Выявление новых случаев рака лёгкого с помощью искусственного интеллекта: клиническая и экономическая оценка ретроспективного анализа результатов компьютерной томографии через 2 года после пандемии COVID-19

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Компьютерная томография органов грудной клетки — основной метод диагностики изменений лёгочной ткани, вызванных инфекцией COVID-19. Так, с 2020 года в Красноярском крае увеличилась частота применения данного исследования. Тем не менее заболеваемость раком лёгкого снизилась на 5,2%. Сложившаяся ситуация вызвала опасения в отношении пропуска рентгенологических изменений, характерных для рака лёгкого, и стимулировала поиск новых диагностических методов, включая искусственный интеллект для анализа данных.

Цель — оценка возможности использования алгоритма искусственного интеллекта, направленного на поиск лёгочных узлов по данным компьютерной томографии органов грудной клетки, полученным в период пандемии COVID-19, для выявления рака лёгкого.

Материалы и методы. В ретроспективное исследование вошли результаты компьютерной томографии органов грудной клетки пациентов из Красноярского края с диагнозом COVID-19 из PACS-архива, выполненные в период с 01.11.2020 по 28.02.2021. Интервал времени между проведёнными компьютерными томографиями и применением алгоритма искусственного интеллекта составил от двух лет и одного месяца до двух лет и пяти месяцев. Использовали алгоритм искусственного интеллекта Chest-IRA. Он выявлял лёгочные узлы объёмом более 100 мм3. Рентгенологи разделили результаты на три группы в зависимости от вероятности рака лёгкого. Оценка экономической выгоды применения алгоритма учитывала затраты на заработную плату и экономию на лечении ранних стадий рака лёгкого, влияющую на валовой региональный продукт.

Результаты. Из 10 500 результатов компьютерной томографии, алгоритм искусственного интеллекта выявил узловые образования в 484 случаях. Определены 192 пациента с высокой вероятностью рака лёгкого, 103 — без признаков и 60 — с неубедительными признаками. 112 пациентов с высокой и средней вероятностью рака лёгкого не обращались за медицинской помощью. Применение искусственного интеллекта позволило подтвердить 100 (28,2%) гистологически верифицированных случаев рака лёгкого, при этом I–II стадия выявлена в 35%.

Использование искусственного интеллекта вместо рентгенологов сэкономило бы 25 мес. и 4 дня работы — 2 430 тыс. рублей. Ожидаемая экономия бюджета в связи с выявлением рака лёгкого на ранней стадии варьирует от 10 600 тыс. до 12 500 тыс. рублей на каждые 10 500 компьютерных томографий. Общий экономический эффект за пять лет — от 259 400 тыс. до 305 100 тыс. рублей.

Заключение. Использование искусственного интеллекта для анализа результатов компьютерной томографии органов грудной клетки демонстрирует высокую эффективность в отношении выявления узловых образований лёгких, в том числе на фоне COVID-19, что подтверждает перспективы его применения для раннего обнаружения случайных лёгочных узлов, которые могли бы быть пропущены.

Об авторах

Руслан Александрович Зуков

Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого; Красноярский краевой клинический онкологический диспансер имени А.И. Крыжановского

Автор, ответственный за переписку.
Email: zukov_rus@mail.ru
ORCID iD: 0000-0002-7210-3020
SPIN-код: 3632-8415

д-р мед. наук, профессор

Россия, Красноярск; Красноярск

Иван Петрович Сафонцев

Красноярский государственный медицинский университет имени профессора В.Ф. Войно-Ясенецкого; Красноярский краевой клинический онкологический диспансер имени А.И. Крыжановского

Email: sip@onkolog24.ru
ORCID iD: 0000-0002-8177-6788
SPIN-код: 1548-5565

канд. мед. наук, доц., каф. онкологии и лучевой терапии с курсом последипломного образования, зам. глав. врача по организационно-методической работе

Россия, Красноярск; Красноярск

Марина Петровна Клименок

Красноярский краевой клинический онкологический диспансер имени А.И. Крыжановского

Email: klimenokmp@onkolog24.ru
ORCID iD: 0009-0001-7849-0770
SPIN-код: 7179-8793

врач

Россия, Красноярск

Татьяна Евгеньевна Забродская

Красноярский краевой клинический онкологический диспансер имени А.И. Крыжановского

