Современные методы диагностики рака молочной железы продолжают стремительно развиваться благодаря интеграции искусственного интеллекта. Новое исследование, опубликованное в журнале Radiology, продемонстрировало высокую точность и интерпретируемость модели ИИ, способной выявлять злокачественные новообразования на магнитно-резонансных томограммах молочной железы. Эта технология может существенно повысить эффективность скрининга, особенно у женщин с плотной тканью груди, где традиционная маммография даёт ограниченные результаты.
Маммография остаётся золотым стандартом ранней диагностики, но при высокой плотности молочной железы её чувствительность снижается. В таких случаях пациенткам назначают МРТ — метод более чувствительный, но и более подверженный ложноположительным результатам, что может приводить к ненужным биопсиям и дополнительной нагрузке на пациенток и врачей.
Для решения этой проблемы исследователи из лаборатории искусственного интеллекта Microsoft и кафедры радиологии Вашингтонского университета разработали модель ИИ на основе алгоритма обнаружения аномалий. Эта модель анализирует изображения, выявляя отклонения от нормы и визуализируя их в виде тепловых карт. Такие карты позволяют рентгенологам точно увидеть, где система «увидела» аномалию, и соотнести это с клиническими или гистологическими данными.
В отличие от традиционных моделей бинарной классификации, которые просто сообщают «рак/не рак», новая модель ИИ учится на больших массивах нормальных МРТ-снимков. Это позволяет ей формировать точное представление о том, как выглядит здоровая ткань молочной железы, и отклонения от этого образца фиксируются как потенциально патологические. Такой подход особенно важен при низкой распространенности заболевания в выборке, что типично для массового скрининга.
Модель обучалась на базе почти 10 000 МРТ-исследований, выполненных с 2005 по 2022 год. Большинство пациенток были женщинами с высокой плотностью ткани молочной железы — фактором риска, который часто затрудняет визуализацию опухолей. При этом более 80% участниц принадлежали к одной этнической группе, что подчёркивает необходимость будущих исследований с более разнообразными данными.
Протестированная на трёх независимых выборках, включая как внутренние, так и общедоступные многоцентровые данные, модель уверенно показала высокую точность в локализации опухолей, подтверждённых биопсией. Она превзошла существующие эталонные модели, как в условиях высокой распространённости злокачественных образований, так и в реальных скрининговых условиях, где рак встречается реже.
Одной из главных особенностей разработки стали тепловые карты — визуальные подсказки, отображающие участки изображения, которые ИИ интерпретирует как аномальные. Эти карты создаются с пиксельной точностью, обеспечивая уровень объяснимости, ранее недоступный в автоматизированной диагностике. Они могут быть особенно полезны при сортировке пациентов и выявлении подозрительных случаев, помогая направить внимание радиолога туда, где вероятность патологии выше.
В долгосрочной перспективе модель может интегрироваться в рабочие процессы радиологических отделений, позволяя ускорить рутинные оценки, снизить нагрузку на специалистов и минимизировать риск пропущенного диагноза. Особенно это актуально в условиях дефицита кадров, растущего числа исследований и необходимости точной интерпретации сложных случаев.
Исследование также поднимает вопрос об этичности и клинической надёжности ИИ-систем. Важно подчеркнуть, что пока речь идёт о вспомогательном инструменте, а не об автономной диагностике. Любые выводы модели должны подтверждаться врачом, и дальнейшие перспективные исследования необходимы для оценки эффективности внедрения в реальную клиническую практику.
Тем не менее, данная разработка — важный шаг к трансформации визуальной диагностики в онкологии. Она показывает, что ИИ может не только автоматизировать задачи, но и делать их более интерпретируемыми, прозрачными и полезными в реальной клинической работе. Новое поколение моделей, основанных на анализе аномалий, способно не просто «угадывать» диагноз, а помогать врачу делать более точные и обоснованные выводы.
Для диагностики рака молочной железы это особенно важно: раннее выявление критически влияет на прогноз заболевания. И если искусственный интеллект помогает обнаруживать опухоли в тех случаях, где глаз радиолога может не заметить патологию — это уже огромный вклад в спасение жизней.
А затем «Добавить на главный экран». 