Determining Bone Age from Hand X-rays: From Classical Methods to Artificial Intelligence

Full Text

НАЗВАНИЕ СТАТЬИ
Определение костного возраста по данным рентгенографии кисти: от классических методов к искусственному интеллекту

ВВЕДЕНИЕ

Скелетный возраст, или костный возраст, наиболее распространённая мера биологической зрелости растущего человека, определяется на основе изучения последовательных стадий развития скелета [1]. Порядок и сроки появления точек окостенения и синостозов в различных частях скелета объективно отражают процессы роста и развития ребенка. КВ может отличаться от ХВ в пределах 1-2 лет, однако отклонение более чем на 2 года считается патологией [75].

Помимо костного и хронологического возраста существует биологический возраст (БВ), который представляет собой совокупность антропометрических, клинико-лабораторных, психологических, эмоциональных свойств ребенка. Однако, именно определяемый рентгенологически КВ является наиболее надежным индикатором БВ и наиболее точно отражает процессы роста организма [2].

Определение КВ играет важную роль в различных областях медицины:                                            в эндокринологии для диагностики патологических состояний [3, 4] (подробнее в
Таблице 1) и мониторинга терапии [5], в травматологии и ортопедии для выбора тактики лечения [6, 7], в судебно-медицинской экспертизе для идентификации пациента [8], в спортивной медицине для персонализации физических нагрузок и снижения риска травм [9–11].                                                                            

Отставание КВ от ХВ	Опережение КВ над ХВ	КВ соответствует ХВ
Эндокринные причины
Конституциональная задержка роста Гипотиреоз Гипопитуитаризм Пангипопитуитаризм Гипогонадизм Синдром Кушинга Сахарный диабет, синдром Мориака (длительная декомпенсация заболевания)	Истинное преждевременное половое созревание – ГнРГ зависимое (идиопатическое истинное ППС, опухоли ЦНС, другие поражения ЦНС, истинное ППС после позднего лечения врожденной вирилизирующей гиперплазии  надпочечников или иной формы длительного контакта    с половыми стероидными гормонами, истинное ППС в связи      с функциональными мутациями генов KISS1R/GRP54 и  KISS1). Неполное изосексуальное ППС – независимое от ГнРГ                                   (преждевременное адренархе, опухоли яичников, клеток Лейдига, яичек, герминогенные и др.). Гипертиреоз	Семейная низкорослость
Не эндокринные причины/ хронические заболевания/ cкелетные дисплазии
Сердечно - сосудистые заболевания (врожденный порок сердца). Рахит Хроническая болезнь почек Ювенильный идиопатический артрит Воспалительные заболевания кишечника Целиакия Цистический фиброз Бронхиальная астма, тяжелое течение (применение ингаляционных глюкокортикоидов) Иммунодефициты ВИЧ-инфекция Активный туберкулез Female athlete triad (ведущая                        к гипогонадизму) Анорексия	Конституциональная высокорослость (Constitutional tall stature)	* Ахондроплазия, Гипохондроплазия   Псевдоахондроплазия и др.
Хромосомные аномалии /генетические синдромы
Синдром Клайнфельтера Синдром Ларона Синдром Секкеля Синдром Патау, трисомия по 13 хромосоме Синдром Эдвардса, трисомия по 18 хромосоме Синдром Дауна, трисомия по 21 хромосоме Синдром Рубинстайна-Тейби	Семейный тестотоксикоз (ограниченное по полу аутосомно-доминантное, независимое от гонадотропинов гипофиза преждевременное созревание клеток Лейдига и герминативных клеток) Синдром Маккьюна-Олбрайта Синдром Маршалла-Смита Синдром Сотоса Синдром Беквита-Видемана Синдром Марфана Синдром Пайла	Синдром Нунан Синдром Рассела-Сильвера *Синдром Шерешевского - Тернера (СШТ)
Лекарственные средства
Глюкокортикоиды                                    (3-5мг/м²преднизолона или                     12-15 мг/м² гидрокортизона) Амфетамин и декстроамфетамин (умеренное воздействие) Аналоги ГнРГ (гонадотропин-рилизинг-гормона) Ингибиторы ароматазы	Эстроген Оральные контрацептивы Препараты тестостерона Лаванда (эстрогено-подобный эффект) Масло чайного дерева                          (эстрогено-подобный эффект)
Нарушения питания
Недостаточное питание Недостаток веса в результате болезни Недостаточная минерализация костей	Экзогенно-конституциональное ожирение

