Статус проекта: Инициирован
Университет: ФГБОУ ВО «Кемеровский государственный университет»
Руководитель проекта: Антон Валерьевич Шафрай, shafraia@mail.ru
Научный руководитель проекта: Александр Николаевич Коков
Саркопения — ассоциированное с возрастом дегенеративно-атрофическое изменение мышечной ткани.
По мере старения человеческого организма скелетная мышечная масса, начиная с 30 лет, уменьшается ежегодно на 0,1−0,5% с резким ускорением процесса после 65 лет. Европейская рабочая группа по саркопении у пожилых людей (EWGSOP) в 2009 г. дала определение этому состоянию как «мышечному заболеванию, заключающемуся в неблагоприятных изменениях мышц, которые накапливаются на
протяжении всей жизни". При этом отмечается, что саркопения распространена не только среди людей пожилого возраста, но может встречаться и в более молодом возрасте. Согласно рекомендациям EWGSOP 2019, снижение мышечной силы как ключевой симптом для подтверждения диагноза саркопении требует инструментального подтверждения снижения количества и качества мышц. Саркопения не просто снижает качество жизни пациентов в возрасте от 60 лет. Наибольшей информативностью в верификации саркопении обладают инструментальные методы диагностики, а именно количественная оценка мышечной ткани с помощью компьютерной томографии (КТ). Использование методов лучевой диагностики в качестве стандартного скрининга саркопении не может рассматриваться в силу экономических ограничений и избыточной лучевой нагрузки.
В настоящее время в литературе нет данных об исследовании экономической и клинической эффективности оппортунистического скрининга саркопении с использованием УЗИ, ДРА, КТ или МРТ. В первую очередь это связано с отсутствием стандартов специальной оценки мышечной ткани в рамках стандартной диагностической процедуры, трудоемкостью сегментации зоны интереса и низкой настороженностью специалистов в отношении саркопении. Новый виток развития диагностической визуализации связывается с первыми попытками внедрения в практику технологии «искусственного интеллекта», развитием машинного обучения и анализа больших наборов данных. Значительный массив данных, таких как плотность костей, ожирение и мышечная масса, в настоящее время может упускаться из внимания при проведении томографических исследований. Тем не менее эти результаты имеют непосредственное отношение к общему благополучию пациентов и могут быть использованы для автоматического анализа. Кроме того, сравнение с номограммами, основанными на возрасте, поле и этнической принадлежности пациента, является трудной задачей, которая может быть быстро и точно выполнена автоматизированной системой. Однако использование таких автоматизированных процессов пока остается за рамками современной практики. Разработка и внедрение разрабатываемого программного продукта анализа КТ-снимков (ППАКС) позволит увеличить точность описания КТ-изображений и, как следствие, точность постановки диагноза саркопении, что приведет к ранней её верификации и возможности повлиять на течение данного патологического процесса.
При создании ППАКС используются инновационные научные подходы на стыке медицины и информационных технологий. В лучевой диагностике искусственный интеллект чаще всего применяется при решении когнитивно простых задач: например, для формирования подсказок врачу, готовящему вывод по результатам исследования. Однако текущий уровень развития цифровых технологий позволяет добиться гораздо большего. Так, разделяя все случаи на «норму» и «патологию», искусственный интеллект дает рентгенологу возможность сфокусироваться именно на патологии. Кроме того, ППАКС может автоматически искать различия между вариантами туберкулёза, классифицировать патологии. Данный продукт планируется сделать в виде плагина — независимо компилируемого программного модуля, подключаемого к основной программе, которую используют врачи рентгенологи. Предполагается, что ППАКС, в виде программного кода будет иметь незначительный вес до 100 Мбайт и возможность простого понятного интерфейса. Может возникнуть ряд сложностей с интеграцией и ППАКС может существовать в качестве облачного сервиса. Затраты в рамках реализации проекта относительно невелики, сопоставимые затратам от реализации проекта. В Российской федерации есть попытки внедрения искусственного интеллекта в описание рентгенологических снимков, например, в российской частной клинике «Медицина» внедрена нейросеть для описания рентгеновских снимков, разработанная компанией Care Mentor AI, но это единичные пилотные проекты и Кузбасс может выступить одним из них, с учетом узкой специализации и диагностики отдельно взятого заболевания, распространенного на территории Кемеровской Области.
Разрабатываемый программный продукт планируется интегрировать в инструментарий врачей-рентгенологов в Кемеровской области, сначала в нескольких пилотных клиниках, далее при высокой результативности, распространить на все учреждения здравоохранения.
Планируется, что нейронная сеть будет идентифицировать целевые зоны оцениваемой мышечной ткани в области исследования, в частности на уровне третьего поясничного позвонка, определять площадь мышечной ткани на конкретном уровне и сопоставлять полученные данные с нормативными значениями, выдавая заключение о наличии или отсутствии саркопении у пациента. А уже после машинной обработки КТ-изображения просматривает врач и верифицирует сделанное нейронной сетью заключение. Данный программный продукт позволит увеличить точность и скорость диагностики саркопении у человека.
Далее планируется распространение данного продукта на федеральный уровень.
Цель и задачи
Целью выполнения НИОКР является разработка программного обеспечения, способного выявлять патологическое состояние мышечной ткани тела человека - саркопению.
