Breast cancer screening from a general practitioner’s perspective: current data and prospects for integrating artificial intelligence

Full Text

Рак молочной железы: современное состояние проблемы

Рак молочной железы (РМЖ) остается серьезной проблемой здравоохранения во всем мире. Согласно глобальной статистике, представленной Всемирной организацией здравоохранения (ВОЗ), в 2022 г. РМЖ по всему миру был выявлен у 2 308 897 человек, что составило 11,6% всех злокачественных новообразований (ЗНО) [1]. В том же году от РМЖ умерло 665 684 человека (6,9% общей смертности от ЗНО) [1]. В Российской Федерации РМЖ также находится на первых местах по онкологической заболеваемости и составляет 12,3% общих ЗНО у мужчин и женщин и 22,5% — в структуре заболеваемости ЗНО у женщин. Абсолютное число впервые в жизни установленных диагнозов РМЖ у женщин в 2023 г. составило 82 499 [2]. Среднегодовой темп прироста («грубый» показатель на 100 тыс. населения) в период с 2013 по 2023 г. увеличился на 2,1%, а число случаев — на 22,9%. Стандартизированные показатели на 100 тыс. населения в 2023 г. были представлены следующим образом: среднегодовой темп прироста составил 1,2%; число случаев увеличилось на 13,0%; кумулятивный риск развития ЗНО молочной железы вырос с 5,34% в 2013 г. до 6,45% в 2023 г. [2]. Отметим, что РМЖ у мужчин встречается крайне редко: составляет менее 1% опухолей этой локализации, занимает 0,3% в структуре заболеваемости, по сравнению с женщинами заболеваемость меньше в 112 раз, смертность — в 97 раз [3].

Средний возраст пациенток с впервые в жизни установленным диагнозом ЗНО молочной железы в России в 2023 г. составил 62,1 года (на 0,9 года больше относительно 2013 г.). Структура заболеваемости РМЖ различалась в возрастных группах: от 0 до 14 лет РМЖ не регистрировался; в возрасте 15–24 года удельный вес составил менее 5% всех ЗНО; максимальный показатель заболеваемости пришелся на возраст 40–49 лет, а в возрастной группе 50+ лет отмечалось прогрессирующее снижение удельного веса РМЖ в общей структуре ЗНО у женщин (рис. 1) [2].

 

Рис. 1. Удельный вес рака молочной железы в структуре злокачественных новообразований у женщин в разных возрастных группах (согласно данным Московского научно-исследовательского онкологического института им. П.А. Герцена, 2023 г.), %

 

Стандартизированный по возрасту показатель первичной заболеваемости женщин в 2023 г. составил 57,28 на 100 тыс. населения в сравнении с 47,05 в 2013 г. (p < 0,05; различие статистически значимо) [2].

Согласно данным литературы, РМЖ занимает первое место в структуре смертности женщин от онкологических заболеваний в Российской Федерации и составляет 15,9% [4]. При этом динамика показателей смертности населения России от РМЖ снижается: согласно данным Московского научно-исследовательского онкологического института (МНИОИ) им. П.А. Герцена, стандартизованный показатель смертности на 100 тыс. населения среди женщин в 2023 г. составил 11,84 против 15,68 в 2013 г. (p < 0,05; различие статистически значимо). Данные МНИОИ им. П.А. Герцена также говорят о зависимости данного показателя от возрастной группы: в возрасте 40–49 лет он составляет 21,8%; 50–59 лет — 19,9%; 60–69 лет — 16,4%; старше 70 лет — 13,7%. У женщин 30–39 лет смертность от РМЖ составляет 19,8%, уступая лишь раку шейки матки (21,5%) [2].

Алгоритм действия врача при РМЖ, выбор тактики лечения и оценка прогноза определяются молекулярно-биологическим подтипом опухоли. Это связано с открытием рецептора человеческого эпидермального фактора роста 2-го типа HER2/neu (Human Epidermal Growth Factor Receptor 2) и внедрением в клиническую практику такого вида лекарственной терапии, как таргетная терапия, которая воздействует именно на этот рецептор, прицельно блокирует сигналы роста и размножения раковых клеток с минимальным повреждением здоровых тканей. Рецептор HER2/neu относится к семейству рецепторов эпидермального фактора роста (Epidermal Growth Factor Receptors Family, EGFR) и кодируется геном ERBB2, известным также как HER2- или HER2/neu-ген (Human Epidermal Growth Factor Receptor 2 gene). Все члены данного семейства (HER1 или EGFR, HER2, HER3 и HER4) играют важную роль в нормальном развитии и дифференцировке клеток. У человека рецептор HER2/neu обнаруживается в нормальных клетках, однако его гиперэкс-прессия характерна только для опухоли.