Email: ZabrodskayaTE@onkolog24.ru
ORCID iD: 0000-0003-4987-5222
SPIN-код: 8365-3582

врач

Россия, Красноярск

Наталья Алексеевна Меркулова

Красноярский краевой клинический онкологический диспансер имени А.И. Крыжановского

Email: MerkulovaNA@onkolog24.ru
ORCID iD: 0009-0006-9254-1331

врач

Россия, Красноярск

Валерия Юрьевна Чернина

АЙРА Лабс

Email: v.chernina@ira-labs.com
ORCID iD: 0000-0002-0302-293X
SPIN-код: 8896-8051

руководитель отдела клинической оценки

Россия, Москва

Михаил Геннадьевич Беляев

АЙРА Лабс

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

канд. физ.-мат. наук

Россия, Москва

Михаил Юрьевич Гончаров

АЙРА Лабс; Институт искусственного интеллекта AIRI; Сколковский институт науки и технологий

Email: mig0nch@yandex.ru
ORCID iD: 0009-0009-8417-0878
Россия, Москва; Москва; Москва

Виталий Владимирович Омельяновский

Центр экспертизы и контроля качества медицинской помощи; Российская медицинская академия непрерывного профессионального образования; Научно-исследовательский финансовый институт

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

д-р мед. наук, профессор

Россия, Москва; Москва; Москва

Ксения Александровна Ульянова

Министерство здравоохранения Российской Федерации

Email: UlyanovaKA@minzdrav.gov.ru
ORCID iD: 0000-0002-3462-0123
SPIN-код: 6491-6072
Россия, Москва

Евгения Александровна Соболева

АЙРА Лабс; Сколковский институт науки и технологий

Email: e.soboleva@ira-labs.com
ORCID iD: 0009-0009-4037-6911
Россия, Москва; Москва

Мария Евгеньевна Блохина

АстраЗенека Фармасьютикалз

Email: mariya.blokhina@astrazeneca.com
ORCID iD: 0009-0002-9008-9485

врач

Россия, Москва

Елена Александровна Наливкина

АстраЗенека Фармасьютикалз

Email: elena.nalivkina@astrazeneca.com
ORCID iD: 0009-0003-5412-9643
Россия, Москва

Виктор Александрович Гомболевский

АЙРА Лабс; Институт искусственного интеллекта AIRI; Научный центр мирового уровня «Цифровой биодизайн и персонализированное здравоохранение»; Первый Московский государственный медицинский университет имени И.М. Сеченова

