Possibilities of differential diagnostics of histologicalforms of primary lung cancer with multi-spiral computed tomography based on artificial intelligence

Cover Page

Cite item

Full Text

Abstract

The problem of lung cancer, visualized including spherical formation of the lung, is becoming increasingly important every year. In the structure of the oncological morbidity of the Russian population among men in 2018, this pathology occupied the leading position – 16.9% (in women – 4.0%). When analyzing the distribution of patients with lung cancer of various age groups depending on the histotype of the tumor, it was found that in most cases it is adenocarcinoma and squamous lung cancer – 85%. MSCT was performed in 342 patients with spherical formation of the lung aged 45 to 80 years using computed tomographs Aquillion 64 and Asteion 4 (Toshiba Medical Systems). Digital analysis of scans was performed using the X-ray + program (Russia, Barnaul), which allows direct sampling of average pixel densities in a tabular form in selected areas of interest from DICOM files for subsequent analysis and statistical processing. The obtained densitometric indicators were received at the inputs of an artificial neural network. The effectiveness of differential diagnosis of histological forms: sensitivity – 35.7 + 2.6%, specificity – 40.6 + 2.6%, accuracy –76.3 + 2.3%.

About the authors

O. V. Borisenko

Altai State Medical University

Author for correspondence.
Email: dr_borisenko.olga@mail.ru

postgraduate

Russian Federation, Barnaul

V. K. Konovalov

Altai State Medical University

Email: dr_borisenko.olga@mail.ru
Russian Federation, Barnaul

A. F. Lazarev

Altai State Medical University

Email: dr_borisenko.olga@mail.ru
Russian Federation, Barnaul

S. L. Leonov

Altai State Technical University

Email: dr_borisenko.olga@mail.ru
Russian Federation, Barnaul

References

  1. Grigoryevskaya Z. V., Utkina V. L., Byakhova V. A. et al. Difficulties in the differential diagnosis of lung cancer and inflammatory changes in lung tissue. Siberian Oncology Journal. 2018; 17 (5): 119–24.
  2. Jemal A., Vines P., Bray F. et al. Atlas of modern oncology. Second Edition. Atlanta, Georgia: American Cancer Society. 2014. Access Mode: http://www.cancer.org/canceratlas.
  3. Kaprin A.D., Starinsky V.V., Petrova G.V., ed. Malignant neoplasms in Russia in 2018 (morbidity and mortality). M.: FGBU MNIII im. P.A. Herzen. 2019.250 p.
  4. Korolyuk I.P. Evidence-based radiology: basic principles and approaches to its implementation. Radiology-practice. 2007; 5: 7–21.
  5. Kosenok V.K., Belskaya L.V., Massard J. et al. Statistical patterns of the incidence of lung cancer in the Omsk region. Siberian Oncology Journal. 2016; 15 (4): 21–5.
  6. Merabishvili V.M. Medium-term variant forecast of mortality of the population of Russia from malignant neoplasms. Siberian Oncology Journal. 2019; 18 (4): 5–12.
  7. Merabishvili V.M., Arsenyev A.I., Tarkov S.A. et al. Morbidity and mortality from lung cancer, reliability of accounting. Siberian Oncology Journal. 2018; 17 (6): 15–26.
  8. Petrova G.V., Gretsova O.P., Starinsky V.V. Comparison of data from state oncological statistics and cancer register of Russia. Siberian Oncology Journal. 2019; 18 (5): 5–11.
  9. Recommendations for the early diagnosis of lung cancer for primary care physicians. Editorial. Bulletin of radiology and radiology. 2016; 97 (2): 69–78.
  10. Choynzonov E.L., Zhuikova L.D., Odintsova I.N. Mortality of the population of the Tomsk region from malignant neoplasms of the respiratory system. Siberian Oncology Journal. 2018; 17 (3): 5–10.
  11. Guldbrandt L. M., Fenger-Grøn M., Rasmussen T. R. et al. The effect of direct access to CT scan in early lung cancer detection: an unblinded, cluster-randomised trial. BMC Cancer. 2015; 15: 934.

Supplementary files

Supplementary Files
Action
1. JATS XML

Copyright (c) 2019 Eco-Vector


 


Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».