Технологии искусственного интеллекта для массовых профилактических лучевых исследований

Технологии искусственного интеллекта для массовых профилактических лучевых исследований

Кирилл Михайлович Арзамасов

Антон Вячеславович Владзимирский

Александр Владимирович Колсанов

Редактор Валентина Павловна Гамарина

Компьютерная верстка Екатерина Дмитриевна Бугаенко

Дизайнер обложки Екатерина Дмитриевна Бугаенко

© Кирилл Михайлович Арзамасов, 2025

© Антон Вячеславович Владзимирский, 2025

© Александр Владимирович Колсанов, 2025

© Екатерина Дмитриевна Бугаенко, дизайн обложки, 2025

ISBN 978-5-0067-5433-1

Создано в интеллектуальной издательской системе Ridero

РЕЦЕНЗЕНТЫ И БЛАГОДАРНОСТИ

Рецензенты:

Лебедев Георгий Станиславович – д-р техн. наук, профессор, директор Центра цифровой медицины, заведующий кафедрой информационных технологий и обработки медицинских данных ФГАОУ ВО Первый МГМУ им. И. М. Сеченова Минздрава России (Сеченовский Университет)

Мелдо Анна Александровна – д-р мед. наук, профессор кафедры вычислительной техники ФГАОУ ВО Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В. И. Ульянова (Ленина), профессор кафедры лучевой диагностики и онкологии ФГБОУ ВО «Северный государственный медицинский университет» Минздрава России

Благодарности

Авторы благодарят за содействие и всестороннюю поддержку:

· Васильева Юрия Александровича;

· Омелянскую Ольгу Васильевну;

· Пестренина Льва Дмитриевича;

· Бобровскую Татьяну Михайловну;

· Ахмад Екатерину Сергеевну;

· Румянцева Дениса Андреевича;

· Астапенко Елену Васильевну;

· Казаринову Веронику Евгеньевну;

· Семенова Серафима Сергеевича;

· Тамразову Викторию Арсеновну;

· Бугаенко Екатерину Дмитриевну;

· Гамарину Валентину Павловну.

ВВЕДЕНИЕ

Переориентация стратегии здравоохранения с лечения пациентов с клиническими проявлениями заболеваний на профилактику на ранних этапах позволила значительно улучшить ситуацию с множеством нозологий. Этот подход оказался одинаково эффективен в борьбе с онкологическими заболеваниями [1, 2], туберкулезом [3] и другими патологиями [4, 5]. В XXI веке скрининг стал ключевым направлением политики здравоохранения многих стран. Термин «скрининг» активно используется в научной литературе, в то время как в официальных документах он заменен на «профилактические исследования», что закреплено в приказе Министерства здравоохранения Российской Федерации от 27.04.2021 №404н [6]. Профилактика как комплекс мер, направленных на сохранение и укрепление здоровья населения, является приоритетным направлением в развитии систем здравоохранения. Первичная профилактика направлена на формирование стремления к здоровому образу жизни, выявление и устранение факторов риска различных заболеваний. Основой вторичной профилактики в РФ служат массовые профилактические осмотры, регламентированные нормативно-правовыми документами.

Повсеместное внедрение массовых профилактических исследований поддерживается развитием инструментальной диагностики, которое позволяет проводить исследования с высокой чувствительностью при сравнительно низких затратах. Сочетание высокой чувствительности и низкой стоимости методов, таких как флюорография, рентгенография и маммография, обеспечивает охват значительной части населения. Например, маммография демонстрирует высокую экономическую эффективность в раннем выявлении злокачественных новообразований (ЗНО) молочной железы при относительно небольших затратах [7].