Задачи:
По мере старения человеческого организма скелетная мышечная масса, начиная с 30 лет, уменьшается ежегодно на 0,1−0,5% с резким ускорением процесса после 65 лет. Европейская рабочая группа по саркопении у пожилых людей (EWGSOP) в 2009 г. дала определение этому состоянию как «мышечному заболеванию, заключающемуся в неблагоприятных изменениях мышц, которые накапливаются на
протяжении всей жизни". При этом отмечается, что саркопения распространена не только среди людей пожилого возраста, но может встречаться и в более молодом возрасте. Согласно рекомендациям EWGSOP 2019, снижение мышечной силы как ключевой симптом для подтверждения диагноза саркопении требует инструментального подтверждения снижения количества и качества мышц. Саркопения не просто снижает качество жизни пациентов в возрасте от 60 лет. Наибольшей информативностью в верификации саркопении обладают инструментальные методы диагностики, а именно количественная оценка мышечной ткани с помощью компьютерной томографии (КТ). Использование методов лучевой диагностики в качестве стандартного скрининга саркопении не может рассматриваться в силу экономических ограничений и избыточной лучевой нагрузки.
В настоящее время в литературе нет данных об исследовании экономической и клинической эффективности оппортунистического скрининга саркопении с использованием УЗИ, ДРА, КТ или МРТ. В первую очередь это связано с отсутствием стандартов специальной оценки мышечной ткани в рамках стандартной диагностической процедуры, трудоемкостью сегментации зоны интереса и низкой настороженностью специалистов в отношении саркопении. Новый виток развития диагностической визуализации связывается с первыми попытками внедрения в практику технологии «искусственного интеллекта», развитием машинного обучения и анализа больших наборов данных. Значительный массив данных, таких как плотность костей, ожирение и мышечная масса, в настоящее время может упускаться из внимания при проведении томографических исследований. Тем не менее эти результаты имеют непосредственное отношение к общему благополучию пациентов и могут быть использованы для автоматического анализа. Кроме того, сравнение с номограммами, основанными на возрасте, поле и этнической принадлежности пациента, является трудной задачей, которая может быть быстро и точно выполнена автоматизированной системой. Однако использование таких автоматизированных процессов пока остается за рамками современной практики. Разработка и внедрение разрабатываемого программного продукта анализа КТ-снимков (ППАКС) позволит увеличить точность описания КТ-изображений и, как следствие, точность постановки диагноза саркопении, что приведет к ранней её верификации и возможности повлиять на течение данного патологического процесса.
При создании ППАКС используются инновационные научные подходы на стыке медицины и информационных технологий. В лучевой диагностике искусственный интеллект чаще всего применяется при решении когнитивно простых задач: например, для формирования подсказок врачу, готовящему вывод по результатам исследования. Однако текущий уровень развития цифровых технологий позволяет добиться гораздо большего. Так, разделяя все случаи на «норму» и «патологию», искусственный интеллект дает рентгенологу возможность сфокусироваться именно на патологии. Кроме того, ППАКС может автоматически искать различия между вариантами туберкулёза, классифицировать патологии. Данный продукт планируется сделать в виде плагина — независимо компилируемого программного модуля, подключаемого к основной программе, которую используют врачи рентгенологи. Предполагается, что ППАКС, в виде программного кода будет иметь незначительный вес до 100 Мбайт и возможность простого понятного интерфейса. Может возникнуть ряд сложностей с интеграцией и ППАКС может существовать в качестве облачного сервиса. Затраты в рамках реализации проекта относительно невелики, сопоставимые затратам от реализации проекта. В Российской федерации есть попытки внедрения искусственного интеллекта в описание рентгенологических снимков, например, в российской частной клинике «Медицина» внедрена нейросеть для описания рентгеновских снимков, разработанная компанией Care Mentor AI, но это единичные пилотные проекты и Кузбасс может выступить одним из них, с учетом узкой специализации и диагностики отдельно взятого заболевания, распространенного на территории Кемеровской Области.
Разрабатываемый программный продукт планируется интегрировать в инструментарий врачей-рентгенологов в Кемеровской области, сначала в нескольких пилотных клиниках, далее при высокой результативности, распространить на все учреждения здравоохранения.
Планируется, что нейронная сеть будет идентифицировать целевые зоны оцениваемой мышечной ткани в области исследования, в частности на уровне третьего поясничного позвонка, определять площадь мышечной ткани на конкретном уровне и сопоставлять полученные данные с нормативными значениями, выдавая заключение о наличии или отсутствии саркопении у пациента. А уже после машинной обработки КТ-изображения просматривает врач и верифицирует сделанное нейронной сетью заключение. Данный программный продукт позволит увеличить точность и скорость диагностики саркопении у человека.
Далее планируется распространение данного продукта на федеральный уровень.
Цель и задачи
Целью выполнения НИОКР является разработка программного обеспечения, способного выявлять патологическое состояние мышечной ткани тела человека - саркопению.
Задачи:
- анализ требований к интеллектуальному программному обеспечению (выполнен);
- проектирование программного обеспечения (выполнен частично);
- создание и обучение моделей нейронных сетей;
- программирование Backend части программного обеспечения;
- программирование Frontend части программного обеспечения;
- тестирование и отладка программного обеспечения.
Основные результаты проекта.
Результатом проекта будет программное обеспечение, которое будет выполнено в виде облачного сервиса, осуществляющего скрининг получаемых КТ брюшной полости на предмет саркопении, в которую врач сможет загружать КТ-снимки (снимки компьютерной томографии) брюшной полости. Анализ снимков будет производиться ансамблем нейронных сетей, результатом работы которых будет являться оценка вероятности наличия этой патологии, а также разметка изображения, чтобы помочь врачу оценить обоснованность этого диагноза.
Результатом проекта будет программное обеспечение, которое будет выполнено в виде облачного сервиса, осуществляющего скрининг получаемых КТ брюшной полости на предмет саркопении, в которую врач сможет загружать КТ-снимки (снимки компьютерной томографии) брюшной полости. Анализ снимков будет производиться ансамблем нейронных сетей, результатом работы которых будет являться оценка вероятности наличия этой патологии, а также разметка изображения, чтобы помочь врачу оценить обоснованность этого диагноза.