BACKGROUND: In the era of low-dose computed tomography instead of chest X-ray attention not only to lung pathology, but also to other systems and organs is increased. Early detection of cardiovascular changes and early treatment minimizes damage to patients' health potentially reducing mortality and prolonging the duration and quality of life. The introduction of artificial intelligence into the work of a radiologist is considered as a significant supporting tool for reducing the omission of clinically important findings increasing the quality of radiologist’s reports. AIM: To evaluate the frequency and efficiency of cardiovascular findings detection by the artificial intelligence «xAID Chest CT module» in comparison with radiologist. METHODS: 300 chest CT studies were analyzed by the AI module, and the result was assessed by a radiologist. Additionally, radiologist’s reports were analyzed and a comparative analysis of the efficiency of detecting peripheral pulmonary nodes, coronary calcification, dilatation of ascending aorta and pulmonary trunk by the AI model and a radiologist was performed. RESULTS: The sensitivity and specificity of «xAID Chest CT module» were 81.6% and 91% for detecting peripheral pulmonary nodules, 97% and 64.3% for coronary calcification, 100% and 98.9% for dilation of the ascending aorta more than 40 mm, 96% and 78% for dilation of the pulmonary trunk more than 29 mm respectively. In the written reports of radiologists the presence of coronary calcification was missed in 20% of all cases, ectasia of the ascending aorta in 31.2% and dilation of the pulmonary trunk by 29 mm or more in 37% of all cases with pathology. CONCLUSION: Automatic processing of chest CT images by the «xAID Chest CT module» could potentially increase the detection of clinically significant cardiovascular changes.
Обоснование: В эпоху активного внедрения низкодозной компьютерной томографии взамен рентгенографии легких возрастает внимание не только к патологии легких, но и к другим системам и органам. Раннее обнаружение сердечно-сосудистых изменений и своевременно начатое лечение минимизирует ущерб здоровью пациентов, потенциально снижая смертность и продлевая длительность и качество жизни. Внедрение искусственного интеллекта в работу врача-рентгенолога рассматривается как значимый вспомогательный инструмент для снижения пропуска клинически важных находок, повышая полноту письменных заключений врача-рентгенолога.Цель — Оценить частоту и эффективность выявления моделью искусственного интеллекта «xAID Chest CT module» сердечно-сосудистых клинически значимых находок при анализе изображений КТ грудной клетки в сравнении с обнаружением патологий врачом-рентгенологомМетоды: Изображения 300 исследований КТ грудной клетки обработаны моделью искусственного интеллекта, а результат анализа оценен врачом-рентгенологом. Дополнительно пересмотрены письменные заключения врачей-рентгенологов по анализируемым исследованиям и произведен сравнительный анализ эффективности выявляемости периферических легочных узлов, коронарного кальциноза, патологического расширения восходящего отдела аорты и легочного ствола моделью искусственным интеллектом и врачом-рентгенологом. Результаты: Из 300 исследований модель ИИ «xAID Chest CT module» продемонстрировала чувствительность и специфичность для выявления периферических узловых образований легких 81,6% и 91%, для коронарного кальциноза 97% и 64,3%, для расширения просвета восходящего отдела аорты 40мм и более 100% и 98,9%, для расширения просвета легочного ствола более 29мм 96% и 78% соответственно. В письменных заключениях врачей-рентгенологов наличие коронарного кальциноза упущено в 20% всех случаев, эктазия восходящего отдела аорты в 31,2%, а расширение легочного ствола более 29мм в 37% всех случаев наличия патологии.Выводы: Внедрение автоматической обработки моделью ИИ «xAID Chest CT module» (xAID, Барселона, Испания) изображений КТ ОГК в практику врача-рентгенолога потенциально позволит увеличить выявляемость клинически значимых сердечно-сосудистых изменений.