В настоящее время определение HER2-статуса при РМЖ обязательно на всех стадиях заболевания. Согласно клиническим рекомендациям, РМЖ классифицируют на пять молекулярно-биологических подтипов, которые учитывают не только экспрессию HER2/neu, но и наличие или отсутствие рецепторов эстрогена, рецепторов прогестерона и индекс пролиферации Ki-67 (табл. 1).

 

Таблица 1. Молекулярно-биологические подпипы рака молочной железы

Подтип	HER2/neu	Статус РЭ	Статус РП	Ki 67
LumA Люминальный А	Отрицательный	Положительный	Положительный	Низкий (< 20%)
LumB– Люминальный В	Отрицательный	Положительный	Любой	Высокий (> 30%)
LumB+ Люминальный В	Положительный	Положительный	Любой	Любой
HER2+ Нелюминальный	Положительный	Отрицательный	Отрицательный	Любой
TNBC* Тройной негативный	Отрицательный	Отрицательный	Отрицательный	Любой

Примечание. РЭ — рецепторы эстрогена; РП — рецепторы прогестерона; TNBC (triplenegative breast cancer) — тройной негативный фенотип рака молочной железы.

 

Определение подтипа РМЖ важно для выбора тактики лечения и оценки прогноза. По данным клинических исследований, при медиане наблюдения 14,8 года 10-летняя выживаемость у пациенток с люминальным А (LumA) типом составила 70%; люминальным В (LumB–) типом — 48%; люминальным Her2+ (LumB+) — 46,1%; Her2-позитивным нелюминальным — 52,6% и трижды негативным раком — 62,6% [5].

В разных возрастных группах преобладают разные фенотипы РМЖ. Так, для молодых женщин более характерны биологически агрессивные подтипы (HER2+ и трижды негативный) в отличие от женщин постменопаузального периода [6, 7]. Вероятно, по этой причине показатели выживаемости (5-летняя общая выживаемость и безрецидивная выживаемость) у пациенток младше 40 лет ниже, чем у пациенток старших возрастных групп. В качестве другой причины называют возрастные ограничения включения в клинические исследования новых препаратов (пациенток в возрасте до 40 лет не включают в испытания) [8]. Однако в опубликованном в 2025 г. исследовании, проводившемся на базе отделения опухолей молочной железы Национального медицинского исследовательского центра онкологии (НМИЦ онкологии) им. Н.Н. Петрова, авторами при сравнении пациенток с ранним РМЖ разных возрастных групп (группа 1 — пациентки в пременопаузе и перименопаузальном периоде, группа 2 — пациентки в постменопаузе) не было выявлено статистически значимой разницы в показателях выживаемости (общей и безрецидивной) [7].

В настоящее время разрабатываются новые методы лечения с целью не только улучшить прогноз, но и повысить качество жизни пациенток. В последние 10 лет активно публикуются данные о возможности применения криоабляции как альтернативы хирургической операции [9, 10]. В качестве показаний ряд авторов выделяют: преклонный возраст и медленный рост новообразования; достаточную удаленность опухоли от кожи; четкую ультразвуковую визуализацию границ опухоли; размеры поражения, позволяющие полностью охватить опухоль ледяным фронтом (диаметр опухоли — не более 5 см) [9]. На сегодняшний день данный метод является экспериментальным, не принятым в клинических рекомендациях по лечению РМЖ в Российской Федерации. Однако, согласно исследованию PRECICE Европейского института онкологии, представленному на научно-практической конференции с международным участием «Комплексный подход к лечению рака молочной железы» в сентябре 2025 г. в клинике АО «Медицина» (клиника академика Ройтберга), данная методика при правильном выполнении и отборе пациентов не имеет осложнений, может проводиться на амбулаторном этапе, что значительно разгружает хирургические стационары, уменьшает время маршрутизации пациента и снижает уровень стресса пациента перед лечением [10].

Таким образом, совершенствование способов диагностики и современных подходов лечения РМЖ лежит в основе снижения смертности от данной патологии. Однако приоритетное значение для показателей выживаемости по-прежнему имеет стадия, на которой заболевание выявлено. Именно поэтому с целью повышения эффективности терапии, улучшения прогноза и повышения качества жизни пациентов после лечения разработаны программы скрининга ЗНО молочной железы.

