Оппортунистический скрининг остеопороза с использованием сервисов искусственного интеллекта



Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Обоснование. В настоящее время активно внедряется подход к диагностике остеопороза (ОП), основанный на рутинных КТ-исследованиях, при которых можно определить признаки ОП. Учитывая проблему гиподиагностики компрессионных переломов (КП) по данным КТ-исследований, предлагается использовать сервисы искусственного интеллекта (ИИ-сервисы) в качестве помощника для врача-рентгенолога.

Цель. Оценить возможность практического применения ИИ-сервисов в диагностике ОП по данным рутинных исследований КТ для реализации оппортунистического скрининга.

Материалы и методы. В проекте приняли участие три медицинские организации (МО). Были отобраны КТ-исследования органов грудной клетки, выполненные в данных МО в период с октября 2022 по октябрь 2023 года у пациентов >50 лет, у которых по данным ИИ-сервисов определили наличие признаков ОП (КП и/или снижение рентгеновской плотности тел позвонков). Каждый случай был повторно пересмотрен врачами-рентгенологами на наличие ошибок сервиса. В МО лечащему врачу был направлен итоговый список пациентов, которым необходимо пройти исследование методом двухэнергетической рентгеновской абсорбциометрии (ДРА) для подтверждения диагноза «остеопороз».

Результаты. За 12 месяцев ИИ-сервисами было проанализировано 5394 КТ-исследования. У 1125 пациентов были выявлены КП и/или снижение рентгеновской плотности тел позвонков. Были исключены пациенты с ранее установленным диагнозом «остеопороз»; пациенты, которые отказались или не смогли пройти дообследования. ДРА прошли 66 пациентов. Возраст пациентов имел размах от 54 до 86 лет; медиана (Q1-Q3) — 70 (62–74), соотношение мужчин и женщин составило 21 и 79%.

По данным ДРА у 26 (39,4%) обследованных пациентов были выявлены показатели минеральной плотности кости (МПК), которые соответствуют ОП, у 37 (56,1%) — остеопении, и у 3 (4,5%) — норме.

Были рассчитаны метрики точности методик ДРА и оценка рентгеновской плотности костной ткани по КТ: чувствительность — 0,71 и 0,91; специфичность — 0,80 и 0,55; точность — 0,76 и 0,67.

Продемонстрированы статистически значимые различия состояний «остеопороз / остеопения / норма», принадлежности пациентов к группе возрастной нормы и группы пациентов, выделенные сервисами ИИ (при p <0,001).

Заключение. Полученные результаты исследования свидетельствуют о целесообразности использования ИИ-сервисов для диагностики ОП по данным рутинных КТ-исследований в качестве компонента оппортунистического скрининга.

Полный текст

ОБОСНОВАНИЕ

Остеопороз (ОП) – метаболическое заболевание, которое характеризуется снижением минеральной плотности костной ткани и нарушением микроархитектоники костной ткани. Зачастую ОП проходит безболезненно и диагностируется на стадии возникновения осложнений – переломов при минимальной травме [1].

Методом выбора – «золотым стандартом» инструментальной диагностики ОП является двухэнергетическая рентгеновская абсорбциометрия (ДРА) [1, 2]. Данный метод предназначен для измерения минеральной плотности кости (МПК) в поясничном отделе позвоночника (ПОП) и проксимальном отделе бедра (ПОБ) [3]. У женщин в постменопаузальном возрасте и мужчин старше 50 лет диагноз «остеопороз» устанавливается при значении Т‑критерия менее -2,5 стандартных отклонений. ДРА выполняется в группах риска ОП и у пожилых пациентов (женщины старше 65 лет, мужчины старше 70 лет) по назначению лечащего, при этом подчеркивается, что скрининг с помощью данного метода  экономически не целесообразен [1]. У ДРА существуют недостатки и диагностические ограничения, которые могут привести к ложноотрицательным результатам у пациентов с компрессионными переломами (КП). Также данный метод чувствителен к выраженным дегенеративным изменениям, что влечет за собой завышение МПК и влияет на правильность трактовки исследования [4]. Из-за недостатков, связанных с методом ДРА, и того, что он применяется лишь ограниченной группе людей, исследуются альтернативные способы ранней диагностики ОП.

