МЕЖДИСЦИПЛИНАРНЫЕ ИССЛЕДОВАНИЯ
Комплексный (систематический) обзор литературы о применении искусственного интеллекта в медицинской визуализации
в
CJ
см <о
Барсукова Екатерина Алексеевна,
клинический ординатор кафедры лучевой диагностики № 1 ФПК и ППС, Кубанский государственный медицинский университет
E-mail: katebarsukova1507@gmail.com
Поморцев Алексей Викторович,
д.м.н., профессор, заведующий кафедрой лучевой диагностики № 1 ФПК и ППС, Кубанский государственный медицинский университет E-mail: pomor-av@mail.ru
Дьяченко Юлия Юрьевна,
к.м.н., доцент кафедры лучевой диагностики № 1 ФПК и ППС, Кубанский государственный медицинский университет E-mail: dyachenko0701@mail.ru
Матосян Мариам Альбертовна,
ассистент кафедры лучевой диагностики № 1 ФПК и ППС, Кубанский государственный медицинский университет, врач ультразвуковой диагностики Клиники ФГБОУ ВО КубГМУ Минздрава России E-mail: mariam_lev.90@mail.ru
Белоглядова Ирина Александровна,
ассистент кафедры общественного здоровья, здравоохранения и истории медицины, аспирант ФГБОУ ВО «КГТУ», Кубанский государственный медицинский университет
E-mail: beloglyadovaia@ksma.ru
В настоящее время актуальными проблемами остаются внедрение и применение современных компьютерных технологий, в том числе искусственного интеллекта. Нейросеть уже стала частью повседневной жизни в виде технологий распознавания лиц, речи, в виртуальных помощников (таких как Apple Siri, Google Assistant и Microsoft Cortana). Уже существует целый список электронно-вычислительных систем по всему миру с практически неограниченными возможностями. Один из ведущих инструментов искусственного интеллекта - это постоянное обучение нейросети, при чем наиболее качественно это работает при распознавании изображений. По данным отечественной и зарубежной литературы, искусственный интеллект до сих пор мало повлиял на акушерское и гинекологическое УЗИ. При этом, существует значительный потенциал применения нейросети в виде оказания помощи в постановке инструментального диагноза. Для реализации данных вопросов необходима совместная работа врачей ультразвуковой диагностики и разработчиков искусственного интеллекта. Наиболее актуальными проблемами остаются применение и внедрение искусственного интеллекта в рутинную практику врачей медицинской визуализации для исключения ошибочных решений в диагностике прогнозирования патологий и повышении качества дифференциального диагностики различных заболеваний.
Ключевые слов: искусственный интеллект, медицинская визуализация, нейросеть, ультразвуковая диагностика, цифрови-зация в медицине.
Введение
Искусственный интеллект это современная, цифровая, электронно-вычислительная система, которая способна имитировать работу человеческого мозга. Данная технология работает аналогично головному мозгу человека, при этом происходит замена нейронов на нейронные сети компьютера. Особенно поражает способность искусственного интеллекта «имитировать» когнитивные функции головного мозга, такие как «поиск решения проблемы» и «анализ данных», с помощью электронно-вычислительного механизма [1, 2]. Такое преимущество нейросети позволяет применять и внедрять его в здравоохранение по всему миру для анализа огромного количества информации. Ведь по данным зарубежной литературы, нейросеть уже активно используется в медицинской сфере, а именно в мониторинге пациентов, в прогнозе, диагностике и профилактике различных заболеваний. Также, сегодня нейросеть уже активно применяется в медицине, например, можно фиксировать аритмии в устройстве «умные часы» [3].
В настоящее время актуальными проблемами остаются внедрение и применение искусственного интеллекта в медицинской визуализации. Нейросеть уже стала частью повседневной жизни в виде технологий распознавания лиц, речи, виртуальных помощников (таких как Apple Siri, Google Assistant и Microsoft Cortana). Уже существует целый список современных электронно-вычислительных систем по всему миру с практически неограниченными возможностями [4].
