Том 6, № 1 (2025)

Обоснование. В статье предложена модель организации профилактических лучевых исследований органов грудной клетки посредством автономной сортировки результатов исследований медицинскими изделиями на основе технологий искусственного интеллекта с настройкой на максимальную чувствительность — 1,0 (95% доверительный интервал 1,0–1,0). Сортировка подразумевает разделение результатов массовых профилактических исследований (флюорографии и рентгенографии органов грудной клетки) на две категории: «не норма» и «норма». К первой относят все случаи любых отклонений (патологические состояния, последствия перенесённых заболеваний и операций, возрастные и врождённые особенности и т. д.), которые направляют на описание врачу-рентгенологу. Ко второй — случаи без признаков патологических отклонений, которые потенциально не требуют описания врачом-рентгенологом.

Цель — оценить результативность и эффективность автономной сортировки результатов профилактических лучевых исследований органов грудной клетки.

Материалы и методы. Выполнено проспективное многоцентровое диагностическое исследование безопасности и качества автономной сортировки результатов профилактических лучевых исследований органов грудной клетки. Использованы аналитические и статистические методы научного познания.

Результаты. Включены результаты 575 549 профилактических лучевых исследований, полученные при флюорографии и рентгенографии и обработанные с применением трёх медицинских изделий на основе технологий искусственного интеллекта. При автономной сортировке к категории «норма» отнесены 54,8% результатов профилактических лучевых исследований органов грудной клетки, при этом в пропорциональном объёме происходит экономия труда врача-рентгенолога при их интерпретации и описании. Полностью корректная автономная сортировка осуществлена в 99,95% случаев. Клинически значимые расхождения зафиксированы в 0,05% случаев (95% доверительный интервал 0,04–0,06).

Заключение. Доказана медицинская и экономическая эффективность модели автономной сортировки результатов профилактических лучевых исследований органов грудной клетки с применением медицинских изделий на основе технологий искусственного интеллекта. Следующий шаг должен заключаться в актуализации нормативно-правового обеспечения и легитимности автономного применения определённых видов медицинских изделий на основе технологий искусственного интеллекта в установленных условиях и задачах профилактики.

Обоснование. Алгоритмы искусственного интеллекта активно применяют для анализа изображений, полученных с помощью различных методов лучевой диагностики. Эффективность работы таких алгоритмов во многом зависит от наличия релевантных и репрезентативных обучающих наборов данных. Существует потребность в увеличении объёма таких данных в открытом доступе, в частности наборов данных, содержащих изображения компьютерной томографической ангиографии брюшной аорты не только с классификацией патологий, но и сегментацией сосудов. К недостаткам существующих решений можно отнести малый объём выборок, узкую специализацию наборов данных, разрозненность методологии их подготовки.

Цель — создание открытого набора данных, содержащего изображения компьютерной томографической ангиографии с сегментацией брюшного отдела аорты для случаев нормы, расширения, тромбоза и кальциноза.

Материалы и методы. В соответствии с методологией проведения тестирования алгоритмов искусственного интеллекта разработано техническое задание на подготовку набора данных, рассчитан необходимый объём выборки и получено разрешение независимого этического комитета. Для создания набора данных применён разработанный ранее оригинальный алгоритм полуавтоматической сегментации с использованием программного обеспечения Slicer 3D. Критерии включения: результаты компьютерной томографической ангиографии либо компьютерной томографии брюшной полости с контрастированием; наличие артериальной фазы сканирования; толщина среза ≤3 мм. Критерии исключения: наличие любых инородных тел в просвете аорты; диссекция аорты. Проведена апробация алгоритма на результатах исследования пациентов, полученных из Единой радиологической информационной системы. Осуществлена экспертная оценка соответствия полученных результатов сформированным требованиям, а также оценка временных затрат при использовании разработанного алгоритма сегментации.

