Head and neck computed tomography dataset with lymph node assessment according to the Node-RADS classification

Cover Page


Cite item

Full Text

Abstract

BACKGROUND: Diagnosis of head and neck malignancies and prediction of lymph node metastases are essential for determining the appropriate treatment strategy. Artificial intelligence-based systems for automated lymph node analysis have been developed for this purpose. The predictive accuracy of such systems can be enhanced by training on both radiological and clinical data.

AIM: To prepare a head and neck computed tomography dataset for the development of artificial intelligence systems designed to detect lymph node metastases.

METHODS: An anonymized dataset comprising contrast-enhanced head and neck computed tomography scans and associated clinical information was prepared. Computed tomography examinations were performed in patients aged >18 years with histologically confirmed malignancies, free of dental metallic hardware artifacts at the level of the target lymph nodes classified as Node-RADS categories 1 and 5, and without motion artifacts. The data were obtained from a single clinical center and extracted from the Unified Radiological Information Service / Unified Medical Information and Analytical System of Moscow. Computed tomography examinations were conducted between 2020 and 2023 using Toshiba Aquilion scanners. The dataset includes images acquired during the venous phase of contrast enhancement. Scanning was performed 70 seconds after peak aortic lumen attenuation (130 HU) was reached. A total of 75 lymph nodes classified as Node-RADS category 5 were annotated by three radiologists, each with >3 years of clinical experience.

RESULTS: The dataset contains 82 DICOM files with a total volume of 18.6 GB. To construct the dataset, head and neck computed tomography scans of outpatients from Oncology Center No. 1 of the Moscow City Hospital named after S.S. Yudin were selected between April 2024 and May 2025. The mean patient age was 62 ± 11.1 years (range, 33–84 years).

CONCLUSION: A publicly available dataset of contrast-enhanced head and neck computed tomography scans, along with clinical data from patients with malignancies, has been prepared and released. The dataset includes cervical lymph node annotations according to the Node-RADS classification (categories 1 and 5). It is intended for the development and validation of artificial intelligence algorithms for the detection and assessment of lymph nodes in head and neck oncology.

Full Text

ОБОСНОВАНИЕ

Системы искусственного интеллекта (ИИ) и радиомического анализа для диагностики злокачественных новообразований области головы и шеи, а также предсказания метастатических изменений лимфатических узлов продолжают совершенствовать [1]. Выявление вторично изменённых лимфатических узлов играет важную роль в определении тактики лечения. Стадирование по N можно проводить с использованием различных методов измерений, одним из которых является компьютерная томография (КТ) [2]. При этом изменения лимфатических узлов оценивают с учётом их формы, размера, а также структуры. Для стандартизации критериев оценки их изменений разработали систему Node-RADS (Node Imaging Reporting and Data System), основанную на определении пяти категорий вероятности метастатического поражения, где Node-RADS 1 — крайне низкая, а Node-RADS 5 — крайне высокая вероятность метастатического поражения [3].

Существуют определённые разработки систем автоматизированного анализа, которые способны эффективно определять вторично изменённые лимфатические узлы [4, 5]. Например, система ИИ, включающая клиническую и радиомическую модели для оценки лимфатических узлов на предоперационном этапе у пациентов с протоковой аденокарциномой поджелудочной железы, выявляет их метастатическое поражение с большей точностью в сравнении с врачом-рентгенологом [6]. По данным систематического обзора C.J. Liu и соавт. [7], использование ИИ для анализа результатов КТ и магнитно-резонансной томографии при оценке изменённых лимфатических узлов у пациенток с раком молочной железы обеспечивает более высокую точность измерений и интерпретации данных по сравнению с оценками врачей-рентгенологов и выполняется при меньших временных затратах. Согласно результатам систематического обзора L. Michelutti и соавт. [8], системы ИИ точнее врачей-рентгенологов выявляют экстранодальную инвазию, но не вторично поражённые лимфатические узлы.

Использование качественных наборов данных является основой разработки эффективных систем ИИ1 [9]. Крупнейшими источниками со схожей тематикой являются многоцентровые наборы данных ACRIN-HNSCC-FDG-PET-CT (260 пациентов)2 и UNIL (1123 пациента)3. Однако ACRIN-HNSCC-FDG-PET-CT не доступен для загрузки и использования на территории Российской Федерации, а UNIL на момент написания публикации предоставлен в формате препринта.

