CC BY
26УДК 616-073.75 Борисов В.А., Азарова В.Д., Ионов С.Н.
Борисов В.А.
студент 3 курса медицинского факультета Государственный университет просвещения (г. Мытищи, Россия)
Азарова В.Д.
студент 3 курса медицинского факультета Государственный университет просвещения (г. Мытищи, Россия)
Научный руководитель: Ионов С.Н.
д.б.н., к.м.н., профессор., Государственный университет просвещения (г. Мытищи, Россия)
ВОЗМОЖНОСТИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЛУЧЕВОЙ ДИАГНОСТИКЕ ЗАБОЛЕВАНИЙ ВНУТРЕННИХ ОРГАНОВ
Аннотация: данная статья рассматривает актуальные тенденции в функциональной диагностике с использованием компьютеризации и искусственного интеллекта. Особое внимание уделено методам лучевой диагностики, которые считаются приоритетными в медицине благодаря их информативности, простоте использования и неинвазивности. Увеличение методик исследования и использование ИИ позволяют рано выявлять патологии, проводить дифференциальную диагностику и контролировать эффективность лечения. Статья также обсуждает проблему врачебных ошибок и предлагает использование лучевых методов с привлечением искусственного интеллекта для снижения рисков ошибок и повышения качества работы врачей.
Ключевые слова: искусственный интеллект, компьютерная томография, лучевая диагностика, функциональная диагностика, высокие технологии.
Введение.
Функциональная диагностика - одна из стремительно развивающихся областей современной медицины. Компьютеризация в медицине высокотехнологичных методов исследования, включая интеграцию с искусственным интеллектом, способствует активному развитию функциональной диагностики, ежегодному увеличению методик исследования и количества проводимых функциональных проб. Функциональная диагностика широко применяется с целью раннего выявления патологии, дифференциальной диагностики различных заболеваний и контроля эффективности проводимого лечения.
Методы лучевой диагностики в медицине были и остаются приоритетными по сравнению с другими существующими на данный момент клинико-лабораторными методами диагностики за счет своей информативности, простоты использования, быстрого получения высококачественных результатов и неинвазивности. Данные методы исследования широко используется абсолютно во всех областях медицины. Около 80-85% диагнозов хирурги, кардиологи, терапевты и другие врачи-клиницисты устанавливают либо подтверждают при помощи КТ, УЗИ, рентгенографии и МРТ [5].
Основания для данного выбора являются преимущества методов лучевой диагностики — это дифференцировка заболевания, оценка глубины поражения, локализация и прорастания патологического очага. На сегодняшний день из всех существующих диагностических тестов, практически все лишь отражают наличие воспаления, и судить по ним о вышеперечисленных критериях не представляется возможным. Но вместе с этим, возросла и нагрузка выполняемой работы врачом, количество исследований возросло в разы, что повысило риски врачебных ошибок. Анализируя данную ситуацию,
мы обратились к статистическим данным и выявили, что диагностические ошибки допускаются в 10-20% случаев при стандартной нагрузке, 30% из которых представляют угрозу для жизни [6].
Таким образом, специалисты из разных стран пришли к заключению, для того чтобы снизить количество врачебных ошибок и повысить качество выполненной работы, наиболее рациональным решением в данном вопросе является использование лучевых методов диагностики, в основе которых будет задействован искусственный интеллект. Технологичные решения на базе ИИ позволяют быстро обрабатывать и передавать информацию, частично автоматизировать исследования и даже компенсировать недостаток квалифицированных специалистов.
Цель - оценить возможности использования искусственного интеллекта в лучевой диагностике заболеваний внутренних органов.
Исходя из цели исследования необходимо решить следующие задачи:
1. Проанализировать особенности использования искусственного интеллекта в лучевой диагностике.
2. Рассмотреть возможности искусственного интеллекта в лучевой диагностике.
3. Обобщить данные использования искусственного интеллекта в лучевой диагностике.
Методы исследования - информационно-поисковый, анализ, оценка результатов исследования.
На сегодняшний день в медицине существуют различные методы диагностики, которые занимаются выявлением заболеваний внутренних органов, их систем, а также оценкой функциональных возможностей с помощью инструментальных методов исследования.
