MosMedData: датасет 1110 компьютерных томографий органов грудной клетки, выполненных во время эпидемии COVID-19

Полный текст

ОБОСНОВАНИЕ

Во время пандемии COVID-19 в большинстве стран на структуры здравоохранения легло дополнительное тяжёлое бремя. Ситуация потребовала как никогда тщательного использования финансовых и людских ресурсов. К сожалению, проводимых в медицинских учреждениях профилактических мероприятий не всегда достаточно для того, чтобы избежать гибели медицинских работников. Особую озабоченность вызывает потеря обученных специалистов в области неотложной помощи, лучевой диагностики и других экстренных видах медицины. Компьютерная томография (КТ) считается ключевым инструментом диагностики и оценки прогрессирования COVID-19, проводится в амбулаторных условиях и предназначена пациентам с острыми респираторными симптомами, а также пациентам с установленным диагнозом и прогрессированием лёгких заболеваний, выполняющих терапию в домашних условиях под наблюдением врача с использованием телемедицинских технологий. В стационарных учреждениях КТ используется для первичной и дифференциальной диагностики, для оценки прогрессирования заболевания и определения дальнейшей тактики ведения пациента ― в отделении интенсивной терапии или на дому под наблюдением врача медицинской организации первичного уровня [1–3].

Всё более широкое применение КТ ложится тяжёлым бременем на систему здравоохранения. Так, в Москве сеть муниципальных амбулаторных центров КТ проводит около 90 исследований на 1 компьютерный томограф в день (регистратор КТ провел 163 исследования в течение одного дня). Для стандартизации и упорядочения принятия клинических решений специалистами была разработана классификационная модель, которая наряду с другими симптомами оценивает степень тяжести аномалий в лёгочной ткани, наблюдаемых на снимках КТ органов грудной клетки (табл. 1). Так, определение степени поражения лёгочной паренхимы позволяет прогнозировать летальные исходы при COVID-19 [4].

 

Таблица 1. Классификация тяжести поражения лёгочной ткани при COVID-19 и правила маршрутизации

Степень тяжести	Категория по данным КТ	Клинические данные	Решение
КТ0	Нет признаков пневмонии (в том числе и COVID-19)	-	Информирование лечащего врача
Лёгкая (КТ1)	Зоны уплотнения по типу матового стекла с/без консолидации, ретикулярные изменения. Минимальный объём/распространённость. Вовлечение паренхимы легкого ≤ 25%	Т <38,0 ºС ЧДД <20/мин SpO2 >95%	Динамическое наблюдение на дому с применением телемедицинских технологий (обязательный дистанционный контроль состояния здоровья)
Среднетяжёлая (КТ2)	Зоны уплотнения по типу матового стекла с/без консолидации, ретикулярные изменения. Средний объём/распространённость. Вовлечение паренхимы лёгкого 25–50%	Т <38,5 ºС ЧДД 20–30/мин SpO2 95%	Динамическое наблюдение на дому врачом медицинской организации первичного уровня
Тяжёлая (КТ3)	Зоны уплотнения по типу матового стекла. Зоны консолидации, ретикулярные изменения. Значительный объём/распространённость. Вовлечение паренхимы лёгкого 50–75%. Увеличение объёма поражения до 50% за 24–48 ч на фоне дыхательных нарушений, если исследования выполняются в динамике	≥2 признаков на фоне лихорадки: Т >38,5 ºС ЧДД ≥30/мин SpO2 ≤93% PaO2 / FiO2 ≤300 мм рт.ст.	Немедленная госпитализация в стационар, профилированный для оказания помощи пациентам с COVID-19. В условиях стационара: немедленный перевод в ОРИТ. Экстренная КТ (если не было)
Критическая (КТ4)	Диффузное уплотнение лёгочной ткани по типу матового стекла и консолидации в сочетании с ретикулярными изменениями. Гидроторакс (двусторонний, преобладает слева). Субтотальный объём/распространённость. Вовлечение паренхимы лёгкого ≥75%	Признаки шока, полиорганной недостаточности, дыхательная недостаточность	Оказание экстренной медицинской помощи. Немедленная госпитализация в стационар, профилированный для оказания помощи пациентам с COVID-19. В условиях стационара: немедленный перевод в ОРИТ. Экстренная КТ (если не было и позволяет состояние)

Примечание. КТ ― компьютерная томография, КТ-1 – КТ-4 ― степень поражения лёгких по результатам КТ, ЧДД ― частота дыхательных движений, ОРИТ ― отделение реанимации и интенсивной терапии, Т ― температура тела, PaO₂ ― артериальное парциальное давление кислорода, FiO₂ ― концентрация кислорода, SpO₂ — сатурация крови кислородом.