ЦЕЛЬ

Подготовить набор данных КТ области головы и шеи для разработки систем ИИ, выявляющих метастазы в лимфатических узлах.

МЕТОДЫ

Источники данных

Сбор данных, включая результаты КТ и клиническую информацию, выполнен в целях ретроспективного исследования точности текстурного анализа в дифференциальной диагностике метастатических лимфатических узлов у пациентов с первичной опухолью области головы и шеи. Все данные собраны в условиях обычной клинической практики для оценки распространённости основного заболевания при первичном обследовании. Условия наблюдения пациентов: амбулаторное звено Городской клинической больницы имени С.С. Юдина (Москва). Период проведения КТ: с январь 2020 по декабрь 2023 г. Данные выгружены в период с апреля 2024 по май 2025 г. из Единого радиологического информационного сервиса единой медицинской информационно-аналитической системы Москвы (ЕРИС/ЕМИАС), изображения КТ — в формате Digital Imaging and Communications in Medicine (DICOM).

Критерии соответствия

Критерии включения:

  • возраст старше 18 лет;
  • гистологически подтверждённая первичная злокачественная опухоль области головы и шеи;
  • наличие изображений КТ области головы и шеи с контрастным усилением, выполненной до начала лечения;
  • наличие серии изображений, полученных в венозную фазу контрастирования;
  • лимфатические узлы категорий Node-RADS 1 (неизменённые, стадия N0) и Node-RADS 5 (высокая вероятность метастатического поражения).

Классификацию лимфатических узлов проводили врачи-рентгенологи. Согласно руководству Node-RADS, к категории Node-RADS 1 (неизменённые, стадия N0) относят лимфатические узлы [3]:

  • без признаков увеличения (для лимфатических узлов лицевой области и околоушной слюнной железы, заушной и затылочной областей, ретрофарингеальной и передней яремной групп <5 мм по короткой оси; лимфатических узлов других групп <10 мм по короткой оси);
  • гомогенной структуры с ровными контурами и сохранными жировыми воротами.

К категории Node-RADS 5 (высокая вероятность метастатического поражения) относят лимфатические узлы [3]:

  • представленные массами (≥30 мм по короткой оси);
  • увеличенные лимфатические узлы (≥10, но ≤30 мм по короткой оси), с нарушенной структурой (гетерогенного строения, с наличием кист и кальцинатов) и неровными контурами.

Критерии невключения:

  • наличие артефактов от зубных металлических конструкций на уровне лимфатических узлов категорий Node-RADS 1 и 5;
  • наличие двигательных артефактов [10].

Протокол сканирования

Все КТ выполняли с использованием томографа Toshiba Aquilion® (Toshiba, Япония). Поле сканирования: от дуги аорты до макушки. Толщина срезов 1 мм. Фильтр реконструкции FC08. Напряжение 120 кВ, параметры тока менялись за счёт использования автоматической системы контроля экспозиции. Сканирование в венозной фазе начинали через 70 с после достижения пикового значения плотности в просвете аорты (130 HU).

Анонимизация изображений

На первом этапе с применением программы DicomCleaner4 проводили унификацию и первичную анонимизацию изображений путём редактирования DICOM-тегов PatientID (0010,0020) и PatientName (0010,0010) в формате «01, 02…82» и «Р01, Р02…Р82». Кроме того, изменены все уникальные идентификаторы StudyInstanceUID (0020,000D), SeriesInstanceUID (0020,000E), SOPInstanceUID (0008,0018) на случайно сгенерированные. На втором этапе проводили более глубокую анонимизацию путём редактирования DICOM-тегов с помощью RSNA DICOM Anonymizer5 с использованием Java-скрипта (Приложение 1). При анонимизации данные приведены к стандартам HIPAA Privacy Rule6 и DICOM PS3.15 2025e7.