Лучевая диагностика - один из разделов медицинской радиологии, включающий в себя технологии обследования внутренних паренхиматозных органов, костной и мышечной ткани. Данные методы не считаются
инвазивными, не несут риски заражения и не требуют хирургического вмешательства. Все без исключения методы исследования лучевой диагностики относительно безопасны, если они выполняются в соответствии с регламентами о лучевой нагрузке.
Лучевая диагностика включает:
• Рентгеновский метод (традиционная радиология)
• Компьютерная томография - КТ
• Ультразвуковая диагностика - УЗИ
• Магнитно-резонансная томография - МРТ
• Термография
• Радиоизотопная диагностика
Лучевые методы диагностики можно разделить на 2 группы в зависимости от типа энергии, используемой для получения изображения:
ионизирующие и неионизирующие.
Ионизирующие методы: Рентгеновский метод, КТ (оба требуют облучения пациента рентгеновскими лучами) и радиоизотопный метод (гамма лучи).
Неионизирующие методы: УЗИ, МРТ, Томография.
Специальные методы: Контрастные исследования.
В основе каждого метода лежат различные источники получения изображения, поэтому они несут разную диагностическую информацию, а получаемые изображения обладают специфическими особенностями.
Основным преимуществом цифрового рентгеновского изображения является большой динамический диапазон при высокой контрастной чувствительности. Это позволяет изучать на одной рентгенограмме объекты, различно поглощающие рентгеновское излучение с высокой контрастной чувствительностью. Кроме того, цифровое изображение исключает трудоемкий процесс проявки рентгенограмм, оно обеспечивается надежным и компактным архивом и легко передается по сетям электронной связи [4].
В основе КТ, как и обычного рентгеновского изображения, лежит способность различных тканей в различной степени поглощать энергию рентгеновского излучения. Поглощенная энергия преобразуется в электрические сигналы, а затем с помощью ЭВМ происходит построение видимого изображения. Поскольку рентгеновское излучение в отличие от ультразвуковой волны проникает через все ткани человека, то на пути рентгеновского луча осуществляется послойная визуализация всех анатомических структур. Следовательно, главное преимущество КТ перед УЗИ заключается в отчетливой визуализации всех структур, находящихся в плоскости прохождения рентгеновского луча. При этом качество изображения нисколько не зависит от глубины залегания тканей, условия для визуализации абсолютно одинаковые. Это позволяет получить целостное представление об исследуемой области, оценить структурные изменения во всех тканях.
Методы радиоизотопной диагностики основаны на обнаружении, регистрации и измерении излучений радиоактивных изотопов. Эти методы позволяют исследовать всасывание, передвижение в организме, накопление в отдельных тканях, биохимические превращения и выделение из организма радиодиагностических препаратов. Применяя их, можно исследовать функциональное состояние почти всех органов и систем человека. В основе реализации данного метода находится регистрация энергии излучения после введения радиоактивного фармакологического препарата. Информация регистрируется на особом аппарате в виде графиков, кривых, изображений или на специальном экране.
В основе ультразвукового изображения лежит свойство ультразвуковой волны свободно распространяться по жидким средам и отражаться от плотных структур. Поэтому ультразвуковые приборы обеспечивают превосходную визуализацию структур с высоким содержанием воды - паренхиматозные органы, мышечная ткань, сосуды. В то же время визуализация жировой, костной ткани затруднена, а в воздушной среде звуковая волна затухает. В силу естественной потери энергии ультразвуковой волной затруднено исследование
глубоко расположенных структур. Поэтому для визуализации внутренних органов необходимо искать определенные акустические окна. В современных системах для ультразвуковой диагностики реализуются самые передовые технологии [2].
Магнитно-резонансное исследование имеет принципиальное отличие от рентгеновской компьютерной томографии. При МРТ изображение строится в результате преобразования энергии электромагнитного излучения, исходящего от намагниченных (возбужденных) в сильном магнитном поле атомов водорода. При этом построение происходит по различным параметрам. Один из них - протонная плотность. Поскольку различные ткани содержат неодинаковое количество протонов, создается градиент плотностных характеристик. Два других параметры основаны на различии сигналов в продольной (Т1 релаксация) и поперечной (Т2 релаксация) намагниченности тканей. Таким образом, при МРТ оценивается три основных параметра, содержащих различную информацию, это РР (протонная плотность), Т1 и Т2 релаксация. В комплексе они позволяют выявлять структурные изменения недоступные другим методам [1].
