Дели Джейран Фирдусиевна – аспирант ГБУЗ “Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ”; врач-рентгенолог отделения рентгендиагностики отдела лучевых методов диагностики опухолей ФГБУ “Национальный медицинский исследовательский центр онкологии им. Н.Н. Блохина” Минздрава России, Москва
Jeyran F. Deli – postgraduate student, Moscow Center for Diagnostics and Telemedicine of the Moscow Healthcare Department;adiologist, Department of X-ray Diagnostics, Department of Radiation Methods for Tumor Diagnostics, N.N. Blokhin National Medical Research Center of Oncology, Moscowhttps://orcid.org/ 0009-0006-0345-0500E-mail: drgasanova2015@mail.ru
Васильев Юрий Александрович – доктор мед. наук, главный врач ГБУЗ города Москвы “Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ”, Москва
Yuri A. Vasiliev – Doct. of Sci. (Med.), Director of Moscow Center for Diagnostics and Telemedicine of the Moscow Healthcare Department, Moscow
Владзимирский Антон Вячеславович – доктор мед. наук, заместитель директора по научной работе ГБУЗ города Москвы “Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ”, Москва
Anton V. Vladzymyrskyy – Doct. of Sci. (Med.), Deputy Director for Research at the Moscow Center for Diagnostics and Telemedicine of the Moscow Healthcare Department, Moscow
Арзамасов Кирилл Михайлович – доктор мед. наук, руководитель отдела медицинской информатики, радиомики и радиогеномики ГБУЗ города Москвы “Научно-практический клинический центр диагностики и телемедицинских технологий ДЗМ”, Москва
Kirill M. Arzamasov – Doct. of Sci. (Med.), Head of the Department of Medical Informatics, Radiomics and Radiogenomics, Moscow Center for Diagnostics and Telemedicine of the Moscow Healthcare Department, Moscow
Актуальность. Мочекаменная болезнь (МКБ) представляет собой хроническое заболевание, связанное с нарушением обменных процессов в организме, которое сопровождается образованием конкрементов в органах мочевыделительной системы. На сегодняшний день проблема выявления конкрементов мочевыделительной системы, несмотря на все достижения, остается актуальной (прирост заболеваемости, изменения условий жизни (экология, питание)). Для решения трудностей, возникающих в процессе диагностики конкрементов мочевыделительной системы, а также оптимизации самого диагностического процесса, включающего оценку полученной информации и формирование протокола, предлагается использовать программное обеспечение на основе технологий искусственного интеллекта (ПО на основе ТИИ).
Цель исследования: оценить диагностическую точность ИИ-сервисов в задаче первичного бинарного выявления рентгенопозитивных конкрементов мочевыделительной системы (>100 HU) без стратификации по морфометрическим характеристикам при компьютерно-томографических исследованиях (КТ-исследованиях).
Материал и методы. Взят набор данных из 100 исследований КТ органов брюшной полости и мочевыделительной системы, полученные из Единого радиологического информационного сервиса единой медицинской информационно-аналитической системы (ЕРИС ЕМИАС) и отправлен на обработку двум ИИ-сервисам с ПО на основе ТИИ.
Результаты. По результатам тестирования на подготовленном наборе данных с признаками конкрементов мочевыделительной системы ПО на основе ТИИ достигло высоких показателей метрик диагностической точности, превышающих заявленные показатели: площадь под кривой (AUC) до 0,998 (доверительный интервал (ДИ) 0,993–1,000) (ИИ-2 комплексный сервис для анализа органов брюшной полости (ОБП)), специфичность до 1.000 (ДИ 0,900–1,000), чувствительность до 1,000 (ДИ 1,000–1,000).
Заключения. Высокие показатели диагностической точности ПО на основе ТИИ по результатам анализа тестового набора данных показали, что алгоритмы ТИИ могут использоваться в качестве инструмента оптимизации диагностического процесса, включающего выявление и морфометрию конкрементов мочевыделительной системы.
Background. Urolithiasis (UCD) is a chronic disease associated with metabolic disorders in the body, which is accompanied by the formation of stones in the organs of the urinary system. Today, the problem of detecting stones in the urinary system, despite all the achievements, remains relevant (increase in morbidity, changes in living conditions (ecology, nutrition)). To solve the difficulties that arise in the process of diagnosing stones in the urinary system, as well as optimizing the diagnostic process itself, including the assessment of the information received and the formation of a protocol, it is currently proposed to use software based on artificial intelligence technologies (AI-based software).
Objective. To evaluate the diagnostic accuracy of AI services in the task of primary binary detection of radiopaque urinary system calculi (>100 HU) without stratification by morphometric characteristics in computed tomography (CT) studies.
Materials аnd methods. A data set of 100 CT scans of the abdominal organs and urinary system was taken from Unified Radiological Information Service of the Unified Medical Information and Analytical System (ERIS EMIAS) and sent for processing to two companies with software based on TII.
Results. Based on the results of testing on the prepared data set with signs of urinary tract stones, the software based on the TII achieved high indicators of diagnostic accuracy metrics exceeding the stated indicators: area under the curve (AUC) up to 0.998 (confidence interval (CI) 0.993–1.000) (AI-2 comprehensive service for analysis of abdominal organs (AOR)), specificity up to 1.000 ((CI 0.900–1.000), sensitivity up to 1.000 (CI 1.000–1.000).
Conclusion. High indicators of diagnostic accuracy of the software based on the TII based on the results of the analysis of the test data set showed that the TII algorithms can be used as a tool for optimizing the diagnostic process, including the detection and morphometry of urinary tract stones.
The authors declare that there are no conflicts of interest present.