Разметка лимфатических узлов

Набор данных случайным образом поделили на три части для разметки тремя врачами-рентгенологами с опытом работы более трёх лет (два врача с опытом работы три года, один врач с опытом работы пять лет, опыт работы округляли в меньшую сторону). Врачей информировали о целях набора данных и разметки, при работе они использовали только DICOM-файлы и не имели доступа к клинической информации.

В таблицы разметки вносили следующие данные:

  • номер пациента;
  • пол;
  • возраст;
  • информацию о наличии/отсутствии вторично изменённого лимфатического узла (Node-RADS 5);
  • одностороннем/двустороннем поражении;
  • стороне поражения;
  • размерах наиболее крупного лимфатического узла по короткой и длинной осям;
  • группе лимфатических узлов по классификации на основании их расположения [11];
  • серии и номере изображения.

Также в таблицу вносили следующие клинические данные:

  • дата выполнения КТ;
  • основной диагноз (онкологический, без указания сопутствующих заболеваний);
  • дата установления диагноза;
  • результаты гистологического исследования опухоли;
  • результаты цитологического исследования лимфатических узлов;
  • статус инфицирования вирусом папилломы человека (ВПЧ-статус);
  • статус курения.

Дополнительно разметчик отмечал наличие некроза лимфатических узлов, инвазии в сосуды шеи, формирование конгломератов, а также наличие кальцинирования.

Результаты разметки (правильность заполнения таблицы и оценка по Node-RADS), проверял врач-рентгенолог с опытом работы более 7 лет. При наличии расхождений в итоговую таблицу вносили результаты, утверждённые экспертом-валидатором.

Обоснование размера выборки

Бóльшая часть злокачественных новообразований органов головы и шеи попадает под критерии орфанных заболеваний (частота встречаемости не более 1 случая на 10 тыс. чел.), кроме того, они внесены в соответствующий список Министерства здравоохранения Российской Федерации8. Учитывая численность взрослого населения Москвы (10 838 759 чел.)9 и частоту встречаемости орфанных заболеваний (согласно определению), можно рассчитать размер генеральной совокупности — 1084 чел. По данным литературы, частота вторичного поражения лимфатических узлов при злокачественных новообразованиях органов головы и шеи составляет 35,7% [12].

По заданным параметрам (размер генеральной совокупности 1084 чел., вероятность регионарного метастазирования 0,35, а предельная ошибка — 0,10) с помощью инструмента Sample Size Calculator for Estimating a Proportion10 мы рассчитали теоретический объём выборки. Согласно расчётам, минимальный размер репрезентативной выборки составил 81 пациент. Исходя из этих расчётов, объём данных, полученных от 82 пациентов, оценили как отражающий свойства генеральной совокупности.

Этическая экспертиза

Перед выгрузкой данных получено положительное заключение независимого этического комитета Московского регионального отделения Российского общества рентгенологов и радиологов на проведение ретроспективного исследования с использованием данных ЕРИС/ЕМИАС на тему «Текстурный анализ компьютерных программ как эффективный инструмент в дифференциальной диагностике метастатических лимфатических узлов у пациентов с первичной опухолью области головы и шеи» (протокол № 03/2024 от 21.03.2024). Все медицинские данные извлечены из системы ЕРИС/ЕМИАС до проведения диагностических и лечебных процедур. Все пациенты заполнили и подписали согласие на обработку персональных данных перед диагностической процедурой. Перед разметкой изображения КТ анонимизировали.

РЕЗУЛЬТАТЫ

Описание набора данных

На первичном этапе за период с апреля 2024 по май 2025 г. согласно критериям включения отобрано 213 исследований КТ области головы и шеи. После изучения изображений в конечную выборку отобрали 82 исследования, основными причинами их исключения были выраженные артефакты от зубных имплантов и металлоконструкций (n=98) и наличие двигательных артефактов (n=33).

Помимо клинической информации, в набор данных включали сведения о ВПЧ-статусе пациентов, поскольку именно этот фактор играет ключевую роль в стадировании заболевания и выборе тактики лечения по данным AJCC (The American Joint Committee on Cancer) 8th Edition [13]. Кроме того, в набор данных включали информацию о статусе курения, так как курение является независимым прогностическим фактором при ВПЧ-позитивном раке и его можно использовать для стратификации риска [14].

