Данная статья была опубликована в журнале "ОРГЗДРАВ: новости, мнения, обучение. Вестник ВШОУЗ" Том 11, № 4 (42), 2025
Журнал издается Высшей школой организации и управления здравоохранением (ВШОУЗ).
С 25 января 2022 г. журнал включен в Перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, на соискание ученой степени доктора наук (Перечень ВАК Минобрнауки России).
Авторы статьи:
Резюме
Рак молочной железы (РМЖ) - глобальная проблема здравоохранения, лидирующая причина онкологической заболеваемости и смертности среди женщин.
Цель - оценить диагностическую точность и практическую эффективность системы искусственного интеллекта (ИИ) "Цельс" при анализе маммографических исследований в условиях клинической практики "Маммологического центра L7".
Материал и методы. Проведен ретроспективный анализ данных 24 150 маммографических исследований, выполненных с 2020 по 2025 г. В 4654 (19,3%) случаях описания снимков были сгенерированы с использованием системы ИИ "Цельс". "Золотым стандартом" для верификации диагноза служили результаты гистологического исследования (после биопсии/операции), динамического наблюдения (не менее 12 мес) или заключения двух опытных рентгенологов при "двойном чтении". Рассчитывали показатели чувствительности, специфичности, положительной (PPV) и отрицательной (NPV) прогностической ценности, общую точность, частоту ложноположительных (ЛП) и ложноотрицательных (ЛО) результатов оценки ИИ.
Результаты. Общая частота расхождений между заключением ИИ и "золотым стандартом" составила 10,6% (n=496/4654). ЛП-результаты зафиксированы в 10,4% случаев (n=483), ЛО - в 0,28% случаев (n=13). Чувствительность ИИ составила 92,5%, специфичность - 89,6%, общая точность - 89,7%. Основные зоны расхождений - фиброгландулярная ткань (44,6%) и кожа/сосок (28,6%).
Заключение. Система ИИ "Цельс" продемонстрировала высокую чувствительность (92,5%) и низкий уровень ЛО-результатов (0,28%) при выявлении РМЖ, что подтверждает ее ценность как инструмента поддержки принятия решений и потенциального "второго читателя". Однако высокий уровень ЛП-результатов (10,4%) указывает на необходимость оптимизации алгоритмов, особенно для анализа плотной фиброгландулярной ткани и зон кожи/соска, с целью снижения числа необоснованных дообследований. ИИ эффективно снижает нагрузку на специалистов и уменьшает время анализа.
Ключевые слова: искусственный интеллект; маммография; рак молочной железы; диагностическая точность; ложноположительные результаты; ложноотрицательные результаты; система "Цельс"; цифровая патология
Финансирование. Исследование не имело спонсорской поддержки.
Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.
Влад авторов. Определение ключевых целей и задач исследования, ответственность за окончательный вариант - Тамаева Ф.А.; формирование идеи, сбор источников информации, анализ - Агаларова Л.С.
Для цитирования: Тамаева Ф.А., Агаларова Л.С. Искусственный интеллект и маммография: современные подходы и перспективы развития // ОРГЗДРАВ: новости, мнения, обучение. Вестник ВШОУЗ. 2025. Т. 11, № 4. С. 42-48. DOI: https://doi.org/10.33029/2411-8621-2025-11-4-42-48
Рак молочной железы (РМЖ) - глобальная проблема здравоохранения, лидирующая причина онкологической заболеваемости и смертности среди женщин [1-3]. РМЖ занимает 1-е место среди онкологических заболеваний и является ведущей причиной смертности среди женщин по всему миру. По данным Всемирной организации здравоохранения, в 2020 г. было зарегистрировано более 2,3 млн новых случаев РМЖ, что делает его самым распространенным видом онкологии среди женщин [4]. Здравоохранение относится к сферам деятельности человека, принцип которых заключен в принятии решений, что сопряжено с высокой вероятностью совершения профессиональной ошибки [5, 6]. Появление новых методов и методик, изменение взглядов на привычные подходы к диагностике и лечению различных заболеваний, геополитические процессы, инновации и, безусловно, человеческий фактор способны косвенно или напрямую влиять на количественный показатель ятрогений [5].
Заболеваемость и смертность от РМЖ у женщин в развитых странах мира и на территории России не уступают свои лидирующие позиции среди всей онкологической патологии [2-4, 7, 8].
