inovmedИнновационная медицина КубаниInnovative Medicine of Kuban2541-9897Scientific Research Institute – Ochapovsky Regional Clinical Hospital No. 110.35401/2541-9897-2024-9-2-42-47inovmed-842Research ArticleОРИГИНАЛЬНЫЕ СТАТЬИORIGINAL ARTICLESПрименение искусственного интеллекта в ультразвуковой диагностике пороков ЦНС плода в сроках гестации с 19 по 22 неделю беременностиUse of Artificial Intelligence in Ultrasound Diagnosis of Fetal Central Nervous System Anomalies Between 19 and 22 Weeks’ Gestationhttps://orcid.org/0000-0003-4129-3930ПоморцевА. В.PomortsevA. V.

Поморцев Алексей Викторович, д. м. н., профессор, заведующий кафедрой лучевой диагностики № 1 ФПК и ППС

350063, Краснодар, ул. М. Седина 4

Alexey V. Pomortsev, Dr. Sci. (Med.), Professor, Head of the Diagnostic Radiology Department No. 1, Faculty of Continuing Professional Development and Retraining

ulitsa M. Sedina 4, Krasnodar, 350063

Pomor-av@mail.ruhttps://orcid.org/0000-0002-3454-1599РедькоА. Н.RedkoA. N.

Редько Андрей Николаевич, д. м. н., профессор, заведующий кафедрой общественного здоровья, здравоохранения и истории медицины

Краснодар

Andrey N. Redko, Dr. Sci. (Med.), Professor, Head of the Department of Public Health, Health Care, and History of Medicine

Krasnodar

https://orcid.org/0009-0005-9684-4025БарсуковаЕ. А.BarsukovaE. A.

Барсукова Екатерина Алексеевна, клинический ординатор кафедры лучевой диагностики № 1 ФПК и ППС

Краснодар

Ekaterina A. Barsukova, Resident, Diagnostic Radiology Department No. 1, Faculty of Continuing Professional Development and Retraining

Krasnodar

https://orcid.org/0000-0002-9576-6724МатосянМ. А.MatosyanM. A.

Матосян Мариам Альбертовна, ассистент кафедры лучевой диагностики № 1 ФПК и ППС, врач ультразвуковой диагностики университетской клиники

Краснодар

Mariam A. Matosyan, Assistant Professor at the Diagnostic Radiology Department No. 1, Faculty of Continuing Professional Development and Retraining, Ultrasonographer, University Clinic, Kuban State Medical University

Krasnodar

https://orcid.org/0000-0003-2957-9100ДьяченкоЮ. Ю.DyachenkoJ. Yu.

Дьяченко Юлия Юрьевна, к. м. н., доцент кафедры лучевой диагностики № 1 ФПК и ППС

Краснодар

Julia Yu. Dyachenko, Cand. Sci. (Med.), Associate Professor at the Diagnostic Radiology Department No. 1, Faculty of Continuing Professional Development and Retraining

Krasnodar

https://orcid.org/0000-0003-1244-1228ДьяченкоР. А.DyachenkoR. A.

Дьяченко Роман Александрович, д. т. н., директор института компьютерных систем и информационной безопасности

Краснодар

Roman A. Dyachenko, Dr. Sci. (Tech.), Director, Institute of Computer Systems and Information Security

Krasnodar

https://orcid.org/0000-0001-8817-2787БелоглядоваИ. А.BeloglyadovaI. A.

Белоглядова Ирина Александровна, ассистент кафедры общественного здоровья, здравоохранения и истории медицины, Кубанский государственный медицинский университет; аспирант, Кубанский государственный технологический университет 

Краснодар

Irina A. Beloglyadova, Assistant Professor at the Department of Public Health, Health Care, and History of Medicine, Kuban State Medical University; Postgraduate Student, Kuban State Technological University

Krasnodar

https://orcid.org/0009-0004-4792-5622ЯнаеваМ. В.YanaevaM. V.

Янаева Марина Викторовна, к. т. н., заведующая кафедрой информационных систем и программирования

Краснодар

Marina V. Yanaeva, Cand. Sci. (Tech.), Head of the Department of Information Systems and Programming

Krasnodar

https://orcid.org/0009-0007-0420-1466БабаянВ. Т.BabayanV. T.

