Морфометрические параметры коленного сустава: полнота и качество оценки по данным рентгенографии

Актуальность. Рентгенография коленных суставов остаётся основным методом диагностики гонартроза на амбулаторном этапе. Корректное стадирование заболевания требует точного измерения ширины суставной щели, однако качество описания результатов исследований не изучено в полной мере.
Цель исследования: оценить полноту описаний ширины суставной щели и корректность стадирования гонартроза в протоколах рентгенографии коленных суставов.
Материалы и методы. Проанализированы 1000 случайно отобранных протоколов рентгенографии коленных суставов из базы данных ЕМИАС г. Москвы за период 2023–2024 гг. Оценивалось наличие объективных данных измерений ширины суставной щели и корректность стадирования по классификации Н.С. Косинской.
Результаты. Объективные данные измерений суставной щели содержались только в 22,0% протоколов (220 из 1000). В 78,0% случаев использовались субъективные формулировки типа «умеренно сужена», «неравномерно сужена» без конкретных измерений. При этом в заключениях указывались конкретные стадии гонартроза: I стадия – в 54,1% дефектных протоколов, II стадия – в 31,8%, III стадия – в 8,5%. В 5,6% случаев стадия заболевания не была определена.
Заключение. Выявлена неудовлетворительная полнота описаний морфометрических параметров при рентгенографии коленных суставов. Необходимо внедрение автоматизированных инструментов измерения ширины суставной щели для объективизации стадирования гонартроза и повышения качества диагностики.

1. Информативность методов лучевой диагностики при различных патологических состояниях организма. Раздел 3. Диагностика патологических состояний и заболеваний опорно-двигательного аппарата: методические рекомендации. Сост. С.П. Морозов, Д.С. Бурмистров, С.В. Епифанова [и др.]; под ред. С. П. Морозова. Серия «Лучшие практики лучевой и инструментальной диагностики». Выпуск 20. 2-е изд., переработанное и доп. М.: ГБУЗ «НПКЦ ДиТ ДЗМ», 2020:44.

2. Ростовцев М.В. и др. Атлас рентгеноанатомии и укладок: руководство для врачей. 2-е изд., испр. и доп. М.: ГЭОТАР-Медиа, 2017:320.

3. Цвингер С.М., Говорин А.В., Романова Е.Н., Портянникова О.О. Частота остеоартрита и особенности коморбидного фона у пациентов, обращающихся за медицинской помощью по поводу болей в суставах. Профилактическая медицина. 2021;24(1):67– 72. https://doi.org/10.17116/profmed20212401167

4. Giorgino R, Albano D, Fusco S, Peretti GM, Mangiavini L, Messina C. Knee Osteoarthritis: Epidemiology, Pathogenesis, and Mesenchymal Stem Cells: What Else Is New? An Update. Int J Mol Sci. 2023 Mar 29;24(7):6405. https://doi.org/10.3390/ijms24076405

5. Ромакина Н.А., Гладкова Е.В., Титова Ю.И., Гладкова Ю.К. Возможности комплексной диагностики начальных стадий остеоартроза. Саратовский научно-медицинский журнал. 2020;16(2):494-499.

6. Смирнов А.В. Рентгенологическая диагностика первичного идиопатического остеоартроза. Русский медицинский журнал. 2001;7:294-297.

7. Ассоциация ревматологов России, Ассоциация травматологов-ортопедов России, Общероссийская общественная организация Ассоциация реабилитологов России, Клинические рекомендации Министерства Здравоохранения Российской Федерации: Гонартроз, 2024.

8. Косинская Н.С. Дегенеративно-дистрофические поражения костно-суставного аппарата. М.: Изд-во «Книга по Требованию», 2013:245.

9. Lawford BJ, Bennell KL, Ewald D, Li P, De Silva A, Pardo J, Capewell B, Hall M, Haber T, Egerton T, Filbay S, Dobson F, Hinman RS. Effects of X-ray-based diagnosis and explanation of knee osteoarthritis on patient beliefs about osteoarthritis management: A randomised clinical trial. PLoS Med. 2025 Feb 4;22(2):e1004537. https://doi.org/10.1371/journal.pmed.1004537. PMID: 39903790; PMCID: PMC11838874.

