Искусственный интеллект как первое мнение в скрининговых исследованиях (на примере маммографии и флюорографии)

• ШЕРЕМЕТЬЕВА Анна Константиновнаруководитель высшей школы частного права, кандидат юридических наук, доцент ФГБОУ ВО «Тихоокеанский государственный университет», г. Хабаровскmail@law-books.ru
• ЛАРИНСКАЯ Анна Викторовнамагистрант юридического факультета по программе «Медицинское право» ФГБОУ ВО «Тихоокеанский государственный университет», г. Хабаровск Врач рентгенолог КГБУЗ «Городская поликлиника № 16» МЗ Хабаровского краяnura.lar@mail.ru

Статья исследует использование искусственного интеллекта (ИИ) в скрининговых исследованиях, таких как маммография и флюорография. Описывается роль ИИ в ускорении диагностики, расширении охвата пациентов и снижении нагрузки на врачей рентгенологов, а также обсуждаются юридические аспекты взаимодействия ИИ и специалистов. Приводятся примеры успешного применения ИИ для раннего выявления рака молочной железы, легких и анализируются социально-экономические эффекты его внедрения.

Ключевые слова: искусственный интеллект, скрининг, маммография, флюорография, автоматизация диагностики

Раннее выявление заболеваний, особенно онкологических, критически важно для успешного лечения и улучшения качества жизни пациентов. Маммография и флюорография являются основными методами массового скрининга для диагностики рака молочной железы и легких, позволяя обнаружить патологический процесс на ранних стадиях. Однако дефицит врачей рентгенологов и рост объема исследований создают необходимость автоматизации процессов диагностики.

Сегодня искусственный интеллект (ИИ) активно используется для ускорения обработки рентгеновских изображений, выполняя функцию первичного чтения. Это сокращает время диагностики и расширяет охват пациентов. При этом ответственность за окончательное заключение по-прежнему лежит на врачах рентгенологах, что требует сбалансированного подхода к взаимодействию ИИ и специалистов.

Цель статьи – исследовать роль ИИ в скрининговых исследованиях (маммография, флюорография), его влияние на скорость диагностики и охват, а также юридические аспекты взаимодействия ИИ и врача.

История применения ИИ в лучевой диагностики началась с простых систем компьютерной помощи в интерпретации изображений, а в последние годы с развитием глубинного обучения и больших данных эти системы стали значительно точнее. Сегодня ИИ может анализировать рентгенограммы, изображения КТ, МРТ, выявляя значимые рентгенологические паттерны, быстрее, чем это делают врачи. Например, в скрининге рака молочной железы ИИ уже продемонстрировал высокую эффективность в выявлении подозрительных образований, что подтверждается исследованиями, где ИИ показал более высокую точность в сравнении с традиционными методами [1].

Одним из главных преимуществ ИИ является сокращение времени обработки изображений. Благодаря способности анализировать большие объемы данных в считанные секунды, ИИ помогает ускорить процесс диагностики, что особенно важно в условиях дефицита специалистов.

Это не только снижает нагрузку на врачей, но и повышает доступность диагностики для пациентов, особенно в регионах с ограниченными ресурсами. ИИ также минимизирует риск человеческой ошибки, поскольку алгоритмы могут обнаруживать даже мелкие отклонения, которые могут быть пропущены врачами [2].

Кроме того, использование ИИ в качестве первого чтения (предварительного анализа изображений) позволяет рентгенологам сосредоточиться на более сложных случаях, в которых требуется ручная интерпретация. Это позволяет не только ускорить работу, но и оптимизировать использование медицинских ресурсов, что приводит к снижению расходов на здравоохранение и увеличению охвата населения скрининговыми программами.

