Как ИИ находит признаки рака молочной железы, которые можно пропустить при маммографии

Маммография остается одним из основных методов раннего выявления рака молочной железы, однако ни один скрининг не обладает стопроцентной чувствительностью. Иногда обследование выглядит нормальным, а через несколько месяцев, еще до следующего планового визита, у женщины обнаруживают опухоль. Такие случаи называют интервальным раком. Здесь ИИ рассматривается как «второй взгляд», способный заметить детали, которые человеческий глаз счел незначительными.

В августе 2026 года специалисты Калифорнийского университета в Лос-Анджелесе опубликовали в Journal of Breast Imaging обзор исследований, посвященных применению ИИ при скрининговой маммографии. Авторы оценили данные о способности алгоритмов раньше обнаруживать или прогнозировать интервальный рак. Вывод оказался осторожным: технология выглядит многообещающе, но между хорошим результатом алгоритма на архивных снимках и доказанной пользой для пациенток остается дистанция.

Интервальные опухоли неоднородны. Одни действительно возникают и растут настолько быстро, что на предыдущем снимке их еще невозможно увидеть. Другие при повторном просмотре старой маммограммы обнаруживают себя едва заметной асимметрией, изменением плотности ткани или другим слабым сигналом. Именно во второй ситуации ИИ потенциально особенно полезен: алгоритм способен сопоставлять множество слабых визуальных признаков, усвоенных при обучении.

Ретроспективные исследования показывают впечатляющий, но очень широкий разброс результатов. В зависимости от алгоритма, выборки и методики ИИ потенциально мог распознать примерно от 5 до 78% интервальных опухолей, признаки которых уже присутствовали на предыдущей маммограмме. Однако слово «потенциально» здесь принципиально. Если программе задним числом показывают снимки женщин, у которых позднее диагностировали рак, это еще не доказывает, что в реальной клинике она приведет к более раннему диагнозу и улучшит исход лечения.

Есть и более необычная возможность. Некоторые современные модели не только ищут видимую опухоль, но и вычисляют риск по особенностям изображения, которое радиолог может оценить как нормальное. В одном из исследований максимальный показатель риска ИИ был отмечен у 23,1% женщин с будущим интервальным раком уже за три раунда скрининга до диагноза. На обследовании, непосредственно предшествовавшем выявлению заболевания, доля выросла до 39,4%. Иными словами, явной опухоли еще нет, но структура снимка уже может содержать слабый статистический сигнал.

Именно здесь возникает сложная клиническая проблема. Что делать врачу, если маммограмма не показывает подозрительного очага, а алгоритм сообщает о высоком риске? Можно назначить дополнительное УЗИ, томосинтез или МРТ, но любое расширение обследования имеет обратную сторону. Чем активнее искать болезнь у людей без видимых признаков, тем выше вероятность ложной тревоги, дополнительных снимков, биопсий и гипердиагностики — выявления изменений, которые могли бы никогда не угрожать жизни пациентки.

Особенно важны поэтому результаты проспективных исследований, где ИИ проверяют не на известных заранее случаях, а непосредственно в программе скрининга. В крупном рандомизированном исследовании 2026 года с участием более 105 тысяч женщин частота интервального рака составила 1,55 случая на 1000 обследованных при скрининге с ИИ и 1,76 на 1000 при стандартном двойном чтении двумя радиологами. Чувствительность достигла 80,5% против 73,8%, специфичность в обеих группах составляла 98,5%. Одновременно нагрузка, связанная с чтением скрининговых исследований, уменьшилась на 44,3%.

Это существенный результат, но не окончательный ответ. Исследование прежде всего проверяло, не уступает ли подход с ИИ стандартной схеме, а не доказывало снижение числа интервальных опухолей. Кроме того, европейские программы скрининга отличаются от американских и других национальных систем: различаются интервалы обследований, использование двухмерной маммографии и цифрового томосинтеза, возраст пациенток и число врачей, читающих снимок. Алгоритм, хорошо работающий в одной системе, нельзя автоматически считать столь же эффективным в другой.

Есть и еще одна причина для осторожности: «ИИ для маммографии» — не единая технология. Алгоритмы обучены на разных данных, используют разные пороги тревоги, а степень их независимой клинической проверки различается. Поэтому правильный вопрос звучит не «работает ли ИИ?», а «какой алгоритм, у каких пациенток и в каком клиническом процессе приносит измеримую пользу?».

Поэтому ближайшая роль ИИ, вероятнее всего, состоит не в замене радиолога, а в изменении процесса чтения маммограмм. Алгоритм может стать дополнительным независимым наблюдателем, помогать сортировать исследования по риску и обращать внимание врача на малозаметные зоны. Но окончательно оценить пользу можно только при длительном наблюдении: нужно понять, действительно ли ИИ уменьшает число интервальных раков, влияет ли на стадии опухолей при диагностике, частоту повторных вызовов и биопсий и, в конечном счете, на результаты лечения.