1. Введение
Современная медицинская наука уделяет значительное внимание развитию диагностических методов медицинской визуализации, которые могли бы использоваться специалистами разных направлений. Традиционно под понятием «медицинская визуализация» подразумеваются неинвазивные методики, позволяющие получать информацию об интересующих органах и тканях, выраженную в оптических образах или реконструкции интересующего объекта
[6][7][8][9]
Объектами медицинской визуализации становятся различные органы и системы человеческого организма. В основе таких методов лежат различные принципы (применение ультразвука, биопсийное исследование, методы фиксации концентрации различных веществ в тканях, фиксация скорости и характера кровотока, оптические методы). Значительным преимуществом этих методик является минимизация или полное отсутствие повреждений и возможность выполнения многократного изучения, позволяющих проводить контроль в процессе терапии или регистрировать изменения происходящие после оперативного лечения пациента вплоть до полной реконвалесценции
[10][12][13][14]
С другой стороны, общим недостатком таких методов является сохраняющаяся субъективность оценки результатов, которая зависит от опыта, квалификации и личных характеристик врача-эксперта. Таким образом, в отношении различного рода изображений, представляющих собой отражения объектов медицинской визуализации, получаемых в ходе исследований, создается парадоксальная ситуация. Рентгеновское исследование, компьютерная томография, магнитно-резонансное, ультразвуковое исследование и различные варианты когерентной томографии прочно заняли свое место в диагностической медицине и являются на сегодняшний день уже привычными технологиями. Однако получаемые результаты в виде медицинских изображений уже в течение многих лет продолжают оцениваться, так сказать, «вручную». А программное обеспечение, прилагаемое к оборудованию, предлагает врачу-специалисту ограниченный набор возможностей оценки изображений сводящиеся обычно к определению размеров интересующих объектов. Неудивительно, что в медицинской практике распространены ситуации, когда в поисках истинного диагноза один и тот же снимок консультируется несколькими специалистами и решение о диагнозе выносится «большинством голосов» наиболее опытных и компетентных специалистов.
Безусловно, имеется множество научных статей, посвященных специальной обработке медицинских изображений, в т.ч. с применением технологий искусственного интеллекта, однако такие публикации зачастую знакомы только узкому кругу специалистов, интересующихся конкретной проблемой, да еще имеющих возможность прочитать такую публикацию, потому что большинство из них не находятся в открытом доступе. Таким образом, новейшие разработки остаются недоступными широкому кругу врачей, реально занимающихся лечением больных и весьма далеких от теоретических изысканий. И уж тем более они не включаются в методические и клинические рекомендации.
Другим немаловажным моментом является сложность прямого взаимодействия врачей специалистов, нуждающихся в конкретных диагностических методах и технических разработках и возможными исполнителями этих запросов. Научные группы, включающие специалистов технического направления и ИТ, в некоторых случаях работают изолированно от врачебных групп, не представляя реальные актуальные запросы врачей, работающих в реальной медицине с реальными людьми. Разрабатываемые таким образом программные продукты являются слишком сложными для применения в широкой практике, не позволяют адекватно интерпретировать результаты обработки и зачастую остаются на уровне разработок и патентов. Совместная работа врачей-исследователей и специалистов в области ИТ и искусственного интеллекта должна быть направлена на создание программного обеспечения, позволяющего, с одной стороны, облегчить работу врача, вынужденного обрабатывать большие объемы информации и сравнивать множество медицинских изображений самостоятельно, а с другой стороны — по возможности объективизировать результаты получаемых данных. В частности, при оценке изображений кожи, получаемых с помощью таких методов как оптическая когерентная томография (ОКТ) и высокочастотное УЗИ всегда возникал вопрос субъективности в описании и оценке тех или иных структур кожи и патологических изменений
[15][16]
Оптическая когерентная томография — высокоразрешающий (10–20 мкм) метод визуализации структуры биотканей, использующий в качестве зондирующего излучения низко интенсивный свет ближнего инфракрасного диапазона. Структура ткани визуализируется за счет регистрации отраженной части зондирующего излучения от внутритканевых элементов, отличающихся по показателю преломления и свойствам обратного рассеяния
[1][4][11]
3D модификация ОКТ обеспечивает получение трехмерного изображения исследуемого фрагмента кожи площадью 5х5 мм на глубину до 2 мм с возможностью изучения как самой трехмерной модели с различных ракурсов, так и изображений произвольного числа срезов этого фрагмента во фронтальных, сагиттальных, горизонтальных и любых других плоскостях, что значительно увеличивает надежность визуализации сосудов и придатков кожи и информативность метода в целом
[3][3][3]
Наша научная группа, включающая врачей, специалистов по анализу данных и ИТ разработала программу для ЭВМ «Визуальный статистический анализ изображений структуры кожи, полученных неинвазивными методами (Lumen stratis)», позволяющую решить этот вопрос. Применяется для анализа ОКТ-изображений кожного покрова при проведении скринингового обследования с целью оперативного выявления характера патологических изменений кожи.
