ПРИМЕНЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В УЛЬТРАЗВУКОВОЙ ДИАГНОСТИКЕ УЗЛОВЫХ ОБРАЗОВАНИЙ ЩИТОВИДНОЙ ЖЕЛЕЗЫ (2024)
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.
Идентификаторы и классификаторы
Применение искусственного интеллекта (ИИ) становится все более востребованным и популярным при проведении исследований в области медицинской визуализации. За последние десятилетия тенденция к автоматизации клинических исследований затронула
множество разделов медицины, таких как онкология, пульмонология, дерматология, радиология и др., однако, несмотря на высокую распространенность эндокринных заболеваний, в частности узлового зоба, эта область является одной из наименее разработанных областей медицины в плане применения ИИ [1, 8].
Список литературы
- Mathur P, Mishra S, Awasthi R, Khanna A, Maheshwari K, et al. Artificial Intelligence in Healthcare: 2021 Year in Review. doi: https://doi.org/ 10.13140/RG.2.2.25350.24645/1
- Słowińska-Klencka D, Popowicz B, Klencki M. Real-Time Ultrasonography and the Evaluation of Static Images Yield Different Results in the Assessment of EU-TIRADS Categories. J Clin Med. 2023;12(18):5809. doi: https://doi.org/10.3390/jcm12185809
- Peng S, Liu Y, Lv W, et al. Deep learning-based artificial intelligence model to assist thyroid nodule diagnosis and management: a multicentre diagnostic study. Lancet Digit Heal. 2021. doi: https://doi.org/10.1016/S2589-7500(21)00041-8
- Ha EJ, Lee JH, Lee DH, et al. Artificial Intelligence Model Assisting Thyroid Nodule Diagnosis and Management: A Multicenter Diagnostic Study. J Clin Endocrinol Metab. 2024;109(2):527-535. doi: https://doi.org/10.1210/clinem/dgad503
- Трухин А.А., Захарова С.М., Дунаев М.Е., Исаева М.П., Гармаш А.А., Трошина Е.А. Роль искусственного интеллекта в дифференциальной ультразвуковой диагностике узловых образований щитовидной железы. Клиническая и экспериментальная тиреоидология. — 2022. — Т.18. — №2. С. 32-38. https://doi.org/10.14341/ket12730
- Фартушный Э.Н., Сыч Ю.П., Фартушный И.Э., Кошечкин К.А., Лебедев Г.С. Стратификация узловых образований щитовидной железы по категориям Eu-TIRADS с использованием трансферного обучения свёрточных нейронных сетей // Клиническая и экспериментальная тиреоидология. — 2022. — Т.18. — №2. https://doi.org/10.14341/ket12724.
- Manaev AV, Trukhin AA, Zakharova SM, Troshina EA, Mokrysheva NG, Garmash AA. Textural Statistical Features of Ultrasound Imaging of Thyroid Nodules in the Assessment of Malignancy Status. Phys At Nucl. 2023;86(11):2500-2506. doi: https://doi.org/10.1134/S1063778823110297
- Цыгулева К.В., Ложкин И.А., Королев Д.В., Зайцев К.С., Дунаев М.Е., Гармаш А.А., и др. Исследование применения нейросетевых моделей в классификации узлов щитовидной железы по категориям EU-TIRADS для персонализации ультразвуковой диагностики щитовидной железы // Клиническая и экспериментальная тиреоидология. — 2023. — Т. 19. — №1. doi: https://doi.org/10.14341/ket12757
- Jhade S, Gangavarapu S, Channabasamma Rozhdestvenskiy O. Smart Medicine: Exploring the Landscape of AI-Enhanced Clinical Decision Support Systems. MATEC Web of Conferences. 2024:392. doi: https://doi.org/10.1051/matecconf/202439201083
- Hong N, Park H, Rhee Y. Machine Learning Applications in Endocrinology and Metabolism Research: An Overview. Endocrinol Metab. 2020;35(1):71-84
- Гусев А.В., Владзимирский А.В., Шарова Д.Е., Арзамасов К.М., Храмов А.Е. Развитие исследований и разработок в сфере технологий искусственного интеллекта для здравоохранения в Российской Федерации: итоги 2021 года. 2022. — Т. 3. doi: https://doi.org/ 10.17816/DD107367
- Комарь П.А., Дмитриев В.С., Ледяева А.М., Шадеркин И.А., Зеленский М.М. Рейтинг стартапов искусственного интеллекта: перспективы для здравоохранения России. // Журнал телемедицины и электронного здравоохранения. — 2021 г. — Т. 3. URL: https://cyberleninka.ru/article/n/reyting-startapoviskusstvennogo- intellekta-perspektivy-dlya-zdravoohraneniyarossii
- Afridi A, Khan S. Digital transformation in healthcare rehabilitation: a narrative review. 2024;12:16-30. doi: https://doi.org/10.5937/jpmnt12-48336
