MosMed

Каталог ИИ сервисов

Logo-4.png
timer.png HUB
experiment.png Активен
RADLogics CT Covid-19 COVID-19
КТ
органы грудной клетки

 

Название компании разработчика: RADLogics


Название ИИ-сервиса: RADLogics CT Covid-19


Версия ИИ-сервиса: 2.0 (актуальна на 16.03.2021г)



Наличие регистрации медицинского изделия: отсутствует. Пройдены технические и клинические испытания, Документы поданы в РЗН (актуально на 16.03.2021г).


Форма применения ИИ-сервиса: только в исследовательских целях.


Базы данных, использованные RADLogics при обучении и тестировании ИИ-сервиса: 
MosMed dataset
BIMCV
El-Camino
CC-CCII
COVID-19 CT segmentation dataset
Segmentation dataset nr_2 (Radiopedia)
MedSeg dataset
WenzhouSegmentedForCovid
TCIA-CT Images in COVID-19
Lung Lobes segmentation datasets
ILD dataset - University Hospitals of Geneva (HUG) - MedGIFT
COVID-19 Lung CT Lesion Segmentation Challenge - 2020
MIDRC-RICORD-1a


Научные публикации о применении ИИ-сервиса:
•    Gozes, O., Frid-Adar, M., Greenspan, H., Browning, P. D., Zhang, H., Ji, W., ... & Siegel, E. (2020). Rapid ai development cycle for the coronavirus (covid-19) pandemic: Initial results for automated detection & patient monitoring using deep learning ct image analysis. arXiv preprint arXiv:2003.05037.‏
•    (March’20), arXiv, over 250 citations.
•    Gozes, O., Frid-Adar, M., Sagie, N., Zhang, H., Ji, W., & Greenspan, H. (2020). Coronavirus detection and analysis on chest ct with deep learning. arXiv preprint arXiv:2004.02640.‏
•    (April’20), arXiv, over 35 citations.
•    Gozes, O., Frid-Adar, M., Sagie, N., Kabakovitch, A., Amran, D., Amer, R., & Greenspan, H. (2020, October). A Weakly Supervised Deep Learning Framework for COVID-19 CT Detection and Analysis. In International Workshop on Thoracic Image Analysis (pp. 84-93). Springer, Cham.‏‏
•    (Oct’20), Accepted and Presented in MICCAI 2020.
•    Amran, D., Frid-Adar, M., Sagie, N., Nassar, J., Kabakovitch, A., & Greenspan, H. (2020). Automated triage of COVID-19 from various lung abnormalities using chest CT features. arXiv preprint arXiv:2010.12967.
•    (Oct’20), Accepted to ISBI 2021.
•    Amer, R., Frid-Adar, M., Gozes, O., Nassar, J., & Greenspan, H. (2020). COVID-19 in CXR: from Detection and Severity Scoring to Patient Disease Monitoring. arXiv preprint arXiv:2008.02150.
•    (Sep’20), submitted to JBHI Journal (will get feedback by the end of the month).
•    Frid-Adar, M., Ben-Cohen, A., Amer, R., & Greenspan, H. (2018). Improving the segmentation of anatomical structures in chest radiographs using u-net with an imagenet pre-trained encoder. In Image Analysis for Moving Organ, Breast, and Thoracic Images (pp. 159-168). Springer, Cham.‏
•    Brown, M., Browning, P., Wahi-Anwar, M. W., Murphy, M., Delgado, J., Greenspan, H., ... & Goldin, J. (2019). Integration of chest CT CAD into the clinical workflow and impact on radiologist efficiency. Academic radiology, 26(5), 626-631.‏
 

 

Показания к применению ИИ-сервиса: пациент, имеющие направление от врача на компьютерную томографию органов грудной клетки при подозрении или контроле эффективности лечения изменений в легких, характерных для COVID-19. ИИ-сервис RADLogics CT Covid-19 специализируется на автоматическом анализе изображений компьютерной томографии органов грудной клетки с целью выявления и количественной оценки изменений в легких, характерных для COVID-19.



