Пилюс Полина Сергеевна – врач-рентгенолог, руководитель группы медицинской экспертизы
121205 Москва, Сколково, Большой Бульвар 42/1
Polina S. Pilius – Radiologist, group lead of medical expertise
42/1, Bol'shoy Bul'var, Skolkovo, Moscow 143026
Дрокин Иван Сергеевич – директор по исследованиям и разработкам ООО “Интеллоджик” (Botkin.AI)
121205 Москва, Сколково, Большой Бульвар 42/1
Ivan S. Drokin – Chief research officer
42/1, Bol'shoy Bul'var, Skolkovo, Moscow 143026
Баженова Дарья Анатольевна – врач-рентгенолог отделения лучевой диагностики Медицинского научно-образовательного центра МГУ имени М.В. Ломоносова; медицинский консультант компании ООО “Интеллоджик” (Botkin.AI)
121205 Москва, Сколково, Большой Бульвар 42/1; 119192 Москва, Ломоносовский проспект, 27, к. 10
Daria A. Bazhenova – Radiologist of Radiology Department of the Lomonosov Moscow State University Medical Research and Educational center; medical consultant of “Intellogic LLC” (Botkin.AI)
42/1, Bol'shoy Bul'var, Skolkovo, Moscow 143026; 27-10, Lomonosovsky prospekt, Moscow 119192
Маковская Людмила Андрияновна – врач-рентгенолог отделения лучевой диагностики ФГАУ “Лечебно-реабилитационный центр”; медицинский консультант компании ООО “Интеллоджик”
121205 Москва, Сколково, Большой Бульвар 42/1; 125367 Москва, Иваньковское шоссе, д. 3
Lyudmila A. Makovskaya – Radiologist of Radiology Department of National Medical Research Treatment and Rehabilitation Centrer of the Ministry of Health of Russia; medical consultant of “Intellogic LLC” (Botkin.AI)
42/1, Bol'shoy Bul'var, Skolkovo, Moscow 143026; 3, Ivankovskoye shosse, Moscow 125367
Синицын Валентин Евгеньевич – доктор медицинских наук, профессор, врач-рентгенолог отделения лучевой диагностики Медицинского научно-образовательного центра МГУ им. М.В. Ломоносова; руководитель научно-медицинского консультативного совета ООО “Интеллоджик”
121205 Москва, Сколково, Большой Бульвар 42/1; 119192 Москва, Ломоносовский проспект, 27, к. 10
Valentin E. Sinitsyn – Doct. of Sci. (Med.), Professor, Radiologist of Radiology Department of the Lomonosov Moscow State University Medical Research and Educational center; Head of the Scientific and Medical Advisory Board of “Intellogic LLC” (Botkin.AI)
42/1, Bol'shoy Bul'var, Skolkovo, Moscow 143026; 27-10, Lomonosovsky prospekt, Moscow 119192
Цель исследования: проанализировать возможность применения технологий искусственного интеллекта в качестве системы поддержки принятия решения врачей-рентгенологов для выявления узлов в легких при КТ органов грудной клетки в обычное время и в условиях пандемии COVID-19 на примере системы Botkin.AI.
Материал и методы. Были выделены две группы исследований компьютерных томограмм органов грудной клетки: выполненные до (1-я группа) и во время пандемии COVID-19 (2-я группа). Каждая группа содержала анонимизированные данные КТ-исследований 150 пациентов. При исследовании компьютерных томограмм органов грудной клетки 2-й группы были выбраны те, на которых объем изменений, вызванных коронавирусом SARS-Cov2, не превышал 25%. Исследования были проанализированы системой искусственного интеллекта Botkin.AI на предмет наличия периферических легочных узлов размером более 6 мм с последующей “слепой” проверкой результатов анализа тремя врачами-рентгенологами.
Результаты. В 1-й группе чувствительность метода составила 1,0, специфичность – 0,88 и AUC – 0,94, во 2-й группе – 0,93, 0,81 и 0,86 соответственно.
Во 2-й группе небольшое снижение специфичности связано преимущественно с увеличением ложноположительных результатов в виде множественных уплотнений легкого, как проявления коронавирусного поражения легких, принятых моделью искусственного интеллекта за легочные узлы.
Заключение. Платформа обладает высокой точностью обнаружения легочных узлов на компьютерных томограммах органов грудной клетки как в исследованиях, проведенных до, так и во время пандемии COVID-19. Ее использование может быть полезным для предотвращения возможных пропусков важных находок в условиях повышенной нагрузки на врачей-рентгенологов.
The purpose of the study. To analyze the possibility of using artificial intelligence as a decision support system for radiologists for pulmonary nodules detection on Chest CT before and during the COVID-19 pandemic on the example of the system Botkin.AI.
Materials and methods. Two groups of Chest CT studies were identified: those performed before (group 1) and during the COVID-19 pandemic (group 2). Each group contains anonymized CT data of 150 patients. Chest CT scans for group 2 were selected based on the percentage of coronavirus lung damage from 0 to 25%. The research was analyzed by the artificial intelligence system Botkin. AI for the presence of peripheral pulmonary nodes up to 6 mm, followed by a “blind” check of the analysis results by three radiologists.
Results. In group 1, the sensitivity of the method was 1.0; specificity – 0.88 and AUC – 0.94. In the 2nd group 0.93; 0.81 and 0.86, respectively.
In group 2, a slight decrease in specificity is mainly associated with an increase in false positive results in the pulmonary opcities, as manifestations of coronavirus lung damage, taken by the AI model for pulmonary nodes.
Conclusion. The platform has a high accuracy of detecting pulmonary nodules on computed tomography of the chest both in studies conducted before and during the COVID-19 pandemic. It can be useful to prevent possible omissions of important findings in conditions of increased workload for radiologists.
The authors declare that there are no conflicts of interest present.