. Четвериков С.Ф., Арзамасов К.М., Андрейченко А.Е., и др. Подходы к формированию выборки для контроля качества работы систем искусственного интеллекта в медико-биологических исследованиях // Современные технологии в медицине. 2023. Т. 15, № 2. С. 19–25. EDN: FUKXYC doi: 10.17691/stm2023.15.2.02
  22. Зинченко В.В., Арзамасов К.М., Четвериков С.Ф., и др. Методология проведения пострегистрационного клинического мониторинга для программного обеспечения с применением технологий искусственного интеллекта // Современные технологии в медицине. 2022. Т. 14, № 5. С. 15–25. doi: 10.17691/stm2022.14.5.02
  23. Chernina V.Y., Belyaev M.G., Silin A.Y., 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. Vol. 4. doi: 10.1101/2023.04.19.23288584
  24. Macruz F.B.C., 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. Vol. 4, N 2. P. 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. Vol. 62, N 6. P. 869–877. doi: 10.1016/j.ejvs.2021.07.013
  26. Владзимирский А.В., Кудрявцев Н.Д., Кожихина Д.Д., и др. Эффективность применения технологий искусственного интеллекта для двойных описаний результатов профилактических исследований легких // Профилактическая медицина. 2022. Vol. 25, N 7. P. 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. Vol. 111, N 9. P. 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. Vol. 134, N 134. P. 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. Vol. 69, N 2. P. 120–135. doi: 10.1016/j.carj.2018.02.002
  30. Свидетельство о государственной регистрации базы данных № 2023621046/ 30.03.2023. Васильев Ю.А., Туравилова Е.В., Шулькин И.М., и др. MosMedData: КТ с признаками аневризмы брюшного отдела аорты. EDN: LXROHZ
  31. Алиев А.Ф., Кудрявцев Н.Д., Петряйкин А.В., и др. Оценка диаметра лёгочной артерии при различной степени тяжести течения COVID-19 (по данным бесконтрастной компьютерной томографии лёгких) // Digital Diagnostics. 2021. Т. 2, № 3. С. 249–260. EDN: VTMKCJ doi: 10.17816/DD76726
  32. Морозов С.П., Шапиева А.Н., Наркевич Б.Я., и др. Информативность методов лучевой диагностики при различных патологических состояниях организма. Москва : Научно-практический клинический центр диагностики и телемедицинских технологий, 2020. EDN: DYEYBT
  33. Васильев Ю.А., Владзимирский А.В., Бондарчук Д.В., и др. Значение технологий искусственного интеллекта для профилактики дефектов в работе врача-рентгенолога // Врач и информационные технологии. 2023. № 2. С. 16–27. EDN: SYZAOQ doi: 10.25881/18110193_2023_2_16

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 2. Пример работы комплексного сервиса с искусственным интеллектом в обработке данных компьютерной томографии отдела грудной клетки: a — технология искусственного интеллекта корректно выделила и маркировала (красная линия) подозрение на наличие аневризмы грудной аорты восходящего и нисходящего отделов; b — ложноположительный результат: размечено (красная линия) образование средостения вместе с восходящим отделом грудной аорты, в зелёной рамке указан диаметр нисходящего отдела грудной аорты. У данного комплексного сервиса с искусственным интеллектом есть дополнительные модули, маркирующие инфильтративные изменения лёгких (оранжевый контур) и плевральный выпот (жёлтый контур).

Скачать (255KB)
Метаданные
3. Рис. 3. График зависимости максимального диаметра грудного отдела аорты от возраста для выборки из 968 исследований: a — у мужчин; b — у женщин.

Скачать (240KB)
Метаданные
4. Рис. 1. Дизайн выполненного исследования. КТ — компьютерная томография; ЕРИС — Единый радиологический информационный сервис; ИИ — искусственный интеллект.

Скачать (116KB)
Метаданные

© Эко-вектор, 2024

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