Разработка искусственного интеллекта остается сложной тройной задачей: сбор большого объёма данных для обучения и проверки алгоритмов, создание компьютеров с достаточной вычислительной мощностью и создание алгоритмов для моделирования функции человеческого интеллекта (например, анализ и рассуждение) [5].
Один из ведущих инструментов искусственного интеллекта это постоянное обучение нейросети, при чем наиболее качественно это работает при распознавании изображений. В будущем это может принести большую помощь врачам ультразвуковой диагностики и врачам-рентгенологам [6].
По данным отечественной и зарубежной литературы, рассматриваются вопросы применения искусственного интеллекта для дифференциальной
диагностики заболеваний органов грудной клетки, при диагностике инсульта, эхографической оценке простатитов, а также в акушерстве и гинекологии и в радиологии [7,8,9,10,11,12,13,14].
Несомненно, применение нейросети может оказать положительное влияние на отечественное здравоохранение. Но важно понимать, что искусственный интеллект не может являться альтернативой для клинических решений, так как существует риск ошибочных решений в диагностике и прогнозировании различных заболеваний [15].
В данном обзоре нами были проанализированы зарубежные и отечественные исследования о применении и внедрении искусственного интеллекта в клинической медицины и медицинской визуализации, а также сделаны выводы о преимуществах и недостатках нейросети в медицине. Наиболее актуальными проблемами остаются применение и внедрение искусственного интеллекта в рутинную практику врачей медицинской визуализации для исключения ошибочных решений в диагностике прогнозирования патологий и повышении качества дифференциального диагностики различных заболеваний.
Методология
Обзор литературы был произведен совместно с такими программы, как с Google Scholar, Comput Methods Programs Biomed, eLIBRARY.RU и PubMed. Все подходящие публикации были найдены в период с 2020 года по 2023 год для того, чтобы отразить в данном обзоре самые актуальные данные по применению и внедрению искусственного интеллекта в здравоохранение. Первоначально статьи отбирались по релевантности названия, затем оценивали аннотации и полный текст.
Искусственный интеллект и медицинская визуализация
Современный интерес к искусственному интеллекту в медицинской визуализации обусловлен крупными достижениями в области компьютерных технологий нейросети, основанного на глубоком обучении. Разработчики в этой области используют для подобного обучения сложные наборы данных для оценки прогресса в точности классификации изображений. По данным зарубежной литературы, такая способность искусственного интеллекта превосходно справляется с распознаванием образов, что может стать несомненным преимуществом в рутинной практике врачей в области медицинской визуализации. Для прогресса в данном вопросе необходимо большая визуальная база данных, которая будет использована в алгоритмах обучения. При этом важным условием внедрения и применения искусственного интеллекта в рабочем процессе лучевой диагностики является стандартизация рентгенологических и ультразвуковых срезов интересуемой области. Стоит обратить внимание на то, что использование искусственного интел-
лекта в различных методах лучевой диагностики необходимо с учетом особенностей этих методов. Так, для применения нейросети в рабочем процессе ультразвукового исследования необходимы анализ и получение результатов в режиме реального времени. Тогда как, при использовании нейросети в компьютерной томографии автоматический анализ полученных данных может происходить только в конце исследования [4]. Столь значимыми остаются вопросы об универсальности программных обеспечений для широкого круга задач с учетом определённых особенностей (например, распознавание искусственным интеллектом различий между вторым и третьим триместром беременности). Помимо этого, глубокое обучение нейросети должно будет включать ряд таких функций, как сегментацию (определение границ органов и областей), навигацию (получение максимально качественных изображений), оценку качества изображения, диагностику (постановка предварительного инструментального диагноза). При этом уже существует первое приложение ультразвукового интеллекта, одобренное FDA, которое способно направлять пользователя, чтобы помочь ему получать изображения приемлемого диагностического качества во время эхокардиографии взрослого 38. После рассмотрения и анализа вышеизложенных исследований можно с уверенностью отметить то, что, внедрение и применение искусственного интеллекта в медицинскую визуализацию является перспективным направлением современного зарубежного и отечественного здравоохранения и может существенно помочь врачам лучевой диагностики в дифференциальной поиске и постановке инструментального диагноза.
