Preview

Лучевая диагностика и терапия

Расширенный поиск

ВАЛИДАЦИЯ ДИАГНОСТИЧЕСКОЙ ТОЧНОСТИ АЛГОРИТМА «ИСКУССТВЕННОГО ИНТЕЛЛЕКТА» ДЛЯ ВЫЯВЛЕНИЯ РАССЕЯННОГО СКЛЕРОЗА В УСЛОВИЯХ ГОРОДСКОЙ ПОЛИКЛИНИКИ

https://doi.org/10.22328/2079-5343-2020-11-2-58-65

Полный текст:

Аннотация

Цель: оценить диагностическую точность оригинального алгоритма выявления РС в условиях отделения лучевой диагностики медицинской организации, оказывающей первичную (амбулаторно-поликлиническую) медицинскую помощь.

Материалы и методы. Проведен анализ деперсонализированных результатов МР-исследований головного мозга, выполненных 93 пациентам в период с 22.08.2019 г. по 26.09.2019 г., из которых 42 мужчины (средний возраст 47,5±15,9 лет) и 51 женщина (средний возраст 52,3±16,8 лет); лица европеоидной расы, жители г. Москвы. Все  пациенты подписали добровольное информированное согласие. Исследования  проводились на томографе VANTAGE Atlas (Toshiba, Япония) с индукцией магнитного поля 1,5 Тл по стандартному протоколу.

Результаты. Все МР-исследования проанализированы с применением оригинального  алгоритма «искусственного интеллекта» (ИИ). Решения алгоритма (индекс-теста)  сопоставлены с референс-тестом, значения которого приняты за истинный статус  обследуемых лиц. Чувствительность индекс-теста — 100%, специфичность — 75,3%,  точность — 76,3%, прогностическая ценность отрицательного результата — 100%, площадь под характеристической кривой — 0,861. Результаты свидетельствуют о надежном «отсеивании» алгоритмом результатов исследований без признаков РС.  Показано достаточное качество и отличная воспроизводимость результатов работы  алгоритма на независимых данных.

Заключение. Разработанный алгоритм ИИ обеспечивает эффективную сортировку МР-исследований в условиях первичного звена здравоохранения с поддержанием оптимального уровня настороженности относительно РС.

Об авторах

С. П. Морозов
Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы
Россия

доктор медицинских наук, профессор, директор

109029, Москва, Средняя Калитниковская ул., д. 28, стр. 1

SPIN: 8542–1720



А. В. Владзимирский
Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы
Россия

доктор медицинских наук, заместитель директора по научной работе

109029, Москва, Средняя Калитниковская ул., д. 28, стр. 1

SPIN: 3602–7120  



Г. Н. Черняева
Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы; Медицинский центр в Коломенском
Россия

младший научный сотрудник; врач-рентгенолог, заведующий рентгенологическом отделением

109029, Москва, Средняя Калитниковская ул., д. 28, стр. 1

115533, Москва, ул. Высокая, д. 19, корп. 2



А. В. Бажин
Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы; Городская поликлиника № 2 Департамента здравоохранения города Москвы
Россия

кандидат медицинских наук, врач-рентгенолог;

109029, Москва, Средняя Калитниковская ул., д. 28, стр. 1;

117556, Москва, Фруктовая ул., д. 12

SPIN: 6122–5786



А. А. Пимкин
Сколковский институт науки и технологий
Россия

младший инженер-исследователь

121205, Москва, территория Инновационного центра «Сколково», Большой бульвар, д. 30, стр. 1



М. Г. Беляев
Сколковский институт науки и технологий
Россия

кандидат физико-математических наук, старший преподаватель

121205, Москва, территория Инновационного центра «Сколково», Большой бульвар, д. 30,
стр. 1

SPIN: 2406–1772



В. Г. Кляшторный
Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы
Россия

кандидат биологических наук, статистик

109029, Москва, Средняя Калитниковская ул., д. 28, стр. 1

SPIN: 3918–9762



Т. Н. Горшкова
Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы
Россия

109029, Москва, Средняя Калитниковская ул., д. 28, стр. 1

 