- Grigorieva N, Demkina A, Korobeynikova A. Digitalization in the Russian healthcare: barriers to digital maturity. Population and Economics. 2024;8:1-14. doi: https://doi.org/10.3897/popecon.8.e111793
- Toldo M, Maracani A, Michieli U, Zanuttigh P. Unsupervised Domain Adaptation in Semantic Segmentation: A Review. Technologies. 2020;8:35. doi: https://doi.org/10.3390/technologies8020035
- База данных №2023624099. База размеченных данных для решения задач классификации EU-TIRADS, автоматических детекции (локализации) и сегментации узловых образований щитовидной железы, дата государственной регистрации 21.10.2023 г.
- Программа для ЭВМ №2023685308. Интеллектуальный ассистент врача ультразвуковой диагностики узловых образований щитовидной железы, дата государственной регистрации 24.10.2023 г.
Выпуск
Другие статьи выпуска
Опухоли щитовидной железы (ЩЖ) чрезвычайно распространены. Заболеваемость злокачественными новообразованиями ЩЖ быстро возросла за последние десятилетия, хотя неясно, является ли это истинным увеличением или результатом широкого использования скринингового ультразвукового исследования. Стандартизированной диагностической манипуляцией, определяющей риск злокачественного потенциала и показания для оперативного лечения образований ЩЖ, является тонкоигольная аспирационная биопсия (ТАБ) с последующим цитологическим исследованием клеточного аспирата. Несмотря на то, что в превалирующем проценте случаев удается провести дифференциальную диагностику между раком щитовидной железы (РЩЖ) и доброкачественным образованиями ЩЖ, существует проблема диагностики при промежуточных категориях цитологических заключений по Bethesda, что обусловливает необходимость поиска альтернативных решений. Это определяет потребность в расширении предоперационных диагностических возможностях. Одним из ключевых направлений работы по ее реализации является изучение протомных данных при различных патологиях ЩЖ. Изучение протеома опухолей ЩЖ открывает возможность выявления специфических белковых маркеров или механизмов, которые играют ключевую роль в онкогенезе, метастазировании опухолей ЩЖ, а также определения потенциальных мишеней для новых методов диагностики и лечения этих заболеваний. Все вышеизложенное определяет актуальность и практическую значимость изучения патологии ЩЖ на молекулярном уровне, рассмотрения потенциала белков как маркеров.
Амилоидный зоб — это орфанное заболевание, характеризующееся отложением амилоидных белков в паренхиме щитовидной железы (ЩЖ), которое может быть результатом как локализованного первичного отложения, так и вторичного, на фоне персистирующего хронического воспалительного заболевания. Диагноз ставится посредством визуализирующих методов и гистологического исследования ткани ЩЖ. В зависимости от степени увеличения ЩЖ, наличия гипотиреоза, а также компрессионного синдрома, лечебная тактика сводится к динамическому наблюдению, достижению эутиреоидного состояния, а при выраженном косметическом дефекте и/или компрессии трахеи — оперативному вмешательству. Гистохимическое окрашивание резецированного препарата необходимо для постановки окончательного диагноза. Прогноз в целом благоприятный, однако зависит от основной причины отложения амилоида и степени поражения ЩЖ. В данном клиническом случае мы описываем 36-летнего пациента с периодической болезнью, АА-амилоидозом с преимущественным поражением почек, после аллотрансплантации почки по поводу терминальной стадии хронической болезни почек (ХБП) в анамнезе. Пациент обратился в центр с жалобами на затруднение дыхания, глотания, при осмотре ЩЖ увеличена в размерах, по данным ультразвукового исследования, специфические изменения ЩЖ свидетельствуют об амилоидном генезе зоба. По данным гормонального обследования — эутиреоз. По данным цитологического исследования биопсии ЩЖ: в мазках жидкостной цитологии при окрашивании конго красным обнаружены внеклеточные депозиты плотного бесструктурного вещества, окрашенного красно-коричневым цветом, наиболее соответствующих отложению амилоида.
