Борисов А. А. - все статьи автора в журнале
-
2023 № 7 Применение технологий искусственного интеллекта как способ обеспечения качества выполнения рентгенографии органов грудной клетки.
При выполнении рентгенографических исследований могут возникать ошибки, снижающие диагностическую ценность полученных изображений и затрудняющие их интерпретацию как врачом-рентгенологом, так и диагностическим программным обеспечением на основе технологии искусственного интеллекта. Создание автоматизированных систем оценки качества позволит оптимизировать данный процесс, особенно в условиях повышенной рабочей нагрузки медицинского персонала.
Цель исследования: разработка инструмента автоматизированного контроля качества рентгенологических исследований органов грудной клетки, позволяющего провести контроль качества укладки и позиционирования пациента и корректность заполнения метаинформации об исследовании.
Материал и методы. Для обучения и тестирования моделей автоматизированного контроля качества были использованы 61505 рентгенограмм органов грудной клетки (РГ ОГК), полученные из открытых наборов данных и Единого радиологического информационного сервиса Единой медицинской информационно-аналитической системы города Москвы. Для создания моделей применялось трансферное обучение глубоких нейросетевых архитектур VGG19 и ResNet152V2.
Результаты. Были созданы 7 моделей: модель определения анатомической области исследования, модель определения проекции, модель определения фотометрической интерпретации, модели определения неполной визуализации анатомической области на прямой и боковой проекциях РГ ОГК, модель определения ротации на боковой проекции РГ ОГК. Все созданные модели имеют метрики диагностической точности выше 95%, что позволяет использовать их в клинической практике. На основе разработанных моделей был создан единый web-инструмент контроля качества РГ ОГК, позволяющий анализировать качество наборов данных рентгенограмм.
Выводы. Активное использование разработанного нами инструмента позволит оптимизировать процесс оценки качества диагностических исследований и облегчить процессы классификации исследований и формирования наборов данных. Также данный инструмент может использоваться для поддержки принятия решения рентгенолаборанта и оценки качества исследования перед отправкой исследования на обработку сервисам на базе искусственного интеллекта. -
2025 № 7 Автоматизированная платформа для формирования наборов данных в лучевой диагностике.
Актуальность. Количество программного обеспечения с использованием искусственного интеллекта (ПО с ИИ), применяемого в лучевой диагностике, в последние годы стремительно увеличивается. Этот тренд предъявляет высокие требования к качеству и репрезентативности наборов данных, необходимых для обучения, тестирования и мониторинга ПО с ИИ. Однако существующие методы формирования наборов данных зачастую являются трудоемкими и ресурсозатратными, что приводит к замедлению процесса разработки и внедрения новых ИИ-решений, а также к возможным ошибкам при их работе.
Автоматизация процесса формирования наборов данных становится критически важной для преодоления этих ограничений.
Предмет. Методология формирования наборов данных.
Цель: разработка автоматизированной платформы для формирования наборов данных в лучевой диагностике.
Методы. В ходе разработки платформы применялись языки программирования JavaScript, Python и Typescript. В платформе используются локальная база данных Postgres с текстовой информацией об исследованиях, PACS-системы, а также РИС – база данных неразмеченных исследований. Для подтверждения работоспособности платформы проведена ее апробация.
Результаты. Разработана комплексная платформа с локальными постоянными и временными файловыми хранилищами, при помощи которой пользователи могут осуществлять поиск, анонимизацию, выгрузку и разметку исследований, а также последующее формирование результирующих и аннотирующих файлов. В процессе апробации была подтверждена работоспособность платформы, и не было выявлено серьезных технических проблем.
Выводы. Настоящая платформа обеспечивает полный цикл работы пользователя с наборами данных в области лучевой диагностики. Платформа в настоящее время успешно функционирует в государственном бюджетном учреждении здравоохранения города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы», что позволяет рекомендовать предложенную платформу для использования в практических задачах. -
2024 № 7 Влияние нарушений качества рентгенографических исследований органов грудной клетки на работу врачей-рентгенологов и диагностического искусственного интеллекта.
При выполнении рентгенографических исследований периодически возникают нарушения качества и ошибки, затрудняющие интерпретацию изображения и его описание как врачом рентгенологом, так и программным обеспечением (ПО) на основе технологии искусственного интеллекта (ТИИ). Для диагностического искусственного интеллекта отдельной проблемой может стать некорректное заполнение метаинформации в заголовках формата DICOM.
Цель исследования: определение нарушений качества РГ ОГК, наиболее сильно препятствующих работе врачей-рентгенологов и диагностическому ПО на основе ТИИ в условиях системы здравоохранения города Москвы.
Материалы и методы. Для исследования влияния качества рентгенологических исследований на работу врача-рентгенолога был проведен онлайн-опрос среди врачей-рентгенологов, сотрудников московского референс-центра лучевой диагностики. Для оценки влияния качества рентгенологических исследований на работу ПО на основе ТИИ был проведен анализ результатов обработки диагностических исследований по модальностям «рентгенография органов грудной клетки и флюорография легких» за 4 квартал 2023 года сервисами искусственного интеллекта в рамках “Эксперимента по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения города Москвы”.
Результаты. В опросе приняли участие 172 человека. Наиболее распространенными нарушениями качества врачами отмечаются неполнота охвата грудной клетки и ассиметричное положение больного, а также нарушения четкости/контрастности изображения. При этом неполнота охвата грудной клетки вызывает наибольшие затруднения при интерпретации исследования у врачей со стажем до 5 лет. У более опытных врачей наибольшие затруднения вызывают нарушения четкости и контрастности изображений. Основными проблемами, препятствующими описанию исследований ИИ-сервисами является незаполнение или некорректное заполнение метаинформации об исследовании, хранящейся в формате DICOM, а также
нарушения укладки и позиционирования пациента.
Выводы. Выявленные проблемы указывают на необходимость более внимательного соблюдения методологии проведения диагностических исследований, особенно это касается заполнения метаинформации об исследовании. Разработчикам ПО на основе ТИИ необходимо проводить оценку работоспособности своих решений, основываясь на разработанной методологии тестирования и мониторинга.