Казиева Мариям Юсуфовна — продуктовый менеджер сервиса КТ «Головного мозга», общество с ограниченной ответственностью «СберМедИИ», ДЗО ПАО Сбербанк; 121205, Москва, территория Сколково Инновационного Центра, Большой б-р, д. 30, стр. 1, эт/пом/рм 2/225/225-5
Mariam Yu. Kazieva — Product Manager of the CT Brain Imaging Service SberMedAI, a subsidiary of PJSC Sberbank, 30 Bolshoy Boulevard, Building 1, Floor 2, Room 225-5, Skolkovo Innovation Center, 121205, Moscow
Стулов Илья Константинович — кандидат медицинских наук, врач-рентгенолог отделения лучевой диагностики № 1 федерального государственного бюджетного учреждения «Национальный медицинский исследовательский центр имени В.А.Алмазова» Министерства здравоохранения Российской Федерации; 197341, Санкт-Петербург, ул. Аккуратова, д. 2; врач-рентгенолог рентгеновского отделения федерального государственного бюджетного учреждения «Национальный медицинский исследовательский центр психиатрии и неврологии имени В.М.Бехтерева» Министерства здравоохранения Российской Федерации; 192019, Санкт-Петербург, ул. Бехтерева, д. 3
Ilya K. Stulov — Cand. of Sci. (Med.), Radiologist, Department of Radiology No. 1, Almazov National Medical Research Center of the Ministry of Health of the Russian Federation, 2 Akkuratova St., St. Petersburg, 197341, Russia; Radiology Department, V.M.Bekhterev National Medical Research Center for Psychiatry and Neurology of the Ministry of Health of the Russian Federation, 3 Bekhtereva St., St. Petersburg, 192019
Басек Илона Владимировна — кандидат медицинских наук, доцент кафедры лучевой диагностики и медицинской визуализации с клиникой, врач-рентгенолог, заведующая отделом лучевой диагностики федерального государственного бюджетного учреждения «Национальный медицинский исследовательский центр имени В.А.Алмазова» Министерства здравоохранения Российской Федерации; 197341, Санкт-Петербург, ул. Аккуратова, д. 2
Ilona V. Basek — Cand. of Sci. (Med.), Radiologist, Head of the Radiology Department at the same institution, Associate Professor at the Department of Radiology and Medical Imaging with Clinical Practice, Almazov National Medical Research Center of the Ministry of Health of the Russian Federation, 2 Akkuratova St., St. Petersburg, 197341
Медведева Наталья Александровна — кандидат медицинских наук, клинический эксперт, врач-рентгенолог, общество с ограниченной ответственностью «СберМедИИ», ДЗО ПАО Сбербанк; 121205, Москва, территория Сколково Инновационного Центра, Большой б-р, д. 30, стр. 1, эт/пом/рм 2/225/225–5
Natalia A. Medvedeva — Cand. of Sci. (Med.), Clinical Expert, Radiologist, SberMedAI; 30 Building 1, Bolshoy Boulevard, Skolkovo Innovation Center, Moscow, 121205, Russia; Office: 2/225/225–5
Курапеев Дмитрий Ильич — заместитель генерального директора по информационным технологиям и проектному управлению федерального государственного бюджетного учреждения «Национальный медицинский исследовательский центр имени В.А.Алмазова» Министерства здравоохранения Российской Федерации; 197341, Санкт-Петербург, ул. Аккуратова, д. 2
Dmitry I. Kurapeev — Deputy Director General for Information Technology and Project Management at the Almazov National Medical Research Center, Ministry of Health of the Russian Federation, 197341, 2 Akkuratova St., St. Petersburg
Введение: Острые нарушения мозгового кровообращения (ОНМК), включая ишемические инсульты и внутричерепные кровоизлияния, являются одной из ведущих причин смертности и инвалидизации населения. Высокая нагрузка на врачей-рентгенологов и необходимость быстрого принятия решений в условиях ограниченного времени обусловливают актуальность внедрения технологий искусственного интеллекта (ИИ) в диагностику этих состояний.
