MosMed

Каталог ИИ сервисов

иннополис.jpeg
experiment.png Активен
АНО ВО "Университет Иннополис"
Ссылка на HUB
AI-Radiology Различные патологии легких
РГ
органы грудной клетки

 

Название компании разработчика: АНО ВО “ Университет Иннополис”



Название ИИ-сервиса: AI-Radiology



Версия ИИ-сервиса: 1.0 (актуальна на 14.05.2021г)



Наличие регистрации медицинского изделия: отсутствует (актуально на 14.05.2021г).



Форма применения ИИ-сервиса: только в исследовательских целях.


Базы данных, использованные AI-Radiology при обучении и тестировании
ИИ-сервиса:

Внутренние данные (более 50 000 размеченных изображений).


Научные публикации о применении ИИ-сервиса:
Maksudov, B., Kiselev, S., Kholiavchenko, M., Mustafaev, T., Kuleev, R., & Ibragimov, B. (2020).
Automated Localization of Lung Nodules from Chest X-rays With Deep Neural Networks. International
Journal of Radiation Oncology*Biology*Physics, 108(3), e294. https://doi.org/10.1016/j.ijrobp.2020.07.703
E. Kivotova, B. Maksudov, R. Kuleev and B. Ibragimov, "Extracting clinical information from chest x-ray
reports: A case study for Russian language," 2020 International Conference Nonlinearity, Information and
Robotics (NIR), 2020, pp. 1-6, doi: 10.1109/NIR50484.2020.9290235.
Kholiavchenko, M., Maksudov, B., Sirazitdinov, I., Mustafaev, T., Kuleev, R., & Ibragimov, B. (2020).
Adopting Confident Learning to Eliminate Uncertainty in Chest X-ray Images for Lung Nodules Prediction.
International Journal of Radiation Oncology*Biology*Physics, 108(3), e338.
https://doi.org/10.1016/j.ijrobp.2020.07.807
A. Tolkachev, I. Sirazitdinov, M. Kholiavchenko, T. Mustafaev and B. Ibragimov, "Deep Learning for
Diagnosis and Segmentation of Pneumothorax: The Results on the Kaggle Competition and Validation
Against Radiologists," in IEEE Journal of Biomedical and Health Informatics, vol. 25, no. 5, pp.
1660-1672, May 2021, doi: 10.1109/JBHI.2020.3023476.
I. Sirazitdinov, M. Kholiavchenko, R. Kuleev and B. Ibragimov, "Data Augmentation for Chest Pathologies
Classification," 2019 IEEE 16th International Symposium on Biomedical Imaging (ISBI 2019), 2019, pp.
1216-1219, doi: 10.1109/ISBI.2019.8759573.
Sirazitdinov, I., Kholiavchenko, M., Mustafaev, T., Yixuan, Y., Kuleev, R., & Ibragimov, B. (2019). Deep
neural network ensemble for pneumonia localization from a large-scale chest x-ray database. Computers
& Electrical Engineering, 78, 388–399. https://doi.org/10.1016/j.compeleceng.2019.08.004

 

Показания к применению ИИ-сервиса: взрослые (старше 18 лет), имеющие
направление от врача на рентгенографию грудной клетки при подозрении или контроле
эффективности лечения изменений в легких. ИИ-сервис AI-Radiology специализируется на
автоматическом анализе изображений рентгенографии грудной клетки с целью выявления
изменений в легких.


