ЗНАЧЕНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ДИАГНОСТИКЕ И ЛЕЧЕНИИ СОЛИТАРНЫХ ОБРАЗОВАНИЙ ЛЁГКИХ

Солитарные образования лёгких в современной клинической практике выявляются всё чаще вследствие широкого применения компьютерной томографии органов грудной клетки, развития скрининговых программ на основе низкодозовой компьютерной томографии и совершенствования технологий медицинской визуализации. Несмотря на то, что большинство солитарных лёгочных узлов являются доброкачественными, определённая их часть может представлять собой раннее проявление рака лёгкого. Поэтому основной клинической задачей является раннее выявление злокачественных образований при одновременном предотвращении избыточных инвазивных исследований и лечения доброкачественных узлов.

В последние годы искусственный интеллект, машинное обучение, глубокое обучение и технологии радиомики стали важными направлениями в оценке солитарных образований лёгких. Искусственный интеллект применяется для автоматического выявления лёгочных узлов на компьютерных томограммах, их сегментации, расчёта размеров и объёма, оценки динамики роста, дифференциации доброкачественных и злокачественных образований, а также прогнозирования вероятности малигнизации. В метаанализе 2024 года было показано, что прошедшие внешнюю валидацию модели компьютерной диагностики на основе глубокого обучения повышали чувствительность на 11,6% по сравнению с оценкой врача и на 14,5% по сравнению только с клиническими моделями риска.

Радиомика позволяет извлекать из КТ-изображений большое количество количественных признаков, которые трудно в полной мере оценить визуально. Согласно метаанализу 2023 года, КТ-радиомические модели при прогнозировании злокачественности лёгочных узлов продемонстрировали общий показатель AUC 0,91, чувствительность 0,86 и специфичность 0,84. Однако в большинстве исследований были отмечены методологические недостатки и высокий риск систематической ошибки.

Применение искусственного интеллекта не ограничивается диагностикой и расширяется на выбор интервала динамического наблюдения, автоматическое выявление роста узлов, навигацию при бронхоскопии, планирование хирургических вмешательств и определение объёма облучения при лучевой терапии. Вместе с тем недостаточная внешняя валидация алгоритмов, различия между популяциями, вариабельность протоколов КТ, проблема «чёрного ящика», алгоритмические ошибки, вопросы безопасности данных и клинической ответственности остаются важными препятствиями для широкого внедрения данных технологий в клиническую практику.