Соотношение мужчины/женщины в наборе данных составило 66/16 (80,5/19,5%), средний возраст — 62±11,1 года (33 до 84 лет). Признаки метастатического поражения лимфатических узлов выявлены у 60 пациентов (73%). Размечено 75 лимфатических узлов категории Node-RADS 5. Характеристика набора данных представлена в табл. 1.

 

Таблица 1. Характеристика набора данных пациентов с оценкой лимфатических узлов по классификации Node-RADS

Показатели

Количество, n (%)

Гистологическая верификация злокачественного новообразования

82 (100)

Цитологическое исследование лимфатических узлов

39 (47,56)

Локализация новообразований

Ротовая полость

10 (12,20)

Ротоглотка

25 (30,50)

Гортань

17 (20,73)

Гортаноглотка

19 (23,17)

Слюнные железы

5 (6,10)

Щитовидная железа

2 (2,43)

Другая

4 (4,87)

Статус инфицирования вирусом папилломы человека

Положительный

9 (10,71)

Отрицательный

8 (9,52)

Нет данных

65 (79,76)

Статус курения

Курят

44 (53,65)

Не курят

20 (24,39)

Нет данных

18 (21,95)

Примечание. Node-RADS (Node Imaging Reporting and Data System) — это стандартизированная система оценки лимфатических узлов при онкологических заболеваниях, разработанная для стандартизации отчётов лучевой диагностики.

 

Все пациенты (n=82) имеют гистологически верифицированный диагноз злокачественного новообразования органов головы и шеи, из них 39 пациентам дополнительно выполнили цитологическое исследование лимфатических узлов, подозрительных в отношении вторичного поражения. В наборе данных встречаются сведения о пациентах с первичной опухолью ротовой полости, ротоглотки, гортани, гортаноглотки, слюнных желёз, щитовидной железы и других локализаций. В файл с клинической информацией внесена информация о ВПЧ-статусе пациентов и о статусе курения (см. табл. 1).

Набор данных содержит 82 DICOM-файла с общим объёмом 18,6 ГБ.

Ограничения набора данных

Представленный набор данных имеет определённые ограничения. В частности, отмечено смещение баланса классов Node-RADS 1/Node-RADS 5 в сторону вторично изменённых лимфатических узлов в полученной выборке (23/37%) по сравнению с ожидаемыми значениями (6:4 по данным M.F. van der Kamp и соавт. [15]), что, вероятно, обусловлено спецификой медицинского учреждения, специализирующегося на онкологических заболеваниях области головы и шеи. Отсутствие результатов морфологического анализа отобранных лимфатических узлов способствовало бы формированию более объективного набора данных.

Кроме того, ограничением набора данных можно считать субъективность оценки изображений КТ по системе Node-RADS, показатели точности применения которой варьируют в зависимости от области применения. Так, по данным G. Lorusso и соавт. [16], система оценки Node-RADS продемонстрировала чувствительность 61,54%, специфичность 89,69%, положительную прогностическую ценность 76,19%, отрицательную прогностическую ценность 89,69%, а также общую точность 87,29%. В другой работе X. Yang и соавт. [17] установили, что система оценки Node-RADS достигает значения AUC (Area Under the Curve) 0,95 в диагностике метастазов назофарингеальной карциномы, при пороговом значении Node-RADS ≥3 чувствительность составила 92%, специфичность — 87%, положительная прогностическая ценность — 94%, отрицательная прогностическая ценность — 83%. Межэкспертное согласие между двумя рентгенологами достигало 79,3%, κ=0,863 (95% доверительный интервал 0,830–0,897), p <0,001.

Следует также отметить, что все исследования выполняли в одном медицинском учреждении.

ЗАКЛЮЧЕНИЕ

Подготовлен и размещён в открытом доступе набор данных, включающий 82 пациента, содержащий аннотированные сведения о лимфатических узлах шеи, размеченных в соответствии с классификацией Node-RADS (категории 1 и 5) по результатам КТ органов головы и шеи с внутривенным контрастным усилением, а также сопутствующую клиническую информацию. Представленный набор данных возможно использовать для создания и тестирования систем ИИ, предназначенных для выявления и оценки состояния лимфатических узлов обрасти головы и шеи при опухолевых заболеваниях данной локализации.