На сегодняшний день рассматривается подход к диагностике ОП по данным рутинных рентгенологических исследований, выполненных по другим показаниям. Так, при выполнении компьютерной томографии (КТ) органов грудной клетки (ОГК) и органов брюшной полости (ОБП) можно определить один из признаков ОП – наличие КП тел позвонков [3]. Однако существует проблема гиподиагностики КП по данным рутинных рентгенологических исследований, связанная, вероятнее всего, с тем, что врачи-рентгенологи концентрируются на основной цели сканирования [5, 6].

С целью минимизации пропусков КП активно изучаются возможности сервисов искусственного интеллекта (ИИ-сервисов) в анализе медицинских изображений в качестве системы поддержки принятия решений (СППР) [7]. Существующие исследования свидетельствуют об эффективности их применения для выявления КП тел позвонков и определения снижения МПК по данным рутинных КТ-исследований ОГК и ОБП [8–10]. Однако, несмотря на проведенные исследования, требуется обоснование возможности использования ИИ-сервисов в качестве компонента оппортунистического скрининга ОП.

 

ЦЕЛЬ

Оценить возможность практического применения ИИ-сервисов в ранней диагностике ОП по данным рутинных КТ-исследований для реализации оппортунистического скрининга.

 

МЕТОДЫ

Дизайн исследования

В рамках Эксперимента по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения города Москвы (далее – Эксперимент) был разработан и реализован пилотный проект по оппортунистическому скринингу ОП с помощью ИИ-сервисов [11]. Проведено многоцентровое проспективное выборочное исследование, схема, которого представлена на рисунке 1.

Условия проведения

Результаты КТ-сканирования были получены из базы Единого Радиологического Информационного Сервиса (ЕРИС). Томографические исследования выполняли в трех медицинских организациях (МО), которые оказывают амбулаторно-поликлиническую помощь и подведомственны Департаменту здравоохранения города Москвы. Данные МО участвуют в Эксперименте, они подключены к комплексным ИИ-сервисам, которые проводят оценку КТ ОГК по нескольким патологиям, в том числе и по направлению «Компрессионный перелом тел позвонков (остеопороз)» [11].

В исследовании использовались два ИИ-сервиса: Chest-IRA (ООО «АЙРА Лабс») и CVL – Chest CT Complex (ООО «СиВижинЛаб»). По направлению «остеопороз» ИИ-сервисы имели следующие метрики: Chest-IRA: чувствительность – 1,0, специфичность – 0,98, точность – 0,99, площадь под ROC-кривой (AUC) – 0,99; CVL – Chest CT Complex: чувствительность – 0,98, специфичность – 0,94, точность – 0,96, площадь под ROC-кривой (AUC) – 1,0 [11].

Критерии соответствия

Сформирован список пациентов, которым была выполнена КТ ОГК в периоде с октября 2022 по октябрь 2023 года. Далее были отобраны КТ-исследования пациентов старше 50 лет, у которых по данным работы ИИ-сервисов выявили признаки ОП: наличие КП и снижение рентгеновской плотности (РП) тел позвонков.

Критерии не включения: пациенты моложе 50 лет; пациенты, у которых по данным ИИ-сервисов не было выявлено признаков патологии: высота тел позвонков не снижена и РП нормальных значений. Исключены из исследования пациенты с ранее установленным диагнозом ОП; пациенты, которые отказались или не смогли пройти ДРА; пациенты, c которыми не удалось связаться.

Продолжительность исследования

Отбор КТ-исследований проводились в период с октября 2022 по октябрь 2023 года. Маршрутизация пациентов для проведения ДРА была в период с мая 2023 по декабрь 2023 года. Средний временной диапазон между исследования КТ и ДРА составил 3 месяца.

