Digital DiagnosticsDigital DiagnosticsDigital DiagnosticsDigital Diagnostics2712-84902712-8962Eco-Vector63009310.17816/DD630093Original Study ArticlesОригинальные исследования原创性科研成果Research ArticleA new artificial intelligence program for the automatic evaluation of scoliosis on frontal spinal radiographs: Accuracy, advantages and limitationsНовая интеллектуальная система для автоматической диагностики сколиоза по фронтальным рентгенограммам позвоночника: точность, преимущества и ограничения用脊柱正面 X 光片自动诊断脊柱侧弯的新型智能系统：准确度、优势和局限性https://orcid.org/0000-0001-5085-66144907-7850KassabDima Kh. I.КассабДима Халед ИбрагимKassabDima Kh. I.
Russian Federation

MD

MD

DimaKK87@gmail.comhttps://orcid.org/0000-0002-8351-92162422-5191KamyshanskayaIrina G.КамышанскаяИрина ГригорьевнаKamyshanskayaIrina G.
Russian Federation

MD, Dr. Sci. (Medicine), Assistant Professor

д-р. мед. наук, доцент

MD, Dr. Sci. (Medicine), Assistant Professor

irinaka@mail.ruhttps://orcid.org/0000-0003-0688-0988TrukhanStanislau V.ТруханСтанислав ВячеславовичTrukhanStanislau V.
Russian Federation
stas.truhan@gmail.comSaint Petersburg State UniversityСанкт-Петербургский государственный университетSaint Petersburg State UniversityEsper LLC1907202420092024522432541104202415052024Copyright ©; 2024, Eco-VectorCopyright ©; 2024, Эко-векторCopyright ©; 2024, Eco-Vector2024Eco-VectorЭко-векторEco-Vectorhttps://creativecommons.org/licenses/by-nc-nd/4.0https://jdigitaldiagnostics.com/DD/article/view/630093

BACKGROUND: Scoliosis is one of the most common spinal deformations that are usually diagnosed on frontal radiographs using Cobb’s method. Automatic measurement methods based on artificial intelligence can overcome many drawbacks of the usual method and can significantly save radiologist’s time.

AIM: To analyze the accuracy, advantages, and disadvantages of a newly developed artificial intelligence program for the automatic diagnosis of scoliosis and measurement of Cobb’s angle on frontal radiographs.

MATERIALS AND METHODS: In total, 114 digital radiographs were used to test the agreement of Cobb’s angle measurements between the new automatic method and the radiologist using the Bland–Altman method on Microsoft Excel. A limited clinical accuracy test was also conducted using 120 radiographs. The accuracy of the system in defining the scoliosis grade was evaluated by sensitivity, specificity, accuracy, and area under the receiver operating characteristic curve.

RESULTS: The agreement of Cobb’s angle measurement between the system and the radiologist’s calculation was found mostly in grade 1 and 2 scoliosis. Only 2.8% of the results showed a clinically significant angle variability of >5°. The diagnostic accuracy metrics of the limited clinical trial in City Mariinsky Hospital (Saint Petersburg, Russia) also proved the reliability of the system, with a sensitivity of 0.97, specificity of 0.88, accuracy (general validity) of 0.93, and area under the receiver operating characteristic curve of 0.93.

CONCLUSION: Overall, the artificial intelligence program can automatically and accurately define the scoliosis grade and measure the angles of spinal curvatures on frontal radiographs.

Обоснование. Сколиоз — одна из самых распространённых деформаций позвоночника, которую обычно диагностируют с помощью фронтальных спондилограмм по методу Кобба. Автоматические методы измерения, основанные на искусственном интеллекте, компенсируют многие недостатки стандартных методов и могут значительно сэкономить время врача-рентгенолога.

Цель — проанализировать точность, преимущества и недостатки новой программы искусственного интеллекта при автоматическом определении степени сколиоза и измерении угла Кобба на фронтальных рентгенограммах.

Материалы и методы. Всего исследовано 114 рентгенограмм на предмет соответствия измерений угла Кобба, выполняемых автоматически программой искусственного интеллекта и рентгенологом с использованием метода Бленда–Альтмана в программе Microsoft Excel. Кроме того, были проведены клинические испытание точности системы с использованием ограниченных данных (120 рентгенограмм). Точность системы в определении степени выраженности сколиоза оценивали по показателям чувствительности, специфичности, точности и площади под ROC-кривой.