Использование искусственного интеллекта (ИИ) в маммографии демонстрирует значительные преимущества в ранней диагностике онкологической патологии. Принципы работы алгоритмов искусственного интеллекта (ИИ) в этой области основаны на применении технологий машинного обучения и компьютерного зрения для анализа цифровых маммограмм с целью обнаружения признаков рака. Алгоритмы ИИ обучены на больших наборах данных, содержащих метки, указанные врачами, что позволяет ИИ выявлять аномальные области, такие как узелки, микрокальцинаты, которые могут быть индикаторами злокачественных новообразований. ИИ обрабатывает изображения, используя предобученные модели для распознавания паттернов, которые могут указывать на наличие раковых клеток. Важной особенностью этих алгоритмов является их способность быстро анализировать огромное количество снимков, что значительно снижает нагрузку на врачей и позволяет ускорить процесс диагностики. Системы ИИ способны классифицировать изображения на категории риска (низкий, средний, высокий), что позволяет врачам сосредотачиваться на сложных и подозрительных случаях, в то время как ИИ обрабатывает более простые случаи.

В исследованиях, проведенных в Дании и Швеции, ИИ позволил снизить количество ложноположительных результатов и уменьшил количество необоснованных повторных вызовов пациентов. Внедрение ИИ также способствовало улучшению обнаружения инвазивных опухолей на ранних стадиях, что имеет ключевое значение для повышения выживаемости [3].

Применение ИИ во флюорографии значительно расширяет возможности ранней диагностики заболеваний легких, таких как туберкулез и рак. Одной из ключевых особенностей использования ИИ в этой области является его способность автоматически анализировать снимки грудной клетки, выявляя патологические изменения, которые могут быть связаны с этими заболеваниями.

ИИ помогает ускорить процесс выявления туберкулеза, что особенно важно в регионах с высокой заболеваемостью, где количество врачей рентгенологов ограничено. Например, в исследованиях, проведенных с применением глубокого обучения, ИИ показывал высокую точность при анализе рентгеновских снимков, выявляя туберкулезные поражения и снижая нагрузку на врачей.

Это позволяет на ранних стадиях заболевания дообследовать пациентов, назначить лечение, что безусловно сказывается на предотвращении распространения патологии [4].

Что касается рака легких, ИИ также активно используется для выявления опухолей на ранних стадиях. Технологии глубокого обучения, такие как ResNet50 и VGG16, позволяют ИИ не только распознавать паттерны, характерные для рака легких, но и делать это с высокой точностью и скоростью. Это особенно полезно для скрининговых программ, поскольку ИИ значительно ускоряет диагностику, позволяя охватить большее число пациентов за меньшее время [5].

В России и за рубежом при применении ИИ в диагностике действует правило «двух чтений». Это правило регламентирует, что изображения должны анализироваться двумя независимыми экспертами. В случаях с ИИ один из уровней чтения может выполняться алгоритмом, но окончательное решение всегда принимает человек, что особенно важно для соблюдения юридических и этических стандартов.

Как работает алгоритм «двух чтений» с использованием искусственного интеллекта:

1. Первичное чтение с ИИ. ИИ обрабатывает изображения и анализирует их на наличие патологий, таких как опухоли или другие отклонения от нормы. Он присваивает каждому изображению или участку изображения оценку риска на основе обученных моделей (например, от 0 до 10), где высшие баллы указывают на высокую вероятность рака. 2. Оценка рентгенолога (второе чтение).

Если ИИ классифицирует изображение как низкорисковое, это может означать, что врач не тратит время на его проверку. Однако, если ИИ обнаруживает высокие риски, рентгенологическое изображение передается врачу для детального анализа.

3. Арбитраж при несогласии. Если врач не согласен с выводами ИИ, происходит арбитражный процесс, при котором назначается дополнительное исследование или привлекаются другие специалисты для разрешения разногласий, например существует экспертное мнение. Врач обязан аргументировать свое решение, и если впоследствии будет доказано, что заключение было ошибочен, ответственность за это решение ложится на врача [6].

