Dette blev rapporteret til “Gazeta.Ru” af universitetets pressetjeneste.
Modulet analyserer computertomografidata og udfører automatisk segmentering af lunger, bronkier, arterielle og venøse træer samt identificerer og lokaliserer neoplasmer. Ved hjælp af interaktive værktøjer kan kirurgen vurdere, hvordan fjernelsen af en bestemt struktur vil påvirke åndedrætsfunktionen hos en bestemt patient.
Baseret på testresultater når nøjagtigheden af lungevævssegmenteringen op på 93 % i henhold til DICE-koefficienten. Dybden af dækningen af bronkietræets grene er op til 96 %, vaskulærtræet – op til 97 %. Resultaterne af analysen dannes i form af en rapport, der kan integreres i den elektroniske lægejournal.
“Vi ser dette AI-modul som et værktøj til personlig onkokirurgi. Det giver os mulighed for at gå fra visuel vurdering til kvantitativ analyse af en bestemt patients anatomi og forudsigelse af de funktionelle konsekvenser af operationen,” siger Marina Sekacheva, direktør for Institute of Personalised Oncology ved Sechenov University.
Ifølge Evgeny Tarabrin, direktør for hospitalets kirurgiske klinik, er det vigtigt for kirurgen at få et komplet anatomisk billede på forhånd – under hensyntagen til placeringen af blodkar og bronkier. “Det gør det muligt at minimere resektionens omfang og reducere risikoen for komplikationer,” sagde han.
Alexey Bychenkov, teknisk vicedirektør for RTK-Radiology, understregede, at systemet ikke kun er designet til visualisering, men også til at forudsige postoperativ respirationsfunktion og beregne funktionstab efter resektion. “Denne tilgang er især vigtig for komplekse individuelle tilfælde,” tilføjede han.
Modulet blev udviklet i samarbejde med thoraxkirurger og radiologer og fungerer på DIGIPAX Unified Radiology Information System. Forberedelserne er nu i gang for at inkludere løsningen i Roszdravnadzors register over medicinsk udstyr. Når registreringscertifikatet er opnået, er det planen, at det skal implementeres i føderale og regionale klinikker.