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Приложение 1. Текстовый документ, содержащий Java код для анонимизации файлов DICOM с помощью RSNA Dicom Anonymizer. doi: 10.17816/DD693477-4396368

Вклад авторов. Ю.А. Васильев — руководство исследованием; А.П. Гончар — определение концепции, разработка методологии, проведение исследования, работа с данными, анализ данных, написание черновика рукописи; О.И. Мынко — работа с данными, анализ данных, написание черновика рукописи; Д.С. Конторович — проведение исследования, работа с данными, анализ данных; И.А. Блохин, Р.В. Решетников, В.А. Нечаев — руководство исследованием, пересмотр и редактирование рукописи. Все авторы одобрили рукопись (версию для публикации), а также согласились нести ответственность за все аспекты работы, гарантируя надлежащее рассмотрение и решение вопросов, связанных с точностью и добросовестностью любой её части.

Этическая экспертиза. Перед выгрузкой данных получено положительное заключение независимого этического комитета Московского регионального отделения Российского общества рентгенологов и радиологов на проведение ретроспективного исследования с использованием данных ЕРИС/ЕМИАС на тему «Текстурный анализ компьютерных программ как эффективный инструмент в дифференциальной диагностике метастатических лимфатических узлов у пациентов с первичной опухолью области головы и шеи» (протокол № 03/2024 от 21.03.2024). Все медицинские данные извлечены из системы ЕРИС/ЕМИАС до проведения диагностических и лечебных процедур. Все пациенты заполнили и подписали согласие на обработку персональных данных перед диагностической процедурой. Перед разметкой изображения КТ анонимизировали.

Источники финансирования. Статья подготовлена в рамках научно-исследовательской работы «Научное обоснование методов лучевой диагностики опухолевых заболеваний с использованием радиомического анализа» (ЕГИСУ: № 123031500005-2) в соответствии с Приказом № 1258 от 22 декабря 2023 г. «Об утверждении государственных заданий, финансовое обеспечение которых осуществляется за счёт средств бюджета города Москвы государственным бюджетным (автономным) учреждениям, подведомственным Департаменту здравоохранения города Москвы, на 2024 год и плановый период 2025 и 2026 годов» Департамента здравоохранения города Москвы.

Раскрытие интересов. Авторы заявляют об отсутствии отношений, деятельности и интересов за последние три года, связанных с третьими лицами (коммерческими и некоммерческими), интересы которых могут быть затронуты содержанием статьи.

Оригинальность. При создании настоящей работы авторы не использовали ранее опубликованные сведения (текст, иллюстрации, данные).

Доступ к данным. Все данные, полученные в настоящем исследовании, представлены в статье и в приложении 1. Набор данных «MosMedData: КТ головы и шеи с оценкой лимфатических узлов по классификации Node-RADS» размещён в свободном доступе на платформе Научно-практического клинического центра диагностики и телемедицинских технологий и доступен по ссылке: https://mosmed.ai/datasets/datasets/mosmeddata-kt-golovi-i-shei-s-otsenkoi-limfaticheskih-uzlov-po-klassifikatsii-node-rads/. В приложении 1 приведён текстовый документ, содержащий Java код для анонимизации файлов DICOM с помощью RSNA Dicom Anonymizer.

Генеративный искусственный интеллект. При создании настоящей статьи технологии генеративного искусственного интеллекта не использовали.

Рассмотрение и рецензирование. Настоящая работа подана в журнал в инициативном порядке и рассмотрена по обычной процедуре. В рецензировании участвовали один внешний рецензент и научный редактор журнала.

ADDITIONAL INFORMATION

Supplement 1: A text document containing Java code for anonymizing DICOM files using RSNA Dicom Anonymizer. doi: 10.17816/DD693477-4396368

Author contributions: Yu.A. Vasiliev: supervision; A.P. Gonchar: conceptualization, methodology, investigation, data curation, formal analysis, writing—original draft; O.I. Mynko: data curation, formal analysis, writing—original draft; D.S. Kontorovich: investigation, data curation, formal analysis; I.A. Blokhin, R.V. Reshetnikov, V.A. Nechaev: supervision, writing—review & editing. All the authors approved the version of the manuscript to be published and agreed to be accountable for all aspects of the work, ensuring that questions related to the accuracy or integrity of any part of the work are appropriately investigated and resolved.