 

Таблица 1. Факторы, влияющие накостныйвозраст(таблица изPediatric s is the official journal of the Ameican Academy of Pediatrics, 2017, с доп.) [12, 71, 71, 72, 73, 74, 75, 76]

 

   *Примечание: при ахондроплазии как правило отмечается замедление появления точек окостенения в кисти в раннем возрасте,                           в дальнейшем в возрасте 8–9 лет ускорение темпов дифференциации и к 10–12 годам КВ соответствует ХВ [ 77]

     *При СШТ в течение первых 3 лет жизни отставание КВ от ХВ, до 10 лет КВ соответствует ХВ, после 10–12 лет   КВ отстает от ХВ

(разница между КВ и ХВ не превышает 1—2 года) [75]

 

      ХВ человека можно определять по различным признакам, выявляемым с помощью методов лучевой диагностики. У взрослых для оценки возраста используют такие показатели, как степень обызвествления аорты, деформации скелета, состояние костной ткани и другие изменения, характерные для процесса старения организма. Эти методы имеют важное значение в судебно-медицинской практике, а также при необходимости уточнения возраста в случае отсутствия документов.

     Однако, несмотря на важность определения ХВ по данным лучевых методов у взрослых, наибольшую актуальность и диагностическую значимость методики определения КВ играют у детей, когда КВ изменяется наиболее динамично в соответствии с взрослением ребенка. Поэтому основные методы относятся к определению КВ у детей и будут рассмотрены далее.

 

ЦЕЛЬ ОБЗОРА

Проанализировать современные методики оценки КВ, выявить их преимущества и ограничения, а также оценить потенциал применения технологий искусственного интеллекта (ТИИ) для повышения точности диагностики.

 

МАТЕРИАЛЫ И МЕТОДЫ

Поиск литературы, соответствующей теме оценки костного возраста, был выполнен в базах данных PubMed и eLibrary за последние10 лет. Основное внимание уделялось работам, посвященным распространённости и применению различных методов оценки костного возраста. Поиск осуществлялся по ключевым словам: bone age, bone age assessment, radiography, artificial intelligence, deep learning, growth development, AI, костный возраст, рентгенография, искусственный интеллект.

 

РЕЗУЛЬТАТЫ

1. Методы оценки костного возраста

В настоящее время существуют методики для оценки костного возраста, основанные на результатах различных видов лучевых исследований (Таблица 2). Стоит отметить основные преимущества и недостатки каждой из этих методик. Рентгенография широко доступна, относительно недорога и позволяет визуализировать мелкие костные структуры. Но она сопряжена с лучевой нагрузкой и предоставляет только двумерное изображение с ограниченной визуализацией. Прямая рентгенография (РГ) кисти является наиболее валидированным методом и считается золотым стандартом [12], однако применение соответствующих методик оценки КВ имеет свои особенности и преимущества
(Таблица 3).

Общими недостатками других модальностей (кроме РГ) являются ограниченное количество исследований с применением компьютерной томографии (КТ), магнитно-резонансной томографии (МРТ), ультразвуковых исследований (УЗИ), а также отсутствие четкой методологии и стандартов.

 КТ обеспечивает трехмерную визуализацию костей и высокое пространственное разрешение, но сопровождается высокой стоимостью и ограниченной доступностью оборудования. МРТ лишена ионизирующего излучения и хорошо визуализирует костный мозг и мягкие ткани, однако отличается высокой стоимостью, длительным сканированием и ограниченными возможностями визуализации мелких костей. УЗИ не сопровождается ионизирующим излучением, легко доступно и относительно недорого. Но возможности визуализации костей с помощью УЗИ ограничены, зависят от опыта оператора и имеет трудности с глубоко расположенными структурами. Следует отметить отсутствие обзоров, в которых сравнивались методы определения КВ для различных модальностей.