В Европе и США врачам предоставляются дополнительные юридические гарантии при использовании ИИ, но они обязаны проходить обучение по работе с такими системами, а также использовать ИИ как вспомогательный инструмент, а не как единственный источник диагностики [7].

Роль первого чтения с использованием ИИ в скрининговых исследованиях заключается в том, чтобы обеспечить первичную автоматизированную оценку медицинских изображений, таких как маммография и флюорография, с целью выявления признаков отклонения от нормы. ИИ помогает сократить время обработки снимков и освободить врачей для работы более сложных случаев, что особенно важно в массовых программах скрининга. В большинстве случаев низкорисковые результаты могут быть автоматически отсортированы ИИ без участия врача.

Однако эта практика несет существенные риски: если ИИ классифицирует изображение как низкорисковое, существует вероятность, что патологические изменения могут быть пропущены. В таких случаях дальнейшая судьба рентгенологической «картинки» зависит от настройки системы ИИ и структуры скрининговой программы.

Потенциальную опасность несёт полностью автоматизированная сортировка. В этих случаях, если система ИИ оценивает изображение как низкорисковое, оно может не быть передано врачу для перепроверки и возможные патологические изменения могут остаться незамеченными.

Например, в некоторых исследованиях было показано, что ИИ может пропустить так называемые «интервальные раки», которые развиваются между регулярными скринингами [8].

Более сложные системы могут предусматривать выборочную перепроверку небольшой доли низкорисковых изображений для контроля качества. Это делается для того, чтобы убедиться, что ИИ работает корректно и не пропускает важные патологические изменения.

В странах ЕС процессы «двух чтений» регулируются Директивой о медицинских изделиях (MDR), которая требует, чтобы все медицинские ИИ-системы проходили строгую сертификацию и тестирование на соответствие стандартам безопасности [9].

В России использование ИИ в медицинской практике попадает под регулирование Федерального закона № 323-ФЗ «Об основах охраны здоровья граждан в Российской Федерации», который требует обязательного участия врача при принятии окончательного заключения, несмотря на использование автоматизированных систем [10]. Преимущества первого чтения с использованием ИИ:

1. Скорость и эффективность. ИИ значительно ускоряет процесс чтения рентген изображений, автоматически сортируя их по уровням риска. Это позволяет врачам уделять больше времени пациентам с подозрительными результатами, а также увеличивает охват скрининговыми 7 программами. Например, в исследованиях по маммографии ИИ смог сократить количество изображений, требующих «ручного» анализа, почти на 50%, что позволило уменьшить нагрузку на врачей и сократить время на диагностику [11]. 2. Повышение точности диагностики. ИИ может, должно обнаруживать ранние признаки отклонения от нормы, которые иногда трудно, бывает невозможно заметить человеку. Это особенно важно при ранней диагностике рака, где малейшие изменения могут быть критичными для прогноза.

3. Распределение ресурсов. Первый этап чтения с ИИ позволяет более эффективно распределять ресурсы клиники. Врачи могут сосредоточиться на случаях с высоким риском, оставляя автоматизированной системе анализ низкорисковых случаев. Это повышает эффективность работы и снижает вероятность ошибок из-за перегруженности врачей.

Использование ИИ в первом чтении ставит перед врачами ряд юридических и этических вопросов. Например, врач несет полную ответственность за заключение, даже если первичный анализ был сделан с помощью ИИ. Это требует от врачей понимания работы ИИ-систем и возможности объяснить пациентам процесс диагностики, включая ограничения ИИ.

Существует риск того, что врачи могут чрезмерно полагаться на ИИ (автоматизационная предвзятость) и не учитывать противоречивые данные, которые могли бы указывать на ошибку ИИ. Если врач согласится с неверным выводом ИИ, это может привести к юридическим последствиям, особенно если ошибка приведет к неправильной постановке диагноза. С другой стороны, если врач решает не следовать предложению ИИ, он должен предоставить обоснование, почему он не согласился с предложением алгоритма [12]. Таким образом, несмотря на значительные преимущества ИИ в медицине, его применение требует четкого регулирования и ясного разделения ответственности между разработчиками ИИ, медицинскими учреждениями и врачами.