 

Профессиональное выгорание и высокий риск смерти среди медицинских работников требуют автоматизации процесса анализа изображений, что позволит повысить производительность и минимизировать ошибки [5]. Предварительные данные свидетельствуют о том, что алгоритмы искусственного интеллекта обладают достаточной точностью для диагностики COVID-19 (чувствительность 90%, специфичность 96%, AUC (area under the curve, площадь под характериологической кривой) 0,96, общая точность 76,37–98,26) [6, 7].

Методика сканирования, реконструкции изображений и сохранения базы данных

КТ органов грудной клетки выполняли на 42 томографах одинаковой модели (Toshiba Aquilion 64; Canon Medical Systems, Япония). Все исследования выполнялись по стандартной методике и по стандартным протоколам, рекомендованным производителем (табл. 2).

 

Таблица 2. Методика сканирования, реконструкции изображений и сохранения базы данных

Группа	Параметр	Значение и комментарий
Группа	Параметр	Значение и комментарий
Оборудование	КТ-сканер	Toshiba Aquilion 64 (Canon Medical Systems, Япония)
	Количество срезов	64
Пациент	Позиция пациента	Расположение груди в центре гентри. Высота стола и центровка отрегулированы таким образом, что средняя ключичная линия находится в изоцентре. Руки над головой. Инструкции по дыханию. Обучение пациентов и инструктаж по дыханию перед сканированием
	Одежда и инородные предметы	Все инородные предметы, которые могут быть удалены, убраны из зоны сканирования, включая украшения и цепочки на шее. Нижнее бельё допустимо
Пациент	Localizer / scout / томограмма*	Проводился на уровне грудной клетки на предмет ограничения сканирования диапазоном лёгких. Проводился для поиска дополнительных инородных предметов на уровне сканирования, которые могут ухудшить качество. Сканирование при задержке дыхания на глубине вдоха
	Диапазон сканирования	Весь объём лёгких, включая 5 см выше и 5 см ниже лёгких
	Фаза дыхания	КТ-сканирование при задержке дыхания на глубине вдоха
	Поле обзора Display Field of View (FOV)	Не менее 1 см от рёбер (от 350 до 500 мм). Молочные железы включались в область сканирования, однако могли быть частично исключены из поля обзора
Медицинский персонал	Рентгенолаборант	Находился в пультовой. С пациентом не контактировал. Очные контакты с укладчиком были минимизированы с целью безопасности
	Укладчик	Укладчик является медицинским сотрудником отдела лучевой диагностики, в виде дополнительного персонала переведён из маммографических рентгенолаборантов в кабинет КТ на время эпидемии согласно приказу Департамента здравоохранения Москвы. Находился в аппаратной (укладка пациента и поднятие со стола) и в коридоре (во время сканирования). С пациентом контактировал. Действовал согласно методическим рекомендациям [8, 9]
Протокол сканирования и реконструкции, просмотра и интерпретации	Наклон гентри	Нет
	Продолжительность сканирования	≤ 10 c (чаще всего 6 с)
	Внутривенное контрастирование	Отсутствовало
	Пероральное контрастирование	Отсутствовало
	Напряжение	120 кВ