Описание медицинского вмешательства

В соответствии с базовыми диагностическими и базовыми функциональными требованиями, которые были разработаны в ходе Эксперимента, ИИ-сервисы анализировали изображения бесконтрастного КТ-исследования [11]. Проводилась автоматическая оценка высоты тел позвонков в вентральном, среднем и дорсальном отделах с последующим расчетом степени компрессионной деформации (КД) по классификации Genant [12]. Измерялась РП губчатого вещества без захвата замыкательных пластинок и кортикального слоя в вентральном отделе тел позвонков на уровне Th11–L3. Результаты работы ИИ-сервисов предоставлялись в формате текстового описания (DICOM-SR) и дополнительной серии – реконструированного сагиттального среза в виде криволинейной проекции вдоль позвоночного столба, на которой визуально отображались результаты работы ИИ-сервисов (рисунок 2А).

Отобранные КТ-исследования подвергались повторному чтению врачами-рентгенологами со стажем работы не менее 5 лет на предмет наличия целевой патологии. Был сформирован список пациентов с признаками ОП, у которых по данным КТ-исследования ИИ-сервисы определили КД тел позвонков более 31 %, что является оптимальным порогом для разделения на КД и КП [13]. РП, у отобранных пациентов, составляла менее 100 HU, что согласно позициям ISCD 2023 является признаком ОП [2].

Информация об этой группе пациентов была направлена лечащим врачам в МО, где первоначально проводилось КТ-исследование. Лечащие врачи из МО уведомляли пациентов о наличии выявленных признаков и предлагали пройти дообследование методом ДРА с целью уточнения диагноза «остеопороз» (рисунок 2).

Основной исход исследования

Определение состояний остеопороза, остеопении и нормы по данным МПК определенной методом метода ДРА для пациентов, у которых ИИ-сервисы выявили признаки ОП.

Этическая экспертиза

Получено одобрение независимого этического комитета на заседании независимого этического комитета Московского регионального отделения Российского общества рентгенологов и радиологов, протокол от 17 ноября 2022 г. № 10.

Статистический анализ

Размер выборки предварительно не рассчитывался. В исследование включали все доступные исследования за период с октября 2022 по октябрь 2023 года. В данном исследовании применялись методы описательной статистики и проводился анализ таблиц сопряженности полученных результатов с нормой в соответствии с распределением на популяцию для мужчин и женщин методом Хи-квадрат при уровне значимости p<0,001. Для статистической обработки использовалась онлайн-платформа medstatistic.

 

РЕЗУЛЬТАТЫ

Объекты (участники) исследования

За 12 месяцев ИИ-сервисами в трех МО было проанализировано 5394 КТ-исследования. Среди них было 3752 пациента (69,6%) старше 50 лет. В 1125 (29,9%) случаях были выявлены признаки КП и снижения РП тел позвонков. После пересмотра врачами-рентгенологами выборка составила 1091 пациентов (20,2 %). Из этого количества 66 пациентов согласились пройти ДРА (рисунок 1). Возраст пациентов, которые прошли дополнительное обследование, варьировался от 54 до 86 лет – 70 (62–74) (медиана (1-й квартиль, 3-й квартиль)), для мужчин – 69,5 (62,25–73,75), для женщин – 70 (62–74), соотношение мужчин и женщин – 21% и 79% (таблица 1).

Таблица 1 – Описательная статистика базовых характеристик выборки

Пол

Количество пациентов

Возраст пациентов: медиана (Q1-Q3)

Процентное соотношение (%)

Мужчины и женщины

66

70 (62–74)

100

Мужчины

14

69,5 (62,25–73,75)

21

Женщины

52

70 (62–74)

79

 

Основные результаты исследования

По данным ДРА у 26 (39,4 %) из общего количества обследованных пациентов были выявлены показатели МПК, которые соответствуют ОП, у 37 (56,1 %) – остеопении и только у 3 (4,5 %) – норме (рисунок 3).