Внедрение искусственного интеллекта (ИИ) в скрининговые программы оказывает значительное экономическое и социальное влияние на системы здравоохранения. Одним из главных экономических эффектов является сокращение затрат на диагностику за счет ускорения процесса анализа изображений и высвобождения времени врачей для работы с более сложными случаями. Это позволяет проводить больше скринингов за меньшие деньги и с меньшими временными затратами, что делает диагностику доступной для большего числа пациентов [13].

Социальные эффекты также значительны.

ИИ позволяет обеспечить доступ к высококачественной диагностике в регионах с недостатком врачей. Это особенно важно для сельских и удаленных районов, где доступ к медицинским услугам может быть ограничен. Кроме того, ИИ способствует повышению точности диагностики, что может улучшить здоровье населения за счет раннего выявления заболеваний, таких как рак и туберкулез, и увеличения продолжительности жизни.

Подводя итоги этого исследования, можно сказать, что искусственный интеллект (ИИ) зарекомендовал себя как эффективный инструмент для ускорения скрининговых исследований, особенно в таких областях, как маммография и флюорография. Он значительно сокращает время обработки изображений и позволяет врачам рентгенологам сосредоточиться на анализе сложных случаев, улучшая доступность и качество лучевой диагностики.

Однако важно сохранять баланс между эффективностью ИИ и юридической ответственностью врачей, поскольку окончательное решение остается за врачом рентгенологом. Это требует внимательного контроля за результатами ИИ и активного участия специалистов в диагностическом процессе.

Сегодня возникает необходимость регулирования и стандартизации ИИ в медицине, чтобы обеспечить безопасность пациентов. Разработчики ИИ и регуляторы должны сотрудничать, чтобы новые технологии соответствовали высоким стандартам качества и были безопасны для применения в клинической практике, и не маловажно были на 100% «удобны» в работе для врачей. Перспективы использования ИИ в скрининговой диагностике заключаются в его дальнейшем совершенствовании, что приведет к повышению точности диагностики и интеграции данных для улучшения лечения и профилактики заболеваний.