Противопоказанию к применению ИИ-сервиса:
Демографические:
- Детский возраст (младше 18 лет);
Персональные:
- Неанонимизированные данные (наличие ФИО пациента);
- Вес пациента более 120 кг;
- Двигательные артефакты на уровне сканирования (не связанные с сердцебиением);
- Артефакты от инородных объектов на уровне исследования, которые накладываются на
область легких;
- Положение тела пациента, отличающееся от положения стоя с поднятыми к голове
руками;
- Хирургические медицинские вмешательства, проведенные на уровне грудной клетки;
- Аномалии вариантов развития на уровне органов грудной клетки;
- Исследование, выполненное в любую фазу дыхательного цикла, кроме задержки дыхания
на глубине вдоха;
Технические:
- Модальность исследования, отличающаяся от цифровой рентгенографии (DX);
- Анатомическая область исследования, отличающаяся от органов грудной клетки в
полном объеме (от верхушек легких до легочных синусов включительно);
- исследования, выполненные по протоколам сканирования, отличающимся от
стандартных протоколов сканирования рентгенографии органов грудной клетки,
рекомендованных производителями;
- Технические артефакты исследования, которые не относятся к пациенту (такие как
артефакты на аппаратах со сломанными детекторами);
- Данные вне формата DICOM 3.0;
- Изображения в любой проекции, кроме прямой;- наличие внутривенного
контрастирования;
 

 

Способ применения ИИ-сервиса: единичное анонимизированное исследование
рентгенографии органов грудной клетки в формате DICOM направляется для
интерпретации сервису ИИ с помощью направления снимка на определенный AET с PACS
медицинской организации. Среднее время на загрузку одного исследования составляет 60
секунд(зависит от скорости интернет-соединения). Среднее время анализа исследования
AI-Radiology составляет 40 секунд. Обратная пересылка пользователю результатов анализа
AI-Radiology составляет в среднем 10 секунд(зависит от скорости интернет-соединения).
Общее время от начала отправки исследования до получения результатов AI-Radiology
составляет в среднем 2 минуты (зависит от скорости интернет-соединения).
ИИ-сервис AI-Radiology представляет результаты исследования в 2 различных форматах:
1. DICOM изображение с визуализацией, где цветом отмечены места с подозрениями
на патологические изменение. Также на изображении присутствует название
сервиса и информация о применении «только в исследовательских целях». Для
проверки локализации выявленных находок врач может просмотреть файл,
обращая внимание на находки внутри подсвеченных регионов. После
подтверждения локализации измененийПосле ознакомления с результатами работы
ИИ врач может перейти к самостоятельному формированию заключения.
2. Текстовый отчет о работе сервиса ИИ в формате DICOM-SR, где описаны целевая
анатомическая область, назначение сервиса и заключение сервиса ИИ о наличии
патологии.


Побочные действия ИИ-сервис: не отмечались.


Взаимодействия с другими ИИ-сервисами: AI-Radiology никак не изменяет
оригинальную серию изображений. AI-Radiology присылает пользователю
дополнительную серию изображений, обработанную сервисом. Эта серия изображений не
подлежит дополнительному анализу другими ИИ сервисами.


Особые указания:
● Результаты автоматической обработки AI-Radiology не являются эквивалентом
медицинского заключения. Рекомендуется при получении результатов
проконсультироваться с врачом-рентгенологом;
● ИИ-сервис AI-Radiology применяется только в исследовательских целях;
● Ввиду неустойчивого интернет-соединения, не по вине AI-Radiology, возможны
ошибки в передаче данных, в связи с чем для получения результатов требуется
повторить отправку исследования для повторной обработки сервисом AI-Radiology.

Результаты, представленные разработчиком
Параметр Значение
Значение площади под ROC-кривой (AUC) 0.910
Чувствительность 0.930
Специфичность 0.630
Точность 0.740
Время анализа одного исследования, с 15.000
Независимые результаты тестирования на эталонном наборе данных*
Параметр Значение
Значение площади под ROC-кривой (AUC) 0.860
Чувствительность 0.830
Специфичность 0.880
Точность 0.860
Удельный вес ложноотрицательных результатов (%) 0.170
Удельный вес ложноположительных результатов (%) 0.120
Оптимальный порог 0.730
Время анализа одного исследования, с 15.000
*Тестирование проведено в рамках Московского Эксперимента по применению искусственного интеллекта (mosmed.ai) в рамках действия Постановления Правительства Москвы от 22.11.2019г No142 (вред.От15.05.2020г.No552).