Результаты. Рассчитанный объём выборки составил 100 ангиографических исследований, содержащих артериальную фазу сканирования, с толщиной среза ≤1,2 мм. Популяционные данные: количество уникальных пациентов — 100, доля пациентов женского пола — 51%; медиана возраста составила 62 года при размахе значений от 18 до 84 лет. Патология (в том числе комбинированная) обнаружена в 61% случаев: 60 результатов исследования содержали признаки кальциноза, 18 — расширение аорты и столько же результатов — признаки тромбированного просвета. Среднее время обработки одного исследования (100 срезов) с использованием разработанного алгоритма сегментации составило 0,8 часа.

Заключение. Создан набор данных, содержащий 100 результатов компьютерной томографической ангиографии с сегментацией брюшной аорты для случаев нормы, расширения, тромбоза и кальциноза просвета. Набор данных представлен в открытом доступе и его можно использовать с целью разработки и тестирования алгоритмов искусственного интеллекта, а также антропоморфного моделирования брюшной аорты.

Обоснование. Изменения предстательной железы категории PI RADS 3 — клиническая ситуация, требующая повышения точности диагностики и минимизации применения инвазивных методов. Изучение потенциальной ценности текстурного анализа изображений магнитно-резонансной томографии в стратификации риска рака предстательной железы является актуальной задачей современной медицинской диагностики.

Цель — систематизация и анализ современных данных о применении текстурного анализа для стратификации риска рака предстательной железы у пациентов с категорией PI-RADS 3, а также оценка его диагностической значимости в дифференциации клинически значимого и клинически незначимого рака предстательной железы.

Материалы и методы. Отобраны и проанализированы статьи, опубликованные за последние 7 лет, найденные в базах данных реферативной и аналитической информации о научных исследованиях (Medline, Scopus) с использованием поисковых систем (PubMed, Google Scholar, eLibrary). Применяли ключевые слова, связанные с текстурным анализом и радиомикой в контексте диагностики и стратификации риска рака предстательной железы.

Результаты. Анализ отобранных публикаций показал, что применение машинного обучения и текстурного анализа значительно повышает точность диагностики рака предстательной железы. Эти методы позволяют более точно стратифицировать риски и определять реальную потребность в биопсии при раке предстательной железы, что потенциально ведёт к снижению количества ненужных инвазивных процедур.

Заключение. Текстурный анализ обладает возможностями для улучшения диагностической точности в случае изменений предстательной железы категории PI-RADS 3. Однако для его широкого клинического применения необходимо провести дополнительные исследования, направленные на стандартизацию методик, и мультицентровые клинические испытания.

Биохимический рецидив рака предстательной железы возникает приблизительно в 25–50% случаев среди пациентов после его радикального лечения, как после радикальной простатэктомии, так и после лучевой терапии. Однако клиническое течение и прогноз заболевания у разных пациентов с биохимическим рецидивом рака предстательной железы существенно отличаются и зависят от целого ряда факторов. В связи с этим оптимальный алгоритм диагностики и лечения пациентов с биохимическим рецидивом рака предстательной железы до настоящего времени является предметом научных споров. Причиной биохимического рецидива рака предстательной железы может быть как локальный рецидив, так и метастатическая диссеминация, а также сочетание этих процессов. В последние годы подходы к диагностике и лечению пациентов с биохимическим рецидивом рака предстательной железы претерпели существенные изменения в связи с внедрением в клиническую практику более точных методов диагностики. В статье представлен обзор литературных данных о современных возможностях методов лучевой и радионуклидной диагностики при визуализации местного рецидива и метастазов рака предстательной железы у пациентов с биохимическим рецидивом.

Радиомика — это методика извлечения различных количественных признаков из цифровых медицинских изображений. Десять лет назад сфера её применения ограничивалась только онкологией, однако сейчас радиомиксный анализ используют также в диагностике заболеваний другого профиля, в частности болезней костно-мышечной системы и соединительной ткани. В статье представлен обзор актуальных исследований в области радиомики, которые используют с целью диагностики заболеваний костно-мышечной системы.