Преимущества искусственного интеллекта в медицине (медицинской визуализации)
По данным отечественной и зарубежной литературы, в последнее время было много дискуссий о внедрении и применении искусственного интеллекта в медицинскую сферу. Особо актуальными вопросами остаются управление большой базой данных, оценка алгоритмов и медико-юридической сфера. Существует ряд исследований, которые подчеркивают преимущества приложений по искусственному интеллекту, их технологический потенциал, который может повысить точность инструментальных диагнозов и всего клинического процесса. Система нейросети поможет медицинским работникам получать необходимую теоретическую и визуальную информацию с последовательными и непрерывными обновлениями в режиме реального времени. Успешные медицинские результаты применения искусственного интеллекта уже появляются в областях скрининга, прогнозирования, диагностики, мониторинга, интерпретации изображений и разработки лекарств. Преимущества применения искусственного интеллекта очевидны. В будущем, благодаря нейросети может быть сокращено время анализа полученных изображений, лабораторных
сз о
о Л о
о сз о в
результатов, прогнозирования исходов лечения, подбора лекарственных препаратов, и положительно отразиться на процессе диагностики и лечения заболеваний.
Недостатки искусственного интеллекта в медицине (медицинской визуализации)
При рассмотрении вопроса о применении искусственного интеллекта врачами медицинской визуализации и клинической медицины необходимо оценить ряд проблем и неопределенностей в данной теме. На сегодняшний день одной из таких трудностей является использование технического языка и специфической терминологии, трудных для понимания пользователей, которые находятся за пределами данной сферы. Отсутствие междисциплинарных специалистов, работающих на стыке искусственного интеллекта и медицины, затрудняет перевод между двумя областями науки и удлиняет время разработки (создания) приложений. Еще одна из наиболее широко обсуждаемых проблем это неоднозначное влияние искусственного интеллекта на рабочие места. При это в данном случае речь будет идти не о технологической безработице, а о трансформации врача на рабочем месте, профессиональной перестройке, которая сможет открыть новые возможности для специалистов. Необходимо затронуть и этическую сторону данной темы. С одной стороны, встает вопрос о доверии решениям искусственного интеллекта в таких аспектах, как достоверности постановки инструментального диагноза, определении приоритетов лечения, прогнозов осложнений. С другой стороны, стоит уделить внимание вопросу конфиденциальности. Ведь для разработки приложений искусственного интеллекта требуется большой объём данных о пациентах и их диагнозах, а такие персональные данные собираются в больницах и органами здравоохранения. И здесь встает вопрос о персональном согласии пациента для использования подобных данных разработчиками нейросети при создании приложений. Стоит отметить еще одну проблему это потенциальная профессиональная ответственность врачей, использующих искусственный интеллект. Таким образом, не смотря на преимущества применения искусственного интеллекта в медицине, остается ряд важных и актуальных проблем, для решения которых необходимы широкомасштабные, убедительные, многоцентровые клинические исследования с рассмотрением медико-юридического вопроса.
Искусственный интеллект в клинической медицине
в По данным отечественной и зарубежной литера-И туры, хорошие результаты показало применение Я искусственного интеллекта в диагностике интра-~ краниалььных аневризм. Нейросеть, способная ^ автоматически обнаруживать и интерпретировать
КТ-ангиографические исследования интракрани-альных аневризм, продемонстрировала отменную производительность в анализе этих медицинских изображений, что для врачей рентгенологов является прогрессом и расширением рабочего процесса при диагностике данной патологии. В будущем, у данной современной компьютерной программы появятся новые возможности после расширения базы данных и обучения искусственного интеллекта новым возможностям [16, 17].
По данным зарубежной литературы известно о том, что существуют активные попытки внедрения и применения искусственного интеллекта в акушерстве и гинекологии. При этом вопрос подобных экспериментов является дискуссионным из-за этических норм и особого медицинского риска. Но искусственный интеллект может благотворно повлиять на ультразвуковую диагностику в различные триместры беременности, лечение и диагностику мимомы матки, экстракорпоральное оплодотворение (ЭКО) [18,19].
