Специалисты Института искусственного интеллекта российского ИТ-вуза используют эти данные при разработке методов автоматической диагностики заболеваний на ранней стадии. Разработчики добились менее 1,74 миллиметра ошибки в нахождении патологий, это сравнимо с качеством диагностики врача.
Разработанные командой Университета Иннополис глубокие нейронные сети обучены в два этапа на снимках, аннотированных врачом-рентгенологом. В ходе первого этапа нейронная сеть генерирует предположительные расположения клинических точек на изображении. После использовался новый подход, сочетающий в себе обучение с подкреплением и алгоритмы анализа формы, для анализа и уточнения клинических точек и описания морфологии тазобедренного сустава.
Для обучения алгоритма команда института собрала датасет медицинских снимков: МРТ-изображения 200 пациентов медицинских организаций Республики Татарстан. Средний возраст пациентов — 52.3; минимум — 16, максимум — 85. Среди них примерно 60 % женщин и 40 % мужчин. Таким образом, сервис обучен на выборке с разнообразными демографическими признаками, что минимизирует ошибки при определении патологий.
Булат Ибрагимов, ведущий научный сотрудник Университета Иннополис, доцент Университета Копенгагена, научный руководитель проекта: «Заболевания опорно-двигательного аппарата — одни из самых распространенных видов патологии современного человека. Среди всех случаев артроза тазобедренного сустава около 70% являются результатом позднего диагностированного импинджмент-синдрома или дисплазии сустава. Американская ассоциация рентгенологов составила список из 50 ключевых проблем в рентгенологии, для которых наиболее остро требуются решения, основанные на искусственном интеллекте. Патологии этой области скелета человека находятся на втором месте по важности в этом списке. Этот проект является первопроходцем в области применения алгоритмов ИИ для диагностики импинджмент-синдрома тазобедренного сустава».
Тамерлан Мустафаев, ординатор кафедры лучевой диагностики Казанской государственной медакадемии, врач-терапевт, эксперт Университета Иннополиса: «Основная задача нашей модели — автоматизировать измерение метрик, необходимых для выявления дисплазии и импинджмент синдрома для тазобедренного сустава. Врачу становится удобнее анализировать исследования и заострять его внимание на более важных аспектах интерпретации исследований. Используемые в сервисе метрики используются врачами ортопедами для отбора пациентов на оперативное лечение. Например, угол Веберга используется для выявления пациентов с дисплазией и импинджмент синдромом, и в одном исследовании было продемонстрировано как оценка данного угла помогает ортопедам-хирургам отобрать пациентов на инвазивное оперативное лечение. Второй не менее важной метрикой был шеечно-диафизарный угол, который используется для диагностических целей. Данный угол определяет позицию шейки бедра по отношению к диафизу, центрального тела кости. Измерение шеечно-диафизарного угла необходим для решения вопроса о хирургической фиксации шейки».
Диагностика импиджмент-синдрома тазобедренного сустава — один из проектов медицинского направления Института искусственного интеллекта Университета Иннополис. Наряду с ним, разрабатываются сервисы анализа рентгеновских, КТ и МРТ-изображений легких, головы и позвоночника. Сервис диагностики заболеваний органов грудной полости по рентгеновским изображениям в пилотном режиме уже используется в медицинских организациях Москвы и Татарстана.
Проект разрабатывается по гранту РФФИ №19-37-51034.
