Долгов Игорь Маратович, д.м.н, зам. Генерального директора
г. Москва
Igor Maratovich Dolgov, MD, PhD, deputy director
Карамышев Юрий Владимирович, адъюнкт, кафедра рентгенологии и радиологии с курсом ультразвуковой диагностики
Санкт-Петербург
Yuri Vladimirovish Karamyshev, Associate Professor Department of Rentgenology and Radiology with a Course in Ultrasound Diagnostics
Железняк Игорь Сергеевич, доктор медицинских наук, профессор, начальник кафедры рентгенологии и радиологии с курсом ультразвуковой диагностики
Санкт-Петербург
Igor Sergeevich Zheleznyak, M.D., PhD, Professor, Head of the Department of Rentgenology and Radiology with a Course in Ultrasound Diagnostics
Карамышева Ангелина Александровна, заместитель главного врача по медицинской части
Санкт-Петербург
Angelina Aleksandrovna Karamysheva, Deputy Chief Physician for medical part
Махновский Андрей Иванович, к. м. н., заместитель главного врача по организации скорой медицинской помощи3; ассистент, кафедра скорой медицинской помощи
Санкт-Петербург
Andrey Ivanovich Makhnovsky, M.D. Deputy Chief Physician of the for the organization of emergency medical care, Assistant, Department of Emergency Medical Care
Хрипковсий Дмитрий Николаевич, технический директор
г. Москва
Dmitrii Nikolaevich Khriupkovskiy, Technical director
Современные тенденции развития методов медицинской визуализации, (в т. ч., медицинского тепловидения) заключаются в разработке таких способов обработки медицинских изображений, на основании которых было бы возможно создать «цифровой портрет» нозологии и использовать эти способы в автоматическом режиме для создания систем помощи принятия клинических решений.
Цель исследования: определить количественные значения тепловизионных критериев острых риносинуситов (ОРС), внедрить эти критерии в протоколы автоматического анализа в целях создания диагностического комплекса, пригодного к использованию специалистами любого профиля.
Материалы, методы: с использованием медицинского тепловизора «ТВС300-мед» (388x288 пиксел, чувствительность 0,03 °C) (ООО «СТК СИЛАР» (г. Санкт-П етербург), после соответствующей адаптации, обследовано 100 здоровых волонтеров и 305 пациентов, направленных в стационар с подозрением на наличие ОРС (диагноз ОРС подтвержден у 173 пациентов). Термограммы (в проекции «голова фронт») обработаны в «облачном» автоматическом программном комплексе ТVisio» (ООО «Дигносис») с автоматической разметкой и формированием областей интереса (ОИ) в проекциях верхнечелюстных пазух (ВЧП) и точки, расположенной посередине межбровной линии (Тср). Определялись следующие показатели: разница температуры между Тср и средней температурой в проекции правой (ΔТпр) и левой (ΔТлев) ВЧП,; разница средних температур в проекции пазух (ΔТпаз).
Результаты. Наилучшими дифференцирующими качествами обладает комплекс показателей «ΔТпаз ≥ 0,5 °C; ΔТпр и/или ΔТлев ≤ 0» в формате «оба показателя или хотя бы один»: чувствительность 82 %, и специфичность 74 %, диагностическую эффективность теста 78 %. Посредством введения данных критериев в алгоритмы программной обработки термограмм создан автоматический комплекс диагностики ОРС.
Development of medical imaging techniques (including medical thermography) provided an opportunity to mine data that can be explored for the development of clinical decision support systems.
Aim. Find out quantitative thermography criteria for acute rhinosinusitis and implement these criteria into automated analysis protocols to create a diagnostic complex suitable for use by professionals of any medical speciality.
Material, methods. After necessary adaptation, facial thermography by mean of thermography camera ТВС300-меd LLC “СТК СИЛАР” Russia, (384x288 pixel, 30 mK) was performed in 100 healthy volunteers and 305 patients with suspected acute rhinosinusitis (in 173 of them diagnosis was supported). Resulted thermograms were processed in “cloud service” TVision (LLC “Dignosys”, Russia). Point and regions of interest (ROI), namely, point in the middle of the line, connected inner edge of eyebrows (Тср) and ROI, covered the projections of maxillary sinuses were marked automatically. Difference between temperature in Тср point and mean temperature in each ROI (ΔТr/ΔТl), as well as mean temperature between ROI were calculated (ΔTпаз).
Result. The best results ( sensitivity 82%, specificity 74%, accuracy 78%) were received when complex of ΔТr/ΔТl ≤0 and module |ΔTпаз| ≥0,5°C (both or at least one criterion) was applied. Based on these data, automatic algorithm of thermography acute rhinosinusitis diagnostics was created to use in primary medical care routine as clinical decision support systems.
The authors declare that there are no conflicts of interest present.