В обзор включены оригинальные научные статьи (n=37), опубликованные на английском языке в период с 2020 по 2023 год. Среди наиболее распространённых методов медицинской визуализации выделены магнитно-резонансная и компьютерная томография — 54 и 32% соответственно. Реже использовали двухэнергетическую рентгеновскую абсорбциометрию, ультразвуковое исследование и рентгенографию — 14, 5 и 5% соответственно. В большинстве исследований для выявления областей интереса применяли ручную сегментацию. На основе клинических, радиомиксных и глубоких признаков разработаны различные модели, наиболее распространёнными из которых являются смешанные — клинико-радиомиксные модели. При заболеваниях костно-мышечной системы чаще всего наблюдают поражения позвоночника и крупных суставов.

Мультимодальные радиомиксные модели, созданные с помощью нескольких источников данных (в основном клиникорадиомиксных), применяют в диагностике болезней костно-мышечной системы чаще, чем мономодальные — на основе одного источника (только клинические или радиомиксные признаки). Данный факт можно объяснить большей проработанностью классификации, вероятно, по причине включения большего числа независимых источников информации. Несмотря на перспективность разработки таких моделей и технологий глубокого обучения для автоматической сегментации и классификации изображений, значительных усилий требует формирование баз изображений для их глубокого обучения. В этом смысле особенно целесообразно применять радиомику с целью раннего выявления заболеваний костно-мышечной системы, не имеющих отчётливых и специфичных визуальных симптомов при дебюте патологического процесса.

Сердечно-сосудистые заболевания являются основной причиной инвалидизации и смертности во всём мире. Появление новых технологий, внедрение искусственного интеллекта и машинного обучения открыли перед врачами возможности повышения эффективности диагностических и терапевтических мероприятий. Экспоненциальное развитие технологий искусственного интеллекта, преимущественно в областях машинного и глубокого обучения, стремительно привлекает интерес клиницистов к созданию новых интегрированных, надёжных и эффективных методов диагностики с целью оказания медицинской помощи. Кардиологи используют большой спектр диагностических мероприятий, основанных на визуализации, что открывает им доступ к более обширным количественным сведениям о пациентах по сравнению со многими другими специалистами.

В данном обзоре мы обобщили современные литературные данные о применении технологий искусственного интеллекта в диагностике сердечно-сосудистых заболеваний, а также выявить пробелы в знаниях, требующие проведения дальнейших исследований. Кардиология — одна из областей медицины, где методы машинного и глубокого обучения получили широкое распространение и продемонстрировали многообещающие результаты. Свёрточные нейронные сети успешно задействованы при измерении параметров сердечной функции по результатам эхокардиографии. Алгоритмы глубокого обучения способствовали более точному выявлению стеноза и кальцификации коронарных артерий, определению характеристик бляшек по данным компьютерной томографии сердца. Свёрточные нейронные сети применяли для решения таких задач, как автоматическая сегментация камер и структур сердца, определение свойств тканей и анализ перфузии по результатам магнитно-резонансной томографии. По мере развития технологий искусственного интеллекта, в частности машинного обучения, их интеграция открывает новые возможности.

Таким образом, технологии искусственного интеллекта представляют большой интерес в сфере здравоохранения, поскольку они предоставляют возможность анализировать обширные объёмы информации в короткие сроки, демонстрируя высокую эффективность. Искусственный интеллект может предоставлять дополнительную помощь специалистам, способствуя повышению эффективности рабочего процесса и оказания медицинской помощи.

Гастроинтестинальные стромальные опухоли — наиболее распространённые мезенхимальные новообразования желудочно-кишечного тракта, происходящие из интерстициальных клеток Кахаля и составляющие ~80% всех первичных опухолей желудка. Классические методы диагностики гастроинтестинальных стромальных опухолей, такие как компьютерная томография, эндоскопическое исследование, эндоскопическое ультразвуковое исследование и тонкоигольная аспирационная биопсия, несмотря на широкое применение, имеют ряд недостатков, включая диагностическую неопределённость и ограниченные возможности биопсии.

Радиомику, представляющую собой анализ текстурных характеристик изображений, рассматривают в качестве инновационного метода, потенциально способного повысить точность диагностики гастроинтестинальных стромальных опухолей. Этот подход позволяет интерпретировать изменения в тканях за счёт математической обработки изображений, недоступной человеческому глазу, что может способствовать более точному выявлению опухолей на ранней стадии.