Скрининг и ранняя диагностика как основа национальной стратегии борьбы с раком молочной железы

Несмотря на широкое применение термина «скрининг» (от англ. screening — отбор, сортировка) в научной медицинской литературе и практическом здравоохранении, до настоящего времени отсутствует единое, общепринятое определение данного понятия [11]. Впервые характеристики скрининга были сформулированы экспертами ВОЗ J.M.G. Wilson и G. Jungner в 1968 г. (табл. 2) [12]. На этих принципах базируется оценка целесообразности внедрения скрининговых программ для конкретного заболевания [13].

 

Таблица 2. Основы и принципы скрининга [12]

№ п/п	Характеристики скрининга
1	Скрининг — процесс предварительной идентификации невыявленных заболеваний или дефектов с использованием быстрых тестов, анализов или других процедур
2	Скрининговые тесты позволяют выделить внешне здоровых лиц, которые предположительно страдают от определенного заболевания, среди лиц, предполагаемо здоровых в отношении данного заболевания
3	Скрининговые тесты не имеют диагностической цели
4	Лица с положительными или сомнительными результатами подлежат дальнейшему обследованию специалистами для верификации диагноза
Принципы скрининга
1	Значимость заболевания для здоровья человека
2	Наличие доступных методов диагностики
3	Наличие эффективных и доступных методов лечения
4	Возможность выявления ранних или латентных стадий заболевания
5	Наличие пригодных для скрининга диагностических тестов или исследований
6	Приемлемость скрининговых процедур для целевой популяции
7	Хорошо изученные закономерности прогрессирования заболевания от латентной до клинической стадии
8	Четко определенные критерии для выявления лиц, нуждающихся в лечении
9	Экономическая сбалансированность затрат на скрининг, диагностику и лечение в сравнении с общими расходами на здравоохранение
10	Необходимость проведения скрининга как непрерывного и последовательного процесса, а не как разового мероприятия

 

Под скринингом понимается активное выявление заболевания у лиц, которые могут считать себя здоровыми или считающихся здоровыми и не имеют симптомов заболевания [13]. Целями скрининга являются, во-первых, снижение частоты возникновения заболевания путем выявления и коррекции факторов риска, лечения состояний, предшествующих развитию заболевания, а во-вторых, снижение уровня смертности и степени тяжести заболевания путем раннего выявления и эффективного лечения. Скрининг РМЖ направлен на выявление доклинической или ранней клинической стадии рака. Основное отличие скрининга от ранней диагностики — реализация программы для населения, не имеющего симптомов заболевания.

Согласно данным литературы, популяционный маммологический скрининг проводят в 22 странах [14]. Программы скрининга РМЖ различаются сроками внедрения в практическое здравоохранение государства и возрастными группами, в которых реализуется программа. Так, в 2003 г. Советом Европейского союза была определена возрастная группа 50–59 лет для проведения популяционного скрининга РМЖ с помощью классической маммографии 1 раз в 2 года [15]. Согласно инициативе Европейской комиссии по раку молочной железы (European Commission Initiative on Breast Cancer, ECIBC), подходы к проведению скрининга изменились в 2019 г.: проводить маммографию рекомендовано 1 раз в 2–3 года для женщин в возрасте 45–49 лет; 1 раз в 2 года — в возрасте 50–69 лет; 1 раз в 3 года — в возрасте 70–74 лет [16]. Было отмечено, что женщинам всех возрастных групп нецелесообразно ежегодное проведение маммографического исследования.

В Швеции популяционный скрининг проводится с 1986 г. Целевая группа — женщины в возрасте 40–69 лет (с 2013 г. — до 74 лет). Межскрининговые интервалы составляют 2 года для пациенток 60–74 лет и 1,5 года — для женщин 40–49 лет. В Канаде возрастной диапазон женщин, которым проводится маммографический скрининг, различается в разных регионах: Британская Колумбия — 40–79 лет; Нью-Брансуик — 50–69 лет. В Великобритании к участию в скрининге приглашаются женщины в возрасте от 50 до 70 лет, интервал составляет 3 года. Рекомендации по скринингу РМЖ Американской академии семейных врачей (American Academy of Family Physicians) определяют целесообразность проведения маммографии женщинам в возрасте от 50 до 74 лет 1 раз в 2 года [14].

Примечательно, что инициация и координация скринингового обследования осуществляются семейным врачом. Именно он информирует пациенток о необходимости прохождения диспансеризации, в рамках которой осуществляется скрининг, получает результаты обследований и принимает решение о дальнейшей маршрутизации женщины, назначении дополнительного обследования.

