Не активен
Сервис автоматически оценивает признаки злокачественных новообразований в легких.
Разработка сервиса была начата в 2017 году, компанией ООО "Интеллоджик".
Лицензионные права принадлежат ООО "Интеллоджик".
Информация о плюсах использования Сервиса:
Сервис позволяет минимизировать количество пропущенных очагов, в том числе сложной локализации
Патологии, с которыми работает сервис: эмфизема легких
Назначение Сервиса:
Сервис определяет наличие патологических изменений, характерных для онкологических заболеваний.
Оценка безопасности и эффективности:
Сервис напрямую не влияет на жизнь и здоровье пациента.
| Параметр | Валидация поставщика сервиса | Валидация НПКЦ на эталонном наборе данных |
|---|---|---|
| Площадь под ROC-кривой (AUC) | 0,91 | 0,91 |
| Чувствительность | 0,84 | 0,94 |
| Специфичность | 0,84 | 0,88 |
| Точность | 0,83 | 0,9 |
| Длительность анализа 1 исследования, мин | До 6,5 минут | 0,03 мин |
Информация о рисках применения Сервиса:
Только в исследовательских целях;
Заключение ИИ-сервиса не является альтернативой заключению врача.
Ограничения использования Сервиса:
Противопоказанию к применению ИИ-сервиса:
Демографические:
- возраст младше 18 лет.
Персональные:
- наличие Ф.И.О. пациента;
- двигательные артефакты на уровне сканирования (несвязанные с сердцебиением);
- артефакты от инородных объектов на уровне исследования, которые накладываются на область легких;
- аномалии органов грудной клетки.
Технические:
- модальность исследования, отличающаяся от компьютерной томографии;
анатомическая область исследования, отличающаяся от органов грудной клетки в полном объеме (от верхушек легких до легочных синусов включительно);
- толщина среза более 3 мм;
- артефакты, не связанные с пациентами, например, поломка детектора аппарата;
- данные не в формате DICOM.
Причины, требующие прекращения использования Сервиса:
В случае превышения порога % технологических дефектов, установленного нормативными документами;
По запросу медицинской организации.
2020
• Deep Learning on Point Clouds for False Positive Reduction at Nodule Detection in Chest CT Scans Drokin I., Ericheva E.
В работе рассмотрено представление узлов на КТ грудной клетки как облако точек, что позволило использовать соответствующий класс моделей и привело к SOTA результатам на LIDC-IDRI. Работа принята на AIST 2020, взяла Best paper award в треке.
2019
• Опыт разработки и внедрения системы поиска онкологических образований с помощью искусственного интеллекта на примере рентгеновской компьютерной томографии легких. И.С. Дрокин, Е.В. Еричева, О.Л. Бухвалов, П.С. Пилюс, Т.С. Малыгина, В.Е. Синицын // Врач и информационные технологии. - 2019. - №3.
• GANs’N Lungs: improving pneumonia prediction Malygina, T., Ericheva E., Drokin I.
• Data Augmentation with GAN: Improving Chest X-Ray Pathologies Prediction on Class-Imbalanced Cases
Malygina, T., Ericheva E., Drokin I.
2018
• A Model-Free Comorbidities-Based Events Prediction in ICU Unit Malygina, T., Drokin I.