Показати скорочений опис матеріалу
Modern methods of computer interpretation of abdominal radiography: Experience of application in diagnostics
Сучасні методи комп’ютерної інтерпретації рентгенографії органів черевної порожнини: досвід застосування у діагностиці
| dc.creator | Бортний, Микола | |
| dc.date | 2025-06-05 | |
| dc.date.accessioned | 2026-07-07T10:20:46Z | |
| dc.date.available | 2026-07-07T10:20:46Z | |
| dc.identifier | https://ojs.tdmu.edu.ua/index.php/bmbr/article/view/16300 | |
| dc.identifier | 10.63341/bmbr/2.2025.60 | |
| dc.identifier.uri | https://repository.tdmu.edu.ua//handle/123456789/30665 | |
| dc.description | The aim of the study was to assess the effectiveness of computer-based methods for interpreting abdominal radiographs in clinical diagnostics. The methodology included a prospective analysis conducted from April 2023 to February 2024 in Kharkiv, Ukraine, involving 312 patients aged 18-75 years with suspected acute abdominal conditions and a control group of 50 patients who underwent abdominal overview radiography due to suspected urological pathology, but in whom neither urological nor abdominal pathology was detected. Image interpretation was performed manually by two radiologists and automatically using two artificial intelligence systems. The results showed that automated interpretation provided slightly higher average sharpness scores (4.7 ± 0.3 vs 4.6 ± 0.4) and contrast (4.6 ± 0.4 vs 4.5 ± 0.5) compared to manual evaluation, as well as fewer artefacts (4.5 ± 0.5 vs 4.2 ± 0.6). The Aidoc system outperformed Zebra Medical Vision in terms of sensitivity (93.6% vs 89.1%), specificity (95.4% vs 94.7%), positive predictive value (91.8% vs 88.2%), and negative predictive value (96.7% vs 92.5%). The area under the receiver operating characteristic curve for Aidoc was 0.972, compared to 0.951 for Zebra Medical Vision. Kappa coefficients indicated higher consistency of Aidoc with expert assessments in diagnosing bowel obstruction (κ = 0.92 vs 0.88) and pneumoperitoneum (κ = 0.91 vs 0.85). The average interpretation time per image significantly decreased with Aidoc (1.4 ± 0.3 minutes) compared to manual analysis (6.8 ± 1.2 minutes) and Zebra Medical Vision (1.9 ± 0.4 minutes). The study demonstrated that the use of artificial intelligence significantly improved the speed, accuracy, and reliability of abdominal radiograph analysis, optimising clinical decision-making in emergency situations. The practical significance of the study lay in the potential to substantially reduce diagnostic time, increase the accuracy of detecting critical pathologies, and optimise healthcare facility resources in providing emergency care Received: 25.12.2024 | Revised: 11.04.2025 | Accepted: 27.05.2025 | en-US |
| dc.description | Метою дослідження було оцінити ефективність комп’ютерних методів інтерпретації рентгенограм органів черевної порожнини у клінічній діагностиці. Методологія включала проспективний аналіз, проведений з квітня 2023 року по лютий 2024 року у місті Харкові, Україна, за участю 312 пацієнтів віком 18-75 років із підозрою на гострі абдомінальні стани та контрольної групи з 50 пацієнтів, яким оглядова рентгенограма черевної порожнини проводилась з причин підозри на урологічну патологію та у яких цієї патології та патології з боку органів черевної порожнини виявлено не було. Інтерпретацію зображень здійснювали «вручну» двома лікарямирентгенологами та автоматизовано за допомогою двох систем штучного інтелекту. Результати показали, що автоматизована інтерпретація забезпечувала дещо вищі середні оцінки різкості (4,7 ± 0,3 проти 4,6 ± 0,4) і контрастності (4,6 ± 0,4 проти 4,5 ± 0,5) порівняно з ручною оцінкою, а також меншу кількість артефактів (4,5 ± 0,5 проти 4,2±0,6). Система Aidoc перевищила Zebra Medical Vision за чутливістю (93,6 % проти 89,1 %), специфічністю (95,4 % проти 94,7 %), позитивною прогностичною цінністю (91,8 % проти 88,2 %) і негативною прогностичною цінністю (96,7 % проти 92,5 %). Площа під кривою робочих характеристик приймача для Aidoc склала 0,972 проти 0,951 для Zebra Medical Vision. Коефіцієнти Каппа вказували на вищу узгодженість Aidoc із експертними оцінками при діагностиці кишкової непрохідності (κ = 0,92 проти 0,88) та пневмоперитонеуму (κ = 0,91 проти 0,85). Середній час інтерпретації одного знімка значно зменшувався при використанні Aidoc (1,4 ± 0,3 хв) порівняно з ручним аналізом (6,8±1,2 хв) і Zebra Medical Vision (1,9±0,4 хв). Дослідження показало, що застосування штучного інтелекту суттєво підвищує швидкість, точність та надійність аналізу рентгенограм органів черевної порожнини, оптимізуючи прийняття клінічних рішень у невідкладних ситуаціях. Практичне значення дослідження полягає у можливості істотного скорочення часу діагностики, підвищення точності виявлення критичних патологій та оптимізації ресурсів медичних закладів у наданні невідкладної (екстреної) допомоги Отримано: 25.12.2024 | Переглянуто: 11.04.2025 | Прийнято: 27.05.2025 | uk-UA |
| dc.format | application/pdf | |
| dc.language | eng | |
| dc.publisher | Ternopil National Medical University | uk-UA |
| dc.relation | https://ojs.tdmu.edu.ua/index.php/bmbr/article/view/16300/14923 | |
| dc.rights | Авторське право (c) 2026 Вісник медичних і біологічних досліджень | uk-UA |
| dc.rights | https://creativecommons.org/licenses/by/4.0 | uk-UA |
| dc.source | Bulletin of Medical and Biological Research; No. 2 (2025): Bulletin of Medical and Biological Research; 60-68 | en-US |
| dc.source | Вісник медичних і біологічних досліджень; № 2 (2025): Вісник медичних і біологічних досліджень; 60-68 | uk-UA |
| dc.source | 2706-6290 | |
| dc.source | 2706-6282 | |
| dc.subject | невідкладні стани органів черевної порожнини | uk-UA |
| dc.subject | оглядова рентгенограма органів черевної порожнини | uk-UA |
| dc.subject | якість візуалізації | uk-UA |
| dc.subject | штучний інтелект | uk-UA |
| dc.subject | автоматизований аналіз | uk-UA |
| dc.subject | прогностична цінність | uk-UA |
| dc.subject | abdominal emergencies | en-US |
| dc.subject | abdominal radiograph | en-US |
| dc.subject | visualisation quality | en-US |
| dc.subject | artificial intelligence | en-US |
| dc.subject | automated analysis | en-US |
| dc.subject | prognostic value | en-US |
| dc.title | Modern methods of computer interpretation of abdominal radiography: Experience of application in diagnostics | en-US |
| dc.title | Сучасні методи комп’ютерної інтерпретації рентгенографії органів черевної порожнини: досвід застосування у діагностиці | uk-UA |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:eu-repo/semantics/publishedVersion |
Долучені файли
| Файл | Розмір | Формат | Переглянути |
|---|---|---|---|
|
Даний матеріал не має долучених файлів. |
|||