Большинство пациентов с ОП по данным ДРА были в возрасте от 70 до 80 лет. Остеопения в основном была диагностирована у пациентов в возрасте от 60 до 70 лет. Стоит отметить, что ОП был выявлен преимущественно у женщин – 24 пациенток (46,2 %). В силу преобладания в выборке женщин остеопения также была выявлена главным образом у них – 26 пациенток (50,0%). У мужчин МПК в основном соответствовала остеопении – 11 пациентов (78,6 %) (рисунок 4, таблица 2). Было показано, что статистические значимые различия между мужчинами и женщинами отсутствуют при p>0,05.

Полученные показатели говорят о том, что у 40 пациентов (60,0%) не был подтвержден диагноз «остеопороз» в ходе денситометрии, что говорит о гипердиагностики работы ИИ-сервисов. Вместе с тем, преимущественного у данных пациентов (56,1 %) было выявлено предостеопорозное состояние. У 22 пациентов (84,6%) из 26 подтвердился диагноз «остеопороз» по ДРА до проявления осложнений в виде низкоэнергетических переломов крупных суставов.

Таблица 2 – Распределения результатов, выполненных исследования с определением состояний остеопороз/остеопения/норма и сравнения c данными ДРА по г. Москве [14].

Пол

Группа пациентов

Состояния

Остеопороз

Остеопения

Норма

Мужчины

Выявленные значения ИИ-сервисами (n=14)

2 (14,3%)

11 (78,6%)

1 (7,1 %)

Норма в соответствии с распределением на популяцию

18,8%

48,2%

33,0%

Женщины

Выявленные значения ИИ-сервисами (n=52)

24 (46,2%)

26 (50,0%)

2 (3,85%)

Норма в соответствии с распределением на популяцию

28,0%

52,3%

19,6%

 

При анализе полученных результатов методом таблиц сопряженности с использованием критерия Хи-квадрат было статистически значимо показано, что характер распределения на признаки «остеопороз/остеопения/норма» статистически значимо отличался у группы возрастной «нормы», определенной ранее и группы пациентов, выделенных сервисами ИИ как для женщин, так и для мужчин (p <0,001) (таблица 2) [14].

 

ОБСУЖДЕНИЕ

Вследствие непрерывного развития и улучшения качества системы здравоохранения, неуклонно увеличивается количество людей пожилого и старческого возраста, что, в свою очередь, ведет к росту числа людей с риском возникновения ОП. Так, распространенность ОП в России возросла с 2010 года на 18 % и составила 40 млн человек (16 млн с остеопорозом и 24 млн – с остеопенией) [15]. Стоит отметить, что в исследовании в выборке пациентов преобладали женщины, что соответствует эпидемиологическим данным об распространении ОП [1, 16].

В настоящее время применяются ИИ-сервисы, которые анализируют медицинские изображения различных модальностей с целью определения КП тел позвонков. Использование данного подхода показало хорошие результаты как для рентгенографии, так и для КТ [9, 17–19]. Помимо этого, широко применяются ИИ-сервисы, которые автоматически измеряют РП тел позвонков на КТ-изображениях. Измерение РП позволяет определить снижение МПК, что также является одним из признаков ОП [20, 21]. Используются также и радиомические подходы для прогнозирования переломов по данным КТ-исследований [22]. Важно отметить, что отечественные ИИ-сервисы, которые были рассмотрены в нашем исследовании, не уступают зарубежным аналогам по метрикам точности и функционалу.

Продемонстрирована работа ИИ-сервисов в определении признаков ОП: наличие КП и снижение МПК. Перед тем, как допустить ИИ-сервисы в Эксперимент они проходят несколько этапов тестирования: самотестирование (проводится разработчиком), функциональное и калибровочное тестирование (для этих этапов подготавливаются эталонные наборы данных), этап апробации и опытной эксплуатации (ИИ-сервисы анализируют исследования из МО) [23, 24]. Данные ИИ-сервисы работают в рамках Эксперимента более двух лет, и их метрики (ROC AUC, чувствительность, специфичность и точность) на протяжении всего времени не опускались ниже пороговых значений, что говорит об их высоких функциональных и диагностических способностях [11, 25].