Методы проведения массовых профилактических исследований должны быть не только экономически выгодными и безопасными, но и высокочувствительными. Проведенные обзорные исследования демонстрируют бо́льшую эффективность низкодозовой компьютерной томографии по сравнению с рентгенографией грудной клетки, хотя и отмечают недостаток экономической выгоды, частично из-за низкой специфичности метода [8—10]. Рентгенография, как показывают современные исследования, обладает высокой чувствительностью для выявления ЗНО легких [11], но не способствует снижению смертности от этого заболевания [12], что отчасти связано с более поздним обнаружением патологии по сравнению с компьютерной томографией.

Тем не менее необходимо четко разграничивать причины пропуска опухолевых узлов на рентгенограммах: технические ограничения или человеческий фактор. Современное развитие рентгенологии ведет к появлению аппаратов с высокой разрешающей способностью, но исследования последних лет показывают сложности в идентификации малых опухолей размером менее 2 см [13]. Международные исследования подчеркивают: до 90% малых опухолевых узлов пропускается на рентгенограммах, что часто становится предметом судебных разбирательств [14—16]. В большинстве случаев причиной является человеческий фактор, влияние которого можно уменьшить за счет внедрения систем двойного прочтения, как это было сделано для маммографии [17, 18], хотя в условиях ограниченных ресурсов такой подход может быть недоступен для большинства медицинских учреждений.

Стоит также уделить внимание использованию современных систем поддержки принятия врачебных решений для улучшения качества диагностики. В Москве, например, ежедневно проводится более 45 тысяч диагностических исследований, результаты которых анализируются врачами-рентгенологами через Единый радиологический информационный сервис Единой медицинской информационно-аналитической системы города Москвы (ЕРИС ЕМИАС), что стало возможным благодаря цифровизации процессов в лучевой диагностике [19].

При массовых профилактических исследованиях патология встречается в невысоком проценте случаев: например, в России выявление заболеваний грудной клетки при флюорографии колеблется от 0,07 до 18,4% [20—24]. Это подчеркивает важность разработки организационных технологий для более рационального использования ресурсов здравоохранения и фокусирования внимания врачей на сложных клинических случаях.

Научные статьи редко выходят за рамки исследований на уровне лабораторий или отдельных медицинских организаций. Тем не менее даже ограниченные исследования последних лет показывают, что программное обеспечение, основанное на технологиях искусственного интеллекта (далее – ПО на основе ТИИ), демонстрирует значительную эффективность. Диагностическая точность некоторых алгоритмов искусственного интеллекта (ИИ) не только достигла уровня врачей-рентгенологов, но и превзошла их в отдельных исследованиях. Однако при внедрении этих технологий в практику наблюдается снижение диагностической точности ПО на основе ТИИ [25]. Возможности детальной настройки алгоритмов предоставляют потенциал для их использования в массовых профилактических исследованиях. Следовательно, вопросы широкомасштабного внедрения ПО на основе ТИИ в клиническую практику для проведения массовых профилактических рентгеновских исследований остаются актуальными.

В последнее десятилетие ИИ и технологии машинного зрения претерпели значительные изменения, выйдя из сферы академического интереса и превратившись в практические инструменты, способные решать реальные задачи в различных областях, включая медицину. Одним из амбициозных проектов в этом направлении является Эксперимент по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения этих технологий в системе здравоохранения (далее – Эксперимент). Он начался в 2019 году и продолжается в настоящее время. Основная его цель – интеграция ПО на основе ТИИ в практическую деятельность службы лучевой диагностики для оптимизации диагностического процесса по целому ряду направлений, включая злокачественные новообразования и туберкулез. Применение ПО на основе ТИИ, по мнению ряда исследователей, позволяет значительно повысить точность диагностики и ускорить процесс обработки медицинских изображений [26, 27].

