ТОП-5 самых цитируемых научных статей о рентгенологическом ИИ за 2022 год

О применении технологий искусственного интеллекта (ИИ) в медицине в последние годы говорят всё чаще. Одним из самых перспективных направлений здесь по праву считается компьютерное зрение (Computer Vision). Сервисы, способные анализировать цифровые медицинские изображения, не просто активно развиваются – они уже активно внедряются в клиническую практику.

И чем больше ИИ проникает в практическую рентгенологию, тем больше появляется научных исследований его эффективности, оптимальных сценариев и этических вопросов применения. Мы отобрали наиболее цитируемые англоязычные научные статьи по данным Google Scholar и в этой статье кратко расскажем о пяти из них, содержание которых находится в открытом доступе.

Рекордное количество цитирований (а конкретно 40) набрало исследование из Объединенных Арабских Эмиратов: Assessment of the willingness of radiologists and radiographers to accept the integration of artificial intelligence into radiology practice. Авторы хотели оценить, насколько рентгенологи и радиологи в целом осведомлены об ИИ, насколько готовы его применять и какие существуют препятствия для его интеграции в медицинскую практику. Для этого они провели перекрёстное анкетирование 153 врачей – при этом учитывались их демографические данные, квалификация, клинический опыт и дополнительное (последипломное) образование.

Результаты этого анкетирования показали значительный недостаток знаний и понимания того, как ИИ внедряется в клиническую практику. Авторы приходят к выводу о том, что необходимо создание структурированных учебных курсов соответсвующего профиля для рентгенологов и радиологов.

Ещё один любопытный вывод этой статьи: неосведомлённость врачей об ИИ часто сопровождается их опасениями в отношении ИИ – что ещё раз подтверждает тот факт, что люди боятся того, о чём мало знают. В России, судя по всему, аналогичная ситуация: похожие выводы звучали в интервью медицинского директора российской компании-разработчика «Цельс».

24 цитирования – у большой обзорной статьи The role of artificial intelligence in early cancer diagnosis от исследователей из Великобритании. Пересказать её содержание сложнее всего: она рассматривает целый ряд направлений в медицине, связанных с ранним выявлением онкологических заболеваний, и то, как в каждом из них может применяться машинное обучение. Это и скрининг, и сортировка пациентов, и раннее выявление рецидивов, и многое другое.

Помимо этого, в статье рассматриваются проблемы и ограничения рентгенологического ИИ. К ним, в первую очередь, авторы отнесли необходимость в большом количестве медицинских данных для обучения качественной модели. Зачастую таких данных недостаточно – особенно для редких типов рака или для определённых групп населения.

Другая проблема – необходимость проверки моделей на реальных данных . Некоторые исследования могут проводятся на небольших группах пациентов или на искусственных датасетах – что может не отражать реальной картины и не позволяет убедиться в эффективности модели на практике.

Тем не менее, авторы приходят к выводу о том, что технологии ИИ способны произвести революцию в ранней диагностике рака, эффективно анализируя разнообразные клинические данные и автоматизируя процессы.

Исследователи из Германии, США и Австрии в своей работе Combining the strengths of radiologists and AI for breast cancer screening: a retrospective analysis проводят сравнение трёх сценариев анализа маммографических исследований на предмет наличия рака молочной железы:

Оценивались при этом такие показатели как чувствительность (способность не пропускать патологии при их наличии) и специфичность (способность на отмечать патологию там, где её нет). Для оценки использовалось 1 193 197 цифровых маммографических исследований, проведённых в Германии с 2007 по 2020 год в рамках национальной скрининговой программы.

Результат: комбинированный подход (ИИ + врач) показал лучшие результаты – превосходящие таковые у отдельного рентгенолога или автономного ИИ. Авторы приходят к выводу о том, что такой подход может повысить точность скрининга и позволит снизить рабочую нагрузку на врача.

Исследователи из Италии и Латвии опубликовали обзор состоянии внедрения ИИ для определения характеристик узлов щитовидной железы и рака: Artificial Intelligence for Thyroid Nodule Characterization: Where Are We Standing?. В нём рассматривались крупные научные исследования на эту тему, опубликованные за последнее десятилетие (2012-2022) – в том числе систематические обзоры и мета-анализы. В результате дополнительного отбора из 166 исследований в анализ были включены только 30. Статья описывает наиболее значимые результаты отобранных исследований.

Вывод, к которому пришли авторы после этого анализа: ИИ для анализа характеристик узлов щитовидной железы может применяться не только в рамках ультразвуковых исследований (УЗИ), но и компьютерной и магнитно-резонансной томографии (КТ и МРТ). Однако его реальная эффективность остаётся спорной: крупнейшие и наиболее научно обоснованные исследования показывают, что результаты ИИ сопоставимы или уступают результатам опытных рентгенологов. К тому же, его метрики могут сильно разниться в зависимости от данных, которые он анализирует.

Авторы статьи Where is the artificial intelligence applied in dentistry? Systematic review and literature analysis (Словакия, Чехия) выполнили работу, схожую с предыдущей – но на этот раз касательно применения ИИ в стоматологии. Они отобрали исследования на эту тему, опубликованные с 2011 по 2021 год, чтобы ответить на два вопроса:

Проанализировав 1497 работ, авторы обзора пришли к выводу, что в последние десятилетия происходит исторически беспрецедентный бум публикаций об ИИ в стоматологии.– со средним увеличением на 21,6% в год за последнее десятилетие и на 34,9% в год за последние 5 лет

Что касается второго вопроса, то по большей части использования ИИ в настоящее время сосредоточена на стоматологической радиологии. Достижения в области обработки 3D-изображений с использованием передовых алгоритмов ИИ распространились и на другие стоматологические специальности – такие как ортодонтия, планирование лечения в челюстно-лицевой хирургии или восстановительной стоматологии (включая диагностику кариеса).

Таким образом, в научной литературе появляется не только всё больше публикаций на тему рентгенологического ИИ, но и всё больше крупных обзоров этих публикаций. Авторы почти всегда в своих работах делают акцент на необходимости дальнейших исследований, зачастую предлагают для этого конкретные методики.

Что касается трендов рентгенологического ИИ – то тут, безусловно, технологии компьютерного зрения всё ещё впереди планеты всей. Они не только развиваются, но и дают практические результаты.