Зачастую врачи-рентгенологи не указывают наличие КП в протоколах рутинных КТ-исследований. Согласно различным исследованиям, лишь в 11–17 % случаев КП фиксируются в протоколах описания [5, 6]. В нашей работе (из 66 пациентов) врачи-рентгенологи описывали КП в протоколах описания в 33 % случаев, в то время как в заключении – всего в 8 %.

Следует отметить, что ранее оценивалась только эффективность применения ИИ-сервисов, работающих в Эксперименте по направлению ОП, на этапе тестирования на заранее подготовленном наборе данных, не в рамках работы в МО [11, 26, 27]. В ходе реализованного проекта у 26 пациентов (39,4 %) из 66, которые обратились в МО для оказания амбулаторно-поликлинической помощи и которым была выполнена КТ ОГК, был диагностирован ОП. По данным ДРА у жителей Москвы старше 50 лет, с учетом данный показатель составляет 27,4% [14].  Важно отметить, что у этих пациентов ранее не был установлен данный диагноз. Они были направлены на проведение ДРА лечащим врачом в качестве дополнительного исследования с целью подтверждения диагноза после выявления признаков ОП ИИ-сервисами. У 37 пациентов (56,1 %) было выявлено состояние остеопении, которое соответствует предшествующему ОП, что также выше определенного ранее показателя (50,3 %) [14]. Это необходимо принимать во внимание врачам-клиницистам. Следует подчеркнуть важную роль в данном исследовании лечащих врачей МО, которые направляли пациентов на дообследование для подтверждения диагноза.

Таким образом было показано, что итоговая выборка, сформированная с учетом результатов ИИ-сервисов и подтверждённая врачом-рентгенологом была «насыщена» пациентами с МПК ниже значений по данным ДРА по данным полученным на группе «возрастной нормы» (p<0,001) [14]. Сходные данные были получены и в отечественном обзоре о распространенности ОП в случайной популяционной выборке [28]. 

Перспективность использования ИИ-сервисов заключается в возможности анализа КТ‑исследований, которые были выполнены по другим показаниям, отличным от ОП, без дополнительной лучевой нагрузки на пациента. Визуальная и текстовая детализация результатов работы ИИ-сервисов поможет снизить временные затраты при формировании протоколов описания врачами-рентгенологами. Вместе с тем работа ИИ-сервисов позволяет повысить выявляемость КП и снижения РП тел позвонков при рутинных КТ‑исследованиях [29, 30]. Ранняя диагностика признаков ОП позволит маршрутизировать пациента в МО и своевременно разработать тактику лечения до манифестации заболевания в виде остеопоротических переломов.

Ограничения исследования

К ограничениям исследования можно отнести малую выборку пациентов, расширение которой является предметом дальнейшего развития проекта.

 

ЗАКЛЮЧЕНИЕ

Полученные результаты исследования свидетельствуют о целесообразности использования ИИ-сервисов для диагностики ОП по данным рутинных КТ-исследований. Функциональный и диагностический потенциал ИИ-сервисов демонстрирует высокую продуктивность их работы. ИИ-сервисы могут быть использованы в качестве компонента оппортунистического скрининга ОП, что повысит выявляемость заболевания на доклинической стадии, позволит своевременно начать лечение и предотвратить осложнения.

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

ИСТОЧНИК ФИНАНСИРОВАНИЯ. Данная работа подготовлена автором в рамках НИОКР «Разработка и создание аппаратно-программного комплекса для оппортунистического скрининга остеопороза» (№ ЕГИСУ: 123031400007–7).

КОНФЛИКТ ИНТЕРЕСОВ. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с проведенным исследованием и публикацией настоящей статьи.