Маммография остается "золотым стандартом" скрининга, но ее эффективность ограничена человеческим фактором (усталость, дефицит кадров) и техническими сложностями, приводящими к 10-30% пропущенных случаев, особенно при невозможности "двойного чтения". Искусственный интеллект (ИИ) предлагает перспективное решение для повышения точности диагностики, снижения нагрузки на врачей и оптимизации скрининговых программ.
Применение маммографии для раннего выявления заболевания является "золотым стандартом", оно доказало свою эффективность, особенно при "двойном чтении" снимков двумя врачами независимо друг от друга, что позволило значительно снизить смертность. Однако около 10-30% случаев рака на маммографических снимках могут оставаться невыявленными, что связано с человеческим фактором, дефицитом кадров (высокая нагрузка на одного врача и отсутствие возможности проведения "двойного чтения") и техническими ограничениями (в том числе аналоговая аппаратура) [9].
Развитие технологий ИИ предлагает новый подход к диагностике, который позволяет улучшить точность анализа снимков и сократить число ошибок.
Цель - оценить диагностическую точность и практическую эффективность системы ИИ "Цельс" при анализе маммографических исследований в условиях клинической практики "Маммологического центра L7".
Материал и методы
Проведен ретроспективный анализ данных 24 150 маммографических исследований, выполненных с 2020 по 2025 г. В 4654 (19,3%) случаях описания снимков были сгенерированы с использованием системы ИИ "Цельс". "Золотым стандартом" для верификации диагноза служили результаты гистологического исследования (после биопсии/операции), динамического наблюдения (не менее 12 мес) или консенсусное заключение двух опытных рентгенологов при "двойном чтении". Рассчитывали показатели чувствительности, специфичности, положительной (PPV) и отрицательной (NPV) прогностической ценности, общую точность, частоту ложноположительных (ЛП) и ложноотрицательных (ЛО) результатов ИИ.
Дизайн исследования: ретроспективное когортное исследование. Исследование проводили с января 2020 г. по июнь 2025 г., место проведения - ООО "Маммологический центр L7" (г. Махачкала). Участники: 24 150 женщин, прошедших цифровую маммографию, возраст пациенток - от 24 до 86 лет (средний возраст - 52,7±1,9 года).
Критерии включения: наличие цифровой маммографии, выполненной на оборудовании Senographe Crystal Nova (GE).
Проведен анализ маммограмм с использованием системы ИИ "Цельс". ИИ применялся как инструмент поддержки врача при первичном описании или в режиме "второго мнения".
Окончательный диагноз устанавливали на основе гистологического исследования после пункционной биопсии (n=2075) или операции, динамического наблюдения (не менее 12 мес) с использованием маммографии, ультразвукового исследования (УЗИ, аппараты Aplio 500, Voluson, LOGIC E9, LOGIC E10, режимы B, ЦДК, гармоники) и клинического осмотра, консенсусного заключения двух независимых опытных рентгенологов при расхождении трактовок.
Основные показатели: чувствительность, специфичность, положительная прогностическая ценность (PPV), отрицательная прогностическая ценность (NPV), общая точность. Дополнительные показатели: частота ложноположительных (ЛП) и ложноотрицательных (ЛО) результатов ИИ; распределение ошибок по анатомическим зонам. Сравнение: заключение ИИ сопоставляли с "золотым стандартом".
Обработку данных проводили в программе Statistica. Использовали параметрические и непараметрические критерии (t-критерий Стьюдента, U-критерий Манна-Уитни, критерий χ²) для сравнения групп. Доверительные интервалы рассчитывали для 95% уровня значимости. Статистическую значимость устанавливали при p<0,05.
Результаты и обсуждение
В ООО "Маммологический центр L7" проведен анализ использования системы ИИ "Цельс" в маммографии за 5 лет. Было проведено 24 150 маммографических исследований, в 4654 (19,3%) случаях использовали систему ИИ "Цельс" (табл. 1). Расхождения с "золотым стандартом" составило 10,6% (496 случаев). Из общего количества осмотренных ЛП результаты были получены в 489 случаев, что составило 10,4% (основной тип ошибок), ЛО - в 13 случаев (0,28%) - критически низкий показатель.