Среди всех злокачественных новообразований карцинома околощитовидной железы (ОЩЖ) составляет 0,005% и как правило характеризуется неблагоприятным прогнозом. Наибольше трудности в диагностики возникают при нетипичном расположении новообразований ОЩЖ. Распространенность эктопического расположения ОЩЖ составляет от 2 до 43%, при этом частота встречаемости этой аномалии у пациентов с первичным гиперпаратиреозом — 16–30%. В статье на примере двух клинических случаев проанализированы сложности диагностики карцином при нетипич1ном расположении со щитовидной железой и предложены дополнительные методы персонализированного подхода.
ОБОСНОВАНИЕ. Хронический гипопаратиреоз (ГипоПТ) — относительно редкое эндокринное заболевание, адекватный контроль за которым требует назначения многокомпонентной пожизненной терапии. Отсутствие стойкой компенсации ГипоПТ ассоциируется с развитием как ранних, так и отсроченных осложнений, включая функциональную и структурную патологию почек, катаракту, кальцификацию головного мозга, нарушения ритма и/или проводимости сердца и других.
ЦЕЛЬ. Изучить ассоциации клинических, лабораторно-инструментальных параметров, а также принимаемой терапии с долгосрочными осложнениями хронического ГипоПТ.
МАТЕРИАЛЫ И МЕТОДЫ. Обсервационное, непрерывное исследование основано на данных Всероссийского регистра пациентов с хроническим послеоперационным и нехирургическим ГипоПТ, в исследование включены 1776 пациентов из 81 региона Российской Федерации.
РЕЗУЛЬТАТЫ. В исследуемой популяции хотя бы одно из ассоциированных с ГипоПТ осложнений имели 26,3% пациентов (n=467), из них наиболее часто выявлялся нефролитиаз/нефромикролитиаз — у 33,4%. Нефрокальциноз был диагностирован у 10,7% и чаще носил двухсторонний характер (93,5%). У 17,4% пациентов наблюдалось значимое снижение рСКФ, соответствующее хронической болезни почек (ХБП) 3а-5 стадиям. Катаракта наблюдалась в 34,7% случаев. Статистически значимые ассоциации были получены для продолжительности заболевания с нарушением фильтрационной функции почек (p<0,001), нефрокальцинозом/нефролитиазом (р=0,001) и катарактой (p<0,001). У пациентов с худшей функцией почек регистрировались более высокие значения ионизированного кальция крови (p=0,0071) и более низкие — фосфора крови (p=0,002). Катаракта преимущественно диагностировалась у пациентов старшей возрастной группы (p<0,001), преобладала при наличии гипокальциемии по уровню ионизированного кальция (p=0,001). Среди пациентов, которым выполнялась МСКТ головного мозга в связи с неврологической симптоматикой, кальцификация базальных ганглиев отмечалась в более чем половине случаев (56,2%). Кальцификация структур головного мозга ассоциировалась с более молодым возрастом пациентов (p<0,001), гиперфосфатемией (p<0,001), гипомагниемией (p=0,010). При анализе влияния принимаемой медикаментозной терапии на развитие осложнений статистически значимые ассоциации прослеживались между кальцификацией структур головного мозга и более высокими дозами альфакальцидола и карбоната кальция (p=0,007, ТКФ2, с учетом поправки Бенджамини-Хохберга p0=0,011).
