Возможности снижения лучевой нагрузки при проведении компьютерной томографии для оценки изменений в лёгких, характерных для СOVID-19: использование адаптивной статистической итеративной реконструкции

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Большинство пациентов с COVID-19 во время госпитализации проходит многократные визуализационные обследования, кумулятивный эффект которых может значительно увеличивать общую дозу полученного облучения. Эффективная доза облучения может быть снижена за счёт уменьшения тока и напряжения рентгеновской трубки, что, однако, снижает качество изображения. Возможным решением этой проблемы может стать внедрение технологии адаптивной статистической итерационной реконструкции «сырых данных» компьютерной томографии (КТ) ― Adaptive Statistical Iterative Reconstruction (ASIR). В последнее время в литературе появились сведения об эффективности низкодозной КТ (НДКТ) в диагностике COVID-19.

Цель ― анализ качества и диагностической ценности НДКТ-изображений лёгких после применения итеративного алгоритма обработки; оценка возможности снижения лучевой нагрузки на пациента при диагностике COVID-19.

Материал и методы. В проспективном исследовании приняли участие пациенты, проходившие стационарное лечение в инфекционном отделении МНОЦ МГУ им. М.В. Ломоносова. Исследования КТ выполнялись при поступлении и выписке; в период госпитализации их повторяли по мере клинической необходимости. При первом исследовании использовался стандартный протокол КТ с напряжением тока на трубке 120 кВ и автоматическим модулированием силы тока в диапазоне 200–400 мА, при повторных КТ применяли протокол НДКТ с уменьшенными параметрами напряжения тока на трубке (100 или 110 кВ) и автоматической модуляцией тока в диапазоне 40–120 мА. Для оценки диагностической ценности НДКТ по сравнению со стандартной КТ было проведено анкетирование среди врачей отделения лучевой диагностики МНОЦ МГУ. Анкета включала в себя сравнительную характеристику двух методик при выявлении таких патологических процессов, как уплотнение лёгочной ткани по типу матового стекла, уплотнение по типу матового стекла с ретикулярными изменениями, участки консолидации лёгочной ткани, лимфаденопатия.

Результаты. В исследовании принял участие 151 пациент; средний возраст 58±14,2 года; 53,6% мужчин. При НДКТ в сравнении со стандартной КТ лучевая нагрузка снижалась в среднем в 2,96 раза, компьютерно-томографический индекс дозы (CTDI) ― в 2,6 раза, средняя поглощённая доза (DLP) ― в 3,1 раза, сила тока на трубке ― в 1,83 раза, напряжение на трубке ― в 1,2 раза. Полученные анкетные данные свидетельствуют о том, что при проведении НДКТ эффективность выявления основных признаков вирусной пневмонии и оценки динамики состояния пациента существенно не меняется по сравнению с КТ, проведённой по стандартному протоколу.

Заключение. Результаты сравнения стандартной и НДКТ демонстрируют отсутствие значимых потерь диагностической информации и качества при снижении лучевой нагрузки. Таким образом, НДКТ грудной клетки может использоваться в рутинной практике для успешной диагностики COVID-19.

Об авторах

Дарья Андреевна Филатова

Московский государственный университет имени М.В. Ломоносова

Автор, ответственный за переписку.
Email: dariafilatova.msu@mail.ru
ORCID iD: 0000-0002-0894-1994
SPIN-код: 2665-5973

