Цифровые технологии в лучевой и инструментальной диагностике. Юрий Александрович Васильев

доступных российских разработок. При этом проводилось сравнение работы врачей в «обычное время» и в условиях пандемии новой коронавирусной инфекции. На выборке из 150 пациентов получены значения точности ИИ: чувствительность – 1,0, специфичность – 0,88 и AUC – 0,94. В группе также из 150 пациентов, но с признаками COVID-19 (КТ-0 – КТ-1) показатели составили 0,93, 0,81 и 0,86 соответственно. Снижение специфичности авторы объяснили увеличением ложноположительных результатов за счет множественных уплотнений легкого вследствие коронавирусного поражения, которые и были приняты алгоритмом за легочные узлы [77]. Явными недостатками указанных исследований являются: ретроспективный дизайн, ограниченная выборка (максимум около 150—200 пациентов) и конфликт интересов, так как в авторские коллективы входят представители компаний – разработчиков решений на основе ИИ.

      Таким образом, в России отмечается научно-исследовательская активность в области развития технологий искусственного интеллекта в лучевой диагностике. Подавляющее количество научных публикаций технического и математического характера имеют ограниченное значение для медицинской науки и практики. Во многих работах допускаются типовые методологические ошибки: необоснованные объемы выборок, отсутствие внешней валидации, несоответствие принятым стандартам для выполнения и описания диагностических исследований. Исследования об ИИ в лучевой диагностике клинической направленности отличаются сугубо ретроспективным дизайном, что не позволяет получить достоверные данные о точности и надежности решений на основе искусственного интеллекта в реальных производственных условиях.

      Список литературы

      1. Алиев З. Ш., Гаврилов Г. В., Свистов Д. В. Применение систем искусственного интеллекта в диагностике идиопатической нормотензивной гидроцефалии // Российский нейрохирургический журнал имени профессора А. Л. Поленова. – 2022. – Т. 14, № S1. – С. 111—112.

      2. Алифов Д. Г., Звезда С. А., Кельн А. А. [и др.]. Лучевая диагностика рака простаты на основе искусственного интеллекта и радиомного машинного обучения // Университетская медицина Урала. – 2021. – Т. 7, №4 (27). – С. 48—50.

      3. Аль-Хайдари А. А. М. Использование искусственного интеллекта в диагностике рака костей // Современная наука: актуальные вопросы, достижения и инновации: сборник статей XXVII Международной научно-практической конференции. – В 2 ч. – Пенза, 2022. – С. 38—41.

      4. Баранов И. А., Титова Л. А., Толстых Е. М. [и др.]. Перспективы внедрения программы искусственного интеллекта в процесс диагностики заболеваний легких // Системный анализ и управление в биомедицинских системах. – 2020. – Т. 19, №3. – С. 165—170.

      5. Барчук А. А., Подольский М. Д., Беляев А. М. [и др.]. Автоматизированная диагностика в популяционном скрининге рака легкого // Вопросы онкологии. – 2017. – Т. 63, №2. – С. 215— 220.

      6. Бастанов А. Э., Зубаиров И. З., Ахметов И. В. Детекция