Бабаян Вартан Тигранович, ассистент кафедры лучевой диагностики № 1 ФПК и ППС

Краснодар

Vartan T. Babayan, Assistant Professor at the Diagnostic Radiology Department No. 1, Faculty of Continuing Professional Development and Retraining

Krasnodar

Кубанский государственный медицинский университетРоссияKuban State Medical UniversityRussian FederationКубанский государственный технологический университетРоссияKuban State Technological UniversityRussian FederationКубанский государственный медицинский университет; Кубанский государственный технологический университетРоссияKuban State Medical University; Kuban State Technological UniversityRussian Federation202430062024024247Copyright © Поморцев А.В., Редько А.Н., Барсукова Е.А., Матосян М.А., Дьяченко Ю.Ю., Дьяченко Р.А., Белоглядова И.А., Янаева М.В., Бабаян В.Т., 20242024Поморцев А.В., Редько А.Н., Барсукова Е.А., Матосян М.А., Дьяченко Ю.Ю., Дьяченко Р.А., Белоглядова И.А., Янаева М.В., Бабаян В.Т.Pomortsev A.V., Redko A.N., Barsukova E.A., Matosyan M.A., Dyachenko J.Y., Dyachenko R.A., Beloglyadova I.A., Yanaeva M.V., Babayan V.T.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.innovmedkub.ru/jour/article/view/842Введение

Введение: Актуальной проблемой медицинской визуализации остается применение современных технологий, в том числе искусственного интеллекта. Необходимым условием для внедрения данной информационной системы является стандартизация рентгенологических и ультразвуковых сканов исследуемой области. Важными задачами являются создание и применение искусственного интеллекта в ультразвуковой диагностике пороков развития центральной нервной системы плода для повышения качества дифференциального диагностического поиска.

Цель

Цель: Оценить диагностическую точность применения искусственного интеллекта в диагностике выявления патологии центральной нервной системы плода в сроках гестации с 19 по 22 неделю беременности.

Материалы и методы

Материалы и методы: Для оценки диагностической эффективности искусственного интеллекта в выявлении патологии центральной нервной системы плода в сроках гестации с 19 по 22 неделю беременности проводилось мультицентровое двухэтапное ультразвуковое исследование. На первом этапе было обследовано более 1500 беременных. Во время скринингового ультразвукового исследования головки плода в аксиальном сечении выводилось 5 анатомических ориентиров и далее на данном сечении осуществлялась 15-секундная запись в формате mp4 (видеоряд). На втором этапе осуществлялась опытная эксплуатация «системы принятия решений выявления патологии ЦНС плода» для определения диагностической точности разработанной информационной системы.

Результаты

Результаты: Диагностическая точность разработанной программы «Формирования инструментального диагноза выявления пороков ЦНС у плода» в соотношение таких показателей, как «норма» и «не норма», составила 78,9%. При формировании конкретного инструментального диагноза диагностическая точность составила 74,4%.

Выводы

Выводы: Внедренный искусственный интеллект в современную ультразвуковую дифференциальную диагностику пороков развития ЦНС плода в период гестации с 19 по 22 неделю позволит с высокой точностью формировать инструментальный диагноз по типу «норма» и «не норма» и может быть использован как дополнительная компьютерная технология при первичном скрининговом обследовании беременных.

Introduction

Introduction: The use of modern technologies, including artificial intelligence (AI), in medical imaging is a current hot topic. Standardization of radiologic and ultrasound scans of the studied area is a prerequisite for implementation of this computer system. It is important to create and apply AI in ultrasound diagnosis of fetal central nervous system (CNS) anomalies in order to improve the quality of differential diagnosis.

Objective

Objective: To evaluate diagnostic accuracy of AI in detecting fetal CNS anomalies between 19 and 22 weeks’ gestation. Materials and methods: We conducted a multicenter 2-stage study to evaluate AI effectiveness in detecting fetal CNS anomalies between 19 and 22 weeks’ gestation. At stage I, more than 1500 pregnant women underwent sonographic examination of the fetal head in the axial plane with 5 anatomical landmarks, and we recorded a 15-second video in the MP4 format (video sequence). At stage II, we tested “Decision-Making System for Detecting Fetal Central Nervous System Anomalies” to determine its diagnostic accuracy.

Results

Results: The diagnostic accuracy of the developed software (“Formulation of an Imaging-Based Diagnosis of Fetal Central Nervous System Anomalies”) in regard to such parameters as “normal findings” and “abnormal findings” was 78.9%. The diagnostic accuracy for formulation of a specific imaging-based diagnosis was 74.4%.

