Как искусственный интеллект влияет на оценку поражения лёгких при COVID-19 по данным КТ грудной клетки?

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. В период пандемии компьютерная томография (КТ) является одним из ключевых инструментов оценки изменений в лёгких, связанных с COVID-19. Рентгенологи Москвы используют адаптированную шкалу КТ 0–4 для визуальной оценки зависимости тяжести общего состояния от характера и выраженности рентгенологических признаков изменений в лёгких при COVID-19 по данным КТ. В большом потоке исследований врач может пропустить находку и ошибиться в оценке объёма поражения лёгких, поэтому применение сервисов искусственного интеллекта (ИИ) обосновано в амбулаторном здравоохранении в период пандемии.

Цель ― сравнить распределение категорий КТ 0–4 в заключениях, сформированных рентгенологами с использованием ИИ-сервисов и без них.

Материал и методы. Ретроспективное исследование, протокол исследования зарегистрирован в ClinicalTrials.gov (NCT04489992). Проанализированы результаты первичных КТ с категориями КТ 0–4 в период с 08.04.2020 по 01.12.2020 и отдельно за ноябрь 2020 года (с 01.11.2020 по 01.12.2020) в амбулаторных медицинских организациях Департамента здравоохранения. КТ проводились на 48 компьютерных томографах по стандартным протоколам, результаты обрабатывались через Единый радиологический информационный сервис. В тестовую группу включены КТ, обработанные ИИ-сервисами, в контрольную ― без обработки ИИ. В анализ включены 5 ИИ-сервисов: RADlogics COVID-19 (RADLogics, США); COVID-IRA (IRA labs, Россия); Care Mentor AI, COVID (CareMentor AI, Россия); Третье Мнение. КТ-COVID-19 (Третье мнение, Россия); COVID-MULTIVOX (Гаммамед, Россия). ИИ-сервисы кодированы случайным образом.

Результаты. Проанализированы результаты КТ 260 594 пациентов (соотношение мужчины/женщины ― 44/56%, средний возраст 49,5 года). В тестовую группу включены 115 618 КТ, в контрольную ― 144 976. В зависимости от конкретного ИИ-сервиса для разных подгрупп категорий КТ-0 выставлено от 2,3 до 18,5% меньше, категорий КТ 3–4 ― от 4,7 до 27,6% меньше, КТ-4 ― от 40 до 60% меньше, чем в контрольной группе (p <0,0001). За ноябрь (с 01.11.2020 по 01.12.2020) проанализированы результаты КТ 41 386 пациентов (соотношение мужчины/ женщины ― 44/56%, средний возраст 53,2 года). В тестовую группу включено 28 881 КТ, в контрольную ― 12 505. В зависимости от конкретного ИИ-сервиса для разных подгрупп категорий КТ-0, КТ 3–4 и КТ-4 выставлено соответственно от 1 до 2,6, от 0,2 до 15,7 и на 25% меньше, чем в контрольной группе (p=0,001).

Заключение. Применение ИИ-сервисов для первичных КТ в амбулаторных условиях приводит к уменьшению количества выставляемых категорий КТ-0 и КТ 3–4, способных влиять на тактику ведения пациентов с COVID-19.

Об авторах

Сергей Павлович Морозов

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Email: morozov@npcmr.ru
ORCID iD: 0000-0001-6545-6170
SPIN-код: 8542-1720
Scopus Author ID: 57200964938
ResearcherId: T-9163-2017

д.м.н., профессор

Россия, Москва

Валерия Юрьевна Чернина

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Email: v.chernina@npcmr.ru
ORCID iD: 0000-0002-0302-293X
SPIN-код: 8896-8051
Scopus Author ID: 57210638679
ResearcherId: AAF-1215-2020

MD

Россия, Москва

Анна Евгеньевна Андрейченко

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Email: a.andreychenko@npcmr.ru
ORCID iD: 0000-0001-6359-0763
SPIN-код: 6625-4186
Scopus Author ID: 42960997200
ResearcherId: E-4930-2017

к.ф.-м.н.

