Обоснование. Доступность наборов медицинских данных и технологий разработки программного обеспечения на основе искусственного интеллекта в последние годы привела к увеличению количества решений для медицинской диагностики и маммографии в частности. Это программное обеспечение, зарегистрированное как медицинское изделие, может быть использовано для описания цифровых маммографий, что позволит в значительной мере сэкономить временные, материальные и кадровые ресурсы в здравоохранении при гарантированном сохранении качества профилактических исследований молочных желёз.
Цель ― обосновать возможность и эффективность применения программного обеспечения на основе технологий искусственного интеллекта для первой интерпретации цифровых маммограмм при сохранении практики второго описания рентгеновских изображений врачом-рентгенологом.
Материалы и методы. Набор данных из 100 цифровых маммографических исследований, из них 50 ― Отсутствие целевой патологии, 50 ― Присутствие целевой патологии (с признаками злокачественных новообразований), был обработан программным обеспечением на основе технологий искусственного интеллекта, зарегистрированным в Российской Федерации как медицинское изделие. Выполнен ROC-анализ. Ограничения исследования: значения метрик диагностической точности получены для версий программного обеспечения на основе технологий искусственного интеллекта, актуальных на конец 2022 года.
Результаты. При настройке на 80,0[%] чувствительность специфичность искусственного интеллекта составила 90,0[%] (95[%] ДИ 81,798,3), точность ― 85,0[%] (95[%] ДИ 78,092,0). При настройке на 100[%] специфичность искусственный интеллект показал чувствительность 56,0[%] (95[%] ДИ 42,269,8), точность ― 78,0[%] (95[%] ДИ 69,986,1). При настройке на 100[%] чувствительность специфичность искусственного интеллекта составила 54,0[%] (95[%] ДИ 40,267,8), точность ― 77,0[%] (95[%] ДИ 68,885,2). Предложены два подхода, предусматривающие автономную первую интерпретацию цифровой маммографии посредством искусственного интеллекта. Первый подход заключается в оценке рентгеновского изображения с помощью искусственного интеллекта с более высокой чувствительностью, чем у двойного описания маммографии врачами-рентгенологами, при сопоставимом уровне специфичности. Второй подход подразумевает, что программное обеспечение на основе технологий искусственного интеллекта будет определять категорию маммографии (Отсутствие целевой патологии или Присутствие целевой патологии) с указанием степени своей уверенности в полученном результате в зависимости от коридора, в который попадает предсказанное значение.
Заключение. Оба предложенных сценария использования программного обеспечения на основе технологий искусственного интеллекта с целью автономного первого описания цифровых маммограмм способны обеспечить качество диагностики, не уступающее двойному описанию снимков врачами-рентгенологами и даже превышающее его. Экономическая выгода от практической реализации данного подхода в масштабах страны может составлять от 0,6 до 5,5 млрд рублей ежегодно.