Искусственный интеллект (ИИ) всё увереннее входит в клиническую практику, особенно в области визуальной диагностики. Одним из наиболее показательных примеров его применения стала маммография — ключевой метод скрининга рака молочной железы. Новое исследование, опубликованное в журнале Radiology, даёт убедительные доказательства того, что ИИ может не только повысить точность диагностики, но и изменить стратегии визуального поиска рентгенологов, помогая им сосредотачиваться на действительно важных областях изображения.
Команда исследователей из Медицинского центра Университета Радбауд (Нидерланды) изучила, как система поддержки принятия решений на основе ИИ влияет на интерпретацию скрининговых маммограмм. С применением технологии отслеживания глаз они зафиксировали, куда и на сколько времени направлялся взгляд рентгенолога во время чтения снимков. В исследовании участвовали 12 специалистов, которые проанализировали 150 снимков, включавших как случаи рака, так и снимки без патологий.
Результаты оказались обнадёживающими. При наличии ИИ точность обнаружения рака значительно возрастала, при этом не наблюдалось увеличения времени чтения или ухудшения специфичности. Особенно примечательным оказалось поведение рентгенологов в зависимости от оценки подозрительности, выданной алгоритмом. При низкой оценке специалисты быстрее проходили очевидно нормальные случаи, в то время как высокая оценка вызывала повторный более внимательный анализ, особенно в тех случаях, где опухоли проявлялись в сложно интерпретируемом виде.
Таким образом, ИИ фактически стал когнитивным ориентиром — дополнительной «парой глаз», указывающей на зоны повышенного риска и помогавшей перераспределить внимание рентгенолога. Это изменяет классическую модель взаимодействия врача с изображением, превращая скрининг из линейного анализа в более адаптивный и сфокусированный процесс. Помимо повышения чувствительности, ИИ также помогал избежать усталости внимания и когнитивного пропуска, характерных при длительной работе с большим объёмом изображений.
Однако исследователи подчеркивают важность баланса. Слепое следование рекомендациям ИИ, особенно если система ошибается, может привести к упущенным случаям или, наоборот, к ложным срабатываниям и ненужным повторным исследованиям. Поэтому ключевой задачей остаётся обучение специалистов грамотной и критической интерпретации ИИ-подсказок, а также разработка таких интерфейсов, которые бы ясно указывали на степень уверенности алгоритма.
Для минимизации потенциальных ошибок исследователи разрабатывают механизмы, позволяющие прогнозировать уровень уверенности ИИ. В перспективе это даст возможность адаптивной подачи ИИ-информации: например, показывать её только при сложных случаях или когда врач сам запрашивает помощь. Такой подход не только повышает диагностическую ценность, но и снижает риск когнитивной перегрузки или ложного авторитета машины.
Дополнительные исследования сейчас направлены на изучение оптимального момента подачи информации: сразу при загрузке снимка или позже, по усмотрению специалиста. Этот нюанс может играть критическую роль в восприятии и доверии врача к ИИ, а значит — и в финальном клиническом решении.
Современные ИИ-системы для маммографии уже показывают результаты, сопоставимые с уровнем высококвалифицированных рентгенологов, и при корректной интеграции в рабочие процессы способны стать не просто вспомогательным инструментом, а активным участником диагностического процесса.
Новые данные также открывают путь к пересмотру учебных программ для рентгенологов, где наряду с классической интерпретацией изображений должно появиться направление по работе с ИИ-интерфейсами и анализу вероятностных моделей.
Таким образом, развитие ИИ в области скрининга рака груди демонстрирует не только технологическую эволюцию, но и начало нового этапа взаимодействия человека и алгоритма в медицине. Объединение клинического опыта с машинной точностью обещает значительный прогресс в раннем выявлении онкологических заболеваний и более эффективной персонализированной диагностике.
А затем «Добавить на главный экран». 