Медицинская литература. Новинки

 

 

 

 

 

 

Влияние системы автоматического выявления ишемических изменений в бассейне средней мозговой артерии на процесс принятия врачебных решений

Вы можете загрузить полный текст статьи в формате pdf

Цель исследования: изучение возможности применения моделей параллельного и второго чтения при внедрении программы автоматического выявления ишемических изменений в бассейне средней мозговой артерии в диагностический процесс врачей со стажем до трех лет и различным опытом в ургентной нейрорадиологии.Материал и методы. В исследование включены программный продукт на основе технологий искусственного интеллекта, а также 7 врачей со стажем до трех лет и различным опытом в диагностике ишемического инсульта. Комплементарная оценка осуществлялась на базе, включающей 100 пациентов, поступивших в Региональный сосудистый центр Санкт-Петербурга с клинической картиной ишемического инсульта в бассейне средней мозговой артерии, которым были выполнены нативные КТ-исследования головного мозга. Ишемический инсульт у половины пациентов был подтвержден на основе клинических данных, а также проведения КТ-ангиографии сосудов головного мозга и КТ-перфузии. У другой половины данный диагноз исключили. Были смоделированы два варианта внедрения алгоритма искусственного интеллекта в качестве системы поддержки принятия решений в диагностический процесс врача-рентгенолога: первого (параллельного) и второго чтения.Результаты. Результаты исследования показали, что при применении модели комплементарной оценки “параллельное чтение” происходит увеличение показателей диагностической эффективности, а также межэкспертного согласия при оценке по шкале ASPECTS среди молодых специалистов вне зависимости от наличия опыта работы с ургентной патологией.

Ключевые слова:
ишемический инсульт, искусственный интеллект, компьютерная томография, молодые специалисты, модель комплементарной оценки, ischemic stroke, artificial intelligence, computed tomography, young specialists, complementary assessment model

Литература:
1.Указ Президента Российской Федерации от 10.10.2019 г. № 490 “О развитии искусственного интеллекта в Российской Федерации”. (2019). Официальный портал правовой информации. URL: http://www.pravo.gov.ru (дата доступа: 20 января 2024).
2.Морозов С.П., Владимирский А.В., Кляшторный В.Г., Андрейченко А.Е., Кульберг Н.С., Гомболевский В.А. Клинические испытания программного обеспечения на основе интеллектуальных технологий (лучевая диагностика). М.: Серия Лучшие практики лучевой и инструментальной диагностики. Вып. 23. 2019. 34 С.
3.Obuchowski N.A., Bullen J.A. Statistical considerations for testing an AI algorithm used for prescreening lung CT images. Contemp Clin Trials Commun. 2019; 16: 100434. https://doi.org/10.1016/j.conctc.2019.100434. Erratum in: Contemp Clin Trials Commun. 2020 Dec 10; 20: 100689. PMID: 31485545; PMCID: PMC6717063
4.Смольникова У.А. Возможности систем автоматического анализа цифровых рентгенологических изображений в диагностике округлых образований в легких: специальность 31.25.00: дис. ... канд. мед. наук. М., 2022. 281 с.
5.Андропова П.Л., Гаврилов П.В., Колесникова П.А., Кушнер А.В., Владзимирский А.В., Васильев Ю.А., Трофимова Т.Н. Диагностическая эффективность отдельных систем автоматического анализа КТ-изображений в выявлении ишемического инсульта в бассейне средней мозговой артерии. Сибирский журнал клинической и экспериментальной медицины. 2023; 39 (3): 194–200. https://doi.org/10.29001/2073-8552-2023-39-3-194-200
6.Kumar R., Indrayan A. Receiver operating characteristic (ROC) curve for medical researchers. Indian Pediatr. 2011; 48 (4): 277–287. https://doi.org/10.1007/s13312-011-0055-4
7.Андропова П.Л., Гаврилов П.В., Казанцева И.П., Домиенко О.М., Наркевич А.Н., Колесникова П.А., Гребенкина Е.К., Тарасов Н.В., Сергеева Т.В., Трофимова Т.Н. Оценка межэкспертной согласованности врачей-рентгенологов в диагностике ишемического инсульта в бассейне средней мозговой артерии с помощью компьютерной томографии. Медицинская визуализация. 2023; 27 (4): 159–169. https://doi.org/10.24835/1607-0763-1315
8.Najjar R. Redefining Radiology: A Review of Artificial Intelligence Integration in Medical Imaging. Diagnostics. 2023; 13 (17): 2760. https://doi.org/10.3390/diagnostics13172760
9.Anderson T., Torreggiani W.C., Munk P.L., Mallinson P.I. The impact of the introduction of artificial intelligence in radiology and its potential legal implications in the UK and Ireland. BJR Open. 2020; 2 (1): 20200030. https://doi.org/10.1259/bjro.20200030. PMID: 33178985; PMCID: PMC7594892
10.Miller R.A. Medical diagnostic decision support systems - past, present, and future: a threaded bibliography and brief commentary. J. Am. Med. Inform. Assoc. 1994; 1: 8–27. https://doi.org/10.1136/jamia.1994.95236141

Influence of the implementation of automatic artificial intelligence-based CT image analysis systems in diagnosis of middle cerebral artery stroke in human

The purpose of the study was to investigate the possibility of applying first-reader and second-reader modes in the implementation of an automatic detection program for MCA ischemic stroke in the diagnostic process of radiologists with less than 3 years of experience and varying expertise in emergency neuroradiology.Material and methods. The study included a software product based on artificial intelligence technologies, as well as seven doctors with less than 3 years of experience and varying expertise in the diagnosis of ischemic stroke. Complementary evaluation was performed based on a cohort of 100 patients admitted to the regional vascular center in Saint Petersburg with clinical presentation of ischemic stroke in the territory of the middle cerebral artery, who underwent native CT brain studies. Ischemic stroke was confirmed in half of the patients based on clinical data, as well as CT angiography of the cerebral vessels and CT perfusion. The diagnosis was ruled out in the other half. Two variants of implementing the artificial intelligence algorithm as a decision support system in the diagnostic process of a radiologist were simulated: the first (parallel) and second reader modes.Results. The results of the study showed that the application of the complementary evaluation parallel- reader mode leads to an increase in diagnostic efficiency indicators and interobserver agreement in assessing ASPECTS scale among young specialists, regardless of their experience with urgent pathology.

Keywords:
ишемический инсульт, искусственный интеллект, компьютерная томография, молодые специалисты, модель комплементарной оценки, ischemic stroke, artificial intelligence, computed tomography, young specialists, complementary assessment model