Противопоказания к применению ИИ-сервиса:

Персональные:
- Неанонимизированные данные (наличие ФИО пациента, даты рождения);
- Положение тела пациента, отличающееся от положения лежа на спине с поднятыми к голове руками;
- 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 компьютерной томографии (CT или CTA);
- Анатомическая область исследования, отличающаяся от органов грудной клетки в полном объеме (от верхушек легких до легочных синусов включительно);
- Толщина срезов компьютерной томографии более 9 мм;
- Imagetype не соответствует ‘Original\Primary\Axial' or 'Original\Primary\Helical’;
- Соотношения сторон отличающееся от 1:1 и менее 512 по каждой из сторон;
- Исследования, выполненные по протоколам сканирования, отличающимся от стандартных протоколов сканирования компьютерной томографии органов грудной клетки, рекомендованных производителями;
- Технические артефакты исследования, которые не относятся к пациенту (такие как артефакты на томографах со сломанными детекторами);
- Данные представленные вне формата DICOM 

 

Способ применения ИИ-сервиса: единичное анонимизированное исследование компьютерной томографии органов грудной клетки в формате DICOM в виде папки (или файла в формате zip) направляется для интерпретации сервису ИИ путём указания нужной папки в загрузчике. Среднее время на загрузку одного исследования составляет 3 минуты (зависит от скорости интернет-соединения). Среднее время анализа КТ исследования RADLogics CT Covid-19 составляет 80 секунд. Обратная пересылка пользователю результатов анализа RADLogics CT Covid-19 составляет в среднем 3 минуты (зависит от скорости интернет-соединения). Общее время от начала отправки исследования до получения результатов RADLogics CT Covid-19 составляет в среднем 5-7 минут (зависит от скорости интернет-соединения).

ИИ-сервис RADLogics CT Covid-19 представляет комплексный результаты исследования в составе следующей информации:
1.    Количество пораженной паренхимы правого и левого легких в процентном соотношение и в абсолютных значениях (мм3);
2.    На основе этих данных вывод степени тяжести КТ0-КТ4 на основе последних клинических рекомендаций Министерства здравоохранения РФ у учетом вероятности;
3.    Консолидированная таблица по легким, по правому и левому легкому в отдельности, по всем долям легких в разрезе: Объем (см3); объем обнаружений (см3); коэффициент обнаружений (%), из них коэффициент матового стекла (%) и коэффициент консолидата/уплотнений (%); кол-во легочной паренхимы в трек окнах HU;
4.    Ключевые изображения по найденным патологиям представлены в 3-х визуализациях:
•    оконтуривание,
•    дифференциал по текстуре (матовое стекло / консолидат),
•    тепловая карта вероятности находки (где синий градиент – 0%  , красный – 100%),
•    3D модель легких с визуализацией пораженной паренхимы для более наглядной картины локализации;
5.    Консолидированный отчет в формате PDF, который агрегирует всю требуемую информацию для клинициста.


Побочные действия ИИ-сервиса: не отмечались.


Взаимодействия с другими ИИ-сервисами: RADLogics CT Covid-19 никак не изменяет оригинальную серию изображений. RADLogics CT Covid-19 присылает пользователю дополнительную серию изображений, обработанную сервисом. Эта серия изображений не подлежит дополнительному анализу другими ИИ сервисами.



Особые указания: 
•    Результаты автоматической обработки RADLogics CT Covid-19 не являются эквивалентом медицинского заключения. Рекомендуется при получении результатов проконсультироваться с врачом-рентгенологом;
•    ИИ-сервис RADLogics CT Covid-19 применяется только в исследовательских целях;
•    Ввиду неустойчивого интернет-соединения, не по вине RADLogics CT Covid-19, возможны ошибки в передаче данных, в связи с чем для получения результатов требуется повторить отправку исследования для повторной обработки сервисом RADLogics CT Covid-19.

Результаты, представленные разработчиком
Параметр Значение
Значение площади под ROC-кривой (AUC) 0.996
Чувствительность 0.982
Специфичность 0.922
Точность 0.880
Время анализа одного исследования, с 80.000
Независимые результаты тестирования на эталонном наборе данных*
Параметр Значение
Значение площади под ROC-кривой (AUC) 0.910
Чувствительность 0.910
Специфичность 0.920
Точность 0.910
Удельный вес ложноотрицательных результатов (%) 0.740
Удельный вес ложноположительных результатов (%) 0.160
Оптимальный порог 1.000
Время анализа одного исследования, с 80.000
*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).