Ethics approval: Before data extraction, an approval was received from the Independent Ethics Committee of the Moscow Regional Branch of the Russian Society of Roentgenologists and Radiologists for conducting a retrospective study using ERIS/EMIAS data on “Texture test of computer programs as an effective tool in the differential diagnosis of metastatic lymph nodes in patients with a primary tumor of the head and neck” (Minutes No. 03/2024 dated March 21, 2024). All medical data were extracted from the ERIS/EMIAS system prior to diagnostic and treatment procedures. All patients completed and signed a consent for personal data processing before the diagnostic procedure. Before markup, CT images were anonymized.

Funding sources: This article was prepared within the research and development work “Scientific substantiation of methods for radiation diagnostics of tumor diseases using radiomic analysis” (Unified State System for Accounting [EGISU] No. 123031500005-2) in accordance with Moscow City Health Department’s Order No. 1258 On the Approval of State Assignments Funded from the Budget of the City of Moscow for State Budgetary (Autonomous) Institutions Subordinate to the Moscow City Health Department for 2024 and the Planned Period of 2025–2026, dated December 22, 2023.

Disclosure of interests: The authors have no relationships, activities, or interests for the last three years related to for-profit or not-for-profit third parties whose interests may be affected by the content of the article.

Statement of originality: No previously published material (text, images, or data) was used in this study or article.

Data availability statement: All data obtained in this study are available in the article and its supplementary material. The “MosMedData: head and neck CT scans with lymph node assessment using node-RADS classification” dataset is publicly available on the platform of the Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies and can be accessed at: https://mosmed.ai/datasets/datasets/mosmeddata-kt-golovi-i-shei-s-otsenkoi-limfaticheskih-uzlov-po-klassifikatsii-node-rads/. Supplement 1 provides a text document containing Java code for anonymizing DICOM files using RSNA Dicom Anonymizer.

Generative AI: No generative artificial intelligence technologies were used to prepare this article.

Provenance and peer-review: This article was submitted unsolicited and reviewed following the standard procedure. The peer-review process involved one external reviewer and the in-house science editor.

 

1 Свидетельство о государственной регистрации программы для ЭВМ № 2023619686/ 15.05.2023. Бюл. № 5. Васильев Ю.А., Владзимирский А.В., Омелянская О.В., и др. Веб-инструмент для контроля качества датасетов. Режим доступа: https://www.elibrary.ru/download/elibrary_53820066_13862740.PDF Дата обращения: 26.03.2026.

2 Kinahan P, Muzi M, Bialecki B, Coombs L. Data from the ACRIN 6685 Trial HNSCC-FDG-PET/CT [Data set]. TCIA. Режим доступа: https://doi.org/10.7937/K9/TCIA.2016.JQEJZZNG Дата обращения: 26.03.2026.

3 Saeed N, Hassan S, Hardan S, et al. A Multimodal and Multi-centric Head and Neck Cancer Dataset for Segmentation, Diagnosis and Outcome Prediction. Режим доступа: https://doi.org/10.48550/arXiv.2509.00367 Режим доступа: 26.03.2026.

4 DicomCleaner™ [Internet]. В: PixelMed Publishing™. 2016–2026. Режим доступа: https://www.dclunie.com/pixelmed/software/webstart/ DicomCleanerUsage.html Дата обращения: 28.03.2026.

5 RSNA DICOM Anonymizer [Internet]. В: GitHub. Режим доступа: https://github.com/RSNA/anonymizer Дата обращения: 28.03.2026.

6 The HIPAA Privacy Rule [Internet]. В: U.S. Department of Health and Human Services. 2024–2026. Режим доступа: https://www.hhs.gov/hipaa/for-professionals/privacy/index.html Дата обращения: 26.03.2026.

7 DICOM PS3.15 2025e – Security and System Management Profiles. DICOM Standards Committee [Internet]. Режим доступа: https://dicom.nema.org/medical/dicom/current/output/html/part15.html#sect_D.1 Дата обращения: 26.03.2026.

