РАЗРАБАТЫВАЕМЫЕ ПРОДУКТЫ

МОДЕЛЬ ДЛЯ АНАЛИЗА

КТ ИЗОБРАЖЕНИЙ ГОЛОВНОГО МОЗГА

​​Разрабатываемое решение нацелено на анализ КТ исследований головного мозга для поиска признаков инсульта (ишемического и геморрагического), расчета основных параметров в автоматическом режиме, важных с точки зрения диагностики пациента, а также визуализацию самого исследования и всех обнаруженных находок. 

Продукт представляет собой платформу, содержащую инструменты интеграции с PACS клиники, маршрутизации исследований до системы искусственного интеллекта, облачного  dicom-просмотрщика, а также систему генерации отчетов в DICOM стандарте и возможность их отправки обратно на PACS клиники.
Распознавание геморрагических инсультов
  1. Расчет вероятности наличия кровоизлияния на исследовании
  2. Определение локализации кровоизлияния в виде маски сегментации
  3. Определение типа кровоизлияния по следующему списку типов:
  • эпидуральное
  • субдуральное,
  • субарахноидальное
  • внутримозговое (включая опциональное дифференцирование между внутричерепным и внутрижелудочковым)
4. Расчет объема кровоизлияния
5. AUC в задаче классификации наличия кровоизлияния в серии - не менее 0.985 на сбалансированной тестовой выборке. Чувствительность не менее 0.945, специфичность не менее 0.945 на сбалансированной тестовой выборке
Распознавание острых ишемических инсультов
  1. Расчет вероятности наличия признаков острого ишемического инсульта на исследовании
  2. Определение локализации острого ишемического инсульта в виде маски сегментации
  3. Оценка областей ишемического инсульта по шкале ASPECTS, если затронут бассейн средней мозговой артерии (СМА)
  4. AUC в задаче классификации наличия кровоизлияния в серии - не менее  0.985 на сбалансированной тестовой выборке. Чувствительность не менее 0.945, специфичность не менее 0.945 на сбалансированной тестовой выборке
Сегментация головного мозга, включая определение территории бассейна СМА
  1. I - Insular ribbon - кора островковой доли, 
  2. C - Caudate - хвостатое ядро
  3. IC - Internal Capsule - внутренняя капсула, 
  4. L- Lentiform nucleus - чечевицеобразное ядро, 
  5. M1 - Anterior MCA cortex - передняя кора бассейна СМА, 
  6. M2 - MCA cortex lateral to the insular ribbon - кора латеральнее островка, 
  7. M3- Posterior MCA cortex - задняя кора бассейна СМА, 
  8. M4, M5, M6 - передняя, латеральная и задняя территории бассейна СМА, располагающиеся непосредственно выше и ростральнее соответствующих M1, M2 and M3 территорий на уровне базальных ганглиев
Приоритизация исследований по срочности случая
Триаж - цветовая валидация в зависимости от уровня
Визуализация КТ исследований головного мозга
А также все найденных алгоритмом искусственного интеллекта участки кровоизлияния или ишемического инсульта, выведение для врача рассчитанных параметров находок во встроенном DICOM-просмотрщике
Интеграция с PACS медицинского учреждения
Забор из него исследований, подлежащих анализу, возвращение результатов в виде DICOM-отчетов
Время обработки одного исследования
Включая маршрутизацию данных и собственно обработку — не больше 6 минут. Время на собственно обработку исследования алгоритмом без передачи данных в диапазоне 1-3 минуты

МОДЕЛЬ ДЛЯ АНАЛИЗА КТ ИЗОБРАЖЕНИЙ ОРГАНОВ ГРУДНОЙ КЛЕТКИ

Анализ признаков РЛ
Обнаружение:
  • Узлы в легких сложной локализации
  • Категория по шкале LUNG-RADS
  • Небольшие изменения, характерные для ранней стадии онкологического процесса

Комплексная оценка рака лёгкого и COVID-19:

  • Одновременное обнаружение признаков COVID-19 и рака легкого
  • Проведение ретроспективного анализа КТ ОГК у пациентов с COVID-19 для обнаружения признаков рака легкого
  • Выявление заболеваний на ранних стадиях