Conclusions

Conclusions: The AI implemented into modern ultrasound differential diagnosis of fetal CNS anomalies between 19 and 22 weeks’ gestation will make it possible to formulate an imaging-based diagnosis (“normal findings”/“abnormal findings”) with high accuracy and can be used as an additional computer technology in the primary screening of pregnant women.

искусственный интеллектнейросетьцифровизация в медицинеультразвуковая диагностикапороки развития плодаartificial intelligenceneural networkhealth care digitalizationultrasound diagnosisfetal anomaliesReferencesLin M, He X, Guo H, et al. Use of real-time artificial intelligence in detection of abnormal image patterns in standard sonographic reference planes in screening for fetal intracranial malformations. Ultrasound Obstet Gynecol. 2022;59(3):304–316. PMID: 34940999. https://doi.org/10.1002/uog.24843Lin M, He X, Guo H, et al. Use of real-time artificial intelligence in detection of abnormal image patterns in standard sonographic reference planes in screening for fetal intracranial malformations. Ultrasound Obstet Gynecol. 2022;59(3):304–316. PMID: 34940999. https://doi.org/10.1002/uog.24843Блохин И.А., Морозов С.П., Чернина В.Ю. и др. Использование искусственного интеллекта в здравоохранении: опыт валидации алгоритма искусственного интеллекта в медицинских организациях в условиях пандемии COVID-19. Мониторинг общественного мнения: экономические и социальные перемены. 2021;(1):271–282. https://doi.org/10.14515/monitoring.2021.1.1736Blokhin IA, Morozov SP, Chernina VYu, et al. Artificial intelligence in healthcare: validating an AI algorithm in health institutions in the COVID-19 pandemic (a use case). Monitoring of Public Opinion: Economic and Social Changes. 2021;(1):271–282. (In Russ.). https://doi.org/10.14515/monitoring.2021.1.1736Malani SN 4th, Shrivastava D, Raka MS. A comprehensive review of the role of artificial intelligence in obstetrics and gynecology. Cureus. 2023;15(2):e34891. PMID: 36925982. PMCID: PMC10013256. https://doi.org/10.7759/cureus.34891Malani SN 4th, Shrivastava D, Raka MS. A comprehensive review of the role of artificial intelligence in obstetrics and gynecology. Cureus. 2023;15(2):e34891. PMID: 36925982. PMCID: PMC10013256. https://doi.org/10.7759/cureus.34891Xiao S, Zhang J, Zhu Y, et al. Application and progress of artificial intelligence in fetal ultrasound. J Clin Med. 2023;12(9):3298. PMID: 37176738. PMCID: PMC10179567. https://doi.org/10.3390/jcm12093298Xiao S, Zhang J, Zhu Y, et al. Application and progress of artificial intelligence in fetal ultrasound. J Clin Med. 2023;12(9):3298. PMID: 37176738. PMCID: PMC10179567. https://doi.org/10.3390/jcm12093298Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020;56(4):498–505. PMID: 32530098. PMCID: PMC7702141. https://doi.org/10.1002/uog.22122Drukker L, Noble JA, Papageorghiou AT. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology. Ultrasound Obstet Gynecol. 2020;56(4):498–505. PMID: 32530098. PMCID: PMC7702141. https://doi.org/10.1002/uog.22122Safiullina ER, Rychkova EI, Мayorova IV, et al. Application of digital methods and artificial intelligence capabilities for diagnostics in obstetrics and gynecology. Cardiometry. 2023;(27):111– 117. https://doi.org/10.18137/cardiometry.2023.27.111117Safiullina ER, Rychkova EI, Мayorova IV, et al. Application of digital methods and artificial intelligence capabilities for diagnostics in obstetrics and gynecology. Cardiometry. 2023;(27):111– 117. https://doi.org/10.18137/cardiometry.2023.27.111117Ультразвуковое исследование центральной нервной системы плода: руководство по выполнению «базисного исследования» и «нейросонографии плода». Дата обращения: 20.10.2023. https://www.isuog.org/static/uploaded/7343613c-b64f-4385-8a5e340582fd1a38.pdfSonographic examination of the fetal central nervous system: guidelines for performing the ‘basic examination’ and the ‘fetal neurosonogram. Accessed October 20, 2023. (In Russ.). https://www.isuog.org/static/uploaded/7343613c-b64f-4385-8a5e340582f-d1a38.pdfПурыскина Н.