По данным отечественной литературы, основополагающим направлением применения искусственного интеллекта в нейрорадилогии является автоматическая сегментация поражений головного мозга для диагностики инсульта. Внедрение нейросети для осуществления данной функции в будущем поможет разгрузить врача рентгенолога от выполнения ее вручную. Но на сегодняшний день основными проблемы данного направления считаются вариативность экспертных оценок, ограничения в доступности метода и нехватка специалистов для интерпретации результатов. Как раз для решения таких проблем в нейрорадиологии может быть применим искусственный интеллект [20].
Заключение
После проведения обзора литературы и анализа зарубежных и отечественных исследований можно сделать вывод о том, что применение и внедрение искусственного интеллекта в медицинскую визуализацию станет прогрессом в дифференциальной диагностике различной патологии, окажет значительную помощь при постановке инструментального диагноза врачам лучевой диагностики и может быть использована как дополнительная компьютерная технология при обследовании пациентов.
Литература
1. Iftikhar P, Kuijpers MV, Khayyat A, Iftikhar A, De-Gouvia De Sa M: Artificial intelligence: a new paradigm in obstetrics and gynecology research and clinical practice. Cureus. 2020, 12: e7124. 10.7759/cureus.7124
2. Desai GS: Artificial intelligence: the future of obstetrics and gynecology. J Obstet Gynaecol India. 2018, 68:326-7. 10.1007/s13224-018-1118-4
3. Beam AL, Kohane IS: Big data and machine learning in health care. JAMA. 2018, 319:1317-8. 10.1001/jama.2017.18391
4. Yi J, et al. Technological trends and applications of deep learning in ultrasound: improving image quality, diagnostic support and improving workflow efficiency. Ultrasound echography. 2021; 40:7-22.
5. P.N. Ignatov Quantitative cardiotocography to improve fetal evaluation during childbirth: a preliminary randomized controlled trial / Lutomsky YuE // Eur J Obstet Gynecol Reprod Biol. 2016; 205: 9197.
6. Drukker L. Introduction to artificial intelligence in ultrasound imagins obstetrics and gynecology / Noble, J.A. and Papageorghiou, A.T. // Ultrasound Obstet Gynecol. 2023. 56: 498-505.
7. Safiullina E.R. Application of digital methods and artificial intelligence capabilities for diagnostics in obstetrics and gynecology / E.I. Rychkova, I.V. Mayorova // Cardiometry, 2023, p.111-117; DOI: 10.18137/cardiometry.2023.27.111117.
8. Авачева Т.Г. Применение искусственного интеллекта в радиологии / М.К. Алмазова, Ю.В. Зубцова // Информационный обмен в междисциплинарных исследованиях: Сборник трудов Всероссийской научно-практической конференции с международным участием. 2022. С. 67-72.
9. Попов С.В. Нейросетевое моделирование при эхографической оценке простатитов / А.В. Красников, Л.А. Титова [и др.] // Системный анализ и управление в биомедицинских системах. - 2023. - Т. 22, № 1. - С. 107-115.
10. Барсуков А.А. Искусственный интеллект в медицине. / Панов, М. Д., Крылов М.В. [и др.] // ТЕНДЕНЦИИ РАЗВИТИЯ НАУКИ И ОБРАЗОВАНИЯ. - 2022-82(4), 12-14.
11. Давыдов А.И. Клиническая оценка ультразвуковых маркеров внетубарных форм эктопической беременности: выбор метода оперативного пособия и принципы восстановительного лечения. Вопросы гинекологии, акушерства и перинатологии. / Соколенова И. И, Шахламо-ва М.Н. // 2020;19(4):178-183.
12. Ившин А.А. Искусственный интеллект: предик-тивная аналитика перинатального риска. Вопросы гинекологии, акушерства и перинатоло-гии. / Гусев А.В., Новицкий Р.Э. // 2020; 19(6): 133-144.
