Аңдатпа
Relevance: In recent years, there has been an increase in the use of artificial intelligence (AI) technology in chest low-dose computed tomography (LDCT), which has attracted considerable attention. LDCT scans are widely used for early detection and monitoring of lung diseases, making the accurate analysis of these scans crucial for effective diagnosis and treatment. ДИАГНОСТИКА 38 Онкология и Радиология Казахстана, №4 (74) 2024 Прозрачность исследования: Авторы несут полную ответственность за содержание данной статьи. Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов. Финансирование: Исследование проведено в рамках проекта BR24992933 «Разработка и внедрение диагностических моделей, технологий лечения и реабилитации для больных с онкологическими заболеваниями». Вклад авторов: вклад в концепцию – Мухамеджан А., Аманкулов Ж.М., Панина А.С., Кайдарова Д.Р.; научный дизайн – Казыкенова А.А.; исполнение заявленного научного исследования – Абдрасилова Ж.С., Мухамеджан А.; интерпретация заявленного научного исследования – Аманкулов Ж.М., Панина А.С., Кайдарова Д.Р.; создание научной статьи – Абдрасилова Ж.С., Панина А.С., Мухамеджан А., Казыкенова А.А. Сведения об авторах: Мухамеджан А. – врач-радиолог Отделения радиологии и ядерной медицины, АО «КазНИИОР», Алматы, Республика Казахстан, тел. +77073706537, e-mail: dr.mukhamejan@icloud.com, ORCID ID: 0000-0002-4717-3051; Панина А.С. – врач-радиолог Отделения радиологии и ядерной медицины, АО «КазНИИОР», Алматы, Республика Казахстан, тел. +77015558922, e-mail: doctorpanina@gmail.com, ORCID ID: 0000-0002-3667-1872; Абдрасилова Ж.С. – научный сотрудник, врач-радиолог Отделения радиологии и ядерной медицины, АО «КазНИИОР», Алматы, Республика Казахстан, тел. +77073672699, e-mail: abdrasil.zhanar@gmail.com, ORCID ID: 0009-0000-7484-1396; Казыкенова А.А. (корреспондирующий автор) – резидент НАО «КазНМУ имени С.Д. Асфендиярова», Алматы, Республика Казахстан, тел. +77784880401, e-mail: kazykenovaaa@mail.ru, ORCID ID: 0009-0006-2869-865X; Кайдарова Д.Р. – д.м.н., профессор, академик НАН РК, председатель правления АО «КазНИИОиР», Алматы, Республика Казахстан, тел. +7-701-711-65-93, e-mail: dilyara.kaidarova@gmail.com, ORCID ID: 0000-0002-0969-5983; Аманкулов Ж.М. – PhD, заведующий отделением Радиологии и ядерной медицины, АО «КазНИИОР», Алматы, Республика Казахстан, тел.+77013514213, e-mail: zhandos.amankulov@gmail.com, ORCID ID: 0000-0001-7389-3119. Адрес для корреспонденции: Казыкенова А.А., ул. Каратау д. 20, мкрн. Шанырак-1, Алматы A01E8K5, Республика Казахстан. The study aimed to evaluate the diagnostic effectiveness of an AI system in clinical practice by comparing its sensitivity in detecting pulmonary nodules and differentiating between benign and malignant processes with radiologists. Additionally, the study aims to provide a theoretical basis for clinical application. Methods: The study is based on a retrospective analysis of LDCT scans performed in a pilot project for lung cancer screening. High-resolution tomography followed standardized low-dose scanning protocols; experienced radiologists and an expert with many years of practice interpreted the results. Modern deep learning frameworks (TensorFlow, PyTorch) were applied for data analysis and nodule segmentation. Results: The results of the study demonstrated that the deep learning model achieved a sensitivity of 63.4% (95% CI: 54.0–72.8%) and a specificity of 81.6% (95% CI: 79.8–83.4%) in detecting pulmonary nodules, consistent with the findings of previous studies. Conclusion: Like previous published studies, this study demonstrates that AI can enhance the LDCT interpretation process. However, despite the obtained diagnostic value, it requires further refinement for full implementation in clinical practice.