Н. С. Курочкина
Сколковский институт науки и технологий
Россия

инженер-исследователь,

121205, Москва, территория Инновационного центра «Сколково»; Большой бульвар, д. 30, стр. 1



С. Ф. Якушева
Московский физико-технический институт
Россия

студентка

141701, Московская облаcть, г. Долгопрудный, Институтский пер., д. 9



Список литературы

1. Ханох Е.В., Рождественский А.С., Кудрявцева Е.А. Исследование наследственных факторов предрасположенности к рассеянному склерозу и особенностей его течения в русской этнической группе // Бюллетень Сибирского отделения Российской академии медицинских наук. 2011. Т. 31, № 1. С. 113–118.

2. Atlas of MS 2013. Multiple Sclerosis International Federation, 2013. 28 р.

3. Шмидт Т.Е., Яхно Н.Н. Рассеянный склероз: воспаление, дегенерация: руководство для врачей. 3-е изд. М.: МЕДпресс-информ, 2012. 272 c.

4. Karussis D. The diagnosis of multiple sclerosis and the various related demyelinating syndromes: a critical review // J. Autoimmun. 2014. Feb-Mar. Vol. 48–49. P. 134–142. doi: 10.1016/j.jaut.2014.01.022.

5. Guillemin F., Baumann C., Epstein J. LORSEP Group. Older Age at Multiple Sclerosis Onset Is an Independent Factor of Poor Prognosis: A PopulationBased Cohort Study // Neuroepidemiology. 2017. No. 48 (3–4). P. 179–187. doi: 10.1159/000479516.

6. Gelfand J.M. Multiple sclerosis: diagnosis, differential diagnosis, and clinical presentation // Handb Clin Neurol. 2014. No 122. P. 269–290. doi: 10.1016/B978-0-444-52001-2.00011-X.

7. Брюхов В.В., Кротенкова И.А., Морозова С.Н. Современный взгляд на МРТ-диагностику рассеянного склероза: обновленные МРТ-критерии 2016 г. // Журнал неврологии и психиатрии им. C.C. Корсакова. 2017. Т. 117. № 2–2. С. 66–73.

8. Гомболевский В.А., Лайпан А.Ш., Шапиев А.Н. Применение критериев диагностики и контроля рассеянного склероза по MAGNIMS. М., 2018. Вып. 11. 12 c. (Серия: «Лучшие практики лучевой и инструментальной диагностики»).

9. Захарова М.Н., Абрамова А.А., Аскарова Л.Ш. Рассеянный склероз: вопросы диагностики и лечения. М.: Медиа-Менте, 2018. 240 с.

10. Гусев А.В., Плисс М.А. Основные рекомендации к созданию и развитию информационных систем в здравоохранении на базе искусственного интеллекта // Врач и информационные технологии. 2018. № 3. С. 45–60.

11. Морозов С.П., Владзимирский А.В., Гомболевский В.А., Кузьмина Е.С., Ледихова Н.В. Искусственный интеллект: автоматизированный анализ текста на естественном языке для аудита радиологических исследований // Вестник рентгенологии и радиологии. 2018. Т. 99, № 5. С. 253–258.

12. Arani L.A., Hosseini A., Asadi F. Intelligent Computer Systems for Multiple Sclerosis Diagnosis: a Systematic Review of Reasoning Techniques and Methods // Acta Inform Med. 2018. Dec. 26 (4). P. 258–264. doi: 10.5455/aim.2018.26:258-264.

13. Ranschaert E.R., Morozov S.P., Algra P.R. Artificial intelligence in medical imaging. Springer International Publishing, 2019. 369 р.

14. Solomon A.J., Naismith R.T., Cross A.H. Misdiagnosis of multiple sclerosis: Impact of the 2017 McDonald criteria on clinical practice // Neurology. 2019. Jan 1. Vol. 92, No. 1. P. 26–33. doi: 10.1212/WNL.0000000000006583.

