MosMed

Каталог ИИ сервисов

Care Mentor AI РГ
experiment.png Активен
ООО «КэреМенторЭйАй»
Ссылка на HUB
Care Mentor AI РГ Различные патологии легких
РГ
органы грудной клетки

 

Название компании разработчика: Общество с ограниченной ответственностью «КэреМенторЭйАй».



Название ИИ-сервиса: «Система нейросетевая Care Mentor AI для определения патологий органов грудной клетки по данным рентгенографии»



Версия ИИ-сервиса: 1.1 (актуальна на 25.05.2021г)



Наличие регистрации медицинского изделия: РЕГИСТРАЦИОННОЕ УДОСТОВЕРЕНИЕ МЕДИЦИНСКОГО ИЗДЕЛИЯ № РЗН 2020/11137



Форма применения ИИ-сервиса: исследовательских целях и промышленной эксплуатации 


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

ImageNet: A large-scale hierarchical image database
The explosion of image data on the Internet has the potential to foster more sophisticated and robust models and algorithms to index, retrieve, organize and interact with images and multimedia data. But exactly how such data can be harnessed and organized remains a critical problem. We introduce here a new database called “ImageNet”, a large-scale ontology of images built upon the backbone of the WordNet structure. ImageNet aims to populate the majority of the 80,000 synsets of WordNet with an average of 500-1000 clean and full resolution images. This will result in tens of millions of annotated images organized by the semantic hierarchy of WordNet. This paper offers a detailed analysis of ImageNet in its current state: 12 subtrees with 5247 synsets and 3.2 million images in total. We show that ImageNet is much larger in scale and diversity and much more accurate than the current image datasets. Constructing such a large-scale database is a challenging task. We describe the data collection scheme with Amazon...

ImageNet: A large-scale hierarchical image database
The explosion of image data on the Internet has the potential to foster more sophisticated and robust models and algorithms to index, retrieve, organize and interact with images and multimedia data. But exactly how such data can be harnessed and organized remains a critical problem. We introduce here a new database called “ImageNet”, a large-scale ontology of images built upon the backbone of the WordNet structure. ImageNet aims to populate the majority of the 80,000 synsets of WordNet with an average of 500-1000 clean and full resolution images. This will result in tens of millions of annotated images organized by the semantic hierarchy of WordNet. This paper offers a detailed analysis of ImageNet in its current state: 12 subtrees with 5247 synsets and 3.2 million images in total. We show that ImageNet is much larger in scale and diversity and much more accurate than the current image datasets. Constructing such a large-scale database is a challenging task. We describe the data collection scheme with Amazon...

J. Deng, W. Dong, R. Socher, L.-J. Li, K. Li and L. Fei-Fei, ImageNet: A Large-Scale Hierarchical Image Database. IEEE Computer Vision and Pattern Recognition (CVPR), 2009”.
https://ieeexplore.ieee.org/document/5206848

Information on the dataset is available here:
official website: http://www.image-net.org/
download section: http://image-net.org/download

4M, X-ray images of the chest organs (Grade 10)
Source: Medicina, OJSC  (https://www.medicina.ru)
Number of studies: 87042
Original format, total size: PNG, 518 Gb
Presence of the initial marking for diseases: YES, 70139
Description: 8 classes of diseases, 1 class - healthy, 1 class - unclear pathology.

CR-001, X-ray images of various parts of the body
Source: Medicina, OJSC  (https://www.medicina.ru)
Number of studies: 368538
Original format, total size: DICOM, 7.1 Tb
Presence of the initial marking for diseases: NO
Description: lung x-ray studies were selected from all data (167949)

CXR-8, X-ray images of the chest organs (Grade 15)
Source: National Institutes of Health (NIH) - Clinical Center (https://nihcc.app.box.com/v/ChestXray-NIHCC)
Number of studies: 112120
Original format, total size: PNG, 45.6 Gb



Научные публикации о применении ИИ-сервиса:
«Врач» (Пироговский научный журнал) №5, 2020
Система компьютерного зрения для анализа обзорных рентгенограмм органов грудной клетки: возможности искусственного интеллекта в обнаружении патологических изменений и инородных тел
Авторы: Е.А. Жуков, Д.С. Блинов, доктор медицинских наук, В.С. Леонтьев, П.В. Гаврилов, кандидат медицинских наук, У.А. Смольникова, Е.В. Блинова, доктор медицинских наук, профессор, И.Г. Камышанская, кандидат медицинских наук
https://drive.google.com/file/d/1zoSLAXHnuIdbKrWPkMK0IU3CfOB-vhY3/view