Список литературы

1. Элизабет Коклин, Вики Прайор, Шон Хики. Использование искусственного интеллекта в скрининге – преимущества, проблемы и влияние на пути пациентов. – Журнал «HealthManagement», Том 23 - Выпуск 1 - 2023 г. – URL: https:// healthmanagement.org/c/healthmanagement/ issuearticle/use-of-artificial-intelligence-in-screeningbenefits-challenges-and-impact-on-patientspathways
2. Аль-Овайс СА, Альгамди СС, Альсухебани, Н. и др. Революция в здравоохранении: роль искусственного интеллекта в клинической прак- тике. – Интернет-ресурс «BMC Medical Education». – 2023г. – URL: https://bmcmededuc.biomedcentral. com/articles/10.1186/s12909-023-04698-z
3. Фримен К., Джепперт Дж., Стэнтон С., Тодкилл Д., Джонсон С., Кларк А. и др. Использование искусственного интеллекта для анализа изображений в программах скрининга рака молочной железы: систематический обзор точности теста. - Отделение медицинских наук, Университет Уорика, Ковентри, Великобритания. – 2021г. – URL: https://www.bmj.com/content/374/bmj.n1872
4. З.З. Нксумало, Э.М. Ирусен и др. Применение искусственного интеллекта для выявления рентгенологических признаков рака легких и туберкулеза легких в условиях высокой заболеваемости туберкулезом. – Интернет-сайт компании «Qure.ai». – 2024г. – URL: https://www.qure.ai/ evidence/utility-of-ai-in%20identifying-radiologicalevidence-of-lung-cancer-and-pulmonarytuberculosis-in-a-high-burden-tuberculosis-setting
5. Вьяс А., Пратап Сингх А. и др. Интеграция искусственного интеллекта для улучшенной диагностики и лечения туберкулеза: комплексный анализ. - Умное здравоохранение и машинное обучение. Передовые технологии и социальные изменения. Springer, Сингапур. – 2024г. – URL: https://doi.org/10.1007/978-981-97-3312-5_5
6. Интегрированный с искусственным интеллектом маммографический скрининг: альтернатива двойному считыванию. – Интернет-журнал «HealthManagement». - 2024г. – URL: https:// healthmanagement.org/c/imaging/News/ ai-integrated-mammography-screening-analternative-to-double-reading
7. Джонатан Херингтон, Мелисса Д. Мак- Крэдден и др. Этические аспекты использования искусственного интеллекта в медицинской визуализации: внедрение и управление. – Интернет-издание «The Journal of Nuclear Medicine». – 2023г. – URL: https://doi.org/10.2967/jnumed.123.266110
8. Мохаммад Талал Эльхаким,Сара Ворденшельд Стугард и др. Точность обнаружения рака молочной железы с помощью ИИ среди всей популяции скрининга: ретроспективное многоцентровое исследование. - Визуализация рака. – 2023г. – URL: https://doi.org/10.1186/s40644-023- 00643-x
9. Контальдо Мария Тереза, Джованни Пассери и др. ИИ в радиологии: обеспечение медицинской ответственности. - Диагностика, вып. 14. – 2024г. – URL: https://doi.org/10.3390/ diagnostics14141506.
10. Федеральный закон «Об основах охраны здоровья граждан в Российской Федерации» от 21.11.2011 N 323-ФЗ (последняя редакция). Принят Государственной Думой 1 ноября 2011 года Одобрен Советом Федерации 9 ноября 2011 года. – URL: https://www.consultant.ru/document/cons_ doc_LAW_121895/
11. Контальдо Мария Тереза, Джованни Пассери и др. ИИ в радиологии: обеспечение медицинской ответственности» - Журнал «Диагностика». вып. 14. – 2024г. – URL: https://doi. org/10.3390/diagnostics14141506.
12. Нери Э., Коппола Ф., Миле В. и др. Искусственный интеллект: кто несет ответственность за диагностику? – Интернет-издание «Radiol med». - 2020г. – URL: https://doi.org/10.1007/s11547-020- 01135-9
13. Нанна Каструп, Аннет В. Хольст-Кристенсен и др. Ландшафт и проблемы экономической оценки искусственного интеллекта в здравоохранении: систематический обзор методологии. – Интернет-ресурс «BMC Цифровое Здоровье» - 2024г. – URL: https://bmcdigitalhealth.biomedcentral. com/articles/10.1186/s44247-024-00088-7 Spisok literatury:
