Влияние системы автоматического выявления ишемических изменений в бассейне средней мозговой артерии на процесс принятия врачебных решений

Цель исследования: изучение возможности применения моделей параллельного и второго чтения при внедрении программы автоматического выявления ишемических изменений в бассейне средней мозговой артерии в диагностический процесс врачей со стажем до трех лет и различным опытом в ургентной нейрорадиологии.

Материал и методы. В исследование включены программный продукт на основе технологий искусственного интеллекта, а также 7 врачей со стажем до трех лет и различным опытом в диагностике ишемического инсульта. Комплементарная оценка осуществлялась на базе, включающей 100 пациентов, поступивших в Региональный сосудистый центр Санкт-Петербурга с клинической картиной ишемического инсульта в бассейне средней мозговой артерии, которым были выполнены нативные КТ-исследования головного мозга. Ишемический инсульт у половины пациентов был подтвержден на основе клинических данных, а также проведения КТ-ангиографии сосудов головного мозга и КТ-перфузии. У другой половины данный диагноз исключили. Были смоделированы два варианта внедрения алгоритма искусственного интеллекта в качестве системы поддержки принятия решений в диагностический процесс врача-рентгенолога: первого (параллельного) и второго чтения.

Результаты. Результаты исследования показали, что при применении модели комплементарной оценки “параллельное чтение” происходит увеличение показателей диагностической эффективности, а также межэкспертного согласия при оценке по шкале ASPECTS среди молодых специалистов вне зависимости от наличия опыта работы с ургентной патологией.

1. Указ Президента Российской Федерации от 10.10.2019 г. № 490 “О развитии искусственного интеллекта в Российской Федерации”. (2019). Официальный портал правовой информации. URL: http://www.pravo.gov.ru (дата доступа: 20 января 2024).

2. Морозов С.П., Владимирский А.В., Кляшторный В.Г., Андрейченко А.Е., Кульберг Н.С., Гомболевский В.А. Клинические испытания программного обеспечения на основе интеллектуальных технологий (лучевая диагностика). М.: Серия Лучшие практики лучевой и инструментальной диагностики. Вып. 23. 2019. 34 С.

3. Obuchowski N.A., Bullen J.A. Statistical considerations for testing an AI algorithm used for prescreening lung CT images. Contemp Clin Trials Commun. 2019; 16: 100434. https://doi.org/10.1016/j.conctc.2019.100434. Erratum in: Contemp Clin Trials Commun. 2020 Dec 10; 20: 100689. PMID: 31485545; PMCID: PMC6717063

4. Смольникова У.А. Возможности систем автоматического анализа цифровых рентгенологических изображений в диагностике округлых образований в легких: специальность 31.25.00: дис. ... канд. мед. наук. М., 2022. 281 с.

5. Андропова П.Л., Гаврилов П.В., Колесникова П.А., Кушнер А.В., Владзимирский А.В., Васильев Ю.А., Трофимова Т.Н. Диагностическая эффективность отдельных систем автоматического анализа КТ-изображений в выявлении ишемического инсульта в бассейне средней мозговой артерии. Сибирский журнал клинической и экспериментальной медицины. 2023; 39 (3): 194–200. https://doi.org/10.29001/2073-8552-2023-39-3-194-200

6. Kumar R., Indrayan A. Receiver operating characteristic (ROC) curve for medical researchers. Indian Pediatr. 2011; 48 (4): 277–287. https://doi.org/10.1007/s13312-011-0055-4

7. Андропова П.Л., Гаврилов П.В., Казанцева И.П., Домиенко О.М., Наркевич А.Н., Колесникова П.А., Гребенкина Е.К., Тарасов Н.В., Сергеева Т.В., Трофимова Т.Н. Оценка межэкспертной согласованности врачей-рентгенологов в диагностике ишемического инсульта в бассейне средней мозговой артерии с помощью компьютерной томографии. Медицинская визуализация. 2023; 27 (4): 159–169. https://doi.org/10.24835/1607-0763-1315

8. Najjar R. Redefining Radiology: A Review of Artificial Intelligence Integration in Medical Imaging. Diagnostics. 2023; 13 (17): 2760. https://doi.org/10.3390/diagnostics13172760

9. Anderson T., Torreggiani W.C., Munk P.L., Mallinson P.I. The impact of the introduction of artificial intelligence in radiology and its potential legal implications in the UK and Ireland. BJR Open. 2020; 2 (1): 20200030. https://doi.org/10.1259/bjro.20200030. PMID: 33178985; PMCID: PMC7594892

10. Miller R.A. Medical diagnostic decision support systems - past, present, and future: a threaded bibliography and brief commentary. J. Am. Med. Inform. Assoc. 1994; 1: 8–27. https://doi.org/10.1136/jamia.1994.95236141