Пестренин Л. Д. - все статьи автора в журнале
-
2026 № 2 Систематизация барьеров внедрения искусственного интеллекта в лучевую диагностику города Москвы.
Одной из областей медицины, в которой в настоящее время наиболее активно внедряется ИИ, является лучевая диагностика. Однако до 2020 г. технологии ИИ использовались лишь в научных исследованиях. Это было обусловлено существованием большого числа труднопреодолимых барьеров. Ранее другими коллективами авторов предпринимались попытки систематизации барьеров внедрения ИИ, но они носили по большей части теоретический характер и не учитывали реальный опыт внедрения ИИ в лучевую диагностику.
Цель исследования: систематизировать барьеры, препятствовавшие внедрению ИИ в лучевую диагностику с учетом опыта Московского эксперимента.
Материалы и методы. Проведено ретроспективное аналитическое исследование, направленное на систематизацию барьеров, препятствовавших внедрению ИИ в лучевую диагностику.
Результаты. Выявлены верхнеуровневые барьеры внедрения ИИ в лучевую диагностику в количестве 21, которые были разделены на 6 групп. Наибольшее количество барьеров было выявлено в регуляторной сфере (6), наименьшее – в вопросах, связанных с данными (2) и врачами и пациентами (2). Практический опыт Московского эксперимента по внедрению компьютерного зрения в лучевую диагностику позволил выявить дополнительные барьеры, которые ранее не упоминались в теоретических исследованиях.
Выводы. Систематизация барьеров с учетом практического опыта внедрения ИИ продемонстрировала их многоаспектность и взаимосвязанность, что свидетельствует о необходимости разработки мероприятий по их системному, а не последовательному устранению. -
2024 № 11 Результативность профилактической маммографии в Российской Федерации: сравнение итогов первого этапа диспансеризации в 2019 и 2022 гг.
В мире злокачественные новообразования (ЗНО) молочной железы по-прежнему остаются самым распространенным видом онкологической патологии у женского населения. Основным методом профилактики данной патологии является скрининговая цифровая маммография (ММГ). В РФ ее результативность оценивалась в период 2013–2019 гг. Представляется актуальным
изучить развитие ситуации в последние годы с учетом пандемии COVID‑19.
Цель исследования: сравнительно изучить объем, динамику и результативность профилактических маммографических исследований в контексте влияния пандемии и обоснования путей дальнейшего развития медицинской профилактики.
Материалы и методы. Сравнительное исследование объемов и результативности профилактической ММГ. Проанализированы сводные отчеты на основе учетной формы медицинской документации № 131/у «Карта учета профилактического медицинского осмотра (диспансеризации)» за период с 2019 по 2022 гг. Методы исследования: аналитические, описательной статистики.
Результаты. В РФ количество профилактических ММГ в 2022 г. возросло на 4,7%, по сравнению с 2019 г. В административно-территориальных единицах также преимущественно наблюдался рост числа ММГ, за исключением г. Москвы, ЦФО и СФО. Наиболее значительным прирост был в СКФО (38,0%) и ЮФО (22,2%). Патологическая пораженность ЗНО молочной железы по результатам профилактической маммографии в 2022 г. существенно возросла, в целом по РФ на 26,4%.
Исключение составил г. Москва, где отмечено снижение показателя на 11,8%. Различные патологические состояния при проведении ММГ выявляются в среднем в 6,9% случаев, ЗНО молочной железы – в 1,0% случаев, впервые онкологическая патология выявляется в 0,25% случаев.
Выводы. Для дальнейшего развития медицинской профилактики ЗНО молочной железы необходимо создание и внедрение новых организационных технологий, включающих инструменты автоматизированного анализа результатов профилактических маммографий. -
2023 № 8 Первые 10000 маммографических исследований, выполненных в рамках ус- луги «Описание и интерпретация данных маммографического исследования с использованием искусственного интеллекта».
Актуальность. Технологии искусственного интеллекта имеют огромный потенциал для повышения эффективности скрининговых программ по выявлению злокачественных новообразований молочной железы. Учитывая высокую социальную, демографическую и экономическую значимость массовых профилактических исследований, не подлежит сомнению тот факт, что диагностическая точность искусственного интеллекта должна соответствовать точности врачей-рентгенологов или даже превышать ее. В связи с этим необходимы исследования, посвященные сравнению точности программного обеспечения на основе технологии искусственного интеллекта и врачей-рентгенологов на потоке при проведении маммографических исследований.
Цель: оценить качество оказания медицинской услуги «Описание и интерпретация данных маммографического исследования с использованием искусственного интеллекта» в рамках скрининга.
Материал и методы. Выборка для анализа состояла из 9684 цифровых маммографических исследований. Для каждого исследования категория BI-RADS определялась врачом-рентгенологом и с помощью программного обеспечения на основе технологий искусственного интеллекта (ПО на основе ТИИ), зарегистрированного в РФ в качестве медицинского изделия. 45 исследований из этой выборки со значимыми расхождениями в оценке врача и ПО подверглись экспертному аудиту, в результате которого была выставлена категория BI-RADS по мнению врача-эксперта.
Результаты. При оценке средневзвешенных значений статистически значимых различий между результатами врача и ПО на основе ТИИ для 9684 цифровых маммографических исследований не наблюдалось. Оценка согласованности врача и ПО показала, что совпадения наблюдаются в 43,89% случаев для шкалы BI-RADS и в 80,69% – 84,10% для бинарных шкал. Наличие случая, при котором патология, определенная с помощью ПО и подтвержденная при пересмотре результатов экспертом, была пропущена врачом, говорит о перспективности использования ПО на основе ТИИ для оценки маммографических исследований и требует проведения дальнейших исследований.
Заключение. При оценке маммографических исследований согласованность между решением на основе ТИИ и врачом-рентгенологом, достигает 84,10%, при этом ПО чаще присваивает более высокую категорию BI-RADS. Экспертный пересмотр части этих расхождений показал потенциальное снижение количества пропусков злокачественных новообразований молочных желез с помощью ПО.