13. Блохин И.А. Использование искусственного интеллекта в здравоохранении: опыт вали-дации алгоритма искусственного интеллекта в медицинских организациях в условиях пандемии COVID-19 / С.П. Морозов, В.Ю. Черни-на // Мониторинг общественного мнения: экономические и социальные перемены. 2021. № 1. С.271-282.
14. Андропова П.Л. Применение систем искусственного интеллекта в нейрорадиоло-гии острого ишемического инсульта / Гаври-лов П.В. // Лучевая диагностика и терапия. 2021;12(2):30-35.
15. Makary M.A. Medical error - the third leading cause of death in the USA / Daniel M. // BMJ. 2016, 353: i2139.10.1136/bmj.i2139
16. Зяблова Е.И. Использование трехмерных сверточных нейронных сетей для выявления интракраниальных аневризм по данным КТ-ангиографии брахиоцефальных артерий / С.Г. Синица, И.А. Заяц // Инновационная медицина Кубани. 2023;(2):21-27. https://doi. org/10.35401/2541-9897-2023-26-2-21-27 (дата обращения: 06.11.2023)
17. Adams A. International brain initiative: an innovative framework for coordinated global brain research efforts / S. Albin, K. Amunts // Neuron. 2020;105:212-6.
18. Anokhin K.V. The Cognitome: Seeking the Fundamental Neuroscience of a Theory of Consciousness. Neurosci Behav Physi. 2021;51:915-37.
19. Wu L Artificial intelligence algorithm-based analysis of ultrasonic imaging features for diagnosis of pregnancy complicated with brain tumor / D. Wei, N. Yang // J Healthc Eng. 2021, 2021:4022312. 10.1155/2021/4022312
20. Wu Y Intelligent algorithm-based analysis on ultrasound image characteristics of patients with lower extremity arteriosclerosis occlusion and its correlation with diabetic mellitus foot / Y Shen, H Sun // J Healthc Eng. 2021, 2021:7758206. 10.1155/2021/7758206
A COMPREHENSIVE (SYSTEMATIC) REVIEW OF THE LITERATURE ON THE USE OF ARTIFICIAL INTELLIGENCE IN MEDICAL IMAGING
Barsukova E.A., Pomortsev A.V., Dyachenko Yu. Yu., Matosyan M.A., Beloglyadova I.A.
Kuban State Medical University
Currently, the implementation and application of modern computer technologies, including artificial intelligence, remain pressing problems. The neural network has already become a part of everyday life in the form of facial recognition, speech recognition technologies, and virtual assistants (such as Apple Siri, Google Assistant and Microsoft Cortana). There is already a whole list of electronic computing systems around the world with almost unlimited capabilities. Today, the neural network is already actively used in medicine, for example, it is possible to record arrhythmias in a smart watch device. One of the leading artificial intelligence tools is the constant training of a neural network, and this works best in image recognition. According to domestic and foreign literature, artificial intelligence has so far had little impact on obstetric and gynecological ultrasound. At the same time, there is significant potential for using a neural network in the form of assistance in making an instrumental diagnosis. To implement these issues, joint work of ultrasound doctors and artificial intelligence developers is required. The most pressing problem remains the use and implementation of artificial intelligence in the routine practice of medical imaging doctors to improve the quality of diagnostic searches.
Keywords: artificial intelligence, medical imaging, neural network, ultrasound diagnostics, digitalization in medicine.
References
1. Iftikhar P, Kuijpers MV, Khayyat A, Iftikhar A, DeGouvia De Sa M: Artificial intelligence: a new paradigm in obstetrics and gynecology research and clinical practice. Cureus. 2020, 12: e7124. 10.7759/cureus.7124
2. Desai GS: Artificial intelligence: the future of obstetrics and gynecology. J Obstet Gynaecol India. 2018, 68:326-7. 10.1007/ s13224-018-1118-4
3. Beam AL, Kohane IS: Big data and machine learning in health care. JAMA. 2018, 319:1317-8. 10.1001/jama.2017.18391
4. Yi J, et al. Technological trends and applications of deep learning in ultrasound: improving image quality, diagnostic support
C3
о
о Л о
о сз о в
and improving workflow efficiency. Ultrasound echography. 2021; 40:7-22.