Медицинский научно-образовательный центр

Россия, 143430, Московская обл., п.г.т. Нахабино, ул. Школьная, д. 1а

Валентин Евгеньевич Синицын

Московский государственный университет имени М.В. Ломоносова

Email: vsini@mail.ru
ORCID iD: 0000-0002-5649-2193
SPIN-код: 8449-6590

Доктор медицинских наук, профессор, медицинский научно-образовательный центр

Россия, Москва

Елена Александровна Мершина

Московский государственный университет имени М.В. Ломоносова

Email: elena_mershina@mail.ru
ORCID iD: 0000-0002-1266-4926
SPIN-код: 6897-9641

Кандидат медицинских наук, доцент, медицинский научно-образовательный центр

Россия, Москва

Список литературы

  1. Министерство здравоохранения Российской Федерации. Временные методические рекомендации: профилактика, диагностика и лечение новой коронавирусной инфекции. Версия 8 (03.09.2020). Москва, 2020. Режим доступа: https://base.garant.ru/74596434/. Дата обращения: 14.03.2021.
  2. Романов Б.К. Коронавирусная инфекция COVID-2019//Безопасность и риск фармакотерапии. 2020. Т. 8, № 1. С. 3–8. doi: 10.30895/2312-7821-2020-8-1-3-8
  3. Морозов С.П., Проценко Д.Н., Сметанина С.В., и др. Лучевая диагностика коронавирусной болезни (COVID-19): организация, методология, интерпретация результатов: препринт № ЦДТ – Версия 2 от 17.04.2020. Москва; 2020. 78 с.
  4. Udugama B., Kadhiresan P., Kozlowski H.N., et al. Diagnosing COVID-19: The disease and tools for detection//ACS Nano. 2020. Vol. 14, N 4. P. 3822–3835. doi: 10.1021/acsnano.0c02624.
  5. Zhao W., Zhong Z., Xie X., et al. Relation between chest ct findings and clinical conditions of coronavirus disease (COVID-19) pneumonia: a multicenter study//AJR Am J Roentgenol. 2020. Vol. 214, N 5. P. 1072–1077. doi: 10.2214/AJR.20.22976
  6. Beregi J.P., Greffier J. Low and ultra-low dose radiation in CT: Opportunities and limitations//Diagn Interv Imaging. 2019. Vol. 100, N 2. P. 63–64. doi: 10.1016/j.diii.2019.01.007.
  7. Cheng L., Fang T., Tyan J. Fast Iterative adaptive reconstruction in low-dose CT imaging//2006 International Conference on Image Processing. Atlanta: GA: IEEE; 2006. P. 889–892. Режим доступа: https://ieeexplore.ieee.org/document/4106673/. Дата обращения: 14.03.2021.
  8. Hara A.K., Paden R.G., Silva A.C., et al. Iterative reconstruction technique for reducing body radiation dose at CT: feasibility study//AJR Am J Roentgenol. 2009. Vol. 193, N 3. P. 764–771. doi: 10.2214/AJR.09.2397.
  9. Prakash P., Kalra M., Kambadakone A., et al. Reducing abdominal CT radiation dose with adaptive statistical iterative reconstruction technique//Invest Radiol. 2010. Vol. 45, N 4. P. 202–210. doi: 10.1097/RLI.ob013e3181dzfeec
  10. Chen L.G., Wu P.A., Sheu M.H., et al. Automatic current selection with iterative reconstruction reduces effective dose to less than 1 mSv in low-dose chest computed tomography in persons with normal BMI//Medicine (Baltimore). 2019. Vol. 98, N 28. P. e16350. doi: 10.1097/MD.0000000000016350.
  11. Dangis A., Gieraerts C., De Brueker Y., et al. Accuracy and reproducibility of low-dose submillisievert chest CT for the diagnosis of COVID-19//Radiology Cardiothoracic Imaging. 2020. Vol. 2, N 2. P. e200196. doi: 10.1148/ryct.2020200196
  12. Sethuraman N., Jeremiah S.S., Ryo A. Interpreting diagnostic tests for SARS-CoV-2//JAMA. 2020. Vol. 323, N 22. P. 2249–2251. doi: 10.1001/jama.2020.8259.
  13. Long C., Xu H., Shen Q., et al. Diagnosis of the Coronavirus disease (COVID-19): rRT-PCR or CT?//Eur J Radiology. 2020. Vol. 126. P. 108961. doi: 10.1016/j.ejrad.2020.108961
  14. Fang Y., Zhang H., Xie J., et al. Sensitivity of chest CT for COVID-19: comparison to RT-PCR//Radiology. 2020. Vol. 296, N 2. P. E115–E117. doi: 10/1148/radiol.2020200432
  15. Yang Y., Yang M., Shen C., et al. Evaluating the accuracy of different respiratory specimens in the laboratory diagnosis and monitoring the viral shedding of 2019-nCoV infections//medRxiv. 2020. doi: 10.1101/2020.02.11.20021493
  16. Brenner D.J., Hall E.J. Computed tomography — an increasing source of radiation exposure//N Engl J Med. 2007. Vol. 357, N 22. P. 2277–2284. doi: 10.1056/NEJMra072149
  17. Pierce D.A., Preston D.L. Radiation-related cancer risks at low doses among atomic bomb survivors//Radiat Res. 2000. Vol. 154, N 2. P. 178–186. doi: 10.1667/0033-7587(2000)154[0178:rrcral]2.0.co;2
  18. Маткевич Е.И., Синицын В.Е., Мершина Е.А. Сравнительный анализ доз облучения пациентов при компьютерной томографии в федеральном лечебном учреждении//Вестник рентгенологии и радиологии. 2016. Т. 97, № 1. С. 33–39. doi: 10.20862/0042-4676-2016-97-1-33-40
  19. Naidich D.P., Marshall C., Gribbin C., et al. Low-dose CT of the lungs: preliminary observations//Radiology. 1990. Vol. 175, N 3. P. 729–731. doi: 10.1148/radiology.175.3.2343122
  20. Prasad S.R., Wittram C., Sherard J.A., et al. Standard-dose and 50%-reduced-dose chest CT: comparing the effect on image quality//AJR Am J Roentgenol. 2002. Vol. 179, N 2. P. 461–465. doi: 10.2214/ajr.179.2.1790461
  21. Zwirewich C.V., Mayo J.R., Müller N.L. Low-dose high-resolution CT of lung parenchyma//Radiology. 1991. Vol. 180, N 2. P. 413–417. doi: 10.1148/radiology.180.2.2068303.
  22. Zhu X., Yu J., Huang Z. Low-dose chest CT: optimizing radiation protection for patients//AJR Am J Roentgenol. 2004. Vol. 183, N 3. P. 809–816. doi: 10.2214/ajr.183.3.1830809
  23. Kubo T., Ohno Y., Takenaka D., et al. Standard-dose vs. low-dose CT protocols in the evaluation of localized lung lesions: Capability for lesion characterization – iLEAD study//Eur J Radiol Open. 2016. Vol. 3. P. 67–73. doi: 10.1016/j.ejro.2016.03.002
  24. Гомболевский В.А., Чернина В.Ю., Блохин И.А. Основные достижения низкодозной компьютерной томографии в скрининге рака легкого//Туберкулез и болезни легких. 2021. Т. 99. № 1. С. 61–70. doi: 10.21292/2075-1230-2021-99-1-61-70
  25. Rampinelli C., De Marco P., Origgi D., et al. Exposure to low dose computed tomography for lung cancer screening and risk of cancer: secondary analysis of trial data and risk-benefit analysis//BMJ. 2017. Vol. 356. P. j347. doi: 10.1136/bmj.j347
  26. Chiles C. Lung cancer screening with low dose CT//Radiol Clin North Am. 2014. Vol. 52, N 1. P. 27–46. doi: 10.1016/j.rcl.2013.08.006.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Пациентка, 78 лет: стандартная компьютерная томография при поступлении выполнена с лучевой нагрузкой 2,5 мЗв (а), низкодозная компьютерная томография ― 1,0 мЗв (b).