«Проблемы стандартизации в здравоохранении» №9—10, 2019
Нейросетевая интерпретация рентгенологического изображения грудной клетки: современные возможности и источники ошибок
Авторы: Д.С. Блинов, А.Е. Лобищева, А.А. Варфоломеева
https://drive.google.com/file/d/1FNtF3I6KeBlDhoTmUQ0W7TENw6WiTN7S/view

«Imaging in Medicine» №5, 2019
Advanced neural network solution for detection of lung pathology and foreign body on chest plain radiographs
Авторы: Lilian Nitris, Evgenii Zhukov, Dmitry Blinov, Pavel Gavrilov, Ekaterina Blinova & Alina Lobishcheva
https://www.openaccessjournals.com/articles/advanced-neural-network-solution-for-detection-of-lung-pathology-and-foreign-body-on-chest-plain-radiographs.pdf

 

Показания к применению ИИ-сервиса: взрослые (старше 18 лет), имеющие направление от врача на рентген органов грудной клетки при подозрении на определение наличия и локализация рентгенографических признаков (минимум одного) коррелирующих с минимум одной приоритетной нозологией:
⁃    Туберкулез (A15–A16, A19);
⁃    Пневмония, гнойные и некротические состояния (J10–J18, J80–J86);
⁃    Гидроторакс (J94, R09.1);
⁃    Пневмоторакс (S27.0);
⁃    Ателектаз (J98.1);
⁃    Объемные образования (D38.1–D38.4, C34–C39);
⁃    Перелом ребра (ребер), грудины и грудного отдела позвоночника (S22)
 ИИ-сервис «Система нейросетевая Care Mentor AI для определения патологий органов грудной клетки по данным рентгенографии» специализируется на автоматическом анализе изображений рентгенограмм органов грудной клетки.



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 лежа на спине 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 рентгенографии;
- Анатомическая область исследования, отличающаяся от органов грудной клетки в полном объеме (от верхушек легких до легочных синусов включительно);
- отсутствие калибровки компьютерного томографа более 24 часов;
- Технические артефакты исследования, которые не относятся к пациенту (такие как артефакты на рентгенах со сломанными детекторами); 
- Данные вне формата DICOM; 

 

Способ применения ИИ-сервиса: Единичное анонимизированное исследование компьютерной томографии органов грудной клетки в формате DICOM направляется для интерпретации сервису. Среднее время обработки одного исследования составляет 4 минуты и зависит от скорости интернет-соединения и количество срезов анализируемых в исследовании), при этом время анализа непосредственно нейросетевым продуктом составляет 1.5 минуты.



Побочные действия ИИ-сервиса: не отмечались.



Взаимодействия с другими ИИ-сервисами: «Система нейросетевая Care Mentor AI для определения патологий органов грудной клетки по данным рентгенографии» никак не изменяет оригинальную изображение и присылает пользователю результат о выявленной или не выявленной патологии. Исследования с визуализацией не подлежит обрабоки другим сервисами 



Особые указания: 
•    Заключение, сформированное «Системой нейросетевой Care Mentor AI для определения патологий органов грудной клетки по данным рентгенографии» не является окончательным диагнозом и должно использоваться лечащим врачом в совокупности с другой информацией о пациенте и на основе профессионального суждения и опыта.
•    Ввиду неустойчивого интернет-соединения, не по вине «Система нейросетевая Care Mentor AI для определения патологий органов грудной клетки по данным рентгенографии», возможны ошибки в передаче данных, в связи с чем для получения результатов требуется повторить отправку исследования для повторной обработки сервисом «Система нейросетевая Care Mentor AI для определения патологий органов грудной клетки по данным рентгенографии».

Результаты, представленные разработчиком
Параметр Значение
Значение площади под ROC-кривой (AUC) 0,92
Чувствительность 0,86
Специфичность 0,87
Точность 0,87
Время анализа одного исследования, с 15
Независимые результаты тестирования на эталонном наборе данных*
Параметр Значение
Значение площади под ROC-кривой (AUC) 0,91
Чувствительность 0,81
Специфичность 0,94
Точность 0,87
Удельный вес ложноотрицательных результатов (%) 0
Удельный вес ложноположительных результатов (%) 0
Оптимальный порог 0,23
Время анализа одного исследования, с 15
*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).