Цель: Оценить диагностическую эффективность модели искусственного интеллекта, предназначенной для выявления рентгенологических признаков острого ишемического инсульта и внутричерепных кровоизлияний на бесконтрастной компьютерной томографии головного мозга.
Материалы и методы: Исследование носило ретроспективный характер. В качестве тестовой выборки использовано 263 потоковых обезличенных нативных КТ-исследований пациентов старше 18 лет, проведенные по подозрению на ОНМК. Верификация диагноза осуществлялась двумя независимыми рентгенологами. Результаты ИИ-модели сравнивались с эталонными заключениями специалистов по чувствительности, специфичности, точности и ROC AUC. Дополнительно анализировалась точность локализации и сегментации патологических очагов.
Результаты: ИИ-модель продемонстрировала чувствительность 0,85, специфичность 0,82 и точность 0,83 в диагностике ишемического инсульта (ROC AUC=0,84), а также чувствительность 0,82, специфичность 0,81 и точность 0,81 в выявлении внутричерепных кровоизлияний (ROC AUC=0,81). В 94,2% случаев врачи согласились с контуром патологического очага, предложенным моделью, и в 95,7% — с расчетом объема поражения.
Обсуждение: Результаты показывают, что ИИ-модель обладает высокой диагностической точностью и может быть полезным инструментом для поддержки врачебного принятия решений. В то же время ограниченная прогностическая ценность положительного результата подчеркивает необходимость использования модели в комплексе с клиническим контекстом и мнением специалиста.
Заключение: Модель ИИ «КТ головного мозга» продемонстрировала высокий потенциал для автоматизированной диагностики ишемических инсультов и кровоизлияний. Её внедрение может способствовать снижению нагрузки на врачей и повышению точности диагностики в рутинной практике, при условии дальнейшей валидации и дообучения модели на более широкой выборке.
Introduction: Acute cerebrovascular accidents (CVA), including ischemic stroke and intracranial hemorrhage, remain among the leading causes of mortality and long-term disability worldwide. The substantial workload placed on radiologists, combined with the necessity for prompt decision-making under time pressure, underscores the importance of integrating artificial intelligence (AI) technologies into the diagnostic process.
Objectives: To assess the diagnostic performance of an artificial intelligence model developed for the detection of acute ischemic stroke and intracranial hemorrhage on non-contrast brain computed tomography (CT).
Materials and Methods: This paper represents the results of a retrospective study. The test dataset comprised 263 anonymized non-contrast brain CT examinations of patients aged over 18 years, performed under clinical suspicion of acute cerebrovascular accident. Ground truth was established by two independent radiologists. The performance of the AI model was evaluated against the ground truth dataset using sensitivity, specificity, accuracy, and ROC AUC metrics. In addition, the accuracy of lesion localization and segmentation was analyzed.
Results: For ischemic stroke detection, the AI model achieved a sensitivity of 0.85, specificity of 0.82, and overall accuracy of 0.83 (ROC AUC=0.84). For intracranial hemorrhage detection, sensitivity was 0.82, specificity 0.81, and accuracy 0.81 (ROC AUC=0.81). Agreement between radiologists and the model’s proposed lesion contours was observed in 94.2% of cases, while concordance on lesion volume estimation reached 95.7%.
Discussion: The findings demonstrate that the AI model provides high diagnostic accuracy and may serve as a valuable tool for clinical decision-making. Nonetheless, the limited positive predictive value highlights the necessity of employing the model in conjunction with clinical context and expert interpretation.
Conclusion: The «Brain CT” AI model demonstrated strong potential for automated detection of ischemic stroke and intracranial hemorrhage. Its implementation could contribute to reducing the workload of radiologists and improving diagnostic accuracy in routine practice, contingent upon further validation and model retraining on larger and more diverse datasets.
The authors declare that there are no conflicts of interest present.