При исследовании оценивали чувствительность (Se) ~92,5%, специфичность (Sp) ~89,6%, общую точность (Acc) ~89,7%. Способность выявлять истинный РМЖ - главное достоинство системы. Уровень ЛО (0,28%) исключительно низок и соответствует или превосходит многие зарубежные аналоги. Это критически важно для скрининга, где пропуск рака недопустим. Потенциал как "второго читателя" показал низкий уровень ЛО, что делает систему надежным подспорьем для радиолога, снижая риск пропуска патологии, особенно в условиях дефицита специалистов или для реализации "двойного чтения".
Эффективность рабочего процесса состоит в сокращении времени для анализа на 30% - значимый фактор повышения пропускной способности отделения и снижения нагрузки на врачей.
При оценке результатов исследования выявлены слабые стороны и проблемы: высокий уровень ложных тревог (ЛП 10,4%, Sp ~89,6%). Главный недостаток исследования заключается в том, что 10,4% составляют ЛП-значения, а это предполагает значительное количество ненужных дообследований (УЗИ, МРТ, биопсии), ведущее к повышению затрат системы здравоохранения, увеличению лучевой нагрузки (при повторных снимках), серьезному психологическому стрессу у пациенток ("подозрение на рак"), перегруженности специалистов и оборудования.
Проблемы с интерпретацией сложных тканей составили 73,2% (44,6% + 28,6%), большинство ошибок приходится на фиброгландулярная ткань и зону кожи соска (табл. 2). Это указывает на неспособность алгоритма адекватно различать нормальные вариации плотной ткани, рубцы, артефакты укладки, кожные образования и истинные патологические изменения.
Распределение ошибок ИИ по зонам (табл. 3): фиброгландулярная ткань (высокая плотность, локальный фиброз, рубцы) - 221 случай (44,6% от всех расхождений); кожа и сосок (кожные образования, неидеальная укладка соска, постоперационные изменения) - 142 (28,6%) случая; инородные тела (локализационные метки, порт-системы, импланты) - 6 (1,2%) случаев; прочие локализации - 127 (25,6%) случаев.
Клиническая польза связана с тем, что субъективно отмечено сокращение времени первичного анализа снимка врачом при использовании ИИ на 30% за счет предварительной обработки и выделения зон интереса.
Настоящее исследование предоставляет ценные данные о реальной эффективности системы ИИ "Цельс" в рутинной маммографической практике: о высокой чувствительности и низком уровне ЛО-результатов (0,28%). Это свидетельствует о высокой чувствительности системы (оценочно ~92,5%) в выявлении злокачественных изменений, что критически важно для скринингового инструмента. Пропуск даже небольшого числа случаев РМЖ имеет серьезные клинические последствия. Полученные данные сопоставимы или превосходят показатели некоторых систем ИИ в международных исследованиях (например, данные The Lancet об улучшении ЛО на 9,4%).
Распределение ЛП-результатов по зонам четко указывает на слабые места алгоритма: анализ фиброгландулярной (44,6% ЛП) и плотной железистой ткани, фиброзов и рубцов остается сложной задачей для ИИ, часто приводя к гипердиагностике. Требуется дообучение алгоритма на большем количестве сложных случаев этой категории. Кожа, сосок (28,6% ЛП): ошибки связаны с артефактами укладки, кожными образованиями и постоперационными изменениями. Улучшение препроцессинга изображений и алгоритмов сегментации кожи, соска может снизить этот тип ошибок.
Практическая эффективность в первую очередь связана с субъективной оценкой сокращения времени анализа (30%), со снижением нагрузки на рентгенологов и с повышением пропускной способности отделения, что особенно актуально в условиях дефицита кадров и для реализации программ "двойного чтения". ИИ может выступать в роли надежного "второго читателя".
Сравнительная оценка полученных результатов с работами других авторов [3, 5, 7, 9] показала, что уровень точности системы ИИ "Цельс" (оценочно ~89,7%) несколько ниже заявленных в некоторых публикациях (94-96%). Это подчеркивает важность валидации систем ИИ на локальных популяциях и данных. Выявленный нами профиль ошибок и преобладание ЛП-случаев в сложных тканях согласуется с известными ограничениями ИИ в маммографии [8]. Анализ ЛО-случаев: детальный разбор 13 пропущенных ИИ случаев РМЖ (не представлен в исходных данных, но крайне важен для будущих работ) необходим для понимания причин ошибок (размер, тип опухоли, плотность железы, локализация, технические артефакты) и целенаправленного улучшения алгоритма.