В Эксперименте помимо компаний – разработчиков ПО на основе ТИИ активно участвуют медицинские организации, которые подключены к ЕРИС ЕМИАС. Интеграция ПО на основе ТИИ в медицинские информационные системы представляет собой сложную, многоступенчатую задачу, включающую вопросы не только технической реализации, но и этики, безопасности данных и обучения персонала. Без интеграции в привычную для врача информационную систему ПО на основе ТИИ останется только предметом научных исследований без возможности практического применения. По состоянию на начало 2024 года в Эксперименте числится 153 ИИ-сервиса, обеспечивающих обработку результатов различных видов лучевых исследований, участвуют 1455 диагностических устройств, а к ИИ-сервисам получают доступ более 1700 врачей, что позволяет повысить доступность и качество оказания медицинской помощи жителям Москвы.

Важно отметить ежегодное повышение требований к ПО на основе ТИИ, представленному в Эксперименте. Формирование системы оценки качества и эффективности применения ИИ в медицине остается достаточно сложной задачей. Командой исследователей была разработана методология оценки зрелости ПО на основе ТИИ, которая позволяет систематически анализировать и улучшать качество предоставляемых услуг.

ГЛАВА 1. ЭВОЛЮЦИЯ МАССОВЫХ ПРОФИЛАКТИЧЕСКИХ ЛУЧЕВЫХ ИССЛЕДОВАНИЙ

1.1. Развитие рентгенологических методов исследования органов грудной клетки

С момента создания первого рентгеновского снимка в 1896 году в России рентгенология на протяжении столетия оставалась преимущественно аналоговой: вначале изображение той или иной анатомической области визуализировалось на люминесцентных экранах (а позднее и на телевизионных приставках) во время рентгеноскопии, а затем фиксировалось на фотопленке. Из-за использования серебра для изготовления рентген-чувствительной пленки рентгеновские исследования были дорогими. Например, в нашей стране каждый год производилось до 200 миллионов рентгеновских снимков, при этом ежегодный расход серебра достигал 40 тонн [28]. Несмотря на высокую стоимость, в 1930-е годы С. А. Рейнберг активно пропагандировал идею «рентгенологической диспансеризации» здоровых и больных [29]. В 30—40-х годах XX века, когда в России и в мире распространилась эпидемия туберкулеза, преимущественно поражающего легкие, для раннего выявления болезни использовалась рентгенография органов грудной клетки.

Флюорографические исследования, которые в России начали выполняться в 1947 году, создавали меньшую лучевую нагрузку и были выгоднее с экономической точки зрения. Они позволяли своевременно выявлять и изолировать больных с туберкулезом на ранних стадиях, что способствовало более эффективному лечению. Несмотря на низкую чувствительность и высокий процент получения некачественных снимков, к концу XX века пленочная флюорография оставалась востребованной. В 1997 году с помощью устаревшего оборудования было выявлено свыше 1000 случаев активной формы туберкулеза и ЗНО легких [30—32].

Новая эра в рентгенологии началась в 80-х годах прошлого века, когда появились первые коммерческие цифровые рентгеновские аппараты. В дальнейшем были достигнуты значительные успехи в цифровизации лучевой диагностики [33—39].

При внедрении новых технологий, как правило, необходимо преодолеть ряд препятствий. Цифровизация лучевой диагностики не стала исключением. Так, например, изначально стоимость цифровых рентгеновских аппаратов была существенно выше, чем аналоговых. Также возникла закономерная необходимость подготовки рентгенолаборантов и врачей-рентгенологов к работе с новым оборудованием [40].

Цифровые аппараты позволяли минимизировать контакт между пациентом и медперсоналом, сокращая лучевую нагрузку. Однако это повлекло за собой необходимость выполнения дополнительных сканирований из-за опасений упустить важные диагностические данные, что приводило к накоплению большого количества цифровых копий и перегружало внутреннюю память аппаратов. Существовала потребность в методических рекомендациях по внедрению новой техники, а также в опытных специалистах, способных научить медперсонал эффективно использовать цифровое оборудование [41].