Скачать (169KB)
Метаданные
3. Рис. 2. Пациент, 72 года: стандартная компьютерная томография при поступлении выполнена с лучевой нагрузкой 2,1 мЗв (а), низкодозная компьютерная томография ― 0,87 мЗв (b).

Скачать (161KB)
Метаданные
4. Рис. 3. Пациент, 60 лет: стандартная компьютерная томография при поступлении выполнена с лучевой нагрузкой 3,3 мЗв (а), низкодозная компьютерная томография ― 1,1 мЗв (b).

Скачать (171KB)
Метаданные
5. Рис. 4. Пациент, 46 лет: стандартная компьютерная томография при поступлении выполнена с лучевой нагрузкой 5,6 мЗв (а), низкодозная компьютерная томография ― 1,7 мЗв (b).

Скачать (160KB)
Метаданные
6. Рис. 5. Пациент, 40 лет: стандартная компьютерная томография при поступлении выполнена с лучевой нагрузкой 6,8 мЗв (а), низкодозная компьютерная томография ― 2,0 мЗв (b).

Скачать (159KB)
Метаданные
7. Рис. 6. Пациент, 56 лет: стандартная компьютерная томография при поступлении выполнена с лучевой нагрузкой 1,6 мЗв (а), низкодозная компьютерная томография ― 0,87 мЗв (b).

Скачать (139KB)
Метаданные

© Филатова Д.А., Синицын В.Е., Мершина Е.А., 2021

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

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».