ВКЛАД АВТОРОВ. Все авторы подтверждают соответствие своего авторства международным критериям ICMJE (все авторы внесли существенный вклад в разработку концепции, проведение исследования и подготовку статьи, прочли и одобрили финальную версию перед публикацией).  Наибольший вклад распределён следующим образом: Артюкова З. Р., Кудрявцев Н. Д. ― написание текста статьи, выполнение экспериментальной части исследований, валидация; Петряйкин А.В., Семенов Д. С. ― анализ полученных данных; Владзимирский А.В., Васильев Ю. А. ― концепция и дизайн исследования;

 

Рисунок 1. Схема реализации пилотного исследования
Сокращения: ДРА – двухэнергетическая рентгеновская абсорбциометрия;
ИИ – искусственный интеллект; КД – компрессионная деформация;
КП – компрессионный перелом; КТ ОГК – компьютерная томография органов грудной клетки; МО – медицинская организация; МПК – минеральная плотность кости;
ОП – остеопороз; РП – рентгеновская плотность

Рисунок 2. Пример реализации скрининга (женщина, 84 года): А – дополнительная серия КТ‑исследования; Б – ДРА ПОП и ПОБ. Пациентке в январе 2023 года была выполнена КТ ОГК. Данное КТ-исследование проанализировал ИИ-сервис (Genant-IRA) и выявил признаки ОП (КД тела позвонка Th12 – до 32 %; РП тел позвонков Th11, L1, L2 – менее 100 HU. После этого пациентке была назначена ДРА. Исследование было выполнено в мае 2023 года. По данным денситометрии МПК соответствует ОП

Рис. 3. Результаты, полученные при ДРА

Рис. 4. Распределение по полу и МПК у пациентов, которым была выполнена ДРА

×

Об авторах

Злата Романовна Артюкова

ГБУЗ «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы»

Автор, ответственный за переписку.
Email: zl.artyukova@gmail.com
ORCID iD: 0000-0003-2960-9787
Россия

Никита Дмитриевич Кудрявцев

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: KudryavtsevND@zdrav.mos.ru
ORCID iD: 0000-0003-4203-0630
SPIN-код: 1125-8637
Россия, Москва

Алексей Владимирович Петряйкин

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: alexeypetraikin@gmail.com
ORCID iD: 0000-0003-1694-4682
SPIN-код: 6193-1656

д.м.н., доцент

Россия, Москва

Дмитрий Сергеевич Семенов

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: SemenovDS4@zdrav.mos.ru
ORCID iD: 0000-0002-4293-2514
SPIN-код: 2278-7290

канд. техн. наук

Россия, Москва

Антон Вячеславович Владзимирский

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: VladzimirskijAV@zdrav.mos.ru
ORCID iD: 0000-0002-2990-7736
SPIN-код: 3602-7120

д.м.н.

Россия, Москва

Юрий Александрович Васильев

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: VasilevYA1@zdrav.mos.ru
ORCID iD: 0000-0002-5283-5961
SPIN-код: 4458-5608