С начала 2000-х годов активная цифровизация в рентгенологии привела к практически полному отказу от пленочных технологий. Новые методы получения изображений, реализуемые ведущими производителями, включают использование ПЗС-матриц1 и перспективных полупроводниковых детекторов. Особенно многообещающими являются устройства, преобразующие рентгеновское изображение в видеосигнал, что позволяет настраивать ключевые параметры, такие как разрешение, динамический диапазон, размер поля обзора и чувствительность [42, 43].

Современные цифровые детекторы значительно превосходят пленочные по квантовой эффективности (0,5—0,8) и динамическому диапазону (более 1000), за счет чего устраняются недостатки, связанные с неправильным экспонированием, через последующую обработку изображений. Это позволяет извлечь данные о различных плотностях анатомических структур из одного цифрового снимка без необходимости делать несколько снимков, как в аналоговом исследовании [44].

1.2. Развитие цифровой маммографии и повышение качества диагностики

Цифровая маммография значительно трансформировала подходы к диагностике ЗНО молочной железы. В 2011 году W. Iared с соавторами провели систематический обзор с метаанализом, сравнивая аналоговую и цифровую маммографию [45]. Исследования до 2005 года не показали значительных различий в частоте обнаружения ЗНО между двумя методами, но с 2007 года появились новые данные, которые выявили, что цифровая маммография обладает более высокой чувствительностью [46]. Это связано с усовершенствованием технологий и повышением квалификации специалистов.

Цифровые маммографические системы должны иметь высокую разрешающую способность для детектирования объемных образований и микрокальцинатов, что требует более совершенных детекторов и улучшенной контрастности изображений. Эффективность таких систем в выявлении мелких структур ограничена размером пикселя детектора [47].

Цифровая маммография интегрирует различные технологии захвата изображений, такие как использование ПЗС-матриц и компьютерную радиографию с фосфорными пластинами. Современные исследования показывают превосходство качества изображений от детекторов с непрямым преобразованием сигнала [48]. Такие системы требуют особенно высокой квантовой эффективности и хорошего соотношения «сигнал – шум», а полученные снимки занимают значительно больше места в хранилищах данных.

В рамках ускорения перехода на цифровые методы диагностики были запущены многочисленные проекты, направленные на модернизацию медицинских учреждений в России, включая национальный проект «Здоровье», программы высокотехнологичной медицины и муниципальные инициативы. Государственная программа развития здравоохранения на 2013—2020 годы также включала улучшение диагностических методов как одно из ключевых направлений [49, 50]. Однако, несмотря на поддержку государства, процесс перехода к цифровым технологиям не был завершен, и в 2022 году в Московской области была запущена трехлетняя программа по замене аналогового медицинского оборудования [51]. Особо стоит отметить развитие отечественной цифровой рентгеновской техники, которую производят всего несколько российских компаний и которая составляет более 70% оснащения отделений лучевой диагностики (ОЛД) [52, 53].

С началом XXI века, несмотря на заметные успехи в области цифровой рентгенологии, врачам-рентгенологам было сложно адаптироваться к описанию исследований, основываясь на изображениях, отображаемых на мониторах. Диагностические мониторы начала 2000-х не могли воспроизвести необходимый динамический диапазон для отображения всех оттенков серого, что требовалось для адекватной визуализации рентгеновских изображений [54]. Чтобы соответствовать возможностям человеческого зрения, мониторы должны были обеспечивать диапазон яркости не менее 1000, в то время как доступные устройства достигали лишь чуть более 100 [55]. В результате врачи были вынуждены последовательно менять настройки окна, что приводило к дополнительным тратам времени и являлось непривычным по сравнению с оценкой изображения на традиционных негатоскопах. Технологии представления информации врачу также претерпели значительные изменения, и уже сейчас доступны диагностические мониторы, обладающие лучшими техническими характеристиками и способные воспроизводить изображения с большим динамическим диапазоном, что повышает качество диагностики [56].