14. Elizabet Koklin, Viki Prajor, SHon Hiki. Ispol’zovanie iskusstvennogo intellekta v skrininge – preimushchestva, problemy i vliyanie na puti pacientov. – ZHurnal «HealthManagement», Tom 23 - Vypusk 1 - 2023 g. – URL: https://healthmanagement. org/c/healthmanagement/issuearticle/use-of-artificial-intelligence-in-screening-benefits-challengesand-impact-on-patients-pathways
15. Al’-Ovajs SA, Al’gamdi SS, Al’suhebani, N. i dr. Revolyuciya v zdravoohranenii: rol’ iskusstvennogo intellekta v klinicheskoj praktike. – Internet-resurs «BMC Medical Education». – 2023g. – URL: https://bmcmededuc.biomedcentral.com/articles /10.1186/s12909-023-04698-z
16. Frimen K., Dzheppert Dzh., Stenton S., Todkill D., Dzhonson S., Klark A. i dr. Ispol’zovanie iskusstvennogo intellekta dlya analiza izobrazhenij v programmah skrininga raka molochnoj zhelezy: sistematicheskij obzor tochnosti testa. - Otdelenie medicinskih nauk, Universitet Uorika, Koventri, Velikobritaniya. – 2021g. – URL: https://www.bmj.com/content /374/bmj.n1872
17. Z.Z. Nksumalo, E.M. Irusen i dr. Primenenie iskusstvennogo intellekta dlya vyyavleniya rentgenologicheskih priznakov raka legkih i tuberkuleza legkih v usloviyah vysokoj zabolevaemosti tuberkulezom. – Internet-sajt kompanii «Qure.ai». – 2024g. – URL: https://www.qure.ai/evidence/utility-of-ai-in%20identifying-radiological-evidence-of-lung-cancer-and-pulmonary-tuberculosis-in-a-high-burden-tuberculosissetting
18. V’yas A., Pratap Singh A. i dr. Integraciya iskusstvennogo intellekta dlya uluchshennoj diagnostiki i lecheniya tuberkuleza: kompleksnyj analiz. - 7 Umnoe zdravoohranenie i mashinnoe obuchenie. Peredovye tekhnologii i social’nye izmeneniya. Springer, Singapur. – 2024g. – URL: https://doi. org/10.1007/978-981-97-3312-5_5
19. Integrirovannyj s iskusstvennym intellektom mammograficheskij skrining: al’ternativa dvojnomu schityvaniyu. – Internet-zhurnal «HealthManagement». - 2024g. – URL: https://healthmanagement. org/c/imaging/News/ai-integrated-mammographyscreening-an-alternative-to-double-reading
20. Dzhonatan Herington, Melissa D. MakKredden i dr. Eticheskie aspekty ispol’zovaniya iskusstvennogo intellekta v medicinskoj vizualizacii: vnedrenie i upravlenie. – Internet-izdanie «The Journal of Nuclear Medicine». – 2023g. – URL: https://doi. org/10.2967/jnumed.123.266110
21. Mohammad Talal El’hakim,Sara Vordenshel’d Stugard i dr. Tochnost’ obnaruzheniya raka molochnoj zhelezy s pomoshch’yu II sredi vsej populyacii skrininga: retrospektivnoe mnogocentrovoe issledovanie. - Vizualizaciya raka. – 2023g. – URL: https://doi.org/10.1186/s40644-023-00643-x
22. Kontal’do Mariya Tereza, Dzhovanni Passeri i dr. II v radiologii: obespechenie medicinskoj otvetstvennosti. - Diagnostika, vyp. 14. – 2024g. – URL: https://doi.org/10.3390/diagnostics14141506.
23. Federal’nyj zakon “Ob osnovah ohrany zdorov’ya grazhdan v Rossijskoj Federacii” ot 21.11.2011 N 323-FZ (poslednyaya redakciya). Prinyat Gosudarstvennoj Dumoj 1 noyabrya 2011 goda Odobren Sovetom Federacii 9 noyabrya 2011 goda. – URL: https://www.consultant.ru/document/cons_ doc_LAW_121895/
24. Kontal’do Mariya Tereza, Dzhovanni Passeri i dr. II v radiologii: obespechenie medicinskoj otvetstvennosti» - ZHurnal «Diagnostika». vyp. 14. – 2024g. – URL: https://doi.org/10.3390/diagnostics 14141506.
25. Neri E., Koppola F., Mile V. i dr. Iskusstvennyj intellekt: kto neset otvetstvennost’ za diagnostiku? – Internet-izdanie «Radiol med». - 2020g. – URL: https://doi.org/10.1007/s11547-020-01135-9
26. Nanna Kastrup, Annet V. Hol’st-Kristensen i dr. Landshaft i problemy ekonomicheskoj ocenki iskusstvennogo intellekta v zdravoohranenii: sistematicheskij obzor metodologii. – Internet-resurs «BMC Cifrovoe Zdorov’e» - 2024g. – URL: https:// bmcdigitalhealth.biomedcentral.com/articles /10.1186/s44247-024-00088-7

Скачать