 

		Оцениваемые структуры	Метод/Способ измерения/принцип
Рентгенография (РГ)
	Атлас Грейлиха-Пайла (АГП) [13]	Кости запястья, лучевая и локтевая кости	Сравнение с эталоном атласа
	Методика Таннер-Уайтхауса (TW)		Система баллов/оценочный метод
	Таблица Жуковского и Бухмана (ТЖБ)		Таблица со сроками окостенения
	Метод FEELS [14]		Система баллов/оценочный метод
	Атлас Гилсанса и Ратиба (АГР) [1, 15]		Сравнение с эталоном атласа
	Метод Korean Child Standard  [16].		Система баллов/оценочный метод
	Метод China 05 RUS–CHN [17]		Система баллов/оценочный метод
	Ebrí ages [18]		EO Ebrí-carpal (EOIC) metacarpophalangic (EOIMF) and Carpometacarpophalangic (EOICMF)
	Willems б. д. [20]	Панорамный снимок зубов	Система баллов/оценочный метод
	Cervical vertebral maturation [21]	Шейный отдел позвоночника	Степень окостенения шейных позвонков
Комрьютерная томография (КТ)
	Lopatin et al.[22]	Передние и задние внутризатылочные швы, Первый позвонок Atlas	Стадии окостенения
	Re et al. [20]	Медиальная часть ключицы	Стадии окостенения
Ультразвуковое исследование (УЗИ)
	Castriota-Scanderbeg A, De Micheli V [23]	Слабость хряща головки бедренной кости	Оценочный метод/Расстояние в мм
	Классификация Риссера [12]	Апофиз подвздошной кости (признак Риссера) и дистальные эпифизы лучевой кости	Присвоение стадии согласно классификации Риссера (0-V) и оценка зон роста лучевой кости
	Л.Н. Алексеева, А.Ю. Кинзерский [24]	Кости запястья, лучевая и локтевая кости	Степень окостенения костных ядер
Магнитно-резонансная томография (МРТ)
	Open compact MR Imager [11] [25]	Кости запястья, лучевая и локтевая кости	Система баллов/оценочный метод
	Pediatric hand MR scanner [12]		Система баллов/оценочный метод
	Tomei et el.[26]		Фазы окостенения
	Hojreh et el.[27]		Система баллов/оценочный метод

Таблица 2. Методы оценки костного возраста

Особенности формирования скелета у детей включают появление точек окостенения и закрытие зон роста, которые учитываются при анализе лучевых исследований. Существуют пособия, учитывающие возрастную и вариантную анатомию различных участков скелета, например «Рентгеноанатомический атлас скелета» (Королюк, 1996). Однако наиболее удобным и точным методом определения КВ является анализ рентгенографии кистей рук в прямой проекции.

1. Методики оценки костного возраста по рентгенографии кисти

 

Определение КВ по рентгенографии кисти является важным инструментом в педиатрической практике, используемым для оценки физического развития ребенка и своевременного выявления отклонений. Несоответствие костного и хронологического возраста может указывать на нарушения роста, эндокринные расстройства, генетические синдромы и другие патологические состояния.

В России традиционно выполняется рентгенография обеих кистей, тогда как в других странах достаточно рентгенографии только левой кисти. Сторонники российской методики считают важным обращать внимание на асимметричность появления центров окостенения в конечностях, в то время как сторонники «западной школы» эту особенность не учитывают.

При выполнении рентгенограммы кисть укладывают ладонью вниз на горизонтальную поверхность. При подготовке к исследованию необходимо снять с рук пациента украшения и предметы одежды, которые могут вызвать артефакты. На снимке должны быть четко видны все пальцы, запястье и дистальная часть костей предплечья. Радиографическая плотность снимка должна позволять визуализацию трабекул и мягких тканей конечности. Оценка рентгенограммы должна учитывать структуру, плотность, диаметр и изогнутость костей для исключения костно-суставных дисплазий верхней конечности [86].