ЗАКЛЮЧЕНИЕ. Анализ представленной базы данных выявил ряд ассоциаций между клиническими, лабораторно-инструментальными параметрами и долгосрочными осложнениями ГипоПТ. Наиболее значимыми факторами развития почечной патологии и катаракты являются продолжительность заболевания, а также нецелевые показатели кальций-фосфорного обмена.
ОБОСНОВАНИЕ. Глюкокортикоиды являются препаратами первой линии для лечения амиодарон-индуцированного деструктивного тиреоидита. В связи с прогрессированием дисфункции левого желудочка, рецидивами нарушений ритма, увеличением риска неблагоприятных сердечно-сосудистых исходов у данной когорты пациентов, быстрое восстановление эутиреоза, особенно у лиц пожилого возраста, имеет решающее значение. Однако оно не всегда осуществимо с помощью медикаментозной терапии, поскольку непредсказуемо время достижения эутиреоза в каждом конкретном случае. Выявление факторов, позволяющих спрогнозировать эффективность и длительность терапии глюкокортикоидами, позволит определить верную тактику ведения пациентов.
ЦЕЛЬ. Выявить факторы отсроченного ответа на терапию глюкокортикоидами у пациентов с амиодарон-индуцированным тиреотоксикозом 2 типа.
МАТЕРИАЛЫ И МЕТОДЫ. В исследование включены 11 пациентов ретроспективного и 22 пациента проспективного исследований в возрасте от 30 до 80 лет (21 мужчина и 12 женщин) с верифицированным амиодарон-индуцированным тиреотоксикозом 2 типа, получивших терапию преднизолоном в стартовой дозе 30 мг/сут. Проанализированы анамнестические, антропометрические данные, результаты лабораторно-инструментальной диагностики. Срок наблюдения пациентов составил от 1 года до 5 лет. Эффективность терапии оценивалась по времени достижения эутиреоза, длительности тиреотоксикоза, частоте повторных волн деструкции и рецидивов.
РЕЗУЛЬТАТЫ. Средний возраст пациентов составил 57,0 [52,0; 66,0] лет. Через 1 месяц (30 дней) от начала терапии глюкокортикоидами эутиреоз достигнут у 17/33 (51,5%) пациентов, рсвТ4ГК-свТ4ГК1мес<0,001, рсвТ3ГК-свТ3ГК1мес<0,001. Отсроченное достижение эутиреоза (>30 дней) отмечалось у 48,5% пациентов. Медиана срока достижения эутиреоза составила 72,0±3,0 (95% ДИ: 66,1–77,9) дня, среднее время — 86,9±13,4 (95% ДИ: 60,6–113,1) дня. Медиана срока длительности тиреотоксикоза — 120,0±22,1 (95% ДИ: 76,6–163,4) дня, среднее время — 137,8±15,6 (95% ДИ: 107,2–168,4) дня. Уровень свТ4 через 30 дней терапии зависел от интервала «клиническая симптоматика — лабораторное подтверждение» (R²=0,120, р=0,049). Время достижения эутиреоза зависело от возраста (R²=0,185; р=0,013). Возраст также был предиктором возникновения повторных волн деструкции (ОШ=0,833, 95% ДИ: 0,709–0,978; R2=0,428, р=0,025).
ЗАКЛЮЧЕНИЕ. Возраст пациента является прогностическим фактором для времени достижения эутиреоза при амиодарон-индуцированном тиреотоксикозе 2 типа.
Издательство
- Издательство
- НМИЦ ЭНДОКРИНОЛОГИИ
- Регион
- Россия, Москва
- Почтовый адрес
- 117292, город Москва, ул. Дмитрия Ульянова, д. 11
- Юр. адрес
- 117292, г Москва, Академический р-н, ул Дмитрия Ульянова, д 11
- ФИО
- Мокрышева Наталья Георгиевна (Директор )
- E-mail адрес
- nmic.endo@endocrincentr.ru
- Контактный телефон
- +7 (499) 6129852