Результаты. Больше согласованности в измерениях угла Кобба, вычисляемых программой искусственного интеллекта и рентгенологом, найдено в группах сколиоза I и II степени. Только в 2,8% случаев наблюдалась клинически значимая разница в измерении углов Кобба (вариабельность >5°). Показатели диагностической точности, полученные в ходе ограниченного клинического исследования в городской Мариинской больнице (Санкт-Петербург), также подтвердили надёжность системы: чувствительность составила 0,97, специфичность — 0,88, точность (общая валидность) — 0,93, а площадь под ROC-кривой — 0,93.

Заключение. В целом, программа искусственного интеллекта может автоматически точно определять степень выраженности сколиоза, а также измерять углы искривления позвоночника на фронтальных спондилограммах.

论证。脊柱侧弯是最常见的脊柱畸形之一，通常使用 Cobb 方法正面 X 光片进行诊断。基于人工智能的自动测量方法弥补了标准方法的许多不足，可以大大节省放射科医生的时间。

目的是分析一种新的人工智能程序在通过自动测量正面 X 光片上的 Cobb 角来评估脊柱侧弯程度方面的准确度和优缺点。

材料和方法。共检查了 114 张 X 光片，以确定人工智能软件自动测量的 Cobb 角与放射科医生使用 Microsoft Excel 中的 Bland–Altman 方法测量的 Cobb 角是否一致。此外，还使用有限的数据（120 张 X 光片）进行了临床准确度测试。通过灵敏度、特异性、准确度和 ROC 曲线下面积评估了该系统在确定脊柱侧弯严重程度方面的准确度。

结果。I度和II度脊柱侧弯组中，人工智能程序和放射科医生计算出的 Cobb 角测量值更加一致。只有 2.8% 的病例在 Cobb 角测量值上存在显著的临床差异（差异大于 5°）。在 Mariinsky City Hospital（圣彼得堡）进行的有限临床试验中获得的诊断准确度值也证实了该系统的可靠性：灵敏度为 0.97，特异性为 0.88，准确度（总体有效性）为 0.93，ROC 曲线下的面积为 0.93。

