Насибян Нелли Маратовна — аспирант и врач-рентгенолог
127051, Москва, ул. Петровка, д. 24, стр. 1
Nelli M. Nasibian — postgraduate student, radiologist of the State Budget-Funded Health Care Institution of the City of Moscow
127051, Moscow, Petrovka St., 24, bldg. 1
Владзимирский Антон Вячеславович — доктор медицинских наук, заместитель директора по научной работе
127051, Москва, ул. Петровка, д. 24, стр. 1
Anton V. Vladzymyrskyy — Dr. of Sci. (Med.), Chief Research Officer of the State Budget-Funded Health Care Institution of the City of Moscow
127051, Moscow, Petrovka St., 24, bldg. 1
Арзамасов Кирилл Михайлович — кандидат медицинских наук, руководитель отдела медицинской информатики, радиомики и радиогеномики
127051, Москва, ул. Петровка, д. 24, стр. 1
Kirill M. Arzamasov — Cand. of Sci. (Med.), Head of the Department of Medical Informatics, Radiomics and Radiogenomics, State Budget-Funded Health Care Institution of the City of Moscow
127051, Moscow, Petrovka St., 24, bldg. 1
ВВЕДЕНИЕ: Магнитно-резонансная томография обеспечивает точное и надежное обнаружение патологий предстательной железы, а также стадирование рака предстательной железы. Возможности метода используются в проведении прицельной биопсии, проведении лечения, а также для оценки метастатического поражения. В настоящее время большее внимание сосредоточено на возможностях радиомики и искусственного интеллекта для повышения диагностических возможностей магнитно-резонансной томографии, в частности для улучшения точности и сроков выявления образований. Технологии искусственного интеллекта (ИИ) имеют огромное количество потенциальных применений в классификации и улучшении качества мультипараметрического изображения предстательной железы, сегментации самой железы и подозрительных очагов, обнаружении и дифференциации клинически незначимых и значимых раковых опухолей на трехмерном уровне, а также классификации поражений по категориям системы визуализации предстательной железы (шкала Глисона).
ЦЕЛЬ: Оценить диагностическую точность автоматизированного измерения размеров и объема предстательной железы при помощи искусственного интеллекта.
МАТЕРИАЛЫ И МЕТОДЫ: Проведено ретроспективное диагностическое исследование в соответствии с методологией «STARD 2015». Использована оригинальная методология тестирования и мониторинга ИИ-сервисов на этапах жизненного цикла. Оценка точности проведена путем бинарной классификации: правильное измерение и неправильное измерение. Производилась оценка удельного веса корректных измерений, затем рассчитывалась точность морфометрического ИИсервиса по оригинальной формуле — отношение количества исследований с согласием врача с измерениями ИИ-сервиса к общему количеству успешно обработанных ИИ-сервисом исследований, умноженное на 100.
РЕЗУЛЬТАТЫ: При проведении второго калибровочного тестирования была установлена точность определения вертикального размера предстательной железы — 94,68%, передне-заднего (сагиттального) 97,87%, фронтального (поперечного) — 96,81%. Суммарно точность измерений морфометрического ИИ-сервиса для результатов МРТ предстательной железы 96,45%.
ОБСУЖДЕНИЕ: Проблематика применения искусственного интеллекта для анализа МРТ органов малого таза, в частности предстательной железы, исследуется ограниченным количеством авторов. На этом фоне автоматизированный анализ исследований органов грудной клетки, молочной железы или головного мозга принципиально более популярен. Объективные причины для объяснения такого дисбаланса находятся с трудом. Фактически можно лишь ограничиться стандартным утверждением об отсутствии данных для обучения алгоритмов — в нужном объеме и нужного качества. Большинство авторов фокусируются на проблемах выявления, оценки риска и дифференциальной диагностики очаговых образований предстательной железы. В частности, из 11 решений на основе технологий искусственного интеллекта, имеющих статус медицинского изделия в США и/или странах Западной Европы, 5 выполняют функцию сегментации, другие 5 — детекции очагов (при этом 2 отображают результаты в виде тепловой карты, 3 — формируют проект описания), наконец, одно решение проводит сегментацию железы и расчет «нескольких биомаркеров» (например, плотность ПСА), а также предлагает проект описания результатов исследования. Отметим, что в последнем случае опубликованы значения коэффициента Дайса для задачи сегментации, но отсутствуют данные о точности вычислений биомаркеров.
