Васильев Юрий Александрович – к.м.н., директор; заведующий кафедрой лучевой диагностики с курсом клинической радиологии
ул. Петровка, д. 24, стр. 1, г. Москва, 127051; ул. Островитянова, д. 1, г. Москва, 117513
Yuriy A. Vasilev, Cand. Sci. (Med.), Directort; Head of the Department of Diagnostic Radiology with a Course in Clinical Radiology
Bldg 1, 24 Petrovka Street, Moscow, 127051; 1 Ostrovityanov Street, Moscow, 117513
Пестренин Лев Дмитриевич – младший научный сотрудник отдела медицинской информатики, радиомики и радиогеномики
ул. Петровка, д. 24, стр. 1, г. Москва, 127051
Lev D. Pestrenin, Junior Researcher, Department of Medical Informatics, Radiomics and Radiogenomics
Bldg 1, 24 Petrovka Street, Moscow, 127051
Румянцев Денис Андреевич – младший научный сотрудник отдела медицинской информатики, радиомики и радиогеномики; клинический ординатор-рентгенолог
ул. Петровка, д. 24, стр. 1, г. Москва, 127051; ул. Маршала Тимошенко, д. 19, стр. 1А, г. Москва, 121359
Denis A. Rumyantsev, Junior Researcher, Department of Medical Informatics, Radiomics and Radiogenomics; Radiology Resident
Bldg 1, 24 Petrovka Street, Moscow, 127051; Bldg 1A, 19 Marshal Timoshenko Street, Moscow,121359
Новик Владимир Петрович – научный сотрудник отдела медицинской информатики, радиомики и радиогеномики
ул. Петровка, д. 24, стр. 1, г. Москва, 127051
Vladimir P. Novik, Researcher, Department of Medical Informatics, Radiomics and Radiogenomics
Bldg 1, 24 Petrovka Street, Moscow, 127051
Арзамасов Кирилл Михайлович – к.м.н., руководитель отдела медицинской информатики, радиомики и радиогеномики
ул. Петровка, д. 24, стр. 1, г. Москва, 127051
Kirill M. Arzamasov, Cand. Sci. (Med.), Head of the Department of Medical Informatics
Bldg 1, 24 Petrovka Street, Moscow, 127051
Введение. Для достижения наибольших показателей диагностической точности ИИ-сервисов для лучевой диагностики необходимо их тестирование и валидация на наборах данных, в которых учтен баланс классов различных патологических признаков. Обеспечить создание таких наборов данных возможно лишь при наличии информации о частоте встречаемости патологических признаков в практическом здравоохранении.
Цель исследования: определить частоту встречаемости отдельных патологических признаков на рентгенограммах органов грудной клетки на больших данных системы здравоохранения российского мегаполиса.
Материалы и методы. Обсервационное многоцентровое ретроспективное выборочное исследование. В Едином радиологическом информационном сервисе Единой медицинской информационно-аналитической системы города Москвы было найдено 562 077 текстовых протоколов описаний рентгенограмм органов грудной клетки, которые далее были проанализированы и автоматически размечены с помощью инструмента Medlabel. Временной период, в который были выполнены исследования: с 18.02.2021 по 11.06.2021. Обработка результатов выполнялась в Microsoft Excel и с помощью языка программирования Python 3.9. Различия между группами оценивались с помощью критерия хи-квадрат.
Результаты. Среди всех проанализированных протоколов самым часто встречающимся патологическим признаком была кардиомегалия (12,23 %), тогда как остальные патологические признаки встречались не более чем в 3,0 % случаев. Среди всех исследований с патологическими признаками большинство исследований (79,60 %) содержали только один признак. Среди них самым распространенным признаком была кардиомегалия (80,78 %). Среди протоколов с двумя и более патологическими признаками кардиомегалия встречалась только в 43,36 % случаев, тогда как преобладающими по частоте признаками были очаги затемнения (64,98 %) и инфильтрация/консолидация (64,50 %).
Заключение. Доля протоколов с патологическими признаками составила 16,7 %. По частоте встречаемости на первом месте находится кардиомегалия, на втором – очаги затемнения, на третьем – инфильтрация/консолидация. При этом частота встречаемости отдельных патологических признаков значимо различалась в исследованиях с одним и несколькими (двумя и более) патологическими признаками, что необходимо учитывать при обучении и тестировании ИИ-сервисов.
Introduction: To achieve the highest diagnostic accuracy of AI services in radiology, it is necessary to test and validate them on data sets that consider the balance of classes of various abnormalities. Information about the frequency of abnormal findings in practical healthcare is essential for creation of such datasets.
Objective: To establish the frequency of chest X-ray abnormalities using big data from the healthcare system of a Russian metropolis.
Materials and methods: We conducted an observational multicenter retrospective sample study by retrieving 562,077 chest X-ray reports dated February 18, 2021 to June 11, 2021 from the Unified Radiological Information Service of the Unified Medical Information Analysis System of the city of Moscow, which were then analyzed and automatically labeled using the Medlabel tool. The results were processed in Microsoft Excel and using the Python 3.9 programming language. Group differences were determined using the chi-square test.
Results: Among all analyzed reports, cardiomegaly was the most frequent abnormal finding (12.23 %), while the proportion of other abnormalities did not exceed 3.0 %. Among all abnormal chest X-rays, 79.60 % showed only one abnormality with cardiomegaly found in 80.78 % of cases. Among the reports with two or more abnormal findings, cardiomegaly was detected in only 43.36 % of cases, whereas opacities (64.98 %) and infiltration/consolidation (64.50 %) prevailed.
Conclusions: The proportion of abnormal chest X-rays was 16.7 %. In terms of the frequency of occurrence, cardiomegaly ranked first followed by focal pulmonary opacity and infiltration/consolidation. It is worth noting that the frequency of certain types of abnormalities varied significantly between the tests with one and several (two or more) abnormal findings, which should be taken into account when training and testing AI services.
The authors declare that there are no conflicts of interest present.