	Сила тока	Система автоматической модуляции силы тока Sure exp.3D, встроенная в компьютерный томограф производителем. Система автоматически настраивала силу тока, добиваясь уровня шума 10 HU для срезов толщиной 5,0 мм в диапазоне 80–500 мА. XY модуляция включена
	Скорость ротации рентгеновской трубки	0,5 с
	Объёмный питч	95,0
	Процесс реконструкции	QDS+
	Количество реконструированных КТ-серий	2 (с лёгочным и мягкотканным кернелом3)
	Кернел реконструкции для мягких тканей (отдельная КТ-серия)	FC07 или FC18
	Кернел реконструкции для лёгких (отдельная КТ-серия)	FC51
	Толщина срезов	1,0 мм (одинаковая для обоих кернел)
	Шаг между срезами	0,8 мм (одинаковая для обоих кернел)
	Итеративные реконструкции	AIDR 3D встречались всего в 5 томографах, у остальных отсутствовали алгоритмы итеративной реконструкции, поэтому использовалась FBP (обратная прямая проекция)
Протокол сканирования и реконструкции, просмотра и интерпретации	Для интерпретации КТ использовались	AGFA Enterprise 8.0, Vitrea FX
	Проекции максимальной интенсивности (maximum intensity projections, MIP), проекции минимальной интенсивности (minimum intensity projections, MinIP), мультипланарные реконструкции (multiplanar reconstructions, MPR)	Применялись
	Алгоритмы искусственного интеллекта	Применялись, но не для всех исследований. В случае применения алгоритмы машинного обучения демонстрировали врачу дополнительную серию исследования, на которой были представлены выборочные среды, на которых наличие предполагаемого поражения COVID-19 было ограничено прямоугольниками красного цвета, привлекая внимание врача. Кроме этого, была представлена суммационная трёхмерная реконструкция лёгких с отмеченными красным цветом областями поражения, которые выявил автоматический алгоритм. Количественной информации для оценки степени поражения лёгких представлено не было
	Время на финализацию протокола	От 10 мин до 3 ч. В редких случаях 24 ч
	Стандартизация протокола	Шаблон протокола был сформирован и регламентирован в методических рекомендациях, а также внедрен в Единый радиологический информационный сервис, в котором происходило формирование протокола врачом-рентгенологом
	Классификация поражения COVID-19	Использовалась классификация по шкале КТ-0 – КТ-4 (см. табл. 1)
	Второе мнение	Для всех КТ-исследований из поликлиник было получено второе мнение от экспертов ГБУЗ НПКЦ ДиТ ДЗМ
	Расчёт дозы лучевой нагрузки	Использовались данные DLP из автоматически создаваемой КТ-серии DoseReport. В РФ, согласно методическим указаниям (МУ 2.6.1.2944-11) «Контроль эффективных доз облучения пациентов при проведении медицинских рентгенологических исследований», для расчёта эффективной дозы (мЗв) необходимо произведение DLP и 0,017 (коэффициент при КТ грудной клетки)
База данных	Источник данных	Единый радиологический информационный сервис г. Москвы (AGFA Enterprise 8.0)
	Формат первоначального сбора данных	DICOM 3.0
	Плоскость	Аксиальная
	Толщина срезов	1,0 мм
	Шаг между срезами	9,0 мм (так как сохранён каждый 10-й срез)
	Формат сохранённой базы данных	NIfTI
	Программное обеспечение для аннотации в виде бинарных масок с выделением поражения лёгких	MedSeg® (© 2020 Artificial Intelligence AS)