К специальным методам относят исследования с болюсным контрастным усилением. Это вещество на основе йода, которое увеличивает различия в плотности анатомических структур. Как правило, контрастные вещества — это рентген позитивные вещества, которые вводятся в организм через рот, прямую кишку или в виде инъекций.
Из приведенных кратких характеристик лучевых методов становится очевидным, что каждый обладает определенными преимуществами в диагностике той или иной патологии.
Несмотря на широкий выбор методов диагностики, часто используемым методом в постановке диагноза (85%), является лучевая диагностика. Вследствие этого возросла и нагрузка на врачей рентгенологов, что в свою очередь негативно сказывается на заключениях исследований, а также приводит к недостатку специалистов, которые описывают рентгеновские
снимки и изображения, полученные при КТ или МРТ. Все это сопровождается образованием огромных очередей среди пациентов при записи их на исследования. Списки формируются на месяцы вперед, с ожиданием пациенты теряют драгоценное время, которое может быть решающим в той или иной патологии [8].
Исходя из данной проблемы, ведущие специалисты различных областей медицины пришли к выводу, что внедрение искусственного интеллекта позволит значительно облегчить и повысить качество работы врачей рентгенологов и в свою очередь минимизирует диагностические ошибки в описания, а также компенсирует недостаток квалифицированных специалистов.
Искусственный интеллект (ИИ) - это область компьютерных наук, которая занимается созданием и разработкой систем и программ, способных выполнять задачи с помощью сложных алгоритмов, требующие интеллектуальных способностей, которые обычно связываются с человеческим интеллектом.
Искусственный интеллект стремится создать компьютерные системы, которые могут мыслить, учиться, принимать решения и решать проблемы, аналогичные тем, которые решаются людьми. Он объединяет знания из различных областей, таких как компьютерная наука, психология, лингвистика и философия, чтобы создать интеллектуальные системы и алгоритмы, одно из главных преимуществ это самообучение [3].
Рис.1. ИИ в медицине.
Основная цель искусственного интеллекта - создание компьютерных систем, которые могут выполнять сложные задачи, которые ранее могли выполнять только люди. Это может включать в себя распознавание образов, обработку естественного языка, планирование и принятие решений, анализ данных и многое другое [8].
Но, прежде чем внедрить искусственный интеллект в рутинный анализ лучевых исследований в городских медицинских организациях, научные сотрудники, инженеры и врачи-эксперты тестируют сервисы. Цифровые помощники проходят функциональные и калибровочные испытания, в ходе которых проверяется набор заявленных функций, диагностическая точность и скорость обработки одного исследования. Только после завершения успешного тестирования их начинают использовать врачи. Специалистами создаются стандарты, устанавливающие основные требования к системам искусственного интеллекта, что делает более прозрачными все процессы, связанные с алгоритмами на этапе разработки, при регистрации и последующей эксплуатации [6]. Все эти действия определяют надежность систем искусственного интеллекта и повышают доверие к ним со стороны врачей и пациентов. Кроме того, проводятся клинические испытания, включающие в себя этапную оценку соответствия, безопасности и эффективности
программных продуктов, в том числе в целях государственной регистрации их как медицинских изделий.
1 этап: формирование 2 этап: тестирование ИИ I 3 этап:
требований к ИИ сервису сервисов I МПНИТ(
мониторинг потока
Базовые
диагностические требования
Базовые
функциональные Щ^г требования
САМОТЕСТИРОВАНИЕ
ФУНКЦИОНАЛЬНОЕ —
тестирование _
КАЛИБРОВОЧНОЕ
тестирование
Технологический МОНИТОРИНГ
Клинический МОНИТОРИНГ
Рис. 2. Этапы внедрения.
Алгоритмы помогают выявлять зоны, на которые должен обратить внимание врач, быстро и точно делать расчеты, которые зачастую отнимают много времени у специалиста. Поэтому искусственный интеллект становится надежным помощником для врачей. К тому же нейросети с каждым годом совершенствуются, и их авторитет у рентгенологов только растет [7].