Email: gombolevskii@gmail.com
ORCID iD: 0000-0003-1816-1315
SPIN-код: 6810-3279

канд. мед. наук

Россия, Москва; Москва; Москва; Москва

Список литературы

  1. Siegel R.L., Miller K.D., Jemal A. Cancer statistics, 2020 // CA Cancer J Clin. 2020. Vol. 70, N 1. P. 7–30. doi: 10.3322/caac.21590
  2. Злокачественные новообразования в России в 2021 году (заболеваемость и смертность) / под ред. А.Д. Каприна, В.В. Старинского, А.О. Шахзадовой. Москва: МНИОИ им. П.А. Герцена — филиал ФГБУ «НМИЦ радиологии Минздрава России, 2022.
  3. Chest-IRA [Internet]; 2020. Режим доступа: https://mosmed.ai/service_catalog/chestira/ Дата обращения: 28.10.2024.
  4. Морозов С.П., Владзимирский А.В., Кляшторный В.Г., и др. Клинические испытания программного обеспечения на основе интеллектуальных технологий (лучевая диагностика). Серия «Лучшие практики лучевой и инструментальной диагностики». Вып. 57. Москва: ГБУЗ «НПКЦ ДиТ ДЗМ», 2019.
  5. Armato S.G. 3rd, McLennan G., Bidaut L., et al. The lung image database consortium (LIDC) and image database resource initiative (IDRI): a completed reference database of lung nodules on CT scans // Med Phys. 2011. Vol. 38, N 2. P. 915–931. doi: 10.1118/1.3528204
  6. Goncharov M., Pisov M., Shevtsov A., et al. CT-Based COVID-19 triage: deep multitask learning improves joint identification and severity quantification // Med Image Anal. 2021. Vol. 71. P. 102054. doi: 10.1016/j.media.2021.102054
  7. MacMahon H., Naidich D.P., Goo J.M., et al. Guidelines for management of incidental pulmonary nodules detected on CT images: from the Fleischner Society 2017 // Radiology. 2017. Vol. 284, N 1. P. 228–243. doi: 10.1148/radiol.2017161659
  8. Тарифное соглашение системы обязательного медицинского соглашения Красноярского края. В: территориальный фонд обязательного медицинского страхования [Internet], 2012– . Режим доступа: https://www.krasmed.ru/content/18137/page.html Дата обращения: 16.05.2024.
  9. Состояние онкологической помощи населению России в 2021 году / под ред. А.Д. Каприна, В.В. Старинского, А.О. Шахзадовой. Москва: МНИОИ им. П.А. Герцена — филиал ФГБУ «НМИЦ радиологии Минздрава России, 2022.
  10. National Lung Screening Trial Research Team. Reduced lung cancer mortality with low dose computed tomographic screening // N Engl J Med. 2011. Vol. 365. P. 395–409. doi: 10.1056/NEJMoa1102873
  11. Гусамова Н.В., Комлева М.И., Сафонцев И.П., и др. Скрининг рака лёгкого методом НДКТ. Результаты за 2015–2017 годы КГБУЗ «Красноярский краевой клинический онкологический диспансер им. А.И. Крыжановского». В кн.: Современные достижения онкологии в клинической практике. Материалы Всероссийской научно-практической конференции. Красноярск, 2018. С. 54–57.
  12. Ardila D., Kiraly A.P., Bharadwaj S., et al. End to end lung cancer screening with three dimensional deep learning on low dose chest computed tomography // Nat Med. 2019. Vol. 25, N 6. P. 954–961. doi: 10.1038/s41591-019-0447-x
  13. Goncalves S., Fong P.C., Blokhina M. Artificial intelligence for early diagnosis of lung cancer through incidental nodule detection in low and middle income countries acceleration during the COVID-19 pandemic but here to stay // Am J Cancer Res. 2022. Vol. 12, N 1. P. 1–16.
  14. Graf M., Makowski M., Gawlitza J., Gassert F. Cost–effectiveness of artificial intelligence support in computed tomography–dased lung cancer screening // Cancers (Basel). 2022. Vol. 14, N 7. P. 1729. doi: 10.3390/cancers14071729

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Блок–схема исследования. КТ ОГК — компьютерная томография органов грудной клетки; ИИ — искусственный интеллект; ЗНО — злокачественное новообразование; С34 — злокачественное новообразование бронхов и лёгкого в соответствии с Международной классификацией болезней десятого пересмотра.

Скачать (268KB)
3. Рис. 2. Принцип анализа результатов компьютерной томографии органов грудной клетки с использованием искусственного интеллекта. КТ ОГК — компьютерная томография органов грудной клетки; ИИ — искусственный интеллект; КККОД — Красноярский краевой клинический онкологический диспансер им. А.И. Крыжановского; ЗНО — злокачественное новообразование. 134 пациента, выделенные красной пунктирной линией, не обращались в медицинские организации по поводу злокачественных новообразований.

Скачать (336KB)
4. Рис. 3. Лёгочный узел в левом лёгком, выявленный с помощью искусственного интеллекта. Обнаруженный узел отмечен красным квадратом. Изображение с признаком высокой вероятности рака лёгкого.

Скачать (118KB)
5. Рис. 4. Лёгочные узлы в правом (a) и левом (b) лёгком, выявленные с помощью искусственного интеллекта. Обнаруженные узлы отмечены красным квадратом. Изображения с недостаточно убедительными признаками рака лёгкого.

Скачать (218KB)
6. Рис. 5. Результаты компьютерной томографии органов грудной клетки пациентов с верифицированным раком лёгкого (обозначены синими стрелками). a — кистозно-солидное образование левого лёгкого (стадия Ia); b — солидное образование правого лёгкого (стадия Ib).

Скачать (133KB)
7. Рис. 6. Примеры наиболее частых ложноположительных случаев активации алгоритма искусственного интеллекта: a — в качестве лёгочного узла отмечены фиброзные изменения; b — в качестве лёгочного узла отмечен участок инфильтрации лёгочной ткани.

Скачать (192KB)
8. Рис. 7. Эволюция скрининга рака лёгкого на территории Красноярского края.

Скачать (251KB)

© 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».