15. Морозов С.П., Владзимирский А.В., Кляшторный В.Г., Андрейченко А.Е., Кульберг Н.С., Гомболевский В.А., Сергунова К.А. Клинические испытания программного обеспечения на основе интеллектуальных технологий (лучевая диагностика). М., 2019. Вып. 57. 33 с. (Серия «Лучшие практики лучевой и инструментальной диагностики»)

16. Morozov S.P., Vladzymyrskyy A.V., Klyashtornyy V.G. Clinical acceptance of software based on artificial intelligence technologies (radiology). M., 2019, Issue 57, 51 р. (Series «Best practices in medical imaging»). arXiv: 1908.00381.

17. Avants B.B., Tustison N., Song G. Advanced normalization tools (ANTS) // Insight j. 2009. Jun 4. No. 2. P. 1–35.

18. He K., Zhang X., Ren S., Sun J. Deep residual learning for image recognition // Proceedings of the IEEE conference on computer vision and pattern recognition. 2016. P. 770–778.

19. Gros C., De Leener B., Badji A. Automatic segmentation of the spinal cord and intramedullary multiple sclerosis lesions with convolutional neural networks // Neuroimage. 2019. Jan 1. No. 184. P. 901–915. doi: 10.1016/j.neuroimage.2018.09.081.

20. Wang S.H., Tang C., Sun J. Multiple Sclerosis Identification by 14-Layer Convolutional Neural Network With Batch Normalization, Dropout, and Stochastic Pooling // Front Neurosci. 2018. Nov. 8. P. 812–818. doi: 10.3389/fnins.2018.00818.

21. Yoo Y., Tang L.Y.W., Brosch T. Deep learning of joint myelin and T1w MRI features in normal-appearing brain tissue to distinguish between multiple sclerosis patients and healthy controls // Neuroimage Clin. 2017. Oct. 14. No. 17. P. 169–178. doi: 10.1016/j.nicl.2017.10.015.

22. Valverde S., Cabezas M., Roura E. Improving automated multiple sclerosis lesion segmentation with a cascaded 3D convolutional neural network approach // Neuroimage. 2017. Jul 15. No. 155. P. 159–168. doi: 10.1016/j.neuroimage.2017.04.034.

23. Hackmack K., Paul F., Weygandt M. Alzheimer’s Disease Neuroimaging Initiative. Multi-scale classification of disease using structural MRI and wavelet transform // Neuroimage. 2012. Aug 1. No. 62 (1). P. 48–58. doi: 10.1016/j.neuroimage.2012.05.022.


Для цитирования:


Морозов С.П., Владзимирский А.В., Черняева Г.Н., Бажин А.В., Пимкин А.А., Беляев М.Г., Кляшторный В.Г., Горшкова Т.Н., Курочкина Н.С., Якушева С.Ф. ВАЛИДАЦИЯ ДИАГНОСТИЧЕСКОЙ ТОЧНОСТИ АЛГОРИТМА «ИСКУССТВЕННОГО ИНТЕЛЛЕКТА» ДЛЯ ВЫЯВЛЕНИЯ РАССЕЯННОГО СКЛЕРОЗА В УСЛОВИЯХ ГОРОДСКОЙ ПОЛИКЛИНИКИ. Лучевая диагностика и терапия. 2020;11(2):58-65. https://doi.org/10.22328/2079-5343-2020-11-2-58-65

For citation:


Morozov S.P., Chernyaeva G.N., Bazhin A.V., Pimkin A.A., Belyaev M.G., Vladzymyrsky A.V., Klyashtorny V.G., Gorshkova T.N., Kurochkina N.S., Yakushevа S.F. VALIDATION OF DIAGNOSTIC ACCURACY OF ANARTIFICIAL INTELLIGENCE ALGORITHM FOR DETECTING MULTIPLE SCLEROSIS IN A CITY POLYCLINIC SETTING. Diagnostic radiology and radiotherapy. 2020;11(2):58-65. (In Russ.) https://doi.org/10.22328/2079-5343-2020-11-2-58-65

Просмотров: 226


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2079-5343 (Print)