На территории Российской Федерации наиболее распространенными методиками оценки КВ являются Таблица определения КВ по Жуковскому и Бухману, разработанная советскими врачами в 1987 году. Атлас Грейлиха и Пайл (АГП), созданный американскими исследователями широко используется педиатрами по всему миру (более чем 76%) [28], в детской эндокринологии специалисты чаще используют TW2 [69].

 

	Таблица Жуковского и Бухмана	Атлас Грейлиха и Пайла	Методика Таннера и Уайтхауса
Принципы определения костного возраста	Методика основана на использовании таблиц, которые содержат стандартные возрастные значения различных костных параметров. В данной методике учитывается появление новых точек окостенения, и КВ представлен в виде интервалов между наиболее ранним и наиболее поздним сроком появления данной точки. Определение костного возраста проводится путем сопоставления рентгеновских снимков кистей рук ребенка с эталонными значениями в таблице [84].	Методика использует атлас, включающий серию рентгеновских снимков кистей рук, соответствующих различным возрастам. Костный возраст определяется путем визуального сравнения конкретной рентгенограммы с возрастными эталонами в зависимости от пола изображениями в атласе, наиболее близкими по развитию.	Эта методика базируется на количественной оценке состояния отдельных костей кистей и запястий по 20 параметрам. Каждый параметр оценивается в баллах, и суммарный балл преобразуется в костный возраст с использованием специальной шкалы [85].
Преимущества	Превалирующая методика в России Адаптирована для Российской популяции	Наиболее широкое распространение в мире [28] Простота в освоении Малозатратный по времени вариант	Последняя версия TW3-RUS от 2001 года Более высокая воспроизводимость результатов по сравнению с остальными методами
Недостатки	Субъективность оценки Низкая валидация с современными методами Издана в 1987 году [13]	Субъективность оценки, Точность варьирует для детей разных этнических групп Неприменима для рентгенограмм с неправильным порядком окостенения Издана в 1959 году	Требуется больше временных затрат, обучение эксперта более сложное

Таблица 3. Сравнение методик оценки костного возраста по рентгенографии кисти

 

Однако эти классические методики основаны на данных, собранных более 50 лет назад, что ставит под вопрос их актуальность для современных популяций. Изменения в темпах роста и развития детей, связанные с изменением условий жизни, питания и здравоохранения, могут приводить к расхождениям между КВ и ХВ ребенка [29, 30].

TW3-RUS. Другой методикой является обновленная версия методики TW - TW3-RUS, представленная в 2001 году. Первоначальная методика TW была разработана британским ученым Дж.М. Таннером в 1962 году [77]. В актуальной версии TW3 учитываются дополнительные области визуализации для более детальной оценки стадий окостенения в разных сегментах кисти. Результаты анализа описываются в баллах, а не путем простого сравнения с эталонными рентгенограммами, как в АГП. Данный метод используется в детской   эндокринологии, так как позволяет более точно спрогнозировать конечный рост ребёнка [69].

Атлас Гилсанза и Ратиба (АГР) [1] В 2005 году швейцарскими учеными Висенте Жилсанзом и Османом Ратибом был опубликован новый цифровой атлас для оценки КВ. В отличие от предыдущих атласов с рентгеновскими снимками, он содержит идеализированные компьютерные изображения рук и запястий, специфичные для возраста и пола ребенка. Эти изображения были созданы на основе анализа размера, формы, морфологии и плотности окостенения на 522 рентгенограммах рук здоровых детей из Лос-Анджелеса, США (50% девочек и 50% мальчиков) [11]. Главным преимуществом АГР являются высокое качество по сравнению с классическим АГП. Отличительной особенностью данного атласа является то, что предоставленные изображения является «усредненными» по нескольким исходным изображениям одного КВ.

Благодаря более детализированному и количественному подходу, а также актуальным эталонам, новые методики АГР и TW3-RUS потенциально могут обеспечить более точную оценку КВ по сравнению с устаревшими подходами. Однако требуются дальнейшие исследования для определения их достоверности в разных популяциях.