канд. мед. наук

Россия, Москва

Список литературы

  1. Belaya ZhE, Belova KYu, Biryukova EV, et al. Federal clinical guidelines for diagnosis, treatment and prevention of osteoporosis. Osteoporosis and Bone Diseases. 2021;24(2):4–47. doi: 10.14341/osteo12930 EDN: TUONYE
  2. The International Society For Clinical Densitometry (ISCD). The Adult Official Positions of the ISCD. 2023. Available from: https://iscd.org/official-positions-2023/ Accessed: Apr 18, 2023.
  3. Petryaikin AV, Artyukova ZR, Nizovtsova LA, et al. M 54 Methodological recommendations for conducting dual-energy X-ray absorptiometry. Moscow: GBUZ "NPCC DiT DZM"; 2022. 60 p. (In Russ.).
  4. Alacreu E, Moratal D, Arana E. Opportunistic screening for osteoporosis by routine CT in Southern Europe // Osteoporosis International. 2017;28(3):983–990. doi: 10.1007/s00198-016-3804-3
  5. Gossner J. Missed incidental vertebral compression fractures on computed tomography imaging: More optimism justified. World J Radiol. 2010;21(2):472–473. doi: 10.4329/wjr.v2.i12.472
  6. Carberry GA, Pooler BD, Binkley N, et al. Unreported vertebral body compression fractures at abdominal multidetector CT. Radiology. 2013;268(1):120–126. doi: 10.1148/radiol.13121632
  7. Vasiliev YuA, Vladzimirsky AV. Computer vision in radiation diagnostics: the first stage of the Moscow Experiment. Moscow: Publishing Solution; 2023. (In Russ.).
  8. Pisov M, Kondratenko V, Zakharov A, et al. Keypoints Localization for Joint Vertebra Detection and Fracture Severity Quantification. Lecture Notes in Computer Science. 2020;12266:723–732. doi: 10.1007/978-3-030-59725-2_70
  9. Tomita N, Cheung YY, Hassanpour S. Deep neural networks for automatic detection of osteoporotic vertebral fractures on CT scans. Computers in Biology and Medicine. 2018;98:8–15. doi: 10.1016/j.compbiomed.2018.05.011
  10. Cheng X, Zhao K, Zha X, et al. Opportunistic Screening Using Low‐Dose CT and the Prevalence of Osteoporosis in China: A Nationwide, Multicenter Study. Journal of Bone and Mineral Research. 2021;36(3):427–435. doi: 10.1002/jbmr.4187
  11. Artificial intelligence services in radiation diagnostics. 2023. Available from: https://mosmed.ai/ Accessed: Apr 18, 2023. (In Russ.).
  12. Genant HK, Wu CY, van Kuijk C, et al. Vertebral fracture assessment using a semiquantitative technique. J Bone Miner Res. 1993;8(9):1137–48. doi: 10.1002/jbmr.5650080915
  13. Petryaikin AV, Belaya ZhE, Belyaev MG, et al. Accuracy of automatic diagnostics of compression fractures of vertebral bodies according to the morphometric algorithm of artificial intelligence. Osteoporosis and Bone Diseases. 2022;25(3):92–93. (In Russ.). doi: 10.14341/osteo13064
  14. Petraikin AV, Artyukova ZR, Kudryavtsev ND, et al. Analysis of Age Distribution of Bone Mineral Density by Dual-Energy X-Ray Absorptiometry. Journal of Radiology and Nuclear Medicine. 2023;104(1):21–29. doi: 10.20862/0042-4676-2023-104-1-21-29 EDN: ULUKYU
  15. Lesnyak OM, Yershova OB, Zakroeva AG, et al. Audit of the Russian Osteoporosis Association. 2020. Р. 44. (In Russ.).
  16. Salari N, Ghasemi H, Mohammadi L, et al. The global prevalence of osteoporosis in the world : a comprehensive systematic review and meta-analysis. Journal of Orthopaedic Surgery and Research. 2021;16(1):609. doi: 10.1186/s13018-021-02772-0
  17. Murata K, Endo K, Aihara T, et al. Artificial intelligence for the detection of vertebral fractures on plain spinal radiography. Sci Rep. 2020;10(1):20031. doi: 10.1038/s41598-020-76866-w
  18. Dong Q, Luo G, Lane NE, et al. Deep Learning Classification of Spinal Osteoporotic Compression Fractures on Radiographs using an Adaptation of the Genant Semiquantitative Criteria. Acad Radiol. 2022;29(12):1819–1832. doi: 10.1016/j.acra.2022.02.020
  19. Valentinitsch A, Trebeschi S, Kaesmacher J, et al. Opportunistic osteoporosis screening in multi-detector CT images via local classification of textures. Osteoporos Int. 2019;30(6):1275–1285. doi: 10.1007/s00198-019-04910-1
