Исследование: ИИ почти вдвое снизил нагрузку на врачей при маммографическом скрининге
В исследование включили более 105 тысяч женщин, приглашенных на плановый маммографический скрининг в 2021-2022 годах по национальной государственной программе раннего выявления рака молочной железы. Участниц случайным образом распределили на две равные группы. В первой маммограммы анализировались с применением ИИ – алгоритм помогал выявлять подозрительные участки и определял необходимость дополнительного чтения. Во второй группе снимки оценивались по традиционной схеме – двумя независимыми рентгенологами.
Основным показателем эффективности стала частота так называемого интервального рака – случаев, когда заболевание диагностируется после отрицательного результата скрининга, между плановыми раундами обследования или в течение двух лет после предыдущей маммографии. Анализ показал, что применение ИИ не увеличивает частоту таких случаев и соответствует критериям не худшей эффективности по сравнению со стандартным подходом.
Чувствительность скрининга при использовании ИИ составила 80,5% против 73,8% при стандартном двойном чтении – алгоритм позволял выявлять большую долю существующих случаев рака. Разница была статистически значимой и сохранялась в разных возрастных группах и при различной плотности ткани молочной железы. Улучшение показателя касалось прежде всего инвазивных опухолей.
Доля корректно распознанных отрицательных результатов в обеих группах была одинаковой – 98,5%, что свидетельствует об отсутствии роста ложноположительных заключений. Кроме того, в группе ИИ было зафиксировано меньше неблагоприятных по характеристикам интервальных опухолей, включая опухоли стадии T2 и выше. При использовании ИИ потенциально опасные случаи чаще выявлялись еще на этапе скрининга.
Снижение числа чтений маммограмм на 44% исследователи рассматривают как значимый организационный эффект, особенно в условиях дефицита специалистов лучевой диагностики. По мнению авторов, сочетание сопоставимой частоты интервального рака, более высокой чувствительности и значимого снижения нагрузки делает ИИ-поддержанный скрининг перспективным инструментом для масштабных государственных программ раннего выявления рака молочной железы.
Ученые подчеркивают, что работа не была рассчитана на оценку влияния технологии на смертность или долгосрочные клинические исходы, а также не включала полноценный экономический анализ внедрения.
Еще одно ИИ-решение, ориентированное на здоровье женщин, представили ученые из США в журнале Digital Public Health. Разработанная модель предназначена для раннего прогнозирования осложнений беременности на основе сочетания медицинских и социальных данных. Анализ охватил 190,7 тысячи беременностей в 26 штатах и округе Колумбия. При использовании только клинических показателей точность модели составила 86,3%, а добавление социальных факторов позволило повысить чувствительность прогноза с 71,3% до 81,3% при сохранении высокой доли корректно распознанных отрицательных случаев – 94,3%.