Искусственный интеллект в выявлении туберкулеза: возможности и перспективы

DOI: https://doi.org/10.29296/25877305-2020-05-06
Скачать статью в PDF
Номер журнала: 
5
Год издания: 
2020

Е.А. Бородулина, доктор медицинских наук, профессор Самарский государственный медицинский университет E-mail: borodulinbe@yandex.ru

В период глобальной цифровизации медицины одним из перспективных направлений является организация скрининговых обследований населения, прежде всего на социально-значимые заболевания с привлечением искусственного интеллекта (ИИ). В нашей стране это ежегодные флюорографические обследования на туберкулез. Переход на цифровую флюорографию уже предопределил положительные тенденции в системном подходе к своевременному выявлению туберкулеза. Перспективность дальнейшего совершенствования скрининговых обследований на туберкулез определяется прежде всего необходимостью системного подхода к рутинно повторяющимся исследованиям, что предполагает использование ИИ для распознавания патологии, отбора и формирования групп для дальнейшего обследования у врача-специалиста. Возможно ли это в ближайшем будущем и как идет создание ИИ, обсуждается в данном обзоре.
Ключевые слова: 
искусственный интеллект
туберкулез
скрининг
распознавание
Для цитирования
Е.А. Бородулина Искусственный интеллект в выявлении туберкулеза: возможности и перспективы . Врач, 2020; (5): 30-33 https://doi.org/10.29296/25877305-2020-05-06

It appears your Web browser is not configured to display PDF files. Download adobe Acrobat или click here to download the PDF file.

Список литературы: 
  1. Мирошниченко С.И., Коваленко Ю.Н., Чернецов В.Б. Замена флюорографии на скрининговую цифровую рентгенографию. Поликлиника. 2016; 6: 19–22 [Miroshnichenko S.I., Kovalenko Yu.N., Chernetsov V.B. Zamena flyuorografii na skriningovuyu tsifrovuyu rentgenografiyu. Poliklinika. 2016; 6: 19–22 (in Russ.)].
  2. Старшинова А.А., Кудлай Д.А., Довгалюк И.Ф. и др. Эффективность применения новых методов иммунодиагностики туберкулезной инфекции в Российской Федерации. Педиатрия. 2019; 98 (4): 229–35 [Starshinova A.A., Kudlay D.A., Dovgalyuk I.F. et al. Efficacy of new methods of tuberculosis infection immunodiagnostics in the Russian Federation. Pediatria. 2019; 98 (4): 229-235 (in Russ.)]. DOI: 10.24110/0031-403X-2019-98-4-229-235
  3. Слогоцкая Л.В., Синицын М.В., Кудлай Д.А. Возможности иммунологических тестов в диагностике латентной туберкулезной инфекции и туберкулеза. Туберкулез и болезни легких. 2019; 97 (11): 46–58 [Slogotskaya L.V., Sinitsyn M.V., Kudlay D.A. Potentialities of immunological tests in the diagnosis of latent tuberculosis infection and tuberculosis. Tuberculosis and Lung Diseases. 2019; 97 (11): 46–58 (in Russ.)]. DOI: 10.21292/2075-1230-2019-97-11-46-58
  4. Каканов О.Г. Особенности флюорографического выявления туберкулеза легких. Бюллетень медицинских интернет-конференций. 2018; 8 (4): 159 [Kakanov O.G. Osobennosti flyuorograficheskogo vyyavleniya tuberkuleza legkikh. Byulleten’ meditsinskikh internet-konferentsii. 2018; 8 (4): 159 (in Russ.)].
  5. Зубова Н.А. Эффективность массовых профилактических осмотров в субъектах российской федерации с низким уровнем заболеваемости туберкулезом. Социальные аспекты здоровья населения. 2016; 4 (50): 8 [Zubova N.A. Effectiveness of mass preventive examinations in subjects of the russian federation with low morbidity rates of tuberculosis. Sotsial’nye aspekty zdorov’ya naseleniya. 2016; 4 (50): 8 (in Russ.)]. DOI: 10.21045/2071-5021-2016-50-4-8. URL: http://vestnik.mednet.ru/content/view/767/30/
  6. Бехтерев А.В., Лабусов В.А., Путьмаков А.Н. и др. О флюорографии, цифровой рентгенографии, скрининге и эффективности. Поликлиника. 2019; 1–1: 17–20 [Bekhterev A.V., Labusov V.A., Put’makov A.N. et al. O flyuorografii, tsifrovoi rentgenografii, skrininge i effektivnosti. Poliklinika. 2019; 1–1: 17–20 (in Russ.)].
  7. Xu Sh., Jahn W., Müller J.-D. CAD-based shape optimisation with CFD using a discrete adjoint. Numerical Methods in Fluids. 2014; 74 (3): 153-68. DOI: 10.1002/fld.3844
  8. Khan F.A., Pande T., Song R. et al. Computer-aided reading of tuberculosis chest radiography: moving the research agenda forward to inform policy. Eur. Respir. J. 2017; 50: 1700953; DOI: 10.1183/13993003.00953-2017
  9. Jaeger S., Karargyris A., Antani S. et al. Detecting tuberculosis in radiographs using combined lung masks. Annual International Conference of the IEEE Engineering in Medicine and Biology Society. Conference Proceedings. 2012; 2012: 4978–81. DOI: 10.1109/EMBC.2012.6347110
  10. Vajda S., Karargyris A., Jaeger S. et al. Feature Selection for Automatic Tuberculosis Screening in Frontal Chest Radiographs. J. Med. Syst. 2018; 42 (8): 146. DOI: 10.1007/s10916-018-0991-9
  11. Pande T., Cohen C., Pai M. et al. Computer-aided detection of pulmonary tuberculosis on digital chest radiographs: a systematic review. Int. J. Tuberc. Lung. Dis. 2016; 20 (9): 1226–30. DOI: 10.5588/ijtld.15.0926
  12. Rahman M., Codlin A., Rahman M. et al. An evaluation of automated chest radiography reading software for tuberculosis screening among public- and private-sector patients. Eur. Respir. J. 2017; 49 (5): 1602159. DOI: 10.1183/13993003.02159-2016
  13. Zaidi S., Habib S., Van Ginneken B. et al. Evaluation of the diagnostic accuracy of Computer-Aided Detection of tuberculosis on Chest radiography among private sector patients in Pakistan. Sci. Rep. 2018; 8 (1): 12339. DOI: 10.1038/s41598-018-30810-1
  14. Melendez J., Sánchez C., Philipsen R. et al. An automated tuberculosis screening strategy combining X-ray-based computer-aided detection and clinical information. Sci. Rep. 2016; 6: 25265. DOI: 10.1038/srep25265
  15. Hwang S., Kim H.-E., Jeong J. et al. A novel approach for tuberculosis screening based on deep convolutional neural networks. Proc. SPIE 9785, Medical Imaging 2016: Computer-Aided Diagnosis, 97852W (24 March 2016); https://doi.org/10.1117/12.2216198
  16. Lakhani P., Sundaram B. Deep learning at chest radiography: automated classification of pulmonary tuberculosis by using convolutional neural networks. Radiology. 2017; 284 (2): 574–82. DOI: 10.1148/radiol.2017162326.
  17. Jaeger S., Juarez-Espinosa O., Candemir S. et al. Detecting drug-resistant tuberculosis in chest radiographs. Int. J. Comput. Assist. Radiol. Surg. 2018; 13 (12): 1915–25. DOI: 10.1007/s11548-018-1857-9