Цифровая маммография требует использования мониторов с еще более высокими характеристиками, поскольку минимальное требование к матрице маммографического монитора составляет 5 мегапикселей, что критично для выявления ЗНО молочной железы [47]. Применение мониторов с недостаточными характеристиками может привести к потере важной диагностической информации.

Полный переход к анализу цифровых изображений расширяет возможности врачей-рентгенологов. Изображения могут быть обработаны с использованием различных цифровых фильтров и представлены в цветном виде, что дополнительно повышает чувствительность метода. Цифровая рентгенограмма с цветовым контрастом имеет преимущество по сравнению с традиционными черно-белыми изображениями, позволяя визуализировать детали, которые могли остаться скрытыми при стандартной визуализации [57].

1.3. Развитие информационных систем в рентгенологии

Современные цифровые рентгеновские исследования обладают множеством преимуществ перед аналоговыми, но, чтобы полностью раскрыть их потенциал, необходимо не только визуализировать изображения на диагностическом мониторе, но и интегрировать их в информационные системы. В 1981 году была разработана первая экспериментальная версия PACS (Picture Archiving and Communication System), предназначенной для архивации и передачи медицинских изображений [58]. Эта система позволяет проводить объективную оценку исследований в динамике и обеспечивает централизованное хранение и обработку данных.

В дальнейшем развитие PACS и введение РИС (радиологического информационного сервиса) способствовали созданию единого цифрового пространства в лучевой диагностике. Это пространство охватывает не только отдельные медицинские учреждения, но и административно-территориальные единицы, включая централизованный архив медицинских изображений [59—65].

Особенно важной оказалась интеграция информационных систем, представляющих собой комплексные решения, обеспечивающие автоматизацию процессов и поддержку принятия врачебных решений. Однако, несмотря на преимущества, внедрение и использование этих систем в российской практике сопряжены с рядом проблем, связанных как с техническими ограничениями, так и с экономическими трудностями, особенно при необходимости совершенствования сетевой инфраструктуры [66, 67].

Эти сложности требуют не только финансовых, но и временны́х инвестиций, а также повышения уровня компьютерной грамотности среди медицинских работников. Эффективное использование систем PACS и РИС может значительно улучшить качество и доступность диагностических услуг, облегчая работу врачей и ускоряя процесс диагностики.

Важность развития информационных систем в рентгенологии неоспорима, особенно в контексте телерадиологии, которая становится неотъемлемой частью современной медицинской практики. Телерадиология, использующая телемедицинские технологии для диагностики на расстоянии, активно применяется в России и более всего ценится за возможность улучшения доступа к диагностическим услугам в малонаселенных регионах. Технологические аспекты телерадиологии были подробно изучены, в том числе в контексте работы многопрофильных медицинских учреждений [68].

Развитие телерадиологии в России получило мощный стимул после принятия Федерального закона №242-ФЗ в 2017 году, который способствовал интеграции информационных технологий в систему здравоохранения. Это не только позволило улучшить качество диагностических услуг, но и сделало возможным непрерывный анализ исследований, рациональное распределение ресурсов и контроль качества диагностических процедур.

Особенно значимым стало создание референс-центров, основанных на модели «централизации описаний», что позволило централизованно обрабатывать и описывать исследования из различных медицинских учреждений. В 2020 году в Москве был открыт крупнейший референс-центр, где врачи-рентгенологи интерпретируют лучевые исследования, поступающие из подведомственных организаций столичного департамента здравоохранения [69].

Переход на цифровые методы исследований не только открыл новые возможности для диагностики, но и потребовал разработки современных подходов к обучению и адаптации медицинского персонала. Необходимость в постоянном обучении персонала работе с современным оборудованием и информационными системами подчеркивает важность интеграции образовательных программ в клиническую практику.