В 2018 году был опубликован систематический обзор, проанализировавший результаты многочисленных исследований по оценке точности метода АГП [31]. Авторы обзора, Dahlberg et al., обнаружили, что в отдельных мета-анализах средние различия между КВ, определенным по АГП, и ХВ для разных возрастных групп и полов редко превышали 1 год. Однако при этом межисследовательская гетерогенность, то есть разброс результатов между различными выборками детей, была значительной. Это указывает на то, что в то время, как на групповом уровне АГП демонстрирует приемлемую точность, на отдельном межгрупповом уровне существуют вариации в соответствии КВ хронологическому. Показано, что классический метод АГП обеспечивает хорошую корреляцию между оценкой КВ и ХВ в современных популяциях в целом, но для отдельных популяций детей может давать существенные расхождения.

 

Костный возраст опережает хронологический возраст	Высокая корреляция между костным и хронологическим возрастами	Костный возраст отстает от хронологического возраста
США, дети азиатского происхождения старше 13 лет [32]	Корея, дети младше 13 лет [16]	Малайзия [33]
Саудовская Аравия, мужской пол, старше 13 лет  [34]	Великобритания [32]	Судан, женский пол старше 13 лет [35]
Иран, женский пол [36]	Шотландия [37]	Дети азиатского происхождения в возрасте 4-6 лет [30]
Африка, женский пол [32]	Саудовская Аравия, женский пол [38] [34]	Индия, мужской пол, возраст 4-15 лет [39]
Испания [18]	Италия, женский пол [36]	Турция, возраст 7-13 лет [40]
Турция, дети 14-17 лет [40]	Пакистан, женский пол [36]	Тайвань мальчики 2-12 лет 1 год [41]
Американцы, африканского происхождения[36]	Белоруссия [42, 43] [44]	Саудовская Аравия, мужской пол, младше 13 лет [38] [34]
		Пакистан, мужской пол [36]
		Иран, мужской пол [36]
		Индонезия [36]
		Американцы азиатского происхождения, мужской пол младше 7 лет [36]

Таблица 4. Корреляция различных этносов с атласом Грейлиха – Пайл 

 

Результаты многочисленных исследований демонстрируют, что существующие методики оценки КВ, такие как АГП, по-разному проявляют себя в различных этнических группах (Таблица 4): в одних случаях КВ опережает ХВ, в других — отстает, а иногда наблюдается высокая корреляция [29, 30, 32, 36, 38, 42–45].

Отмечается, что социально-экономический статус и питание, наряду с этническими особенностями, существенно влияют на определяемый КВ  [29, 30], например, отмечена задержка КВ у женщин Судана из-за низкого социально-экономического статуса и недостатка питания [35].

Современные исследования показывают значительный интерес к секулярным трендам (изменения, происходящие в биологии человека и развития популяции) в физическом развитии детей, отмечая тенденцию к более раннему созреванию скелета, включая эпифизарное слияние и окостенение  [11, 46]. Например, 45% мальчиков и 66% девочек достигают скелетной зрелости раньше, чем в предыдущих поколениях [46]. Однако в Великобритании эти изменения не ускорили скелетную зрелость [32], что указывает на региональные различия.

Исследования секулярных трендов проводятся как отечественными, так и зарубежными учеными. Дорохов Р.Н. и др. изучали паттерны роста и развития детей в различных условиях [78]. Дж. М. Таннер отмечает, что социально-экономические факторы являются наиболее доказуемыми причинами эпохальной изменчивости [47].

Согласно обзору Е.В. Сафоненковой [79], эпохальные морфологические и функциональные изменения организма ребенка являются вариантом адаптации к меняющимся условиям среды. Изучение секулярных изменений направлено на прогнозирование состояния организма в будущем.

Учет секулярных тенденций и необходимость корректировка атласов с учетом региональных особенностей важна для определения КВ у детей в регионах без обязательной регистрации новорожденных для определения ХВ. Это важно для реализации полноценного медицинского и социального обслуживания [46].

ТЖБ также не полностью соответствует современным тенденциям роста [48], и требует пересмотра.