Использование во время COVID-19
  • Локализация основных КТ-синдромов
  • Измерение % поражения по каждому легкому
  • Приоритизация исследований по степени поражения
  • Подключение доп. врачей для описания исследований
  • Анализ исследований пациентов, переболевших новой коронавирусной инфекцией
Выявление очаговых изменений в легких
Размеры (максимальный линейный размер 3D модели узла)
  • более 6 мм* (по классификации Lung-RADS, узлы, максимальный размер которых менее 6 мм, не относятся к подозрительным на ЗНО);
  • менее 35 мм (более крупные образования хорошо видны при КТ и не пропускаются врачами).
*Система способна выявлять узлы и с меньшими размерами, но максимальная точность обнаружения действует именно в указанном выше диапазоне.
Типы детектируемых узлов
  • солидные;
  • субсолидные;
  • узлы по типу «матового стекла»
Функции программы
  • программа дает автоматическую количественную оценку выявленным изменениям:
  1. оценку объема найденных узлов
  2. оценку по шкале Lungs-RADS
  • программа предоставляет возможности для визуализации найденных узлов в исследовании для анализа их врачом;
  • программа позволяет анализировать обработанные исследования во встроенном приложении для просмотра со стандартным набором опций для улучшения визуализации и выполнения измерений структур на изображении.
COVID-19
Система позволяет выявлять в легких следующие патологические изменения
  • уплотнение по типу «матового стекла»
  • консолидация
Характеристики изменений, детектируемых системой
средний размер участков «матового стекла» и консолидации более 5мм

*Система способно выявлять изменения меньших размеров, однако, наиболее точность детектирования может быть снижена
Функции системы
  • система дает автоматическую количественную оценку выявленным изменениям:
  • оценку общей площади поражения легких (в процентах) и присвоение степени вовлечения легочной ткани по «эмпирической» визуальной шкале (КТ-0,1,2,3 или 4)* для всего исследования;
  • суммарную количественную оценку объема каждого из вышеперечисленных синдромов по отдельности;
  • система предоставляет возможности для визуализации найденных синдромов в исследовании для анализа их врачом;
  • система позволяет врачу видеть в общем списке исследований приоритизацию тех исследований, в которых обнаружены изменения, подозрительные в первую очередь на воспалительный процесс в легких. Такая функция позволяет ускорить процесс перенаправления пациента с подозрением на пневмонию к специалисту-терапевту, инфекционисту, и, при подтверждении диагноза, раньше начать лечение. Преимущество данного процесса особенно актуально в медицинских учреждениях с большим потоком пациентов, в которых длительность ожидания результатов занимает от нескольких дней;
  • система позволяет анализировать обработанные исследования во встроенном приложении для просмотра со стандартным набором опций для улучшения визуализации и выполнения измерений структур на изображении

МОДЕЛЬ ДЛЯ АНАЛИЗА

МАММОГРАФИИ

Система Botkin.AI предназначена для выявления патологических изменений на маммограммах, выполненных в плановом порядке, при скрининговых и массовых профилактических медицинских осмотрах в качестве дополнительной проверки на наличие изменений в молочных железах, в первую очередь указывающих на онкологический процесс
Характеристики изменений, детектируемых системой
Система способна детектировать следующие патологические изменения молочной железы:
  • Объемное образование;
  • Фокальная асимметрия
  • Нарушение архитектоники
  • Аксиллярная аденопатия

При этом система имеет наибольшую чувствительность при следующих характеристиках изменений:
  • площади патологии более 1см2*;
  • изкой плотности молочных желез (плотность по ACR a или b)

*Система способна распознавать изменения меньших размеров, однако, точность детектирования в данном случае будет ниже
Функции программы
Программа предоставляет автоматический отчет по выявленным изменениям:
  1. Оценку по шкале BI-RADS для каждой из молочных желез.
  2. Оценку плотности каждой из молочных желез по шкале ACR.
  • Программа предоставляет возможности для визуализации найденных синдромов в исследовании для анализа их врачом.
  • Программа позволяет анализировать обработанные исследования во встроенном приложении для просмотра со стандартным набором опций для улучшения визуализации и выполнения измерений структур на изображении.
Таким образом, программа рассчитана на решение следующих медицинских задач (в соот-ветствии с перечнем, предложенным в общих положениях методических рекомендаций N43 «КЛИНИЧЕСКИЕ ИСПЫТАНИЯ ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ НА ОСНОВЕ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ (ЛУЧЕВАЯ ДИАГНОСТИКА)»):
  • выявление патологических изменений, указывающих на РМЖ;
  • поддержка принятия решений врачом-рентгенологом;
  • контроль качества работы врача-рентгенолога;
  • определение характера патологии;
  • определение границ патологических изменений.