4 курс / Лучевая диагностика / ВОЗМОЖНОСТИ_СИСТЕМ_АВТОМАТИЧЕСКОГО_АНАЛИЗА_ЦИФРОВЫХ_РЕНТГЕНОЛОГИЧЕСКИХ

41

Другой проблемой является то, что многие доступные системы машинного обучения и анализа цифровых рентгенологических изображений в качестве выходных данных предоставляют перечень из вероятности нескольких патологий,

что теоретически будет требовать большее количество времени для его просмотра и анализа без пропорционального повышения точности [9].

Существует предположение, что более полезной будет система с ограничивающими рамками, обозначающими подозрительные на патологии области [135].

Говоря о получении большого количества случаев гипердиагностики, стоит иметь в виду, что это может создавать дополнительную работу для рентгенолога.

Наличие большого количества ложноотрицательных результатов еще более опасно, потому что это означает, что патология может остаться незамеченной.

Одним из важных факторов успешного внедрения систем машинного обучения и анализа цифровых рентгенологических изображений является удобство их интеграции в существующие медицинские информационные системы. Ожидается, что использование дополнительных программ для интерпретации изображений будет занимать минимальное количество времени и манипуляций для ее запуска, а также минимальное изменение самого рабочего процесса врача-рентгенолога [131, 79].

Рентгенологи, руководители учреждений и разработчики технологий ожидают, что системы автоматического анализа будут иметь большую добавленную стоимость в клинической практике [144, 149, 131].

Отсутствие официальных руководств и рекомендаций, а также отсутствие понимания об юридической ответственности в спорных случаях, обуславливает отсутствие последовательности и структурированного подхода к внедрению технологий глубокого обучения и стандартов использования в клинической практике, что приводит к значительным различиям в способах использования подобных систем [149]. Также одной из проблем является нерешенный вопрос о правах интеллектуальной собственности и защите персональных данных при использовании больших наборов данных [131, 96, 106].

43

ГЛАВА 2. МАТЕРИАЛЫ И МЕТОДЫ ИССЛЕДОВАНИЙ

2.1. Разработка баз данных для формирования выборок

Для изучения качества интерпретации цифровых рентгенограмм врачами-

рентгенологами, а также диагностической эффективности систем машинного обучения и анализа цифровых рентгенологических изображений и последующего детального анализа полученных результатов на базе ФГБУ «СПб НИИФ» Минздрава России были разработаны две базы лучевых изображений,

включающих цифровые рентгенограммы органов грудной клетки и данные компьютерной томографии (КТ) органов грудной клетки [9].

База 1-лучевых изображений пациентов с периферическими образованиями легких составлена на основе структурированных деперсонализированных данных лучевых исследований (цифровых рентгенограмм легких в передней проекции и компьютерных томограмм) 150 пациентов с различными верифицированными периферическими образованиями в легких. Свидетельство о регистрации базы данных RU-2019621712 [9].

База данных объединяет данные рентгенографии легких в передней проекции (форматы DICOM и JPEG), данные рентгенографии легких в передней проекции с выделенным патологическим процессом (формат JPEG), данные компьютерной томографии легких (формат DICOM), данные компьютерной томографии легких с выделенным патологическим процессом в легочном и мягкотканом окне (формат JPEG), данные о патологическом процессе – верифицированный диагноз, локализация образования, его размеры, тип образования, структурные и денситометрические характеристики патологического процесса, изменения в окружающей ткани (Рисунок 1) [37].

45

(33%), доброкачественные опухоли легких – 20 случаев (13%), прочее

(артериовенозная мальформация, бронхогенная киста, микобактериоз и др.) – 6

случаев (4%) [44, 11].

За исключением 3 случаев, все патологические образования были подтверждены гистологическим исследованием. С помощью бактериологического метода был подтвержден туберкулез и микобактериоз легких. У пациента с артериовенозной мальформацией диагноз был подтвержден клинико-

рентгенологическим методом [44, 11].

Таблица 2 – Распределение патологических образований в легких по типу и размерам

Подавляющее большинство округлых образований в легочной ткани имело солидную структуру – 88% (132) цифровых рентгенограмм, из которых большую часть составили очаговые образования размерами 10-30 мм (Таблица 2). Ввиду крайне низкого количества цифровых рентгенограмм с образованиями по типу

«матового стекла» (1%), данная категория не была использована при дальнейшей статистической обработке полученных данных [2, 71, 66, 11].

Также была сформирована База 2 - цифровых рентгенограмм лёгких в передней проекции без патологических изменений, состоящая из 5000

деперсонолизированных цифровых рентгенограмм легких в передней проекции

[9]. Критерием отбора являлось согласованное мнение 5 врачей-рентгенологов об отсутствии патологических изменений на рентгенограмме. Критерием исключение из базы являлось подозрение хотя бы одного рентгенолога на наличие патологических образований [9]. Все врачи-рентгенологи, участвующие в отборе рентгенограмм, специализировались в торакальной радиологии. Два врача-

47

Таблица 3 – Ранжированные данные врачей-рентгенологов из очного

тестирования

Таким образом, 39% тестируемых имели стаж работы более 5 лет, 31% -

молодые выпускники с опытом работы до 1 года и 24% специалистов имели опыт работы от 3 до 5 лет.

Входе тестирования специалисты были распределены на две группы: врачи,

укоторых был опыт работы в пульмонологических клиниках (с опытом работы в торакальной радиологии (N=11) и врачи, не имеющие опыта работы в торакальной радиологии (N=64) [41].

Для оценки была создана Выборка 4 – состоящая из деперсонолизированных цифровых рентгенограмм легких в передней прямой проекции 20 человек, состояние здоровья которых было подтверждено гистологическими и КТ-данными, соотношение норма:патология — 30:70; 6

человек с подтвержденным наличием патологических изменений в легких и 14

человек без значимой рентгенологической патологии. В ходе тестирования специалистам было необходимо классифицировать снимки на две категории:

норма и патология [6].

В качестве патологических изменений использовались цифровые рентгенограммы 6 человек с синдромом округлого образования в легочной ткани

[6].