В отличие от традиционных назальной эндоскопии и УЗИ, цифровая диафаноскопия в сочетании с инструментами машинного обучения обнаруживает патологии верхнечелюстных пазух в 2 раза точнее и в 98 случаях из 100 верно определяет здорового человека. Предложенный метод перспективен для использования как в медицинских учреждениях, так и дистанционно при отсутствии в больнице отоларингологов и врачей-диагностов.
В отличие от традиционных назальной эндоскопии и УЗИ, цифровая диафаноскопия в сочетании с инструментами машинного обучения обнаруживает патологии верхнечелюстных пазух в 2 раза точнее и в 98 случаях из 100 верно определяет здорового человека. Предложенный метод перспективен для использования как в медицинских учреждениях, так и дистанционно при отсутствии в больнице отоларингологов и врачей-диагностов.
В исследовании участвовали научные сотрудники НТЦ биомедицинской фотоники Орловского государственного университета им. И.С. Тургенева, Университета Иннополис, Института прикладной физики РАН, Национального исследовательского Нижегородского государственного университета им. Н.И. Лобачевского, Московского государственного медико-стоматологического университета им. А.И. Евдокимова и немецкой компании art photonics GmbH.
По словам научных сотрудников, ежегодно в России 10 миллионов пациентов страдают заболеваниями носа и околоносовых пазух, для успешного лечения которых требуется своевременная диагностика. Такие традиционные методы диагностики как КТ и МРТ несут повышенную лучевую нагрузку на пациента, а УЗИ и назальная эндоскопия не уберегают от частых ложноположительных диагнозов из-за того, что ЛОР-врач определяет болезнь по обнаруженным на медицинском снимке гиперемии, отёку слизистой оболочки носа и другим косвенным признакам. Все эти факторы негативно сказываются на точности диагностики.
Екатерина Брянская, исследователь научно-технологического центра биомедицинской фотоники, старший преподаватель кафедры приборостроения, метрологии и сертификации ОГУ им. И.С. Тургенева: «Наша команда предложила усовершенствовать анализ медицинских снимков верхнечелюстных пазух и мягких тканей — диафанограммам — с помощью машинного обучения. При диафаноскопии верхнечелюстную пазуху зондируют безопасным низкоинтенсивным излучением, которое проходит через пазуху и частично поглощается при наличии гнойного содержимого, кистозной жидкости, опухоли или других патологических изменений. Мы сравнили модель глубокого обучения, анализирующую медицинское изображения целиком, и модель классического машинного обучения, определяющую пары хорошо интерпретируемых и вручную выделенных из изображений признаков. Цифровая диафаноскопия в сочетании с инструментами машинного обучения определила патологии верхнечелюстных пазух с точностью 88 % и верно отклонил диагноз — в 98 % случаях. Для сравнения, традиционный и более дешёвый метод диагностики — назальная эндоскопия — верно выявляет болезнь в 21—69 % случаях и отклоняет — в 66—80 %».
В экспериментальных исследованиях участвовал 91 человек: 49 здоровых добровольцев и 42 пациента оториноларингологического отделения МГМСУ им. А.И. Евдокимова с мицетомой, кистозной жидкостью в носовых пазухах, полипозным риносинуситом, хроническим синуситом, синоназальной папилломой и другими заболеваниями верхнечелюстных пазух. Результаты КТ подтвердили предварительный диагноз, поставленный с применением цифровой диафаноскопии.
Предложенный исследователями из России и Германии метод цифровой диафаноскопии простой и экономичный в использовании, удобный и безболезненный инструмент, позволяющий оперативно интерпретировать большой объём диагностических данных. Цифровая диафаноскопия полезна в телемедицине, а также при скрининге населения для выявления группы больных с патологиями среди бессимптомных лиц.
Алексей Корнаев, научный сотрудник Лаборатории искусственного интеллекта в медицине Университета Иннополис: «Пока что врачи-диагносты не доверяют методам и средствам искусственного интеллекта на 100 %. Это связано и с их большой ответственностью за здоровье пациента, и со слабой интерпретируемостью моделей глубокого обучения. Пока эти модели представляют собой “черный ящик” с тысячами или миллионами настраиваемых параметров внутри. В следующих исследованиях наша команда планирует применить техники, которые позволяют делать модели глубокого обучения более человекоподобными: объясняющими и сомневающимися. Это позволит повысить точность диагностики и предоставить врачам заключения не только с информацией о наличии или отсутствии патологии, но и с комментариями к предлагаемым диагностическим решениям».
Описание разработанного метода опубликовал авторитетный в области биомедицинской фотоники журнал Journal of Biophotonics в статье «Разработка технологии цифровой диафаноскопии для диагностики воспалительных заболеваний верхнечелюстных пазух» (Digital diaphanoscopy of maxillary sinus pathologies supported by machine learning).
Исследование выполнено при поддержке научного проекта РФФИ и Фонда содействия развитию малых форм предприятий в научно-технической сфере» программы «СТАРТ-ЦТ».