В Российской Федерации скрининг РМЖ проводится в рамках первого этапа диспансеризации определенных групп взрослого населения и реализуется выполнением в возрастной группе 40–75 лет рентгеновской маммографии обеих молочных желез в прямой и косой проекциях с двойным прочтением рентгенограмм 1 раз в 2 года (за исключением случаев невозможности проведения исследования по медицинским показаниям в связи с маст-эктомией). У женщин с сохраненным менструальным циклом маммография выполняется на 5–12-й день цикла. При возможности применения цифровой маммографии вместо рентгеновской предпочтение следует отдать первому исследованию, так как оно повышает эффективность скрининга [17].

При описании рентгенограмм оценивают структурные изменения ткани молочной железы по системе BI-RADS (Breast Imaging Reporting and Data System), а также рентгенологическую плотность молочных желез по классификации ACR (American College of Radiology). От выявленной при скрининге категории по системе BI-RADS зависит дальнейшая маршрутизация пациента (табл. 3).

 

Таблица 3. Тактика врача общей практики в зависимости от выявленной категории BI-RADS при скрининге рака молочной железы [18]

Категория BI-RADS	Комментарии для врачей-рентгенологов	Тактика врача общей практики
BI-RADS 1	Доброкачественные изменения. Вероятность злокачественности — 0%	Рутинный скрининг — через 2 года
BI-RADS 2	Доброкачественные изменения. Вероятность злокачественности — 0%	Направление на консультацию акушера-гинеколога вне рамок диспансеризации. Рутинный скрининг — через 2 года
BI-RADS 3	Вероятнее всего доброкачественные изменения. Если нет уверенности в том, к какой категории относятся изменения (2 или 4), целесообразно выставлять категорию 4	Направление на консультацию акушера-гинеколога в рамках второго этапа диспансеризации. Направление на УЗИ молочных желез с целью дообследования вне рамок диспансеризации. Дальнейшая тактика зависит от результатов УЗИ
BI-RADS 4	Изменения, подозрительные на злокачественные, необходима морфологическая верификация. Вероятность злокачественности — 2–95%	Направление на консультацию акушера-гинеколога в рамках второго этапа диспансеризации. Направление на консультацию врача-онколога вне рамок диспансеризации
BI-RADS 5	Достоверно злокачественные изменения. Вероятность злокачественности — > 95%	Направление на консультацию акушера-гинеколога в рамках второго этапа диспансеризации. Направление на консультацию врача-онколога вне рамок диспансеризации
*BI-RADS 6	Гистологически подтвержденный РМЖ. Не используется при скрининге, так как правомерна только при гистологической верификации	Направление на консультацию врача-онколога вне рамок диспансеризации

Примечание. УЗИ — ультразвуковое исследование; РМЖ — рак молочной железы.

 

Тактика семейного врача в скрининге РМЖ по результатам первого этапа диспансеризации, согласно методическим рекомендациям по организации оптимальных схем маршрутизации пациентов с целью выявления онкологической патологии в условиях профилактического медицинского осмотра и диспансеризации определенных групп взрослого населения с учетом региональных особенностей, заключается в дообследовании пациенток, у которых на первом этапе выявлено отклонение от нормы. Дообследование проводится в рамках второго этапа диспансеризации либо вне ее.

При маммографии с результатами BI-RADS 1 или 2 семейный врач планирует следующее обследование в рамках очередной диспансеризации (маммография — через 2 года). Однако женщин с BI-RADS 2 из-за наличия доброкачественных новообразований молочной железы рекомендовано направлять на консультацию к акушеру-гинекологу вне диспансеризации.

При результатах BI-RADS 3, 4 и 5 врач общей практики направляет пациентку на второй этап диспансеризации, где женщины в возрасте от 40 до 75 лет с выявленными изменениями осматриваются акушером-гинекологом, после чего дальнейшая помощь оказывается согласно порядку по профилю «Акушерство и гинекология». Помимо консультации акушера-гинеколога пациенткам с результатами маммографии BI-RADS 3 рекомендовано дообследование в объеме ультразвукового исследования (УЗИ) молочных желез вне рамок диспансеризации с пересмотром категории BI-RADS.