1.4. Цифровая трансформация в лучевой диагностике и ее влияние на качество медицинских услуг

Цифровизация лучевой диагностики расширяет спектр возможностей для улучшения процессов организации и управления в системе здравоохранения, а также повышает качество и безопасность проведения исследований для пациентов. Важно подчеркнуть, что проблемы, возникающие при внедрении современных технологий, являются типичными и требуют особого внимания к разработке научно обоснованных методических рекомендаций, которые будут способствовать практическому применению новых технологий. Кроме того, необходимо обеспечить наличие подробных инструкций для пользователей устройств и программного обеспечения, а также четко определить возможности и ограничения методов.

Практическая реализация потенциала цифровизации лучевой диагностики требует не только технических инноваций, но и создания научной базы, которая во многих аспектах еще не сформирована. Это особенно важно для процессов массовых профилактических исследований, где точность и оперативность диагностики могут существенно повлиять на эффективность профилактики и лечения заболеваний.

ГЛАВА 2. ЦИФРОВЫЕ ТЕХНОЛОГИИ ДЛЯ МАССОВЫХ ПРОФИЛАКТИЧЕСКИХ ЛУЧЕВЫХ ИССЛЕДОВАНИЙ КАК ПРЕДПОСЫЛКИ К ВНЕДРЕНИЮ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ЛУЧЕВУЮ ДИАГНОСТИКУ

2.1. Развитие систем компьютерной помощи в диагностике

Инициативы по использованию систем поддержки принятия решений в рентгенодиагностике начались в 1950-е годы [70]. Эти системы вошли в клиническую практику с распространением цифровой рентгенографии и PACS. Первые успешные примеры были связаны с экспертными системами, служившими электронными помощниками для диагностов, – так называемыми CAD (компьютерная помощь в диагностике). Эксперименты по их созданию, начавшиеся в 1960-х [71], подтвердили повышение точности диагностики заболеваний органов грудной клетки, когда врач-рентгенолог применял их в качестве помощников. Такие системы использовали предварительную обработку изображений для улучшения контрастности, определения границ легких и уменьшения теней от костных структур, что делало патологические изменения более заметными [72, 73].

Пик развития CAD-систем пришелся на 1996—2013 годы, когда они начали активно применяться для обнаружения признаков туберкулеза на рентгенограммах. Системы стали обладать высокой точностью и специфичностью, чему способствовало дополнение алгоритмов новыми рентгенологическими признаками [74]. Особенно заметен был прогресс в разработке CAD для диагностики туберкулеза, где использование дополнительных клинических данных, таких как температура и другие симптомы, значительно повысило ее эффективность [75].

С развитием ИИ и машинного обучения CAD-системы перешли на новый уровень. Современные алгоритмы позволяют не только выявлять характерные признаки заболеваний, но и выполнять более сложные задачи по классификации и анализу патологий. Это привело к значительному улучшению качества диагностических исследований и уменьшению нагрузки на врачей-рентгенологов.

Применение в практике CAD-систем, которые могут идентифицировать только один рентгенологический признак патологии, не приносит значительной пользы, учитывая, что такие признаки, как полости распада, обычно несложно обнаружить. CAD прогрессировали, включив множество новых рентгенологических признаков. Например, S. Jaeger и коллеги разработали CAD-систему, используя различные характеристики туберкулеза, включая полости, инфильтрации и плевральные выпоты. Полученная система показала не очень высокий результат по площади под ROC-кривой – AUC (0,83) [73], однако позже исследователям удалось улучшить точность до AUC 0,87—0,90. Тем не менее эти показатели все еще были ниже, чем точность врачей-рентгенологов [75]. Но CAD стали широко использоваться за пределами лабораторий для диагностики туберкулеза в менее обеспеченных регионах. Примером такой системы является CAD4TB [76, 77]. Улучшение системы с помощью дополнительных клинических данных, таких как температура, потливость и кровохарканье, позволило повысить эффективность диагностики CAD4TB, достигнув AUC 0,84, чувствительности 0,95, при этом специфичность составила 0,49 [78].