Таким образом, определяемый в норме КВ зависит от этнической принадлежности, социально-экономических факторов, что следует учитывать при формировании локальных нормативных данных путем введения корректирующих коэффициентов или разработки собственных эталонных нормативов.

Многообразие существующих методик и подходов к определению КВ обусловливает необходимость стандартизации и унификации данной процедуры. Качественный и объективный мониторинг лечения различных патологических состояний, связанных с отклонениями в КВ, требует точных и воспроизводимых методов оценки. Однако относительная трудоёмкость процесса определения КВ, а также недостаток экспертов — специалистов в области лучевой диагностики, создают препятствия для его широкого применения. Кроме того, секулярные тренды и популяционная гетерогенность в отставании или опережении КВ относительно ХВ усложняют корректировку возрастных нормативных данных. Все это подчеркивает необходимость формирования универсальной автоматизированной платформы для определения КВ. В этом контексте применение технологий искусственного интеллекта представляет собой перспективное направление, способное стандартизировать процедуру, повысить её доступность и точность, а также учесть индивидуальные особенности пациентов [80-83].

 

1. Автоматизация оценки костного возраста по рентгенографии кисти с использованием технологий искусственного интеллекта.

 

Для автоматизированной оценки КВ разработаны различные решения с применением ТИИ и компьютерного зрения:

• BoneXpert [49, 50] это система для автоматического определения КВ на основе рентгеновских снимков, использующая передовые технологии. Она включает анализ изображений, с высокими качеством сегментации анатомических структур с помощью машинного обучения и искусственного интеллекта, в частности свёрточных нейронных сетей (CNN). Система калибрована и обучена на обширных наборах данных, что обеспечивает её точность для различных этнических групп. BoneXpert интегрирована с системами архивирования и передачи изображений (PACS), предоставляя удобный интерфейс для клиницистов. Она прошла клиническую валидацию, демонстрируя высокую точность по сравнению с традиционными методами (https://bonexpert.com). Высокая точность подхода, реализованного в данной программе обусловлена детальным морфометрическим методом определения точек окостенения, т.е. подход аналогичный методологии TW.
• BONE AGE ANALYZER [51] основан на использовании искусственных нейронных сетей. Данный автоматический метод на основе искусственных нейронных сетей превосходит использование АГП и TW по точности анализа участков оссификации (87% против 65%), скорости (менее 2 сек против 15 мин), воспроизводимости (100%) и возможности верификации.
• VUNO Med-BoneAge [52] использует в основе глубокое обучение, обучен на 18940 снимках оцененных по АГП (https://www.vuno.co).
• Компания 16Bit.ai [11] предоставляет бесплатный веб-инструмент для прогнозирования КВ (https://www.16bit.ai/bone-age), компания-разработчик заняла первое место на хакатоне RSNA (Radiology Society ofNorth America) bone age (Bone Expert занял 4 место). Авторы подчеркивают, что этот инструмент сделан только в демонстрационных целях и не может использоваться при принятии клинических решений.
• Решение HH-boneage.io является полностью автоматической системой, которая локализует области эпифиз-метафиз роста 13 костей и оценивает КВ по методике TW3 [53]
• Решение MediAI-BA, основан на свёрточных нейронных сетях, анализирует, как и TW3 семь зон роста эпифиза-метафиза в лучевой кости, локтевой кости, первой пястной кости, а также в пястной кости, проксимальной, средней и дистальной фалангах третьего пальца. [54]

Согласно исследованиям [55–57] интеграция автоматизированных программ в практику врачей-рентгенологов способствует повышению согласованности и снижению вариабельности оценок, а сочетание искусственного интеллекта с врачебной экспертизой демонстрирует лучшие результаты по сравнению с использованием каждого компонента отдельно.

До хататона, организованного в рамках RSNA 2017 Pediatric Bone Age Challenge использовались относительно простые полносвязные нейронные сети и свёрточные сети для регрессии КВ по рентгенограммам. После выпуска большого датасета в рамках RSNA Challenge стали применяться более сложные архитектуры: энкодер-декодер сети, сверточные сети с вниманием, ансамбли сетей и другие. Это позволило значительно повысить точность определения КВ с помощью ИИ [58] [59].