Для обеспечения высокого качества проведения профилактических исследований и выявления патологий, необходимо независимое двойное чтение изображений двумя разными врачами рентгенологами. Теперь двойное чтение производится врачом-рентгенологом и искусственным интеллектом. Проведенные исследования специалистами, доказали, что описание изображения с применением нейросети происходит в 8 раз быстрее. Для рентгенологов это значительная экономия рабочего времени и возможность обработать больше изображений. А благодаря тому, что искусственный интеллект фактически используется как система поддержки принятия врачебных решений, повышается и качество диагностики [3].
Учёные из Оксфорда добились наивысшей степени точности диагностики - разработанная ими нейросеть распознала злокачественные образования в 95% случаев, в то время как группа опытных врачей из 53 человек - только в 88,9%.
Сегодня искусственный интеллект, хотя и является достаточно молодой технологией, умеет выполнять довольно различный спектр задач. Он без труда сопоставляет текущие и предыдущие исследования, автоматически находит патологии, ускоряя процесс постановки диагноза, оценивает и отслеживает состояние пациента, назначает индивидуальное лечение, помогает в выборе лекарственных препаратов, оптимизирует проведение клинических исследований [4]. Применение искусственного интеллекта может помочь во многих областях медицины, таких как:
• Онкология. В онкологии точный и своевременно поставленный диагноз — вопрос жизни и смерти для больного. Технологии искусственного интеллекта значительно повышают точность постановки диагнозов. Приведем пример: осенью 2018 года исследователи из больницы Сеульского национального университета и Медицинского колледжа разработали алгоритм искусственного интеллекта DLAD (DeepLeammgbasedAutomaticDetectюn) для анализа рентгенограмм грудной клетки и выявления аномального роста клеток, таких как потенциальные раковые заболевания. Производительность алгоритма была сравнена с возможностями обнаружения нескольких врачей на одних и тех же изображениях и превзошла результаты 17 из 18 врачей [2].
Рис. 3, 4. Рентгенография. Автоматическая маркировка и определение вида находок.
Рис. 5, 6. Компьютерная томография. Автоматическая маркировка и определение вида находок.
• УЗИ-обследования беременных. На данный момент существует система ScanNav, помогающая выявлять у плода патологии, которые сложно или невозможно выявить другими средствами.
• Неврология. Разработчики израильской компании MedyMatchTechnology, создали проект, который призван помочь правильно
диагностировать инсульт, данная система сравнивает снимок мозга пациента с огромным количеством снимков других людей для выявления и подтверждения отклонений [1].
Рис. 7. Автоматическая маркировка и определение вида находок.
Вышеперечисленные области применения искусственного интеллекта в медицине, показывают, что ИИ находит свое применение во многих задачах -от консультирования до диагностирования.
Преимущество искусственного интеллекта — это высокая точность, что помогает сразу заметить риски и ошибки, которые без искусственного интеллекта могли бы остаться незамеченными. По данным, опубликованным в журнале BritishMedicalJoumal, исследование Университета Джона Хопкинса показало, что более 250 000 смертей в год в США происходят из-за врачебной ошибки, что делает его третьей ведущей причиной смерти в стране после болезней сердца и рака. Продукты искусственного интеллекта могут помочь избежать этих ошибок и ненужных смертей. Искусственный интеллект в медицине позволяет устранить ошибки, которые связаны с человеческим фактором, а также избавляет врачей от выполнения части рутинных операций
[5].
Упрощает его работу программа для распределения и хранения (архивирования) цифровых изображений (так называемые Picture Archiving and Communication Systems - PACS). Так же был создан единый международный стандарт цифровых медицинских изображений - DICOM. Передача медицинских изображений по локальным и всемирным сетям (Интернету)
позволяет эффективно проводить телемедицинские (телерадиологические) консультации, ИИ способен собирать информацию, анализировать и учиться на ходу [9, 10].
Заключение.