Россия, Москва

Антон Вячеславович Владзимирский

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Email: a.vladzimirsky@npcmr.ru
ORCID iD: 0000-0002-2990-7736
SPIN-код: 3602-7120
Scopus Author ID: 8944262100
ResearcherId: D-1447-2017

д.м.н.

Россия, Москва

Олеся Александровна Мокиенко

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Email: Lesya.md@yandex.ru
ORCID iD: 0000-0002-7826-5135
SPIN-код: 8088-9921
Scopus Author ID: 55155448000
ResearcherId: J-3210-2016

к.м.н.

Россия, Москва

Виктор Александрович Гомболевский

Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы

Автор, ответственный за переписку.
Email: v.gombolevskiy@npcmr.ru
ORCID iD: 0000-0003-1816-1315
SPIN-код: 6810-3279
Scopus Author ID: 57196441765
ResearcherId: J-3389-2017
https://www.scopus.com/authid/detail.uri?authorId=57204359134

к.м.н., руководитель отдела научных медицинских исследований

Россия, Москва

Список литературы

  1. Эксперимент по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения города Москвы [дата обращения: 04.02.2021]. Режим доступа: https://mosmed.ai. Дата обращения: 15.01.2021.
  2. Morozov S.P., Ledikhova N.V., Panina E.V., et al. Re: Controversy in coronaViral Imaging and Diagnostics (COVID) // Clin Radiol. 2020. Vol. 75, N 11. P. 871–872. doi: 10.1016/j.crad.2020.07.023
  3. Chang Y.C., Yu C.J., Chang S.C., et al. Pulmonary sequelae in convalescent patients after severe acute respiratory syndrome: evaluation with thin-section CT // Radiology. 2005. Vol. 236, N 3. P. 1067–1075. doi: 10.1148/radiol.2363040958
  4. Haseli S., Khalili N., Bakhshayeshkaram M., et al. Lobar distribution of COVID-19 pneumonia based on chest computed tomography findings. A retrospective study // Arch Acad Emerg Med. 2020. Vol. 8, N 1. P. 55.
  5. Inui S., Fujikawa A., Jitsu M., et al. Chest CT findings in cases from the cruise ship «Diamond Princess» with Coronavirus Disease 2019 (COVID-19) // Radiol Cardiothorac Imaging. 2020. Vol. 2, N 2. P. 200110. doi: 10.1148/ryct.2020200110
  6. Prokop M., van Everdingen W., van Rees Vellinga T., et al. CO-RADS: A Categorical CT assessment scheme for patients suspected of having COVID-19-definition and evaluation // Radiology. 2020. Vol. 296, N 2. P. 97–104. doi: 10.1148/radiol.2020201473
  7. Shen C., Yu N., Cai S., et al. Quantitative computed tomography analysis for stratifying the severity of Coronavirus Disease 2019 // J Pharm Anal. 2020. Vol. 10, N 2. P. 123–129. doi: 10.1016/j.jpha.2020.03.004
  8. Pan F., Ye T., Sun P., et al. Time course of lung changes at chest CT during Recovery from Coronavirus Disease 2019 (COVID-19) // Radiology. 2020. Vol. 295, N 3. P. 715–721. doi: 10.1148/radiol.2020200370
  9. Revel M.P., Parkar A.P., Prosch H., et al. COVID-19 patients and the radiology department – advice from the European Society of Radiology (ESR) and the European Society of Thoracic Imaging (ESTI) // Eur Radiol. 2020. Vol. 30, N 9. P. 4903–4909. doi: 10.1007/s00330-020-06865-y
  10. Морозов С.П., Проценко Д.Н., Сметанина С.В., и др. Лучевая диагностика коронавирусной болезни (COVID-19): организация, методология, интерпретация результатов: препринт № ЦДТ-2020-II. Версия 2 от 17.04.2020. Серия «Лучшие практики лучевой и инструментальной диагностики». Вып. 65. Москва: ГБУЗ «НПКЦ ДиТ ДЗМ», 2020. 78 с.
  11. Синицын В.Е., Тюрин И.Е., Митьков В.В. Временные методические рекомендации Российского общества рентгенологов и радиологов (РОРР) и Российской ассоциации специалистов ультразвуковой диагностики в медицине (РАСУДМ) «Методы лучевой диагностики пневмонии при новой коронавирусной инфекции при COVID-19» (версия 2) // Вестник рентгенологии и радиологии. 2020. Т. 101, № 2. С. 72–89. doi: 10.20862/0042-4676-2020-101-2-72-89
  12. Морозов С.П., Гомболевский В.А., Чернина В.Ю., и др. Прогнозирование летальных исходов при COVID-19 по данным компьютерной томографии органов грудной клетки // Туберкулез и болезни лёгких. 2020. Т. 98, № 6. С. 7–14. doi: 10.21292/2075-1230-2020-98-6-7-14
  13. Howard J. Cognitive errors and diagnostic mistakes. A case-based guide to critical thinking in medicine. New York: Springer; 2019.
  14. 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. 51 с.
  15. Sahiner B., Pezeshk A., Hadjiiski L.M., et al. Deep learning in medical imaging and radiation therapy // Med Phys. 2019. Vol. 46, N 1. P. 1–36. doi: 10.1002/mp.13264
  16. Allen B.J., Seltzer S.E., Langlotz C.P., et al. A road map for translational research on artificial intelligence in medical imaging: from the 2018 national institutes of health/RSNA/ACR/The academy workshop // J Am Coll Radiol. 2019. Vol. 16, N 9. P. 1179–1189. doi: 10.1016/j.jacr.2019.04.014
  17. Angus D.C. Randomized clinical trials of artificial intelligence // Jama. 2020. Vol. 323, N 11. P. 1043–1045. doi: 10.1001/jama.2020.1039
  18. Wijnberge M., Geerts B.F., Hol L., et al. Effect of a machine learning-derived early warning system for intraoperative hypotension vs standard care on depth and duration of intraoperative hypotension during elective noncardiac surgery: the HYPE randomized clinical trial // Jama. 2020. Vol. 323, N 11. P. 1052–1060. doi: 10.1001/jama.2020.0592
  19. Carlile M., Hurt B., Hsiao A., et al. Deployment of artificial intelligence for radiographic diagnosis of COVID-19 pneumonia in the emergency department // J Am Coll Emerg Physicians Open. 2020. Vol. 1, N 6. P. 1459–1464. doi: 10.1002/emp2.12297
  20. Морозов С.П., Чернина В.Ю., Блохин И.А., Гомболевский В.А. Прогнозирование исходов при лабораторно верифицированном COVID-19 по данным компьютерной томографии органов грудной клетки: ретроспективный анализ 38051 пациента // Digital Diagnostics. 2020. Т. 1, № 1. C. 27–36. doi: 10.17816/DD46791