结论。一般来说，人工智能程序可以自动准确地确定脊柱侧弯的严重程度，并利用正面 X 光片测量脊柱弯曲的角度。

scoliosisartificial intelligencespineсколиозискусственный интеллектпозвоночник脊柱侧弯人工智能脊柱Negrini S, Donzelli S, Aulisa AG, et al. 2016 SOSORT guidelines: orthopaedic and rehabilitation treatment of idiopathic scoliosis during growth. Scoliosis. 2018;3(13). doi: 10.1186/s13013-017-0145-8Negrini S., Donzelli S., Aulisa A.G., et al. 2016 SOSORT guidelines: orthopaedic and rehabilitation treatment of idiopathic scoliosis during growth // Scoliosis. 2018. Vol. 3, N 13. doi: 10.1186/s13013-017-0145-8Birchenko NS. On the asymmetry of right and left leg loading in children with scoliosis. Fundamental’nye issledovaniya. 2005;(4):9–12. (In Russ). EDN: IUMILPБирченко Н.С. Об асимметрии нагружения правой и левой ноги у детей, больных сколиозом // Фундаментальные исследования. 2005. № 4. С. 9–12. EDN: IUMILPMironov SP, editor. Orthopedics. Clinical Guidelines. Moscow: GEOTAR-Media; 2018. (In Russ).Ортопедия. Клинические рекомендации / под ред. С.П. Миронова. Москва : ГЭОТАР-Медиа, 2018.Kotel’nikov GP, Lartsev YuV, Ryzhov PV. Traumatology and Orthopedics. 2nd edition, revised. Moscow: GEOTAR-Media; 2021. (In Russ).Котельников Г.П., Ларцев Ю.В., Рыжов П.В. Травматология и ортопедия. Издание 2-е, переработанное. Москва : ГЭОТАР-Медиа, 2021.Lenke CL. Revised glossary of terms [Internet]. Milwaukee, WI: Scoliosis Research Society; c2023 [cited 2023 Jun 05]. Available from: https://www.srs.org/professionals/online-education-and-resources/glossary/revised-glossary-of-termsLenke C.L. Revised glossary of terms [Internet]. Milwaukee, WI : Scoliosis Research Society; c2023 [дата обращения: 05.06.2023]. Доступ по ссылке: https://www.srs.org/professionals/online-education-and-resources/glossary/revised-glossary-of-termsO’Brien MF, Kuklo TR, Blanke KM, et al. Radiographic Measurement Manual. Spinal Deformity Study Group. Miami, Florida: Medtronic Sofamor Danek USA; 2008.O’Brien M.F., Kuklo T.R., Blanke K.M., et al. Radiographic Measurement Manual. Spinal Deformity Study Group. Miami, Florida : Medtronic Sofamor Danek USA, 2008.Malfair D, Flemming AK, Dvorak MF, et al. Radiographic evaluation of scoliosis: review. American journal of roentgenology. 2010;194(3):8–22. doi: 10.2214/AJR.07.7145Malfair D., Flemming A.K., Dvorak M.F., et al. Radiographic evaluation of scoliosis: review // American journal of roentgenology. 2010. Vol. 194, N 3. P. 8–22. doi: 10.2214/AJR.07.7145Imhof H, Halpern B, Herneth AM, et al. Direct diagnosis in radiology. Spinal imaging. 2nd ed. Thieme; 2021.Imhof H., Halpern B., Herneth A.M., et al. Direct diagnosis in radiology. Spinal imaging. 2nd ed. Thieme, 2021.Kaul V, Enslin S, Gross SA. History of artificial intelligence in medicine. Gastrointest Endosc. 2020;92(4):807–812. doi: 10.1016/j.gie.2020.06.040Kaul V., Enslin S., Gross S.A. History of artificial intelligence in medicine // Gastrointest Endosc. 2020. Vol. 92, N 4. P. 807–812. doi: 10.1016/j.gie.2020.06.040Padalko MA, Orlov SV, Naumov AM, Nazarikov SI, Lushnikov AA. Automatic system for determining the angles of scoliotic deformity of the human spine. Vestnik IKBFU. Physics, mathematics, and technology. 2019;(3):55–68. EDN: WMPIXXПадалко М.А., Орлов С.В., Наумов А.М., Назариков С.И., Лушников А.А. Автоматическая система определения углов сколиотической деформации позвоночника человека // Вестник Балтийского федерального университета им. И. Канта. Серия: физико-математические и технические науки. 2019. № 3. С. 55–68. EDN: WMPIXXLein GA, Nechaeva NS, Mammadova GМ, Smirnov AA, Statsenko MM. Automation analysis X-ray of the spine to objectify the assessment of the severity of scoliotic deformity in idiopathic scoliosis: a preliminary report. Pediatric Traumatology, Orthopaedics and Reconstructive Surgery. 2020;8(3):317–326. EDN: SJOTEB doi: 10.17816/PTORS34150Леин Г.А., Нечаева Н.С., Мамедова Г.М. Автоматизация анализа рентгенограмм позвоночника для объективизации оценки степени тяжести сколиотической деформации при идиопатическом сколиозе (предварительное сообщение) // Ортопедия, травматология и восстановительная хирургия детского возраста. 2020. Т. 8, № 3. С. 317–326. EDN: SJOTEB doi: 10.17816/PTORS34150Khanal B, Dahal L, Adhikari P, et al. Automatic Cobb angle detection using vertanra detector and vertebra corners regression. Cai Y, Wang L, Audette M, et al. Computational methods and clinical applications for spine imaging. Lecture Notes in Computer Science. Switzerland: Springer Nature, 2020. P:81–87.Khanal B., Dahal L., Adhikari P., et al. Automatic Cobb angle detection using vertanra detector and vertebra corners regression. Cai Y, Wang L, Audette M, et al. Computational methods and clinical applications for spine imaging. Lecture Notes in Computer Science. Switzerland : Springer Nature, 2020. P. 81–87.Horng M, Kuok S, Fu M, et al. Cobb angle measurement of spine from X-Ray images using convolutional neural network. Computational and mathematical methods in medicine. 2019;2019. doi: 10.1155/2019/6357171Horng M., Kuok S., Fu M., et al. Cobb angle measurement of spine from X-Ray images using convolutional neural network // Computational and mathematical methods in medicine. 2019. Vol. 2019. doi: 10.1155/2019/6357171Pan Y, Chen Q, Chen T, et al. Evaluation of a computer-aided method for measuring the Cobb angle on chest X-rays. Eur Spine journal. 2019;28(12):3035–3043. doi: 10.1007/s00586-019-06115-wPan Y., Chen Q., Chen T., et al. Evaluation of a computer-aided method for measuring the Cobb angle on chest X-rays // Eur Spine journal. 2019. Vol. 28, N 12. P. 3035–3043. doi: 10.1007/s00586-019-06115-wPatent RUS database registration № 2022620577/ 17.03.2022. Kassab DKhI, Kamyshanskaya IG, Cheremisin VM, Cheremisin AA. A database of spinal radiographs with different degrees of scoliosis (XrScl). (In Russ).Патент РФ на регистрацию базы данных № 2022620577/ 17.03.2022. Кассаб Д.Х.И., Камышанская И.Г., Черемисин В.М., Черемисин А.А. База данных рентгенограмм позвоночника со сколиозом различных степеней (XrScl).