Неоднократно описана практическая ценность компьютерной томографии (КТ) органов грудной клетки для диагностики пациентов с подозрением на коронавирусную инфекцию (COVID-19). В условиях высокой загруженности во время пандемии врачи-рентгенологи испытывают нехватку времени для интерпретации результатов исследований. Использование технологий искусственного интеллекта (ИИ) может повлиять на длительность формирования протокола описания КТ-исследований. ЦЕЛЬ ИССЛЕДОВАНИЯ Оценить влияние алгоритма ИИ на скорость описания результатов КТ органов грудной клетки при подозрении на COVID-19 в стационарном звене городского здравоохранения. МАТЕРИАЛ И МЕТОДЫ Проведено ретроспективное исследование, протокол зарегистрирован в ClinicalTrials.gov (NCT04489992). Исследование выполнено на основе данных пациентов, прошедших КТ органов грудной клетки в период с 08.04.20 по 01.12.20 в 105 медицинских организациях стационарного звена городского здравоохранения. КТ органов грудной клетки проводили по стандартным протоколам сканирования. Врачи-рентгенологи анализировали исследования с помощью ИИ-сервиса «Гамма Мультивокс Ковирус» и без него. Формирование протоколов медицинских заключений проведено в Едином радиологическом информационном сервисе в составе Единой медицинской информационно-аналитической системы Москвы. РЕЗУЛЬТАТЫ Без применения ИИ проанализированы 3133 КТ-исследований с признаками COVID-19-ассоциированной пневмонии (1-я группа), с использованием ИИ — 63 379 (2-я группа). Медианная длительность описаний в 1-й и 2-й группах составила 103,0 и 46,0 мин соответственно. Анализ длительности интерпретации врачом-рентгенологом результатов КТ органов грудной клетки до и после внедрения ИИ выявил статистически значимые различия (p<0,0001). Средняя длительность описания КТ органов грудной клетки при использовании ИИ уменьшилась на 29,4%. ЗАКЛЮЧЕНИЕ Внедрение технологии ИИ, направленной на диагностику изменений в легких при COVID-19 по данным КТ органов грудной клетки, в практическую работу отделений лучевой диагностики стационарного звена городского здравоохранения сокращает время подготовки протокола описания врачами-рентгенологами.

Оценка фракционного резерва кровотока по данным компьютерной томографии: сравнение расчетных показателей с результатами инвазивных измерений

In this paper novel architecture of artificial intelligence based on spike neural networks is proposed. This architecture includes some perception, some action modules and control module supervising learning of others. Control module is based on generation and learning to generate basic emotions: positive and negative. These emotions are supervising learning and behavior of whole system.

The authors performed clinical studies based on modelling of an ascending aortic aneurysm in 37 patients and 10 apparently healthy subjects. Echocardiography was carried out in the B-mode using the Vivid E9 device (USA, GE). The linear dimensions of the aorta were assessed at three points - in the immediate vicinity of the valves, in the area of the maximum dilatation and in the area of decreased dilatation with registration of blood flow velocity in the aorta. The aortic walls were contoured with the division of equal intervals into 4 portions in order to obtain longitudinal shear deformation velocity during the cardiac cycle. We worked out a system of assessing the velocity vector fields with the help of transthoracic echocardiography in patients with an ascending aortic aneurysm, based on registration of blood flows, which made it possible to obtain the components of velocity. We also determined an optimal method of assessing turbulence in the aorta taking into account the direction of the vectors. Obtained were the numerical data of aortic wall deformation velocity in the longitudinal direction and calculation of the weighting function with the distinction between pathology and the norm. Based on the deformation, the distance between the registered points, and the movement of the vascular wall, we determined the reference values of blood flow velocity inside the aorta and immediately close to its walls.

This study is devoted to the accuracy of the optic navigation system “Neuroplan”. To assess the complex error of the system, a plastic model of the skull with 8 radiocontrast target points was developed. Twelve neurosurgeons with different levels of training participated in the study. The design of the study provided for each doctor performance of registration in the “Neuroplan” system at various positions of the model with subsequent hit at the target points. To select the optimal method of registration for different patient positions on the operating table, the registration table for anatomical landmarks (from 3 to 7) and on the surface was used. The analysis of the obtained results showed a high accuracy of the optic navigation system “Neuroplan”: in the side position of the scull model the target error averaged 1.57 [1.11; 2.13] mm, in the face down position – 1.69 [1.26; 2.19] mm, which is comparable with the declared accuracy of foreign analogues. When the experiment was repeated, it was shown that the system has high retest reliability.