В настоящей статье проведена оценка преимуществ и недостатков текущих методов диагностики гастроинтестинальных стромальных опухолей, а также потенциала радиомики в отношении улучшения результатов их диагностики. Обзор направлен на определение наилучших способов применения и перспективных направлений для будущих исследований в этой важной области.

Раннее выявление пациентов с орфанными заболеваниями, к которым относят туберозный склероз, требует коллективного осмысления и внедрения новых подходов пренатальной диагностики с использованием не только ультразвукового исследования, но и магнитно-резонансной томографии. Накопленные знания о клинических проявлениях болезни Бурневилля–Прингла, а также усовершенствование методов диагностики позволяют выявлять данное заболевание. С помощью магнитно-резонансной томографии возможно получить анатомические и функциональные изображения головного мозга высокого качества в разных плоскостях сканирования, что многократно повышает чувствительность и информативность метода в отношении ранней (пренатальной) диагностики церебральных проявлений туберозного склероза. Кроме того, проведение магнитно-резонансной томографии обеспечивает выявление образований средостения. Данный факт диктует необходимость комплексного подхода к диагностике туберозного склероза с применением метода магнитно-резонансной томографии в качестве ведущего с целью оценки состояния интересующих систем плода (сердечно-сосудистой и центральной нервной системы).

В статье представлен клинический случай внутриутробной диагностики туберозного склероза с последующим обследованием новорождённого и генетической верификацией диагноза. Его демонстрация позволяет подтвердить диагностическую значимость магнитно-резонансной томографии в отношении установления туберозного склероза в пренатальном периоде.

Гипофизит — редкое воспалительное заболевание, характеризующееся поражением гипофиза и его ножки. Данная патология может возникать в результате его инфильтрации, действия аутоиммунных факторов, перенесённого инфекционного заболевания или под влиянием других неустановленных причин. Клиническая диагностика заболевания вызывает трудности, поскольку некоторые новообразования гипофиза, включая аденомы и метастазы, могут иметь сходные клинические характеристики. Магнитно-резонансная томография — основной метод диагностики предполагаемых случаев гипофизита и дифференциальной диагностики аденогипофизита (поражения передней доли гипофиза) и инфундибулонейрогипофизита (поражения ножки и задней доли гипофиза). Различают два вида гипофизита: первичный (аутоиммунный) и вторичный, возникающий из локализованных очагов (например, гранулём, кист или аденом) или в результате системных заболеваний (например, саркоидоза, гранулёматоза Вегенера). Клиническое течение гипофизита зависит от разных факторов, один из которых — базисная терапия. Подобные случаи не достаточно изучены и практически не представлены в литературе.

В статье представлено описание клинического случая заболевания у женщины 37 лет с гиперпролактинемией в анамнезе, получавшей симптоматическое лечение каберголином. Её направили на проведение магнитно-резонансной томографии, результаты которой продемонстрировали гетерогенность сигнала в области гипофиза. При выполнении контрольной магнитно-резонансной томографии в июле 2021 г. отмечены гетерогенность и увеличение гипофиза. В декабре 2021 г. у пациентки на фоне COVID-19 диагностировали тяжёлую пневмонию. В качестве лечения ей назначили глюкокортикостероиды и кислородную терапию. В мае 2022 г. результаты магнитно-резонансной томографии продемонстрировали выраженное увеличение гипофиза и гетерогенность его структуры. Значимое улучшение клинических и радиологических проявлений отмечено после назначения преднизона (утром и вечером — 10 и 5 мг соответственно). Пациентка находилась под наблюдением до завершения пандемии COVID-19.

Интерпретация данных медицинской визуализации и выбор лечения у таких пациентов может вызывать трудности, связанные с влиянием коронавирусной инфекции и её лечения. При оценке течения гипофизита в соответствии с изменениями радиологической картины врачу следует учитывать влияние терапии COVID-19, особенно глюкокортикостероидов.