Выводы
1. Система ИИ "Цельс" продемонстрировала высокую чувствительность (92,5%) и крайне низкий уровень ЛО-результатов (0,28%) при выявлении РМЖ на маммограммах. Это подтверждает ее высокую ценность как инструмента поддержки врача-рентгенолога и потенциального "второго читателя", способствующего снижению риска пропуска патологии.
2. Основным ограничением системы является относительно высокий уровень ЛП-результатов (10,4%), увеличивающий объем дообследований. Наибольшие трудности алгоритм испытывает при анализе плотной фиброгландулярной ткани (44,6% ошибок) и зон кожи, соска (28,6% ошибок).
3. Применение ИИ субъективно сокращает время анализа снимков врачом примерно на 30%, способствуя снижению рабочей нагрузки и повышению эффективности работы маммографического кабинета.
4. Для дальнейшего повышения эффективности системы "Цельс" в рутинной клинической практике необходимы целенаправленное дообучение алгоритма на большом массиве сложных случаев, особенно с плотной фиброгландулярной тканью, рубцовыми изменениями, артефактами укладки кожи, соска и постоперационными изменениями, детальный анализ причин ЛО-результатов (13 случаев) для устранения уязвимостей алгоритма, проведение проспективных сравнительных исследований для точной оценки влияния ИИ на показатели "двойного чтения", время диагностики, затраты и, главное, на выживаемость пациенток, разработка и интеграция методов объяснения решений ИИ (XAI) для повышения доверия врачей.
5. Как показало исследование системы "Цельс", внедрение ИИ в маммографию является перспективным направлением для повышения точности диагностики РМЖ и оптимизации работы радиологической службы в России, но требует постоянной работы по валидации, анализу ошибок и улучшению алгоритмов.
Литература
1. Мерабишвили В.М. Заболеваемость и смертность от злокачественных новообразований в России // Онкология. Журнал имени П.А. Герцена. 2017. Т. 6, № 4. С. 5-13.
2. Каприн А.Д., Старинский В.В., Шахзадова А.О. и др. Злокачественные новообразования в России в 2019 году (заболеваемость и смертность). Москва : МНИОИ им. П.А. Герцена, 2020. 252 с.
3. Олексенко В.В., Григорьева Ю.В., Каприн А.Д. Эпидемиология рака молочной железы: глобальные тренды и региональные особенности // Онкопрактика. 2019. № 4. С. 6-15.
4. Ferlay J., Colombet M., Soerjomataram I. et al. Cancer incidence and mortality patterns in Europe: estimates for 40 countries and 25 major cancers in 2018 // Eur. J. Cancer. 2019. Vol. 103. P. 356-387.
5. Кузьмичев Д.Е., Мошенская С.П., Данилов А.В. Профессиональные ошибки и ятрогении в здравоохранении: анализ и пути профилактики // Социальные аспекты здоровья населения. 2015. Т. 45, № 5. С. 12.
6. Мошенская С.П., Кузьмичев Д.Е., Данилов А.В. Человеческий фактор и риск ошибок в медицине // Медицинское право и этика. 2019. № 1. С. 45-52.
7. Brinton L.A., Figueroa J.D., Awuah B. et al. Breast cancer in Sub-Saharan Africa: opportunities for prevention // Breast Cancer Res. Treat. 2018. Vol. 168. P. 467-478.
8. Тогузбаева А.Я., Иванов В.В., Петров С.В. Современные подходы к скринингу рака молочной железы: возможности и ограничения // Маммология. 2020. Т. 29, № 2. С. 15-21.
9. Danino J., Mucci S., Ginzburg V. et al. Diagnostic errors in radiology: a review of the literature // Radiol. Today. 2017. Vol. 18, N 6. P. 24-29.
Главный редактор журнала "ОРГЗДРАВ: новости, мнения, обучение. Вестник ВШОУЗ"
Улумбекова Гузель Эрнстовна
Доктор медицинских наук, диплом MBA Гарвардского университета (Бостон, США), руководитель Высшей школы организации и управления здравоохранением (ВШОУЗ).
Отправить статью | Купить номер | Оформить подписку