5. P.N. Ignatov Quantitative cardiotocography to improve fetal evaluation during childbirth: a preliminary randomized controlled trial / Lutomsky YuE // Eur J Obstet Gynecol Reprod Biol. 2016; 205: 91-97.
6. Drukker L. Introduction to artificial intelligence in ultrasound imagins obstetrics and gynecology / Noble, J.A. and Papa-georghiou, A.T. // Ultrasound Obstet Gynecol. 2023. 56: 498505.
7. Safiullina E.R. Application of digital methods and artificial intelligence capabilities for diagnostics in obstetrics and gynecology / E.I. Rychkova, I.V. Mayorova // Cardiometry, 2023, p.111-117; DOI: 10.18137/cardiometry.2023.27.111117.
8. Avacheva T.G. Application of artificial intelligence in radiology / M.K. Almazova, Yu.V. Zubtsova // Information exchange in interdisciplinary research: Collection of proceedings of the All-Russian scientific-practical conference with international participation. 2022. pp. 67-72.
9. Popov S.V. Neural network modeling in the echographic assessment of prostatitis / A.V. Krasnikov, L.A. Titova [etc.] // System analysis and management in biomedical systems. - 2023. -T. 22, No. 1. - P. 107-115.
10. Barsukov A.A. Artificial intelligence in medicine. / Panov, M. D., Krylov M.V. [et al.] // TRENDS IN THE DEVELOPMENT OF SCIENCE AND EDUCATION. - 2022-82(4), 12-14.
11. Davydov A.I. Clinical assessment of ultrasound markers of ex-tratubal forms of ectopic pregnancy: choice of surgical method and principles of restorative treatment. Issues of gynecolo-gy, obstetrics and perinatology. / Sokolenova I. I, Shakhlamo-va M.N. // 2020;19(4):178-183.
12. Ivshin A.A. Artificial intelligence: predictive analytics of perinatal risk. Issues of gynecology, obstetrics and perinatology. / Gu-sev A. V., Novitsky R.E. // 2020; 19(6): 133-144.
13. Blokhin I.A. The use of artificial intelligence in healthcare: experience in validating an artificial intelligence algorithm in medical organizations during the COVID-19 pandemic / S.P. Morozov, V. Yu. Chernina // Monitoring of public opinion: economic and social changes. 2021. No. 1. P. 271-282.
14. Andropova P.L. Application of artificial intelligence systems in neuroradiology of acute ischemic stroke / Gavrilov P.V. // Radiation diagnostics and therapy. 2021;12(2):30-35.
15. Makary M.A. Medical error - the third leading cause of death in the USA / Daniel M. // BMJ. 2016, 353: i2139.10.1136/bmj.i2139
16. Zyablova E.I. Using three-dimensional convolutional neural networks to identify intracranial aneurysms according to CT angiography of brachiocephalic arteries / S.G. Sinitsa, I.A. Hare // Innovative medicine of Kuban. 2023;(2):21-27. https://doi. org/10.35401/2541-9897-2023-26-2-21-27 (access date: 11/06/2023)
17. Adams A. International brain initiative: an innovative framework for coordinated global brain research efforts / S. Albin, K. Amunts // Neuron. 2020;105:212-6.
18. Anokhin K.V. The Cognitome: Seeking the Fundamental Neuroscience of a Theory of Consciousness. Neurosci Behav Physi. 2021;51:915-37.
19. Wu L Artificial intelligence algorithm-based analysis of ultrasonic imaging features for diagnosis of pregnancy complicated with brain tumor / D. Wei, N. Yang // J Healthc Eng. 2021, 2021:4022312. 10.1155/2021/4022312
20. Wu Y Intelligent algorithm-based analysis on ultrasound image characteristics of patients with lower extremity arteriosclerosis occlusion and its correlation with diabetic mellitus foot / Y Shen, H Sun // J Healthc Eng. 2021, 2021:7758206. 10.1155/2021/7758206
e
u
CM CO