Л., Суханова Т.И., Гиргель Ю.С., Минайчева Л.И., Сеитова Г.Н. Структура врожденных пороков развития центральной нервной системы в пренатальном периоде. Медицинская генетика. 2022;21(8):35–39. https://doi.org/10.25557/2073-7998.2022.08.35-39Puriskina NL, Suhanova TI, Girgel YS, Minaycheva LI, Seitova GN. The structure of congenital malformations of the central nervous system in the prenatal period. Medical Genetics. 2022;21(8):35–39. (In Russ.). https://doi.org/10.25557/2073-7998.2022.08.35-39Авачева Т.Г., Алмазова М.К., Зубцова Ю.В. Применение искусственного интеллекта в радиологии. В: Информационный обмен в междисциплинарных исследованиях: Сборник трудов Всероссийской научно-практической конференции с международным участием, Рязань, 18–20 октября 2022 года. Рязанский государственный радиотехнический университет им. В.Ф. Уткина; 2022:67–72.Avacheva TG, Almazova MK, Zubtsova YuV. Use of artificial intelligence in radiology. In: Information Exchange in Interdisciplinary Studies: Proceedings of the Russian Scientific and Practical Conference With International Participation, Ryazan, October 18-20, 2022. Ryazan State Radio Engineering University named after V.F. Utkin; 2022:67–72. (In Russ.).Попов С.В., Красников А.В., Титова Л.А., Петросян С.Л., Попов И.В. Нейросетевое моделирование при эхографической оценке простатитов. Системный анализ и управление в биомедицинских системах. 2023;22(1):107–115. https://doi.org/10.36622/vstu.2023.22.1.015Popov SV, Krasnikov AV, Titova LA, Petrosyan SL, Popov IV. Neural network modeling in sonic assessment of prostatitis. Sistemnyi analiz i upravlenie v biomeditsinskikh sistemakh. 2023;22(1):107– 115. (In Russ.). https://doi.org/10.36622/vstu.2023.22.1.015Karri K, Deole N, Engineer N. P15.07: Prenatally diagnosed central nervous system anomalies: a ten year experience. Ultrasound in Obstetrics & Gynecology. 2010;36(S1):224–225. https://doi.org/10.1002/uog.8508Karri K, Deole N, Engineer N. P15.07: Prenatally diagnosed central nervous system anomalies: a ten year experience. Ultrasound in Obstetrics & Gynecology. 2010;36(S1):224–225. https://doi.org/10.1002/uog.8508Барсуков А.А., Панов М.Д., Крылов М.В., Ермолаева В.В. Искусственный интеллект в медицине. Тенденции развития науки и образования. 2022;(82–4):12–14. https://doi.org/10.18411/trnio-02-2022-137Barsukov AA, Panov MD, Krylov MV, Ermolaeva VV. Artificial intelligence in medicine. Tendentsii razvitiya nauki i obrazovaniya. 2022;(82–4):12–14. (In Russ.). https://doi.org/10.18411/trnio-02-2022-137Давыдов А.И., Соколенова И.И., Шахламова М.Н. Клиническая оценка ультразвуковых маркеров внетубарных форм эктопической беременности: выбор метода оперативного пособия и принципы восстановительного лечения. Вопросы гинекологии, акушерства и перинатологии. 2020;19(4):178– 183. https://doi.org/10.20953/1726-1678-2020-4-178-183Davydov AI, Sokolenova II, Shakhlamova MN. Clinical evaluation of ultrasound markers of extratubal forms of ectopic pregnancy: choice of surgical method and principles of rehabilitation treatment. Voprosy ginekologii, akušerstva i perinatologii. 2020;19(4):178–183. (In Russ.). https://doi.org/10.20953/1726-1678-2020-4-178-183Ившин А.А., Гусев А.В., Новицкий Р.Э. Искусственный интеллект: предиктивная аналитика перинатального риска. Вопросыгинекологии, акушерстваиперинатологии. 2020;19(6):133– 144. https://doi.org/10.20953/1726-1678-2020-6-133-144Ivshin AA, Gusev AV, Novitskiy RE. Artificial intelligence: predictive analytics of perinatal risks. Voprosy ginekologii, akušerstva i perinatologii. 2020;19(6):133–144. (In Russ.). https://doi.org/10.20953/1726-1678-2020-6-133-144

The authors declare that there are no conflicts of interest present.