Согласно недавнему исследованию, исследователи из клиники Майо в Рочестере, штат Миннесота, сделали первый шаг в использовании искусственного интеллекта для автоматической классификации и организации крупномасштабных рентгеновских снимков плеча.

Группа, возглавляемая Линджуном Янгом, доктором философии из Лаборатории искусственного интеллекта ортопедической хирургии Мэйо, разработала эффективный, точный и надежный алгоритм искусственного интеллекта для автоматического определения ключевых особенностей изображения на рентгеновских снимках плеча пациента.

«Этот алгоритм представляет собой первый шаг к автоматической классификации и систематизации рентгенограмм плеча в больших масштабах за очень короткое время, что значительно обогатит регистры артропластики плеча», — написала группа в статье, опубликованной в журнале Journal of Holder and Elbow Surgery .

По словам исследователей, реестры артропластики суставов представляют собой организованные и скоординированные системы хранения данных, которые обеспечивают эффективные средства для изучения течения заболевания и эффективности различных имплантатов и методов артропластики.

На сегодняшний день большинство реестров состоят в основном из клинических данных и либо полностью лишены, либо содержат очень ограниченную информацию о медицинских изображениях. Исследователи отметили, что это можно объяснить утомительной, ручной и трудоемкой задачей просмотра изображений для извлечения набора заранее определенных параметров.

В этом исследовании группа предположила, что модель искусственного интеллекта с глубоким обучением может эффективно и точно классифицировать рентгеновские снимки плеча по важным характеристикам.

Исследователи включили 2303 рентгеновских снимка от 1724 пациентов, перенесших артропластику плеча, при этом два наблюдателя вручную маркировали все рентгеновские снимки по трем признакам:

1. Латеральность плеча (слева или справа)
2. Рентгеновская проекция (передне-задняя, ​​подмышечная или лопаточная Y-проекция)
3. Было ли на изображении отсутствие имплантата (до операции), анатомическое тотальное эндопротезирование плечевого сустава (aTSA) или обратное эндопротезирование плечевого сустава (RSA)

Все помеченные рентгеновские снимки были случайным образом разделены на наборы для разработки и тестирования на уровне пациента и на основе стратификации, а затем обученный алгоритм оценивался на наборе для тестирования с использованием количественных показателей и методов визуальной оценки.

Согласно полученным результатам, алгоритм прекрасно классифицировал латеральность (оценка F1 100% на тестовом наборе). При классификации проекции изображения алгоритм достиг баллов F1, равных 99,2% на передне-задних проекциях, 100% на подмышечных проекциях и 100% на боковых проекциях. 

Кроме того, при классификации типа имплантата модель достигла 100% баллов F1 на предоперационных изображениях, 95,2% на aTSA и 100% на рентгеновских снимках RSA.

Важно отметить, что алгоритму потребовалось 20,3 секунды для анализа 502 изображений, добавили авторы.

«Возможность выполнять эту задачу автоматически, быстро и с выдающейся точностью приводит к невероятной потенциальной экономии времени и средств для исследовательских работ», — написала группа.

Исследователи отметили, что в будущем они планируют разработать дополнительные алгоритмы искусственного интеллекта для выявления большего количества функций визуализации для обогащения реестров и что потребуется внешняя проверка алгоритмов для демонстрации возможности обобщения и использования в различных учреждениях.

«Алгоритмы, разработанные в этом исследовании, представляют собой первый шаг в организованном добавлении медицинских изображений в табличные реестры эндопротезирования плечевого сустава, которые в дальнейшем можно использовать для ответа на вопросы, требующие как клинических, так и визуальных данных», — заключила группа.

Источник