ПО написано на языке программирования Python 3.10. в открытой среде разработки PyCharm Community Edition 2023.2.3. Использовались следующие библиотеки и модули Python: NumPy, OpenCV, Tkinter, PIL.
Требуемый вид и версия операционной системы: Windows 7/8/10/11. Программа «Lumen stratis» позволяет выполнять следующие задачи: быстрая загрузка (без конвертора) ОКТ-снимков (изображений); визуализация статистического анализа изображений, проводимого в диалоге с пользователем; сохранение результатов исследования в форматах .bmp, .JPG, .tmg, .dat, .png и txt. Среднее время обработки одного изображения 20 миллисекунд. Тип реализующей ЭВМ — IBM PC совместимый персональный компьютер.
Получено свидетельство № 2024615567 от 11.03.2024 о государственной регистрации программы для ЭВМ «Визуальный статистический анализ изображений структуры кожи, полученных неинвазивными методами (Lumen stratis)».
В данной работе в том числе описанное программное обеспечение применялось для объективного визуального анализа ОКТ-изображений кожного покрова.
У всех пациентов получено добровольное информированное письменное согласие.
2. Методы и принципы исследования
Цель работы. Разработка и оценка эффективности программного обеспечения для объективного визуального анализа ОКТ-изображений кожного покрова.
Материалы методы. Использовали оптический когерентный томограф «ОКТ 300 - Е» с зондом для неинвазивных исследований и возможностями моделирования получаемых изображений в режиме 3D со следующими техническими характеристиками: длина волны излучения — 1300 нм, мощность излучения на объекте 0,75 мВт (ниже уровня, допустимого по стандарту AMSI), пространственное разрешение — 8–20 мкм, глубина сканирования — до 2 мм, площадь сканирования 5х5 мм, время получения изображения — 20 секунд. Для обработки полученных изображений использовали программу «Визуальный статистический анализ изображений структуры кожи, полученных неинвазивными методами (Lumen stratis)».
Анализировали 470 оптических изображений. Из них 170 изображений составляли оптические образы кожи здоровых добровольцев в различной локализации, 300 изображений кожи у пациентов с ожогами различной степени. Получали 3D изображений кожи исследуемых областей, представленных в виде ОКТ-образов в различных плоскостях в псевдоцветной коричневой палитре. Интенсивность сигнала в каждом пикселе изображения соответствовала номеру цвета в палитре от более к менее интенсивным значениям. Изображения обрабатывали с помощью программы «Lumen stratis», выделяя с помощью подбора рабочих параметров, определенные слои и структуры и определяя значения степени интенсивности сигнала в интересующих областях изображений, выраженных в числовом эквиваленте.
В основе выделения слоев лежит предположение о нормальном распределении светимости пикселей изображения и правила 3s, справедливое для нормального закона. Нейронные сети и сложные алгоритмы машинного обучения не применялись для сохранения возможности адекватной наглядной интерпретации результата. Диапазоны слоев определялись следующим образом:
- «-1 Слой» — [M – σ; M), (оптический аналог верхней части рогового слоя с высоким уровнем сигнала).
