Обоснование . В период пандемии компьютерная томография (КТ) является одним из ключевых инструментов оценки изменений в лёгких, связанных с COVID-19. Рентгенологи Москвы используют адаптированную шкалу КТ 0–4 для визуальной оценки зависимости тяжести общего состояния от характера и выраженности рентгенологических признаков изменений в лёгких при COVID-19 по данным КТ. В большом потоке исследований врач может пропустить находку и ошибиться в оценке объёма поражения лёгких, поэтому применение сервисов искусственного интеллекта (ИИ) обосновано в амбулаторном здравоохранении в период пандемии. Цель ― сравнить распределение категорий КТ 0–4 в заключениях, сформированных рентгенологами с использованием ИИ-сервисов и без них. Материал и методы . Ретроспективное исследование, протокол исследования зарегистрирован в ClinicalTrials.gov (NCT04489992). Проанализированы результаты первичных КТ с категориями КТ 0–4 в период с 08.04.2020 по 01.12.2020 и отдельно за ноябрь 2020 года (с 01.11.2020 по 01.12.2020) в амбулаторных медицинских организациях Департамента здравоохранения. КТ проводились на 48 компьютерных томографах по стандартным протоколам, результаты обрабатывались через Единый радиологический информационный сервис. В тестовую группу включены КТ, обработанные ИИ-сервисами, в контрольную ― без обработки ИИ. В анализ включены 5 ИИ-сервисов: RADlogics COVID-19 (RADLogics, США); COVID-IRA (IRA labs, Россия); Care Mentor AI, COVID (CareMentor AI, Россия); Третье Мнение. КТ-COVID-19 (Третье мнение, Россия); COVID-MULTIVOX (Гаммамед, Россия). ИИ-сервисы кодированы случайным образом. Результаты . Проанализированы результаты КТ 260 594 пациентов (соотношение мужчины/женщины ― 44/56%, средний возраст 49,5 года). В тестовую группу включены 115 618 КТ, в контрольную ― 144 976. В зависимости от конкретного ИИ-сервиса для разных подгрупп категорий КТ-0 выставлено от 2,3 до 18,5% меньше, категорий КТ 3–4 ― от 4,7 до 27,6% меньше, КТ-4 ― от 40 до 60% меньше, чем в контрольной группе ( p <0,0001). За ноябрь (с 01.11.2020 по 01.12.2020) проанализированы результаты КТ 41 386 пациентов (соотношение мужчины/ женщины ― 44/56%, средний возраст 53,2 года). В тестовую группу включено 28 881 КТ, в контрольную ― 12 505. В зависимости от конкретного ИИ-сервиса для разных подгрупп категорий КТ-0, КТ 3–4 и КТ-4 выставлено соответственно от 1 до 2,6, от 0,2 до 15,7 и на 25% меньше, чем в контрольной группе ( p =0,001). Заключение . Применение ИИ-сервисов для первичных КТ в амбулаторных условиях приводит к уменьшению количества выставляемых категорий КТ-0 и КТ 3–4, способных влиять на тактику ведения пациентов с COVID-19.

В статье описывается оригинальный подход к формированию аннотированных медицинских датасетов для проверки диагностических решений, основанных на технологиях искусственного интеллекта. Описаны 4 этапа формирования датасета ― планирование, отбор исходных данных, разметка и верификация, документирование. Приведены примеры созданных по описанной методике датасетов. Методика является масштабируемой и универсальной, а значит, может быть использована в других областях медицины и здравоохранения, которые подлежат автоматизации и развитию с помощью технологий искусственного интеллекта и технологий больших данных.

Обоснование. Разметка наборов медицинских изображений во многом полагается на субъективную интерпретацию наблюдаемых подозрительных структур. На настоящий момент не существует рекомендованного протокола по определению эталонных данных (ground truth), основанных на врачебных описаниях. Цель ― анализ правильности и согласованности оценок рентгенологов, принимавших участие в подготовке общедоступного набора данных CTLungCa-500; определение взаимосвязи этих показателей с количеством специалистов, проводящих независимую интерпретацию изображений, полученных при компьютерно-томографическом (КТ) исследовании. Материал и методы. Набор данных, в разметке которого принимали участие 34 рентгенолога, включает 536 КТ-исследований пациентов из группы риска развития рака лёгкого. Каждое КТ-исследование было независимо интерпретировано шестью специалистами, после чего обнаруженные ими подозрительные структуры проходили арбитраж другим экспертом. Для каждого эксперта подсчитывали количество истинно положительных, ложноположительных, истинно отрицательных и ложноотрицательных находок, на основании которых проводили оценку диагностической точности рентгенологов. Для анализа согласованности между заключениями рентгенологов использовали метрику процентного показателя. Результаты. Увеличение количества специалистов, проводящих независимую интерпретацию КТ-исследований, ведёт к росту правильности их оценок при снижении согласованности. Среди факторов, влияющих на согласованность заключений между парами исследователей, выделяется расхождение мнений по поводу наличия лёгочного очага в конкретном участке КТ-снимка. Заключение. Увеличение числа независимых первичных интерпретаций способно повысить их комбинированную правильность при условии проведения арбитража, причём квалификация рентгенологов не имеет определяющего значения для качества анализа. Проведение первичной разметки силами четырёх рентгенологов является оптимальным с точки зрения сочетания правильности интерпретации и её стоимости.

Уже в начале первой волны пандемии COVID-19 для компьютерной томографической (КТ) диагностики поражения лёгких у пациентов с подозрением на вирусную пневмонию в Москве была сформирована сеть амбулаторных КТ-центров (АКТЦ) с круглосуточным режимом работы. Введение шкалы «КТ 0-4» позволило проводить эффективную маршрутизацию. Для предотвращения распространения инфекции среди пациентов и персонала было введено зонирование АКТЦ с разбиением на «красную», «буферную» и «зелёную» зоны. В рамках мобилизации службы лучевой диагностики создан Московский референс-центр, осуществляющий контроль качества, экспертные дистанционные консультации и организационно-методическое сопровождение. Разработано несколько дистанционных курсов и обучающих вебинаров. Для распознавания признаков COVID-19 и оценки степени тяжести были подключены сервисы искусственного интеллекта. Разработанная стратегия службы лучевой диагностики г. Москвы обеспечила готовность к высокой нагрузке на систему здравоохранения города и позволила минимизировать потери среди медицинского персонала. Специалисты службы внесли существенный вклад в эффективное сдерживание распространения инфекции за счёт доступной, своевременной и качественной диагностики и маршрутизации.