Возможности нейросети в диагностике новообразований гортани

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В настоящее время искусственный интеллект в виде искусственных нейронных сетей активно внедряется в различные сферы нашей жизни, в том числе и в медицину. В частности, в оториноларингологии искусственные нейронные сети используют изображения, полученные при эндоскопическом обследовании пациентов (например, при видеоларингоскопии) [1–3] Интерпретация ларингоскопической картины зачастую представляет значительные трудности для практического врача, что снижает частоту выявления предраковых заболеваний гортани и способствует росту числа пациентов с раком гортани III–IV стадии [4, 5] Это определяет важность своевременного проведения и правильной интерпретации результатов эндоскопического обследования пациентов с заболеваниями гортани. Искусственные нейронные сети могут быть применены для анализа результатов видеоларингоскопии, предоставляя дополнительные подсказки врачу, что может помочь повысить точность диагностики и снизить риск ошибки [6, 7].

Цель — разработка и обучение искусственной нейронной сети для распознавания характерных признаков образований и вариантов нормы гортани.

Материалы и методы. Работа выполнена в рамках гранта Московского центра инновационных технологий в здравоохранении № 2112-1/22 «Использование нейросети (алгоритмов искусственного интеллекта) для контроля и повышения качества диагностики и лечения заболеваний структур гортани и уха на основе цифровой технологии». В процессе работы применялись методы сбора данных, необходимых для создания фотобанка (датасета) медицинских изображений, полученных при видеоларингоскопии; методы разметки данных для формирования датасетов по отдельным нозологиям и группам заболеваний; метод консилиума; методы анализа точности распознавания и классификации цифровых эндоскопических снимков; методы обучения классификационных нейронных сетей.

В итоге для обучения искусственной нейронной сети был собран, размечен и загружен датасет, состоящий из 1471 снимка гортани в цифровых форматах (jpg, bmp). Среди них на образование гортани пришлось 410 изображений, на варианты нормы — 1061 снимок. Далее было проведено обучение нейросети и тестирование её с целью распознавания признаков нормы и образований гортани.

Результаты. По результатам тестирования искусственной нейронной сети была сформирована матрица неточностей, рассчитано значение точности распознавания, рассчитаны показатели качества работы модели, построена ROC-кривая. Разработанная и обученная искусственная нейронная сеть продемонстрировала точность 86% в распознавании признаков образований и нормы гортани.

Заключение. Проведённое исследование демонстрирует, что обученная искусственная нейронная сеть может достаточно успешно различать признаки нормы и образований гортани на эндоскопических фотографиях. При дальнейшем обучении нейросети и достижении высокой точности данную технологию возможно применить в клинической практике в качестве помощника в интерпретации ларингоскопических изображений и ранней диагностики образований гортани, а также для контроля и повышения качества диагностики и лечения заболеваний горла, носа и ушей врачами первичного звена.

Об авторах

Евгения Александровна Сафьянникова

Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского

Email: zh.saffi@inbox.ru
ORCID iD: 0009-0005-7780-6488
SPIN-код: 9016-9253
Россия, Москва

Андрей Иванович Крюков

Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского; Российский национальный исследовательский медицинский университет имени Н.И. Пирогова

Email: nikio@zdrav.mos.ru
ORCID iD: 0000-0002-0149-0676
SPIN-код: 9393-8753
Россия, Москва; Москва

Наталья Леонидовна Кунельская

Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского; Российский национальный исследовательский медицинский университет имени Н.И. Пирогова

Email: nlkun@mail.ru
ORCID iD: 0000-0002-1001-2609
SPIN-код: 9282-6970
Россия, Москва; Москва

Павел Алексеевич Сударев

Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского

Email: mnpco@mail.ru
ORCID iD: 0000-0001-9085-9879
SPIN-код: 4113-3569
Россия, Москва

Светлана Георгиевна Романенко

Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского

Email: s_romanenko@bk.ru
ORCID iD: 0000-0002-8202-5505
SPIN-код: 5645-3401
Россия, Москва

Диана Игоревна Курбанова

Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского

Автор, ответственный за переписку.
Email: doctor_diana@mail.ru
ORCID iD: 0000-0002-3571-8851
SPIN-код: 4597-5197
Scopus Author ID: 55589484800
ResearcherId: AFE-6792-2022
Россия, Москва

Екатерина Владимировна Лесогорова

Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского

Email: katenan1@rambler.ru
ORCID iD: 0000-0003-1753-5960
SPIN-код: 1602-4311
Россия, Москва

Екатерина Николаевна Красильникова

Научно-исследовательский клинический институт оториноларингологии им. Л.И. Свержевского

Email: fil_kate@mail.ru
ORCID iD: 0000-0002-8675-078X
SPIN-код: 8759-7139
Россия, Москва

Анастасия Александровна Иванова

ООО «Рубедо»

Email: AnastasiaIwanova@yandex.ru
ORCID iD: 0009-0001-4684-5864
Россия, Москва

Антон Павлович Осадчий

ООО «Рубедо»

Email: uhogorlonosiki@yandex.ru
ORCID iD: 0009-0001-3270-4390
Россия, Москва

Наталья Григорьевна Шевырина

ООО «Рубедо»

Email: shevyrina.nata22@gmail.com
ORCID iD: 0009-0003-9446-5457
Россия, Москва

Список литературы

  1. Paderno A., Gennarini F., Sordi A., et al. Artificial intelligence in clinical endoscopy: Insights in the field of videomics // Frontiers in Surgery. 2022. Vol. 9. P. 933297. doi: 10.3389/fsurg.2022.933297
  2. Cao C., Liu F., Tan H., et al. Deep Learning and Its Applications in Biomedicine // Genomics Proteomics Bioinformatics. 2018. Vol. 16, N 1. P. 17–32. doi: 10.1016/j.gpb.2017.07.003
  3. Suganyadevi S., Seethalakshmi V., Balasamy K. A review on deep learning in medical image analysis // International Journal of Multimedia Information Retrieval. 2022. Vol. 11, N 1. P. 19–38. doi: 10.1007/s13735-021-00218-1
  4. Пачес А.И., Бржезовский В.Ж., Демидов Л.В., и др. Опухоли головы и шеи. Москва : Практическая медицина, 2013. EDN: XXRBCO
  5. Черемисина О.В., Чойнзонов Е.Л. Возможности эндоскопической диагностики предопухолевых заболеваний и рака гортани в современной онкологии // Сибирский онкологический журнал. 2007. Т. 3, № 23. С. 5–9. EDN: IBAIOD
  6. Ren J., Jing X., Wang J., et al. Automatic Recognition of Laryngoscopic Images Using a Deep-Learning Technique // Laryngoscope. 2020. Vol. 130, N 11. P. E686–E693. doi: 10.1002/lary.28539
  7. Xiong H., Lin P., Yu J.G., et al. Computer-aided diagnosis of laryngeal cancer via deep learning based on laryngoscopic images // EBioMedicine. 2019. Vol. 48. P. 92–99. doi: 10.1016/j.ebiom.2019.08.075

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© 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».