Другие исследования [60–63] продемонстрировали преимущества нейросетей над традиционными подходами по точности, скорости и устранению несогласованности между врачами. В целом, современные автоматизированные системы обеспечивают быстрые и максимально точные результаты, помогают врачам и способны прогнозировать окончательный КВ [11, 52, 64–68]. Ведутся разработки полностью автоматических инструментов без ручной разметки [68].

Также следует учесть, что КВ является одним из критериев назначения и длительности продолжения терапии ряда генетических заболеваний костно-мышечной системы. Например, для пациентов с диагнозом ахондроплазия с появлением ростостимулирующей патогенетической терапии. При описании КВ у данных пациентов специалисту необходимо учитывать характерные особенности для данной костной патологии, изменения сроков появления и динамику развития точек окостенения кисти [77].

Поскольку скелетные дисплазии изменяют морфологию кисти, существующие методы для оценки КВ оказались недостаточно убедительны. Например, широко используемая программа «BoneXpert», с трудом интерпретирует снимки пациентов со скелетной дисплазией, около половины снимков с ахондроплазией программа отклоняет [70]. Все методы прогнозирования конечного роста ребёнка основаны на данных детей без костной патологии, для возможности корректного и точного описания КВ необходимо разработать цифровые атласы созревания скелета для детей с диагнозом из группы скелетных дисплазий, например для ахондроплазии[76].

Несмотря на достаточное количество имеющихся решений по определению КВ, основанных на ТИИ, актуальность собственных разработок сохраняется. Во-первых, существующие секулярные тренды и локальные эпидемиологические особенности не всегда могут быть учтены при попытке использования уже имеющегося ПО на основе ТИИ. Во-вторых, доступность имеющихся решений зачастую ограничена, а некоторые не имеют достаточно развитого интерфейса для встраивания в PACS, РИС, ГИС. В-третьих, затруднена процедура валидации коммерческого ПО на основе ТИИ, включая возможность анализа нестандартных исследований: с патологией формирования скелета и нетипичных укладок (например, с целью оппортунистического скрининга по данным рентгенограмм, выполненных при травме кисти). Учитывая наличие открытых наборов данных (RSNA), опыта в подготовке собственных наборов данных, разработки и валидации ПО на основе ТИИ целесообразна разработка собственного оригинального ПО для автоматического определения КВ с метриками, не уступающими имеющимся аналогам.

 

Заключение

Определение КВ является ключевым инструментом в диагностике и мониторинге различных патологических состояний у детей и подростков. В данном обзоре были рассмотрены традиционные и современные методы оценки КВ по данным рентгенографии кисти, включая наиболее распространенные методики, такие как Атлас Грейлиха и Пайл, методика Таннер-Уайтхауса и таблица Жуковского и Бухмана. Анализ их преимуществ и ограничений, особенно в контексте их применимости к современной популяции, выявил ряд существенных аспектов.

При выборе и интерпретации методов оценки КВ необходимо учитывать популяционные особенности обследуемых детей. Классические методы, такие как АГП и TW, хотя и продолжают широко использоваться, могут давать существенные погрешности для некоторых этнических, половых и социально-экономических групп населения вследствие несоответствия исходных эталонов современным реалиям. Это обусловлено устареванием исходных эталонов, полученных на ограниченных выборках и не отражающих современную вариабельность темпов роста и окостенения в разнородных по своему составу популяциях.

В этой связи актуальным становится широкомасштабное внедрение в педиатрическую практику новых цифровых атласов с высококачественными идеализированными изображениями, дифференцированными по полу и возрасту, таких как Атлас Гилсанза и Ратиба, адаптированных для конкретной популяции. Помимо этого, необходим регулярный пересмотр существующих нормативов окостенения с целью их актуализации в соответствии с наблюдаемыми в разных странах и регионах мира секулярными трендами ускорения процессов физической зрелости детей под влиянием изменений условий жизни, питания и медицинского обслуживания.