10. Wang, Q., Runhaar, J., Kloppenburg, M. et al. Diagnosis of early stage knee osteoarthritis based on early clinical course: data from the CHECK cohort. Arthritis Res Ther. 2021;23:217. https://doi.org/10.1186/s13075-021-02598-5

11. York T, Franklin C, Reynolds K, Munro G, Jenney H, Harland W, Leong D. Reporting errors in plain radiographs for lower limb trauma-a systematic review and meta-analysis. Skeletal Radiol. 2022 Jan; 51(1):171-182. https://doi.org/10.1007/s00256-021-03821-9

12. Алешкевич А. И. Усовершенствованная методика рентгенометрии в определении показателей рентгеновской суставной щели при остеоартрозе коленного сустава. Медицинские новости. 2021;4 (319).

13. Hirschmann A, Cyriac J, Stieltjes B, Kober T, Richiardi J, Omoumi P. Artificial Intelligence in Musculoskeletal Imaging: Review of Current Literature, Challenges, and Trends. Semin Musculoskelet Radiol. 2019 Jun; 23(3):304-311. https://doi.org/10.1055/s-0039-1684024. Epub 2019 Jun 4. PMID: 31163504.

14. Alsoof D, McDonald CL, Kuris EO, Daniels AH. Machine Learning for the Orthopaedic Surgeon: Uses and Limitations. J Bone Joint Surg Am. 2022 Sep 7;104(17):1586-1594. https://doi.org/10.2106/JBJS.21.01305. Epub 2022 Apr 5. PMID: 35383655.

15. Jiang T, Lau SH, Zhang J, Chan LC, Wang W, Chan PK, Cai J, Wen C. Radiomics signature of osteoarthritis: Current status and perspective. J Orthop Translat. 2024 Mar 16; 45:100-106. https://doi.org/10.1016/j.jot.2023.10.003. PMID: 38524869; PMCID: PMC10958157.

16. Wang VM, Cheung CA, Kozar AJ, Huang B. Machine Learning Applications in Orthopaedic Imaging. J Am Acad Orthop Surg. 2020 May 15;28(10):e415-e417. https://doi.org/10.5435/JAAOS-D-19-00688. PMID: 32053527; PMCID: PMC7247552.

17. Wang C.T., Huang B., Thogiti N., et al. Successful real-world application of an osteoarthritis classification deep-learning model using 9210 knees-An orthopedic surgeon's view. J Orthop Res. 2023 Apr;41(4):737-746. https://doi.org/10.1002/jor.25415

18. Свидетельство о государственной регистрации программы для ЭВМ № 2025610804 Российская Федерация. Платформа подготовки наборов данных: № 2024691653: заявл. 20.12.2024: опубл. 14.01.2025 / Ю. А. Васильев, А. В. Владзимирский, О. В. Омелянская [и др.]; заявитель Государственное бюджетное учреждение здравоохранения города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы».

19. Смирнов А.В. Атлас рентгенологической диагностики первичного остеоартроза. М.: ИМА-ПРЕСС, 2010:40.

20. Общие рекомендации по описанию первичных и повторных КТ, МРТ, рентгенологических исследований: Методические рекомендации. Москва: Государственное бюджетное учреждение здравоохранения города Москвы "Научно-практический центр медицинской радиологии Департамента здравоохранения города Москвы", 2017;19. (Лучшие практики лучевой и инструментальной диагностики).

21. Васильев Ю.А., Владзимирский А.В., Бондарчук Д.В., Кожихина Д.Д., Решетников Р.В., Блохин И.А., Соловьев А.В., Гатин Д.В. Значение технологий искусственного интеллекта для профилактики дефектов в работе врача-рентгенолога. Врач и информационные технологии. 2023;2:16-27. https://doi.org/10.25881/18110193_2023_2_16

22. Васильев Ю.А., Гусев А.В., Михайлова А.А., Шарова Д.Е., Владзимирский А.В. Этические принципы разработки систем искусственного интеллекта для здравоохранения. Врач и информационные технологии. 2023; 4: 36-41. https://doi.org/10.25881/18110193_2023_4_36

23. Баева А.В. Эпистемический статус искусственного интеллекта в медицинских практиках: этические вызовы. Digital Diagnostics. 2024;5(1):120–132. https://doi.org/10.17816/DD625319