Примечание. * Отсутствует в базе данных, но необходимо для формирования КТ-сканирования. КТ ― компьютерная томография, КТ-0–КТ-4 ― степень поражения лёгких по результатам КТ.

³ Кернел ― фильтр, используемый при реконструкции данных компьютерной томографии.

 

Одно исследование относится к одному пациенту и включает одну трёхмерную реконструкцию. Критериями включения в исследование являлись факты обращения пациента в городскую поликлинику, на время эпидемии переоборудованную в амбулаторный центр КТ; консультация врача-терапевта с направлением на КТ органов грудной клетки за счёт средств фонда обязательного медицинского страхования.

К критериям невключения из исследования относились беременность и возраст младше 18 лет. Пациент с оксигенацией крови < 93%, выявленной перед КТ, снимался с исследования и направлялся на госпитализацию по службе скорой помощи.

Формирование датасета включало 5 этапов (рис. 1).

 

Рис. 1. Порядок формирования датасета.

Примечание. КТ ― компьютерная томография.

 

Сбор данных и формирование датасета

Сбор данных осуществлялся в период с 1 марта по 25 апреля 2020 г. в медицинских учреждениях городского здравоохранения г. Москвы, ведущих амбулаторный приём: ГБУЗ ГП № 19 ДЗМ, ГБУЗ ГП № 214 ДЗМ, ГБУЗ ГП № 52 ДЗМ, ГБУЗ ГП № 23 ДЗМ, ГБУЗ ГП № 6 ДЗМ, ГБУЗ ДЦ № 5 ДЗМ, ГБУЗ ГП № 3 ДЗМ, ГБУЗ ГП № 209 ДЗМ, ГБУЗ ГП № 9 ДЗМ, ГБУЗ ГП № 62 ДЗМ, ГБУЗ КДЦ № 4 ДЗМ, ГБУЗ ГП № 218 ДЗМ, ГБУЗ ГП № 175 ДЗМ, ГБУЗ ГП № 212 ДЗМ, ГБУЗ ГП № 170 ДЗМ, ГБУЗ ГП № 191 ДЗМ, ГБУЗ ГП № 8 ДЗМ, ГБУЗ ГКБ им. М.П. Кончаловского ДЗМ (амбулаторный и стационарный приём), ГБУЗ ГП № 195 ДЗМ, ГБУЗ ГП № 64 ДЗМ, ГБУЗ ГП № 134 ДЗМ, ГБУЗ ГП № 115 ДЗМ, ГБУЗ ДКЦ № 1 ДЗМ, ГБУЗ ГП № 67 ДЗМ, ГБУЗ КДП № 121 ДЗМ, ГБУЗ ГП № 36 ДЗМ, ГБУЗ ГП № 68 ДЗМ, ГБУЗ КДЦ № 2 ДЗМ, ГБУЗ ГП № 11 ДЗМ, ГБУЗ ГП № 180 ДЗМ, ГБУЗ ГП № 45 ДЗМ, ГБУЗ ГП № 5 ДЗМ, ГБУЗ ГП № 5 ДЗМ (Филиал № 1), ГБУЗ ГП № 2 ДЗМ, Филиал ГБУЗ МНПЦ борьбы с туберкулёзом ДЗМ по Юго-Восточному административному округу г. Москвы, ГБУЗ ГП № 46 ДЗМ, ГБУЗ ГП № 166 ДЗМ, Филиал ГБУЗ МНПЦ борьбы с туберкулёзом ДЗМ по Центральному и Западному административным округам г. Москвы, ГБУЗ ГП № 12 ДЗМ, ГБУЗ ГП № 220 ДЗМ, ГБУЗ ГП № 66 ДЗМ, ГБУЗ ДЦ № 3 ДЗМ.

В данном датасете (1110 исследований) содержатся анонимизированные КТ лёгких человека с признаками COVID-19 (КТ1–КТ4), а также без него (КТ0) (рис. 2). Характеристики выборки: 1110 человек, из них мужчин 42%, женщин 56%, прочих/неизвестных 2%; возраст от 18 до 97 лет, медианный возраст 47 лет.

 

 

Рис. 2. Примеры разметки компьютерных томограмм органов грудной клетки пациентов с различной степенью тяжести COVID-19.

Примечание. Слева направо верхний ряд: аксиальные срезы компьютерных томограмм (КТ) пациентов с COVID-19 от слабой (КТ-1) до критической (КТ-4) степени тяжести. Слева направо нижний ряд: те же данные КТ после разметки.

 

На первом этапе все исследования (n = 1110) были распределены по 5 категориям в соответствии с классификацией (см. табл. 1). Количество случаев по категориям: КТ-0 ― 254 (22,8%), КТ-1 ― 684 (61,6%), КТ-2 ― 125 (11,3%), КТ-3 ― 45 (4,1%), КТ-4 ― 2 (0,2%). Каждое исследование было сохранено в формате NIfTI и заархивировано в Gzip. В ходе этого процесса только каждое 10-е изображение (Instance) сохранялось в итоговом файле исследования.

Небольшая часть исследований (n = 50) была размечена специалистами Научно-практического клинического центра диагностики и телемедицинских технологий Департамента здравоохранения Москвы (ГБУЗ НПКЦ ДиТ ДЗМ). Во время разметки для каждого из снимков были выбраны положительные (белые) пиксели на соответствующей бинарной пиксельной маске. Полученные маски были сохранены в формате NIfTI, а затем преобразованы в архивы Gzip. Для создания бинарных масок использовалось программное обеспечение (ПО) для аннотирования MedSeg® (© 2020 Artificial Intelligence AS).

