Организационная двухкомпонентная модель клинико-рентгенологического скрининга туберкулеза легких в условиях малонаселенной территории Республики Саха (Якутия)

Обоснование. Сложности организации выявления туберкулеза в малонаселенных территориях связаны в первую очередь с низким уровнем транспортной доступности и дефицитом медицинских кадров. В этих условиях является актуальным внедрение современных информационных технологий (ИТ) в процессы клинико-рентгенологического скрининга заболевания.

Цель исследования. Оптимизация методов выявления и диагностики туберкулеза легких с использованием ИТ в условиях малонаселенной территории Республики Саха (Якутия).

Методы. В 7 пилотных медицинских организациях Республики Саха (Якутия) проведена апробация Организационной двухкомпонентной модели клинико-рентгенологического скрининга туберкулеза с применением ИТ: центрального архива медицинских изображений и телемедицины для дистанционной постановки диагноза, а также искусственного интеллекта для двойного чтения флюорограмм. Оценка эффективности проводилась путем ежемесячного контроля охвата населения флюорографическим осмотром, учета временных затрат на двойное чтение флюорограмм и сроков установления диагноза туберкулеза.

Результаты. Апробация в пилотных медицинских организациях Организационной двухкомпонентной модели клинико-рентгенологического скрининга туберкулеза с применением ИТ и искусственного интеллекта привело к повышению охвата населения и лиц из групп риска по туберкулезу флюорографическими осмотрами, а также к сокращению временных затрат на двойное чтение флюорограмм и сроков диагностики туберкулеза на уровне общей лечебной сети и противотуберкулезной службы. С учетом наличия особенностей в организации выявления туберкулеза в различных социально-территориальных зонах региона Крайнего Севера разработана модель клинико-рентгенологического скрининга туберкулеза легких, состоящая из двух организационных вариантов для использования в условиях Арктической и Промышленной зон. Модель состоит из трех этапов: рентгенологического, клинического и специализированного, осуществляемых на уровне подразделений центральной районной больницы.

Заключение. Предложенная модель скринингового обследования на туберкулез с использованием ИТ рекомендована для применения в малонаселенных районах Крайнего Севера.

1. Бородулина Е.А. Вопросы выявления туберкулеза в общеврачебной практике. Врач. 2023; 34(2): 5–10. doi: 10.29296/25877305-2023-02-01

2. Гусейналиева В.Н. Совершенствование выявления туберкулеза в учреждениях первичного медицинского звена и его влияние на показатель заболеваемости. Туберкулез и болезни легких. 2020; 98(10): 41–46. doi: 10.21292/2075-1230-2020-98-10-41-46

3. Стерликов С.А., Галкин В.Б., Малиев Б.М., Широкова А.А., Хоротэтто В.А., Майжегишева А.С. Влияние активного выявления случаев туберкулеза на результаты лечения взрослых пациентов с туберкулезом легких. Туберкулез и болезни легких. 2021; 99(7): 33–40. doi. 10.21292/2075-1230-2021-99-7-33-40

4. Бурцева Т.Е., Слепцова С.С., Гоголев Н.М., Афанасьева Л.Н., Борисова Е.А., Коростелева А.В. и др. Особенности медицинского обслуживания и медико-демографические показатели в арктических районах РС(Я). Якутский медицинский журнал. 2021; (1): 73–77. doi: 10.25789/YMJ.2021.73.20

5. Калашников К.Н., Артамонов И.В. Здравоохранение сельских территорий: пространственно-временные аспекты доступности. Проблемы развития территории. 2020; 2(106): 120–132. DOI: 10.15838/ptd.2020.2.106.9

6. Ступак В.С., Маношкина Е.М., Деев И.А., Кобякова О.С., Бантьева М.Н., Соколовская Т.А. Климатогеографические предпосылки организации медицинской помощи населению районов Крайнего Севера в Российской Федерации. Профилактическая медицина. 2023; 26(12): 109–115. doi: 10.17116/profmed202326121109

7. Цыбикова Э.Б., Зубова Н.А. Подходы к организации выявления туберкулеза органов дыхания в условиях снижения его распространенности. Туберкулез и болезни легких. 2019; 97(9): 33–39. doi: 10.21292/2075-1230-2019-97-9-33-39

8. Коровка В.Г., Галкин В.Б., Паниди Е.А., Кузнецов И.С., Бельтюков М.В., Соколович Е.Г. и др. Возможности геоинформационных технологий для улучшения качества мониторинга очагов социально значимых инфекций. Профилактическая медицина. 2021; 24(10): 7-13. doi: 10.17116/profmed2021241017

9. Морозов С.П., Кокина Д.Ю., Павлов Н.А., Кирпичев Ю.С., Гомболевский В.А., Андрейченко А.Е. Клинические аспекты применения искусственного интеллекта для интерпретации рентгенограмм органов грудной клетки. Туберкулез и болезни легких. 2021; 99(4): 58–64. doi: 10.21292/2075-1230-2021-99-4-58-64

10. Arzamasov K, Vasilev Y, Vladzymyrskyy A, Omelyanskaya O, Shulkin I, Kozikhina D, et al. An international noninferiority study for the benchmarking of AI for routine radiology cases: chest x-ray, fluorography and mammography. Healthcare. 2023; 11(12): 1684. doi: 10.3390/healthcare11121684

11. Seah JCY, Tang CHM, Buchlak QD, Holt XG, Wardman JB, Aimoldin A, et al. Effect of a comprehensive deep-learning model on the accuracy of chest x-ray interpretation by radiologists: a retrospective, multireader multicase study. Lancet Digit Health. 2021; 3(8): 496-506. doi: 10.1016/S2589-7500(21)00106-0

12. Тырылгин М.А. Проблемы охраны здоровья населения Крайнего Севера. Новосибирск: Наука; 2008.

13. Oб утверждении перечня субъектов Российской Федерации и отдельных районов Российской Федерации, относящихся к территориям с низкой либо с высокой плотностью населения. Распоряжение Правительства Российской Федерации от 25.05.2004 № 707-Р (в ред. распоряжений Правительства РФ от 08.09.2004 N 1165-р, от 04.11.2004 N 1397-р). URL: https://normativ.kontur.ru/document?moduleId=1&documentId=67386

14. Pchelintsev Ya, Khvostikov A, Buchatskaia O, Nikiforova N, Shepeleva L, Prokopev E, et al. Robustness analysis of chest x-ray computer tuberculosis diagnosis. Computational Mathematics and Modeling. 2023; 33(4): 472-486. doi: 10.1007/s10598-023-09587-0