- «1 Слой» — [M; M + σ), (оптический аналог нижней части рогового слоя с низким уровнем сигнала).
- «2 Слой» — [M + σ; M + 2σ), (оптический аналог клеточных слоев эпиедрмиса с высоким сигналом).
- «3 Слой» — [M + 2σ; M + 3σ), (оптический аналог зоны дермо-эпидермального проникновения со средним уровнем сигнала).
- «4 Слой» [M + 3σ; M + 4σ). (оптический аналог верхней части дермы с низким уровнем сигнала).
Здесь M — выборочное математическое ожидание, σ — выборочное среднеквадратическое отклонение. Визуализация расположение слоев на плотности
Визуализация расположение слоев на плотности f(x) нормального закона распределения
Алгоритм реализации анализа ОКТ-изображения
Рабочее окно программы «Lumen stratis»
3. Основные результаты
Обработка изображений поврежденной кожи пациентов с ожогами различной тяжести в программе «Lumen stratis» способствовала объективизации и четкой визуализации указанных изменений получаемые изображения проходили обработку в специально созданной программе, позволяющей выполнять статистический анализ изображений и визуализацию проведенного статистического анализа с численным выражением математического ожидания яркости изображения и среднеквадратического отклонения яркости, выраженных в условных единицах. Таким образом, получали более четкую визуализацию слоев, что позволяло достоверно установить их наличие или отсутствие.
При ожогах 1 степени обработка позволила подтвердить сохранение рогового слоя, клеточных слоев эпидермиса, сосочкового и верхней части сетчатого слоев дермы (Рис.4, 5)
ОКТ-изображения вертикальных срезов кожи спины здорового добровольца (а) и вертикальных срезов кожи спины в зоне ожога 1 степени (б)
ОКТ-изображение здоровой кожи, обработанное программой «Lumen stratis» (а, в) ОКТ-изображение ожога 1 степени, обработанное программой «Lumenstratis» (б, г)
Анализ 3D ОКТ-изображений, полученных в зоне повреждения при 2 степени ожога обработанных в программе, четко выявил на изображениях вертикальных срезов отсутствие визуализации рогового слоя и выраженный отек клеточных слоев эпидермиса (рис 6, 7).
ОКТ-изображения вертикальных срезов кожи спины здорового добровольца (а) и вертикальных (б) срезов кожи спины в зоне ожога 2 степени
ОКТ-изображение здоровой кожи, обработанное программой «Lumen stratis» (а, в) ОКТ-изображение ожога 2 степени, обработанное программой «Lumenstratis» (б, г)
При ожоге 3 степени Обработка изображений вертикальных изображений поврежденной кожи продемонстрировала отсутствие визуализации эпидермиса. Вместо эпидермиса в верхней части изображения визуализировалась линейная зона высокой интенсивности сигнала, вероятно соответствующая струпу (Рис.8, 9)
ОКТ-изображения вертикальных срезов кожи спины здорового добровольца (а) и срезов кожи спины в зоне ожога 3 степени (б)
ОКТ-изображение здоровой кожи, обработанное программой «Lumen stratis» (а, в) ОКТ-изображение ожога 3 степени, обработанное программой «Lumenstratis» (б, г)
Таким образом, согласно классификации по глубине ожогового поражения кожи согласно клиническим рекомендациям (17.01.2023)[17].
- I степень ожоги в пределах эпидермиса (эпидермальные, поверхностные);
- II степень ожоги распространяются до сосочкового слоя дермы с сохранением дериватов кожи (дермальные, пограничные);
- III степень поражение всех слоев кожи вплоть до собственной фасции, в ряде случаев, с повреждением субфасциальных структур (глубокие).
При ожогах I степени поражается только эпидермис, имеется экссудативное воспаление. Эпителизация при таких поражениях происходит за счет части сохранившихся нижних слоев эпидермиса и придатков кожи до 10 дней после травмы.
При ожогах II степени в зону повреждения включается сетчатый слой дермы, но сохраняются неповрежденными многие волосяные фолликулы, сальные и потовые железы, за счет которых и происходит эпителизация ожоговых ран, обычно это занимает 18–20 дней после травмы.