В данном ПО проводилась разметка только изменений, характерных для COVID-19, включая изменения по типу матового стекла, консолидации. Средняя плотность маски для разметки составляет от -700 HU до -130 HU, однако она могла отличаться в зависимости от глубины вдоха. Исключением разметки служили крупные сосуды и бронхи, визуально неизменённая лёгочная паренхима, двигательные артефакты (дыхательные за счёт кашля и дыхательной недостаточности), гравитационные изменения (если их можно было достоверно дифференцировать), кальцинаты, плевральный выпот.

Все исследования, включенные в датасет, имели два совпадающих независимых чтения: врачом-рентгенологом по месту проведения исследования и экспертом ГБУЗ НПКЦ ДиТ ДЗМ. В дополнение к этому, разметка 50 исследований с помощью бинарных масок проводилась независымыми специалистами ГБУЗ НПКЦ ДиТ ДЗМ с использованием внешнего программного обеспечения MedSeg® (© 2020 Artificial Intelligence AS).

Набор данных предназначен для обучения, калибровки и независимой оценки алгоритмов искусственного интеллекта (компьютерного зрения) [10]. В помощь в борьбе с COVID-19 алгоритмы искусственного интеллекта (компьютерного зрения) позволят:

• обследовать пациентов в амбулаторных учреждениях для их быстрой и последовательной маршрутизации (в т.ч. на основе критериев КТ0–КТ4);
• приоритизировать исследования, содержащие признаки COVID-19, в рабочем списке;
• провести быструю и качественную оценку аномальных изменений путём сравнения нескольких исследований;
• минимизировать риск ошибок и пропущенных аномалий.

В настоящее время существует широкий спектр общедоступных наборов данных COVID-19 [11, 12]. Однако это не должно рассматриваться как препятствие, так как разработка алгоритмов искусственного интеллекта требует больших объёмов качественной клинической информации, репрезентативной для реальных популяций пациентов. Кроме того, алгоритмы искусственного интеллекта должны быть проверены с использованием новых наборов данных, которые не использовались на этапах обучения и калибровки. Чем больше данных имеется в открытых источниках, тем более высококачественные алгоритмы искусственного интеллекта могут создавать разработчики. Имеющиеся наборы данных относительно малы и редко содержат дополнительную информацию, например теги и/или бинарные маски для интересующих регионов (ROI).

Как использовать датасет

Постоянная ссылка: https://mosmed.ai/datasets/covid19_1110. Этот набор данных лицензирован Creative Commons Attribution-NonCommercial-NoDerivs 3.0 Unported (CC BY-NC-ND 3.0); рис. 3.

 

Рис. 3. Структура хранения данных в датасете.

Об авторах

Сергей Павлович Морозов

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: morozov@npcmr.ru
ORCID iD: 0000-0001-6545-6170
SPIN-код: 8542-1720

д-р мед. наук, профессор

Россия, Москва

Анна Евгеньевна Андрейченко

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: a.andreychenko@npcmr.ru
ORCID iD: 0000-0001-6359-0763
SPIN-код: 6625-4186

к.ф.-м.н.

Россия, Москва

Иван Андреевич Блохин

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: i.blokhin@npcmr.ru
ORCID iD: 0000-0002-2681-9378
SPIN-код: 3306-1387

MD

Россия, Москва

Павел Борисович Гележе

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: gelezhe.pavel@gmail.com
ORCID iD: 0000-0003-1072-2202
SPIN-код: 4841-3234

к.м.н.

Россия, Москва

Анна Павловна Гончар

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: a.gonchar@npcmr.ru
ORCID iD: 0000-0001-5161-6540
SPIN-код: 3513-9531

MD

Россия, Москва

Александр Евгеньевич Николаев

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: a.e.nikolaev@yandex.ru
ORCID iD: 0000-0001-5151-4579
SPIN-код: 1320-1651

MD

Россия, Москва

Николай Александрович Павлов

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: n.pavlov@npcmr.ru
ORCID iD: 0000-0002-4309-1868
SPIN-код: 9960-4160

MD, MPA

Россия, Москва

Валерия Юрьевна Чернина

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Email: v.chernina@npcmr.ru
ORCID iD: 0000-0002-0302-293X
SPIN-код: 8896-8051

MD

Россия, Москва

Виктор Александрович Гомболевский

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Автор, ответственный за переписку.
Email: g_victor@mail.ru
ORCID iD: 0000-0003-1816-1315
SPIN-код: 6810-3279

к.м.н.

Россия, Москва

Список литературы

Дополнительные файлы