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Хронология использования ИИ-сервисов для диагностики COVID-19 по данным компьютерной томографии органов грудной клетки (КТ ОГК).

Скачать (177KB)
Метаданные
3. Рис. 2. Примеры оригинальных (контрольная группа) и дополнительных КТ-серий от различных ИИ-сервисов (тестовая группа с подгруппами) с демонстрацией автоматической обработки изображений для сегментации поражений лёгких при COVID-19, а также суммарной информацией о поражении лёгких и информацией DICOM SR.

Скачать (446KB)
Метаданные
4. Рис. 3. Результаты сравнения первичных КТ органов грудной клетки, выполненных в амбулаторных КТ-центрах, по степени тяжести категорий КТ 0–4 между контрольной группой и тестовыми подгруппами за весь период (08.04–01.12.2020). n=260 594; p <0,0001.

Скачать (305KB)
Метаданные
5. Рис. 4. Результаты сравнения первичных КТ органов грудной клетки, выполненных в амбулаторных КТ-центрах, по степени тяжести категорий КТ 0–4 между контрольной группой и тестовыми подгруппами за ноябрь 2020 г. n=41 386; p=0,0010.

Скачать (314KB)
Метаданные

© Морозов С.П., Чернина В.Ю., Андрейченко А.Е., Владзимирский А.В., Мокиенко О.А., Гомболевский В.А., 2021

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».