Искусственный интеллект - перспективно развивающаяся технология, которая повышает точность медицинских назначений, помогает сократить время на рутинные процессы и сокращает затраты, ИИ способен значительно повысить эффективность диагностики, лечения и управления заболеваниями. Его способность анализировать большие объемы данных, обнаруживать паттерны и предсказывать возможные риски делает его ценным союзником для врачей и исследователей. Прогнозы на будущее предполагают следующие возможности, которые способен обеспечить ИИ:
• автоматизировать и оптимизировать работу организаций отрасли здравоохранения в стране;
• уменьшить объем «бумажной» работы, в том числе отчетности;
• существенно сократить количество времени на диагностику, сбор анамнеза пациентов и процедуры оказания медицинской помощи;
• обеспечить доступность для медработников к всему спектру и возможностям получения новых знаний и информации;
• открыть возможность постоянного, непрерывного обмена опытом между специалистами различных уровней;
• существенно повысить качество медицинской помощи;
• ускорить оказание помощи в неотложных ситуациях жителям отдаленных районов, пациентам с ограниченными возможностями и др.
Тем не менее медицинские работники остаются важнейшим звеном в части работы с людьми, поскольку обладают, помимо профессиональных качеств, необходимыми морально-этическими качествами, эмпатией и пониманием общественных ценностей. Искусственный интеллект дополняет и
улучшает их работу, но окончательное решение всегда принимает человек. Будущее медицины с ИИ обещает быть захватывающим и позволит существенно снизить заболеваемость и смертность, улучшить качество жизни пациентов и оптимизировать затраты на здравоохранение.
Искусственный интеллект также открывает новые возможности в области телемедицины и удаленного мониторинга. С помощью ИИ можно разрабатывать системы для дистанционного наблюдения за пациентами, анализировать и интерпретировать данные с медицинских устройств и предоставлять рекомендации и консультации в режиме реального времени. Это особенно важно для пациентов, находящихся в удаленных или труднодоступных районах, а также для улучшения доступности медицинской помощи.
СПИСОК ЛИТЕРАТУРЫ:
1. Али Б. Сайед, Адам С. Зога. Искусственный интеллект в радиологии: современные технологии и направления будущего // Semin Musculoskelet Radiol. 2018;
2. Ганцев Ш.Х., Франц М.В. Искусственный интеллект в онкологии: взгляд в будущее // Практическая онкология. - 2019;
3. Кудратиллаев М. Б. применения технологий 5G в современной мировой медицине //Международный научный форум. - 2022;
4. Искусственный интеллект в условиях современной медицины / О.А. Аверьянова, В.И. Коршак // Естественные и математические науки в современном мире. - 2016;
5. Павлов Н.А., Андрейченко А.Е., Владзимирский А.В. и др. Эталонные медицинские датасеты (MosMedData) для независимой внешней оценки алгоритмов на основе искусственного интеллекта в диагностике. Digital Diagnostics. 2021;
6. Рязанова С.В., Комков А.А., Мазаев В.П. Российский и мировой опыт применения новых технологий искусственного интеллекта в реальной медицинской практике // Научное обозрение. Медицинские науки. - 2021;
7. Труфанов Г.Е., Ефимцев А.Ю. Технологии искусственного интеллекта в МР-нейровизуализации. Взгляд рентгенолога. Российский журнал персонализированной медицины. 2023;
8. Ханс-Иоахим Ментцель. Искусственный интеллект в оценке изображений и диагностике // Monatsschr Kinderheilkd. 2021;
9. Choe R, Corlu A, Lee K, et al. Diffuse optical tomography of breast cancer during neoadjuvant chemotherapy: a case study with comparison to MRI. // Med Phys 2005;
10. Wagner RF, Beiden SV, Campbell G, et al. Assessment of medical imaging and computerassist systems: lessons from recent experience. // Acad Radiol 2002.
Borisov V.A., Azarova V.D., Ionov S.N.
Borisov V.A.
State University of Enlightenment (Mytishchi, Russia)
Azarova V.D.
State University of Enlightenment (Mytishchi, Russia)
Scientific advisor: Ionov S.N. State University of Enlightenment (Mytishchi, Russia)
ARTIFICIAL INTELLIGENCE IN RADIOLOGICAL DIAGNOSTICS
Abstract: this article reviews current trends in functional diagnostics using computerisation and artificial intelligence. Special attention is paid to the methods of radial diagnostics, which are considered a priority in medicine due to their informativeness, ease of use and non-invasiveness. The increase in research techniques and the use of AI allow early detection of pathologies, differential diagnosis and control of treatment effectiveness.
Keywords: artificial intelligence, computed tomography, radial diagnostics, functional diagnostics, high technologies.
