Применение искусственного интеллекта в диагностике патологии молочной железы: обзор литературы
DOI:
https://doi.org/10.52532/2521-6414-2025-2-76-433Ключевые слова:
рак молочной железы (РМЖ) , искусственный интеллект (ИИ) , маммография , магнитно-резонансная томография (МРТ) , радиомика , прогнозированиеАннотация
Актуальность: Своевременная диагностика рака молочной железы является одной из ключевых задач здравоохранения, так как это заболевание остаётся ведущей причиной смертности женщин во всём мире. В последние годы технологии искусственного интеллекта (ИИ) прочно вошли в сферу медицинской визуализации, получив широкое распространение в клинической практике. Основные методы диагностики, включая маммографию и магнитно-резонансную томографию (МРТ), играют ведущую роль в обнаружении заболеваний молочной железы, однако имеют ряд ограничений. Настоящий обзор посвящён анализу современных возможностей применения ИИ для повышения эффективности диагностики рака молочной железы.
Цель исследования – проанализировать методы применения искусственного интеллекта в диагностике рака молочной железы, включая возможности прогнозирования, интерпретации результатов и повышения точности методов визуализации.
Методы: Проведён поиск научных публикаций в базах данных PubMed, Medline, Cochrane Library и Google Scholar. В обзор включены статьи, посвящённые применению ИИ в диагностике заболеваний молочной железы.
Результаты: Обзор показал, что системы ИИ, такие как свёрточные нейронные сети, позволяют с высокой точностью (до 94,5%) обнаружить микрокальцинаты на маммограммах и снижать количество ложноположительных результатов на 11%.
МРТ в оценке прогнозирования ответа на неоадъювантную химиотерапию демонстрирует наибольшую чувствительность (80,0-83,3%) при выявлении остаточной опухоли, тогда как нейросетевые методы показали сопоставимые результаты (69,2-72,0%), превосходя при этом традиционную маммографию и ультразвуковое исследование. Радиомика демонстрирует высокую точность (87%) в прогнозировании терапевтического ответа, а интеграция мультиомных данных обеспечивает чувствительность до 92%.
Заключение: Применение ИИ в диагностике молочной железы повышает точность методов визуализации, облегчает интерпретацию данных и способствует персонализации терапии. Однако остаются вызовы, такие как доступность данных для обучения моделей и этические аспекты принятия решения.