ЗАКЛЮЧЕНИЕ: Московский эксперимент, в рамках которого проведено наше исследование, представляет собой беспристрастную и объективную внешнюю валидацию, к тому же проводимую по стандартизированной методологии и с «прозрачными» результатами. Задача по автоматизации морфометрии рутинных измерений предстательной железы успешно реализована. Применение технологий искусственного интеллекта для анализа органов малого таза, в частности, предстательной железы, остается актуальным и малоисследованным направлением.
INTRODUCTION: Magnetic resonance imaging provides accurate and reliable detection of prostate pathologies, as well as staging of prostate cancer. The capabilities of the method are used in conducting targeted biopsy, treatment, and also for assessing metastatic lesions. Currently, more attention is focused on the possibilities of radiomics and artificial intelligence to improve the diagnostic capabilities of magnetic resonance imaging, in particular to improve the accuracy and timing of detection of formations. Artificial intelligence (AI) technologies have a huge number of potential applications in classifying and improving the quality of multiparametric prostate images, segmenting the prostate gland and suspicious lesions, detecting and differentiating clinically insignificant and significant cancers at the 3D level, and classifying lesions according to the Prostate Imaging Reporting and Data System (PI-RADS).
OBJECTIVE: To evaluate the diagnostic accuracy of automated measurement of prostate size and volume using artificial intelligence.
MATERIALS AND METHODS: A retrospective diagnostic research was conducted in accordance with methodology «STARD 2015». An original methodology for testing and monitoring AI services at life cycle stages was used. The accuracy assessment was carried out by binary classification: correct measurement and incorrect measurement. The proportion of correct measurements was assessed, then the accuracy of the morphometric AI service was calculated using the original formula — the ratio of the number of studies with the doctor’s consent to the measurements of the AI service to the total number of studies successfully processed by the AI service, multiplied by 100.
RESULTS: During the second calibration test, the accuracy of determining the vertical size of the prostate gland was 94.68%, the anteroposterior (sagittal) size accuracy was 97.87%, and the frontal (transverse) size accuracy was 96.81%. Overall, the accuracy of the morphometric AI service in measuring prostate gland size from MRI results was 96.45%.
DISCUSSION: The use of artificial intelligence for the analysis of MRI of the pelvic organs particularly of the prostate gland, has been studied by a limited number of authors. In contrast, automated analysis of studies of the chest organs, mammary gland or brain is significantly more common. Objective reasons explaining this imbalance are difficult to find. In fact, we can only limit ourselves to the standard statement about the lack of data for training algorithms — in the required volume and quality. Most researchers focus on the problems of detection, risk assessment and differential diagnosis of focal lesions of the prostate gland. In particular, among 11 AI-based that have received medical device approval in the USA and/or Western Europe, 5 perform the segmentation function, the other 5 focus on the detection of foci (with 2 presenting the results as a heat map and 3 providing reports), and one solution both segments the gland and calculates «several biomarkers» (e.g., PSA density) while also offering a description project of the study results. It should be noted that, in the latter case, Dice coefficient values for the segmentation task have been published, but data on the accuracy of biomarker calculations are not available.
CONCLUSION: The Moscow Experiment, within the framework of which our research was conducted, represents an impartial and objective external validation, moreover, conducted according to a standardized methodology and with «transparent» results. The task of automating the morphometry of routine measurements of the prostate gland has been successfully implemented. The use of artificial intelligence technologies for the analysis of pelvic organs, in particular, the prostate gland, remains a relevant and little-studied area.
The authors declare that there are no conflicts of interest present.