ЕРИЖОКОВ Р.А.
г. Москва
ERIZHOKOV R.A.
Moscow
САХАРОВА П.А.
г. Москва
SAKHAROVA P.A.
Moscow
КИРСАНОВ В.В.
г. Москва
KIRSANOV V.V.
Moscow
ХОРУЖАЯ А.Н.
г. Москва
KHORUZHAYA A.N.
Moscow
ВАРЮХИНА М.Д., к.м.н.
г. Москва
VARYUKHINA M.D., PhD.
Moscow
АРЗАМАСОВ К.М., д.м.н.
г. Москва
ARZAMASOV K.M., DSc.
Moscow
ВЛАДЗИМИРСКИЙ А.В., д.м.н.
г. Москва
VLADZYMYRSKYY A.V., DSc.
Moscow
ВАСИЛЬЕВ Ю.А., д.м.н.
г. Москва
VASILEV Y.A., DSc.
Moscow
Цель исследования: изучить возможности систем искусственного интеллекта (СИИ) в стационарных условиях, в частности в выявлении признаков инфильтрации по рентгенограммам органов грудной клетки (РГ ОГК).
Материалы и методы. Исходными данными являлись РГ ОГК в прямой проекции 1537 пациентов стационарных отделений в возрасте от 18 до 102 лет, полученные из Единой Радиологической Информационной Системы Единого Медицинского Информационно-Аналитического Сервиса (ЕРИС ЕМИАС). Факт наличия инфильтрации на РГ ОГК определялся врачом-рентгенологом (Рентгенолог 1) и рентгенологом-экспертом (Рентгенолог 2) со стажем работы больше 5 лет. Рентгенолог 2 размечал исследования в два этапа: на первом этапе были предоставлены только РГ ОГК, на втором этапе в дополнение к рентгенологическим данным был предоставлен доступ к информации о состоянии пациента.
Результаты. Показатели точности для пациентов с переходным состоянием составили 0,755 для СИИ, 0,756 для Рентгенолога 1 и 0,856 для Рентгенолога 2 соответственно. Статистически значимых различий точности между СИИ и Рентгенологом 1 не было выявлено (p>0,05). При рассмотрении сценария использования СИИ как второго мнения точность для пациентов с переходным состоянием составила 0,833, что статистически значимо превышает точность Рентгенолога 1 и СИИ (p<0,05).
Выводы. СИИ могут использоваться в качестве второго мнения при обнаружении признаков инфильтрации по данным РГ ОГК в условиях стационара. Однако в связи с тем, что диагностическая точность СИИ пока недостаточна для практического применения, требуется продолжение дальнейших исследований, направленных на обучение алгоритмов с использованием как визуальных данных, так и данных электронной медицинской карты.
Aim: to investigate the capabilities of artificial intelligence systems (AIS) in an inpatient setting, specifically in identifying signs of infiltration in chest radiographs (RG OGK).
Materials and methods. The initial data were chest X-rays (CXRs) in a frontal projection of 1,537 inpatients aged 18 to 102 years, obtained from the Unified Radiological Information System of the Unified Medical Information and Analytical Service (ERIS EMIAS). The presence of infiltration on the chest X-ray was determined by a radiologist (Radiologist 1) and an expert radiologist (Radiologist 2) with more than 5 years of experience. Radiologist 2 annotated the studies in two stages: at the first stage, only the chest X-rays were provided; at the second stage, in addition to the radiological data, access to information about the patient’s condition was provided.
Results. The accuracy rates for patients with a shifting state were 0.755 for AIS, 0.756 for Radiologist 1, and 0.856 for Radiologist 2, respectively. No statistically significant differences in accuracy were found between AIS and Radiologist 1 (p>0.05). When considering the scenario of using the AIS as a second opinion the accuracy for patients with a shifting state was 0.833, which is statistically significantly higher than the accuracy of Radiologist 1 and the AIS (p<0.05).
Conclusion. AIS can be used as a second opinion when detecting signs of infiltration based on RG OGK data in a hospital setting. However, since the diagnostic accuracy of the AIS is still insufficient for practical use, further research is needed to train algorithms using both visual data and electronic medical record data.
The authors declare that there are no conflicts of interest present.