8 Перечень редких (орфанных) заболеваний от 12 марта 2025 г. [Internet]. В: Министерство здравоохранения Российской Федерации. 2025–2026. Режим доступа: https://minzdrav.gov.ru/documents/9824-perechen-redkih-orfannyh-zabolevaniy Дата обращения: 26.03.2026.

9 rosstat.gov.ru [Internet]. Численность населения Российской Федерации по полу и возрасту. Режим доступа: https://rosstat.gov.ru/compendium/document/13284 Дата обращения: 26.03.2026.

10 Sample Size Calculator for Estimating a Proportion [Internet]. 2023–2026. Режим доступа: https://statulator.com/SampleSize/ss1P.html Дата обращения: 28.03.2026.

×

About the authors

Yuriy A. Vasilev

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

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

MD, Dr. Sci. (Medicine)

Russian Federation, Moscow

Anna P. Gonchar

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies; Moscow City Hospital named after S.S. Yudin

Email: GoncharAP@zdrav.mos.ru
ORCID iD: 0000-0001-5161-6540
SPIN-code: 3513-9531

MD, Cand. Sci (Medicine)

Russian Federation, Moscow; Moscow

Oleg I. Mynko

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies; Moscow City Hospital named after S.S. Yudin

Author for correspondence.
Email: o.mynko@icloud.com
ORCID iD: 0009-0005-3984-4045
SPIN-code: 3556-3510

MD

Russian Federation, Moscow; Moscow

Daria S. Kontorovich

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies; Moscow City Hospital named after S.S. Yudin

Email: KontorovichDS@zdrav.mos.ru
ORCID iD: 0000-0002-9189-1835
SPIN-code: 2407-9313

MD

Russian Federation, Moscow; Moscow

Ivan A. Blokhin

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: BlokhinIA@zdrav.mos.ru
ORCID iD: 0000-0002-2681-9378
SPIN-code: 3306-1387

MD, Cand. Sci (Medicine)

Russian Federation, Moscow

Roman V. Reshetnikov

Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies

Email: ReshetnikovRV1@zdrav.mos.ru
ORCID iD: 0000-0002-9661-0254
SPIN-code: 8592-0558

Cand. Sci. (Physics and Mathematics)

Russian Federation, Moscow

Valentin A. Nechaev

Moscow City Hospital named after S.S. Yudin

Email: dfkz2005@gmail.com
ORCID iD: 0000-0002-6716-5593
SPIN-code: 2527-0130

MD, Cand. Sci (Medicine)

