Трошина Екатерина Анатольевна - д.м.н., профессор, член-корр. РАН.
Москва
Ekaterina A. Troshina - MD, PhD, Professor.
Moscow
Захарова Светлана Михайловна - к.м.н.
Москва
Svetlana M. Zakharova - MD, PhD.
Moscow
Цыгулева Ксения Владимировна.
Москва
Kseniya V. Tsyguleva.
Moscow
Ложкин Илья Александрович.
Москва
Ilya A. Lozhkin.
Moscow
Королев Денис Вячеславович.
Москва
Denis V. Korolev.
Moscow
Трухин Алексей Андреевич - к.т.н.
117292 Москва, ул. Дм. Ульянова, д. 11, к. 2
Alexey A. Trukhin – PhD.
11 bld 2, Dm. Ulyanova street, 117292 Moscow
Зайцев Константин Сергеевич - д.т.н.
Москва
Konstantin S. Zajtsev – PhD.
Moscow
Солдатова Татьяна Васильевна - к.м.н.
Москва
Tatyana V. Soldatova - MD, PhD.
Moscow
Гармаш Александр Александрович - к.т.н.
Москва
Alexandr A. Garmash – PhD.
Moscow
ОБОСНОВАНИЕ. Применение искусственного интеллекта в ультразвуковой диагностике узловых образований щитовидной железы ожидаемо и достаточно перспективно. Однако для того, чтобы это понять, необходимо увидеть, как с его помощью работает врач, поэтапно проводя диагностику заболеваний, как именно этот интеллект реализуется в практическом здравоохранении. В текущей публикации представлен обзор существующих интеллектуальных систем поддержки врачебных решений в тиреоидологии, и детально описаны возможности российского интеллектуального компьютерного ассистента врача ультразвуковой диагностики — системы стратификации узловых образований щитовидной железы по категориям EU-TIRADS.
ЦЕЛЬ. Повышение точности и сокращение времени УЗ-диагностики при исследовании узловых образований щитовидной железы за счет использования интеллектуальной системы ассистирования врачу УЗИ на различных этапах его деятельности с демонстрацией действий «ассистента».
МАТЕРИАЛЫ И МЕТОДЫ. Для понимания возможностей использования врачами УЗИ искусственного интеллекта в своей работе предлагаемое решение разделено на этапы, на каждом из которых демонстрируются дополнительные возможности, которыми обладает врач при использовании методов интеллектуального компьютерного зрения. В качестве интеллектуальной базы используются различные архитектуры искусственных нейронных сетей, которые могут дообучаться подобно человеку на новых медицинских данных.
РЕЗУЛЬТАТЫ. Предлагаемое интеллектуальное решение позволяет врачу УЗИ иметь «второе мнение» на своем рабочем месте, которое, обрабатывая кинопетли УЗИ, позволяет решить задачи сегментации и стратификации узловых образований щитовидной железы по категориям EU-TIRADS с точностью 65–70%, т.е. на уровне врача с 5-летним опытом работы. Предложенный управляемый данными (data driven) подход по мере обработки кинопетель новых пациентов будет улучшать свои точностные показатели.
ЗАКЛЮЧЕНИЕ. Повествование подводит читателя к пониманию того, в каких диагностических процессах полезно применять методы искусственного интеллекта при ультразвуковой диагностике узловых образований щитовидной железы, и как можно эффективно взаимодействовать естественному и искусственному интеллекту в рамках программного веб-приложения.
BACKGROUND: the use of artificial intelligence in ultrasound diagnosis of thyroid nodules is expected and quite promising. However, in order to understand this, it is necessary to see how a doctor works with its help, diagnosing diseases step by step, and how exactly this intelligence is implemented in practical healthcare. The current publication provides an overview of existing intelligent systems for supporting medical decisions in thyroidology, and describes in detail the capabilities of the Russian intelligent computer assistant for ultrasound diagnostics - a system for stratifying thyroid nodules by EU-TIRADS categories.
AIM: increasing the accuracy and reducing the time of ultrasound diagnostics in the study of thyroid nodules through the use of an intelligent system for assisting the ultrasound doctor at various stages of his activity with demonstration of the actions of the “assistant”.
MATERIALS AND METHODS: to understand the possibilities of ultrasound doctors using artificial intelligence in their work, the proposed solution is divided into stages, each of which demonstrates the additional capabilities that a doctor has when using intelligent computer vision methods. Various artificial neural network architectures are used as an intellectual base, which can be further trained like a human on new medical data.
RESULTS: the proposed intelligent solution allows the ultrasound doctor to have a “second opinion” at his workplace, which, by processing ultrasound cine loops, allows him to solve the problems of segmentation and stratification of thyroid nodules according to EU-TIRADS categories with an accuracy of 70%, i.e. at the level of a doctor with 5 years of experience. The proposed data driven approach will improve its accuracy as new patient loops are processed.
CONCLUSION: the narrative leads the reader to understand in what diagnostic processes it is useful to use artificial intelligence methods in the ultrasound diagnosis of thyroid nodules, and how natural and artificial intelligence can effectively interact within the framework of a software web application.
The authors declare that there are no conflicts of interest present.