Отдельным направлением является разработка и интеграция в систему здравоохранения методов на основе искусственного интеллекта, обученных на данных конкретной популяции. Это позволит стандартизировать заключения, минимизировать вариабельность и повысить точность определения КВ. Существующие решения на базе ИИ демонстрируют высокую эффективность, однако они не всегда учитывают региональные особенности и могут быть ограничены в доступности и интеграции с локальными медицинскими системами.

Комплексный подход, сочетающий внедрение современных цифровых технологий визуализации и обработки данных с учётом вариабельности темпов роста и развития в этнических, социально-экономических и половых группах населения, позволит создать надёжные и универсально применимые популяционно-специфичные стандарты определения КВ. Наличие таких стандартов и подходов имеет решающее значение для обеспечения своевременной и точной диагностики в педиатрической практике.

В перспективе планируется проведение исследований по оценке применимости Атласа Грейлиха и Пайл к отечественной популяции, а также анализ актуальности и точности таблицы Жуковского и Бухмана в современных условиях. На основе полученных данных будет разработан новый подход к оценке костного возраста, учитывающий региональные особенности и современные секулярные тренды. Кроме того, создание оригинального программного обеспечения на основе технологий искусственного интеллекта, обученного на данных нашей популяции, позволит автоматизировать процесс определения костного возраста, повысить его точность и доступность для клинического применения.

Таким образом, интеграция традиционных методов с современными технологиями и учёт региональных особенностей являются ключевыми факторами для улучшения диагностики и лечения заболеваний, связанных с нарушениями роста и развития у детей и подростков. Разработка новых инструментов, основанных на искусственном интеллекте и адаптированных к специфике конкретной популяции, будет способствовать повышению качества медицинской помощи и обеспечит более точное и объективное определение КВ в клинической практике.

 

 

About the authors

Dmitry Nikolaevich Reznikov

Полное наименование: Государственное бюджетное учреждение здравоохранения города Москвы
«Научно-практический клинический центр диагностики и телемедицинских технологий
Департамента здравоохранения города Москвы».
Сокращенное наименование: ГБУЗ «НПКЦ ДиТ ДЗМ».

Author for correspondence.
Email: reznik.m.d@mail.ru
ORCID iD: 0009-0004-8730-883X
Russian Federation

Dmitry Vadimovich Kuligovsky

1Государственное бюджетное учреждение здравоохранения города Москвы «Научно-практический центр диагностики и телемедицинских технологий Департамента здравоохра-нения города Москвы» (ГБУЗ «НПКЦ ДиТ ДЗМ»)

Email: rock_100@mail.ru
ORCID iD: 0009-0000-9824-6073
SPIN-code: 2821-5979

Inna Gennadyevna Vorontsova

Email: vorontsova-inna@mail.ru
SPIN-code: 7829-5461

Maria Dmitrievna Varyukhina

Email: VaryukhinaMD@zdrav.mos.ru
ORCID iD: 0000-0001-8870-7649
SPIN-code: 7463-4645

Alexander Evgenievich Gordeev

Email: almanelis.dev@gmail.com
ORCID iD: 0009-0007-8537-8991

Rustam Arsenievich Erizhokov

Email: lepet_morozko@mail.ru

Elena Efimovna Petryaikina

Email: lepet_morozko@mail.ru

Alexey Vladimirovich Petraikin

Email: alexeypetraikin@gmail.com
ORCID iD: 0000-0003-1694-4682
SPIN-code: 6193-1656

Anton Vyacheslavovich Vladzymyrskyy

Email: VladzimirskijAV@zdrav.mos.ru
ORCID iD: 0000-0002-2990-7736
SPIN-code: 3602-7120

Olga Vasilevna Omelyanskaya

Email: OmelyanskayaOV@zdrav.mos.ru
ORCID iD: 0000-0002-0245-4431
SPIN-code: 8948-6152

Yuriy Alexandrovich Vasilev

Email: VasilevYA1@zdrav.mos.ru
ORCID iD: 0000-0002-5283-5961
SPIN-code: 4458-5608

References

Supplementary files