Новая интеллектуальная система для автоматической диагностики сколиоза по фронтальным рентгенограммам позвоночника: точность, преимущества и ограничения

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Сколиоз — одна из самых распространённых деформаций позвоночника, которую обычно диагностируют с помощью фронтальных спондилограмм по методу Кобба. Автоматические методы измерения, основанные на искусственном интеллекте, компенсируют многие недостатки стандартных методов и могут значительно сэкономить время врача-рентгенолога.

Цель — проанализировать точность, преимущества и недостатки новой программы искусственного интеллекта при автоматическом определении степени сколиоза и измерении угла Кобба на фронтальных рентгенограммах.

Материалы и методы. Всего исследовано 114 рентгенограмм на предмет соответствия измерений угла Кобба, выполняемых автоматически программой искусственного интеллекта и рентгенологом с использованием метода Бленда–Альтмана в программе Microsoft Excel. Кроме того, были проведены клинические испытание точности системы с использованием ограниченных данных (120 рентгенограмм). Точность системы в определении степени выраженности сколиоза оценивали по показателям чувствительности, специфичности, точности и площади под ROC-кривой.

Результаты. Больше согласованности в измерениях угла Кобба, вычисляемых программой искусственного интеллекта и рентгенологом, найдено в группах сколиоза I и II степени. Только в 2,8% случаев наблюдалась клинически значимая разница в измерении углов Кобба (вариабельность >5°). Показатели диагностической точности, полученные в ходе ограниченного клинического исследования в городской Мариинской больнице (Санкт-Петербург), также подтвердили надёжность системы: чувствительность составила 0,97, специфичность — 0,88, точность (общая валидность) — 0,93, а площадь под ROC-кривой — 0,93.

Заключение. В целом, программа искусственного интеллекта может автоматически точно определять степень выраженности сколиоза, а также измерять углы искривления позвоночника на фронтальных спондилограммах.

Об авторах

Дима Халед Ибрагим Кассаб

Санкт-Петербургский государственный университет

Автор, ответственный за переписку.
Email: DimaKK87@gmail.com
ORCID iD: 0000-0001-5085-6614
SPIN-код: 4907-7850