  20. Yasaka K, Akai H, Kunimatsu A, et al. Prediction of bone mineral density from computed tomography: application of deep learning with a convolutional neural network. Eur Radiol. 2020;30(6):3549–3557. doi: 10.1007/s00330-020-06677-0
  21. Nam KH, Seo I, Kim DH, et al. Machine Learning Model to Predict Osteoporotic Spine with Hounsfield Units on Lumbar Computed Tomography. J Korean Neurosurg Soc. 2019;62(4):442–449. doi: 10.3340/jkns.2018.0178
  22. Zhang J, Liu J, Liang Z, et al. Differentiation of acute and chronic vertebral compression fractures using conventional CT based on deep transfer learning features and hand-crafted radiomics features. BMC Musculoskeletal Disorders. 2023;24(1):165. doi: 10.1186/s12891-023-06281-5
  23. Certificate of State registration of the database No. 2023621171 Russian Federation. Vasiliev YuA, Turavilova EV, Vladzimirsky AV, et al. MosMedData: CT scan with signs of spinal osteoporosis. The applicant is the State Budgetary Healthcare Institution of the city of Moscow "Scientific and Practical Clinical Center for Diagnostics and Telemedicine Technologies of the Department of Healthcare of the City of Moscow". Registration date: 04/11/2023. (In Russ.).
  24. Vasiliev YuA, Vlazimirsky AV, Omelyanskaya OV, et al. Methodology for testing and monitoring artificial intelligence-based software for medical diagnostics. Digital Diagnostics. 2023;4(3):252−267. doi: https://doi.org/10.17816/DD321971 EDN: UEDORU
  25. Bobrovskaya TM, Kirpichev YS, Savkina EF, Chetverikov SF, Arzamasov KM. Development and validation of a tool for statistical comparison of roc-curves using the example of algorithms based on artificial intelligence technologies Medical doctor and information technologies. 2023;3:4–15. doi: 10.25881/18110193_2023_3_4 EDN: CUFICX
  26. Artyukova ZR, Kudryavtsev ND, Petraikin AV, et al. Using an artificial intelligence algorithm to assess the bone mineral density of the vertebral bodies based on computed tomography data. Medical Visualization. 2023;27(2):125–137. doi: 10.24835/1607-0763-1257 EDN: FQACCV
  27. Petraikin AV, Belaya ZhE, Kiseleva AN, et al. Artificial intelligence for diagnosis of vertebral compression fractures using a morphometric analysis model, based on convolutional neural networks. Problems of Endocrinology. 2020;66(5):48–60. doi: 10.14341/probl12605 EDN: GLXSYG
  28. Löffler MT, Jacob A, Scharr A, et al. Automatic opportunistic osteoporosis screening in routine CT: improved prediction of patients with prevalent vertebral fractures compared to DXA. Eur Radiol. 2021;31(8):6069–6077. doi: 10.1007/s00330-020-07655-2
  29. Petraikin AV, Toroptsova NV, Nikitsinskaya OA, et al. Using asynchronous quantitative computed tomography for opportunistic screening of osteoporosis. Rheumatology Science and Practice. 2022;60(3):360–368. doi: 10.47360/1995-4484-2022-360-368 EDN: KTYJHB
  30. Mikhailov EE, Benevolenskaya LI. Epidemiology of osteoporosis and fractures. In: A Guide to Osteoporosis. Moscow: BINOM. Laboratory of Knowledge; 2003: 10–55. (In Russ.).
  31. Morozov SP, Gavrilov AV, Arkhipov IV, et al. Effect of artificial intelligence technologies on the CT scan interpreting time in COVID-19 patients in inpatient setting. Russian Journal of Preventive Medicine. 2022;25(1):14–20. doi: 10.17116/profmed20222501114 EDN: QRZZKS
  32. Vladzymyrskyy AV, Kudryavtsev ND, Kozhikhina DD, et al. Effectiveness of using artificial intelligence technologies for dual descriptions of the results of preventive lung examinations. Russian Journal of Preventive Medicine. 2022;25(7):7–15. doi: 10.17116/profmed2022250717 EDN: JNUMFN

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Эко-Вектор,


СМИ зарегистрировано Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций (Роскомнадзор).
Регистрационный номер и дата принятия решения о регистрации СМИ: серия ПИ № ФС 77-76249 от 19.07.2019.