РЕЗУЛЬТАТЫ ПРЕДВАРИТЕЛЬНЫХ КЛИНИЧЕСКИХ ИСПЫТАНИЙ НОВОЙ ИНТЕЛЛЕКТУАЛЬНОЙ ПРОГРАММЫ ESPER.SCOLIOSIS ДЛЯ АВТОМАТИЧЕСКОГО ОПРЕДЕЛЕНИЯ СТЕПЕНИ СКОЛИОЗА НА ФРОНТАЛЬНЫХ РЕНТГЕНОГРАММАХ ПОЗВОНОЧНИКА
Аннотация
Введение. Сколиоз представляет собой искривление позвоночника во фронтальной плоскости, сопровождающееся торсией тел позвонков и их задних элементов в процессе
роста. Диагностика сколиоза проводится по рентгенограммам позвоночника, полученным в прямой проекции. Стандартным методом оценки угла сколиоза является угол Кобба, который строится между гранями конечных позвонков, максимально наклонённых относительно друг друга. Для построения угла Кобба врач-рентгенолог вручную на рентгенограмме проводит касательные к проекциям замыкательных поверхностей тел позвонков. Вариабельность в результатах измерений угла Кобба является актуальной проблемой рентгенологии и ортопедии. Система Esper.Scoliosis автоматически определяет позвонки ThI–LV с помощью обученной нейросети, а также четыре точки тел позвонков, по которым программа строит углы Кобба и определяет степень искривления. Цель исследования — подтверждение соответствия программы Esper.Scoliosis метрикам диагностической точности. Материалы и методы. Для исследования ретроспективно было отобрано 120 рентгенологических изображений, предоставленных СПб ГБУЗ «Городская Мариинская больница» и ФГБУ ФНЦРИ им. Г.А. Альбрехта Минтруда России. Выборка изображений является сбалансированной, где содержится равное количество изображений с признаками сколиоза и без них. Количество изображений I, II, III и IV степени сколиоза было одинаковым. В результате сопоставления индекс- и референс-теста был рассчитан стандартный набор метрик, состоящий из чувствительности, специфичности, точности (общая валидность) и площади под ROC-кривой (ROC AUC). Результаты. Показано, что система Esper.Scoliosis обладает высокой точностью определения сколиоза (ROC AUC=0.9). На основе клинических исследований рекомендуется использовать программу Esper.Scoliosis на практике в качестве объективного инструмента определении степени сколиоза.
Литература
Beekman C.E., Hall V. Variability of scoliosis measurement from spinal roentgenograms. Phys Ther. 59, № 6 (Jun 1979): 764-5.
Kassab D., Kamyshanskaya I, Pershin A. Automatic scoliosis angle measurement using deep learning methods, how far we are from clinical application: A narrative review. Medicine 16, no. 2 (2021): 85–94.
Negrini S., Donzelli S., Aulisa A.G. et al. 2016 SOSORT guidelines: orthopaedic and rehabilitation treatment of idiopathic scoliosis during growth. (Scoliosis) 13, no. 3 (2018).
Prestigiacomo F.G., Hulsbosch M.H.H.M., Bruls V.E.J., Nieuwenhuis J.J. Itra- and inter-observer reliability of Cobb angle measurements in patients with adolescent idiopathic scoliosis. Spine deformity 10, № 1 (2022): 79–86.
Syed A.B., Zoga A.C. Artificial Intelligence in Radiology: Current Technology and Future Directions. Semin Musculoskelet Radiol 22, № 5 (Nov 2018): 540-545.
Sorantin E., Grasser M.G., Hemmelmayr A., Tschauner -S., Hrzic F., Weiss V., Lacekova J., Holzinger A. The augmented radiologist: artificial intelligence in the practice of radiology. Pediatr Radiol. (Springer Science and buisness Media) 52, № 11 (Oct 2022): 2074-2086.
Tang A., Tam R., Cadrin-Chênevert A. et al. Canadian Association of Radiologists White Paper on Artificial Intelligence in Radiology. Can Assoc Radiol J. 69, № 2 (2018): 120-135.
Wang Т. GE Healthcare imagination at work Intelligent Tools For A Productive Radiologist Workflow : How Machine Learning Enriches Hanging Protocols. 2013