MD

Россия, Санкт-Петербург

Ирина Григорьевна Камышанская

Санкт-Петербургский государственный университет

Email: irinaka@mail.ru
ORCID iD: 0000-0002-8351-9216
SPIN-код: 2422-5191

д-р. мед. наук, доцент

Россия, Санкт-Петербург

Станислав Вячеславович Трухан

Esper LLC

Email: stas.truhan@gmail.com
ORCID iD: 0000-0003-0688-0988
Россия, Тверь

Список литературы

  1. Negrini S., Donzelli S., Aulisa A.G., et al. 2016 SOSORT guidelines: orthopaedic and rehabilitation treatment of idiopathic scoliosis during growth // Scoliosis. 2018. Vol. 3, N 13. doi: 10.1186/s13013-017-0145-8
  2. Бирченко Н.С. Об асимметрии нагружения правой и левой ноги у детей, больных сколиозом // Фундаментальные исследования. 2005. № 4. С. 9–12. EDN: IUMILP
  3. Ортопедия. Клинические рекомендации / под ред. С.П. Миронова. Москва : ГЭОТАР-Медиа, 2018.
  4. Котельников Г.П., Ларцев Ю.В., Рыжов П.В. Травматология и ортопедия. Издание 2-е, переработанное. Москва : ГЭОТАР-Медиа, 2021.
  5. Lenke C.L. Revised glossary of terms [Internet]. Milwaukee, WI : Scoliosis Research Society; c2023 [дата обращения: 05.06.2023]. Доступ по ссылке: https://www.srs.org/professionals/online-education-and-resources/glossary/revised-glossary-of-terms
  6. O’Brien M.F., Kuklo T.R., Blanke K.M., et al. Radiographic Measurement Manual. Spinal Deformity Study Group. Miami, Florida : Medtronic Sofamor Danek USA, 2008.
  7. Malfair D., Flemming A.K., Dvorak M.F., et al. Radiographic evaluation of scoliosis: review // American journal of roentgenology. 2010. Vol. 194, N 3. P. 8–22. doi: 10.2214/AJR.07.7145
  8. Imhof H., Halpern B., Herneth A.M., et al. Direct diagnosis in radiology. Spinal imaging. 2nd ed. Thieme, 2021.
  9. Kaul V., Enslin S., Gross S.A. History of artificial intelligence in medicine // Gastrointest Endosc. 2020. Vol. 92, N 4. P. 807–812. doi: 10.1016/j.gie.2020.06.040
  10. Падалко М.А., Орлов С.В., Наумов А.М., Назариков С.И., Лушников А.А. Автоматическая система определения углов сколиотической деформации позвоночника человека // Вестник Балтийского федерального университета им. И. Канта. Серия: физико-математические и технические науки. 2019. № 3. С. 55–68. EDN: WMPIXX
  11. Леин Г.А., Нечаева Н.С., Мамедова Г.М. Автоматизация анализа рентгенограмм позвоночника для объективизации оценки степени тяжести сколиотической деформации при идиопатическом сколиозе (предварительное сообщение) // Ортопедия, травматология и восстановительная хирургия детского возраста. 2020. Т. 8, № 3. С. 317–326. EDN: SJOTEB doi: 10.17816/PTORS34150
  12. Khanal B., Dahal L., Adhikari P., et al. Automatic Cobb angle detection using vertanra detector and vertebra corners regression. Cai Y, Wang L, Audette M, et al. Computational methods and clinical applications for spine imaging. Lecture Notes in Computer Science. Switzerland : Springer Nature, 2020. P. 81–87.
  13. Horng M., Kuok S., Fu M., et al. Cobb angle measurement of spine from X-Ray images using convolutional neural network // Computational and mathematical methods in medicine. 2019. Vol. 2019. doi: 10.1155/2019/6357171
  14. Pan Y., Chen Q., Chen T., et al. Evaluation of a computer-aided method for measuring the Cobb angle on chest X-rays // Eur Spine journal. 2019. Vol. 28, N 12. P. 3035–3043. doi: 10.1007/s00586-019-06115-w
  15. Патент РФ на регистрацию базы данных № 2022620577/ 17.03.2022. Кассаб Д.Х.И., Камышанская И.Г., Черемисин В.М., Черемисин А.А. База данных рентгенограмм позвоночника со сколиозом различных степеней (XrScl).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Результаты измерений по методу Бленда–Альтмана. Согласованность измерений угла Кобба по двум методикам на рентгенограммах со сколиозом I и II степени.

Скачать (236KB)
Метаданные
3. Рис. 2. Результаты измерений по методу Бленда–Альтмана. Согласованность измерений угла Кобба по двум методикам на рентгенограммах со сколиозом III и IV степени.

Скачать (260KB)
Метаданные
4. Рис. 3. Подтверждение на ROC-кривой точности новой программы искусственного интеллекта в определении степени сколиоза.

Скачать (80KB)
Метаданные
5. Рис. 4. Рентгеновский снимок со сколиозом II степени. Анализ снимка выполнен программой искусственного интеллекта (слева) и рентгенологом (справа). Рентгенолог не измерял грудопоясничную кривую, так как нижний конечный позвонок не виден на снимке.

Скачать (267KB)
Метаданные
6. Рис. 5. Ошибки в разметке позвонков на рентгенограммах с степенью 0 (норма). На снимках органов грудной клетки нечёткая визуализация границ позвонков может привести к ложным результатам измерений.

Скачать (181KB)
Метаданные
7. Рис. 6. Ошибки в разметке позвонков на рентгенограммах с оценкой 0 (норма). Ошибки в определении тела позвонка L V могут привести к ложноположительным результатам (слева).

Скачать (166KB)
Метаданные
8. Рис. 7. Ошибки программы при оценке снимков со сколиозом 0 степени. Углы Кобба, измеренные рентгенологом (слева) и программой искусственного интеллекта (справа). Вариабельность измерений незначительна (1,4°), однако врач определяет 0 степень сколиоза, а искусственный интеллект — I степень.

Скачать (270KB)
Метаданные
9. Рис. 8. Распределение углов Кобба, измеренных искусственным интеллектом на нормальных рентгеновских снимках (в группе рентгенограмм без сколиоза).

Скачать (58KB)
Метаданные
10. Рис. 9. Особенности разметки позвонков на рентгенограммах при сколиозе III и IV степени. Ошибки в определении и нумерации позвонков, обусловленные их нетипичной формой (жёлтая стрелка).

Скачать (204KB)
Метаданные
11. Рис. 10. Сколиоз III степени, диагностированный рентгенологом (слева) и искусственным интеллектом (справа). Значительная вариабельность при измерении поясничного изгиба (7,8°) не повлияла на общую оценку сколиоза.

Скачать (244KB)
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».