Russian Federation, Moscow

References

  1. Vasilev YuA, Nanova OG, Blokhin IA, et al. Priority radiomic parameters for computed tomography of head and neck malignancies: A systematic review. Digital Diagnostics. 2024;5(2):255–268. doi: 10.17816/DD623240 EDN: NPWNFS
  2. Kang H, Kennedy TA, Yu E. Head and neck squamous cell cancer: approach to staging and surveillance. In: Hodler J, Kubik-Huch RA, Roos JE, editors. Diseases of the brain, head and neck, spine 2024–2027. Cham: Springer; 2024. P. 251–264. doi: 10.1007/978-3-031-50675-8_17
  3. Elsholtz FHJ, Asbach P, Haas M, et al. Introducing the node reporting and data system 1.0 (Node-RADS): a concept for standardized assessment of lymph nodes in cancer. European Radiology. 2021;31(8):6116–6124. doi: 10.1007/s00330-020-07572-4 EDN: NTXDGN
  4. Stawarz K, Gorzelnik A, Klos W, et al. Systematic review of artificial intelligence and radiomics for preoperative prediction of extranodal extension and lymph node metastasis in oropharyngeal cancer. Frontiers in Oncology. 2025;15:1717641. doi: 10.3389/fonc.2025.1717641 EDN: TKZDMG
  5. Kann BH, Likitlersuang J, Bontempi D, et al. Screening for extranodal extension in HPV-associated oropharyngeal carcinoma: evaluation of a CT-based deep learning algorithm in patient data from a multicentre, randomised de-escalation trial. The Lancet Digital Health. 2023;5(6):e360–e369. doi: 10.1016/s2589-7500(23)00046-8 EDN: QYWUEL
  6. Bian Y, Zheng Z, Fang X, et al. Artificial intelligence to predict lymph node metastasis at CT in pancreatic ductal adenocarcinoma. Radiology. 2023;306(1):160–169. doi: 10.1148/radiol.220329 EDN: HSGSON
  7. Liu CJ, Zhang L, Sun Y, et al. Application of CT and MRI images based on an artificial intelligence algorithm for predicting lymph node metastasis in breast cancer patients: a meta-analysis. BMC Cancer. 2023;23(1):1134. doi: 10.1186/s12885-023-11638-z EDN: OCWLVC
  8. Michelutti L, Tel A, Zeppieri M, et al. The use of artificial intelligence algorithms in the prognosis and detection of lymph node involvement in head and neck cancer and possible impact in the development of personalized therapeutic strategy: a systematic review. Journal of Personalized Medicine. 2023;13(12):1626. doi: 10.3390/jpm13121626 EDN: BYZQXT
  9. Vasilev YuA, Alymova YuA, Arzamasov KM, et al. Artificial Intelligence in Radiology: Per Aspera Ad Astra. Moscow: Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies; 2025. ISBN: 978-5-0067-5622-9 (In Russ.) EDN: OOWUTV
  10. Monden N, Asakage T, Kiyota N, et al; Head and Neck Cancer Study Group (HNCSG). A review of head and neck cancer staging system in the TNM classification of malignant tumors (eighth edition). Japanese Journal of Clinical Oncology. 2019;49(7):589–595. doi: 10.1093/jjco/hyz052
  11. Grégoire V, Ang K, Budach W, et al. Delineation of the neck node levels for head and neck tumors: a 2013 update. DAHANCA, EORTC, HKNPCSG, NCIC CTG, NCRI, RTOG, TROG consensus guidelines. Radiotherapy and oncology: Journal of the European Society for Therapeutic Radiology and Oncology. 2014;110(1):172–181. doi: 10.1016/j.radonc.2013.10.010
  12. Ma H., Lian M, Feng L, et al. Factors contributing to lymph node occult metastasis in supraglottic laryngeal carcinoma cT2-T4 N0M0 and metastasis predictive equation. Chinese Journal of Cancer Research. 2014;26(6):685–691. doi: 10.3978/j.issn.1000-9604.2014.12.06
  13. Amin MB, Greene FL, Edge SB, et al. The Eighth Edition AJCC Cancer Staging Manual: Continuing to build a bridge from a population-based to a more “personalized” approach to cancer staging. CA: A Cancer Journal for Clinicians. 2017;67(2):93–99. doi: 10.3322/caac.21388
  14. Lorini L, Bossi P, Psyrri A, Bonomo P. Human Papilloma Virus (HPV) driven oropharyngeal cancer in current or previous heavy smokers: should we look for a different treatment paradigm? Frontiers in Oncology. 2024;14:1383019. doi: 10.3389/fonc.2024.1383019 EDN: JSFGGC
  15. van der Kamp MF, Muntinghe FOW, Iepsma RS, et al. Predictors for distant metastasis in head and neck cancer, with emphasis on age. European Archives of Oto-Rhino-Laryngology. 2020;278(1):181–190. doi: 10.1007/s00405-020-06118-0 EDN: QSINCX
  16. Lorusso G, Villanova I, Greco S, et al. Accuracy of MRI-based Node-RADS in predicting metastatic lymph node involvement in Head and Neck Squamous Cell Carcinoma. European Journal of Radiology. 2025;186:112051. doi: 10.1016/j.ejrad.2025.112051 EDN: CNZBVB
  17. Yang X, Yang J, Li J, et al. Diagnostic performance of node reporting and data system magnetic resonance imaging score in detecting metastatic cervical lymph nodes of nasopharyngeal carcinoma. Clinical Medicine Insights: Oncology. 2024;18. doi: 10.1177/11795549241231564 EDN: PMRYDP

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Supplement 1: A text document containing Java code for anonymizing DICOM files using RSNA Dicom Anonymizer
Download (283KB)
Indexing metadata

Copyright (c) 2026 Eco-Vector

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77 - 79539 от 09 ноября 2020 г.