При ожогах III степени поражение кожи происходит на всю глубину (подкожно-жировая клетчатка, мышцы, фасции и кости). Только небольшие по площади глубокие ожоги заживают за счет контракции раны и краевой эпителизации. Во всех остальных случаях самостоятельное заживление невозможно, и возникает необходимость в проведении различных видов кожной пластики. После заживления всегда остается нарушение пигментации кожи, образуются послеожоговые рубцы, могут развиться рубцовые деформации.
В статье была задача определить степень ожога с помощью инструментального исследования окт и программной обработки, за счёт определения отсутсвия оптических слоёв эпидермиса, что соответсвует степени ожога. в зоне повреждения при 2 степени ожога выявлено отсутствие визуализации рогового слоя и выраженный отек клеточных слоев эпидермиса, при ожоге 3 степени обработка вертикальных изображений поврежденной кожи продемонстрировала полное отсутствие визуализации эпидермиса.
4. Обсуждение
Обработка оптических образов поврежденной кожи пациентов с ожогами различной тяжести показали возможность разработанной программы «Lumen stratis» более четко и объективно фиксировать наличие или отсутствие оптических слоев, определяющих степень повреждения кожи и наличие или отсутствие кожных придатков, что является принципиально значимым показателем, позволяющим снизить субъективность оценки тяжести повреждения при ожоговой травме и правильно определить тактику необходимого лечения.
Гистологический метод (исследование тканей под микроскопом) считается «золотым стандартом» в диагностике многих заболеваний, но имеет ряд недостатков,
1. Инвазивность забора материала для получения ткани нужна операция, пункция или эндоскопия. Что ограничивает частоту забора материала, из-за возникающих рисков осложнений: кровотечений, инфицирования, образования рубцов (фиброза) и повреждения окружающих здоровых тканей. А также требуется время для восстановления тканей. Повторная биопсия должна проводиться только после заживления дефекта, что может занимать от нескольких недель до нескольких месяцев, особенно при биопсии кожи.
2. Длительность процесса. От забора материала до результата обычно проходит 7–14 дней.
3. Ошибки при заборе материала и прямая зависимость интерпретации от квалификации врача.
4.
Следует отметить, что данное программное обеспечение создавалось по прямому запросу пользователей программного продукта и непосредственно с участием врачей. Необходимо указать, что большинство врачей очень далеки от сложных расчетов.
Простота использования и оценки данных, которые можно производить «у постели больного» играют ключевую роль в работе врача существенно экономя время и действительно облегчая диагностику. Несмотря на очевидную простоту программы, она отвечала всем необходимым требованиям экспертов и успешно прошла регистрацию (Свидетельство о регистрации программы для ЭВМ RU 2024615567, 11.03.2024. Заявка от 01.03.2024.)
Медицинская наука направлена не только на разработку высокотехнологичных методов диагностики и лечения пациентов, но и на персонификацию терапии и подбор индивидуальных подходов к методам обследования пациентов. Несмотря на актуальность темы применения искусственного интеллекта и новых методов программного обеспечения в области медицины, следует опасаться излишне сложных разработок не применимых в реальной практике. Искусственный интеллект не сможет заменить специалиста, в данном случае врача, в том числе из-за риска совершения непоправимых ошибок. Он может лишь служить вспомогательным инструментом в работе специалиста (врача) и должен создаваться исходя из реальных запросов здравоохранения. Большинство из этих положений изложено в указе Президента Российской Федерации от 10.10.2019 г. № 490 о развитии искусственного интеллекта в Российской Федерации
[2][5]
5. Заключение
Разработанная программа для ЭВМ «Визуальный статистический анализ изображений структуры кожи, полученных неинвазивными методами (Lumen stratis)» вляется эффективным инструментом, позволяющим объективизировать и повышать точность оценки оптических изображений кожи, получаемых с помощью метода ОКТ. степень повреждения кожи, а также наличие или отсутствие кожных придатков, что позволяет снизить субъективность оценки тяжести повреждения и правильно определить тактику ведения пациента, составления прогноза и плана реабилитации.