Приказ Минздрава России от 27 апреля 2021 г. № 404н «Об утверждении Порядка проведения профилактического медицинского осмотра и диспансеризации определенных групп взрослого населения» уточняет, что врач первичного звена после второго этапа диспансеризации и консультации акушера-гинеколога при наличии медицинских показаний назначает пациенту дополнительное обследование. Так, семейный врач при результатах маммографического скрининга BI-RADS 4 или 5 направляет пациенток на консультацию как к акушеру-гинекологу в рамках второго этапа диспансеризации, так и к онкологу вне ее.

По структуре выделяют четыре типа молочных желез (ACR) — A, B, C и D (табл. 4). Выявление высокой маммографической плотности по ACR (типы C и D) является основанием для назначения дообследования — проведения УЗИ молочных желез и/или МРТ с контрастированием, а также контрастной двуэнергетической рентгеновской маммографии.

 

Таблица 4. Характеристика структуры молочной железы на основе рентгенологических данных [19]

Тип структуры молочной железы	Рентгенологическая характеристика
А	Молочная железа практически полностью жировой плотности*. Маммография обладает высокой чувствительностью
В	Отдельные участки фиброзно-железистой плотности
С	Молочные железы неоднородной (гетерогенной) плотности либо отдельные участки молочных желез достаточно плотные и могут скрывать небольшие образования
D	Очень плотные молочные железы. Маммография обладает низкой чувствительностью

* Плотность — степень ослабления рентгеновского излучения при прохождении через ткань молочной железы.

 

Благодаря внедрению маммологического скрининга отмечено снижение смертности на 15–25% по результатам рандомизированных исследований и на 28–56% — по результатам обсервационных [20]. Согласно данным МНИОИ им. П.А. Герцена, в период с 2013 по 2023 г. отмечено снижение среднегодового прироста смертности женщин от РМЖ на 2,77% и прироста смертности в этот же период на 24,01% [2]. В последнее десятилетие наблюдается положительная динамика в отношении выживаемости пациентов с РМЖ. Так, по данным Центрального научно-исследовательского института организации и информатизации здравоохранения (ЦНИИОЗ), 5-летняя выживаемость пациентов с РМЖ в России выросла с 59,8% в 2015 г. до 64,0% в 2023 г., а показатель одногодичной летальности за тот же период снизился с 6,6 до 4,4% [3]. В 2023 г. первичная заболеваемость РМЖ (грубый показатель) составила 105,3 на 100 тыс. женского населения. Данный показатель увеличился с 2013 по 2023 г. на 22,94%, что можно объяснить ростом продолжительности жизни, повышением влияния факторов риска развития РМЖ, а также эффективностью программ скрининга [4].

К основным факторам риска развития РМЖ относят репродуктивные (раннее менархе, поздняя менопауза, отсутствие беременностей или небольшое число беременностей и родов, поздние первые роды, маленький период лактации, искусственные и самопроизвольные аборты), гормональные (длительный гиперэстрогенный фон) и образ жизни (прием алкоголя, курение). В меньшей степени на увеличение заболеваемости РМЖ влияют генетические факторы, так как доля генетически обусловленных случаев развития РМЖ составляет 3–10%, а основное большинство носят спорадические случаи. Кроме того, согласно популяционному исследованию 2022 г., проведенному на основе баз данных МНИОИ им. П.А. Герцена, НМИЦ онкологии им. Н.Н. Петрова и базы данных популяционного ракового регистра Северо-Западного федерального округа Российской Федерации, активное внедрение скрининга привело к стойкому увеличению уровней заболеваемости женщин РМЖ и снижению смертности [4].

Обзор литературы и приведенные эпидемиологические данные показывают, что раннее обнаружение РМЖ имеет мультифакторные преимущества: оно ассоциировано со снижением частоты метастазирования, уменьшением летальности, повышением общей и безрецидивной выживаемости, а также с расширением возможностей для проведения органосберегающих операций, что в совокупности приводит к повышению качества жизни пациенток. Результативность скрининга зависит от чувствительности и специфичности выбранного скрининг-теста. На сегодняшний день рентгеновская маммография является основным, наиболее эффективным и широко используемым в мире скрининговым методом выявления РМЖ.

Тем не менее существует потенциальный вред маммографического скрининга, при оценке которого необходимо учитывать ряд сопутствующих явлений, прежде всего воздействие ионизирующего излучения. В обществе имеет место обеспокоенность кумулятивным эффектом радиационного воздействия во время маммографии и потенциальным риском возникновения индуцированного РМЖ. Однако регулярный двухгодичный маммографический скрининг с 40 лет, несмотря на суммарную лучевую нагрузку, ассоциирован с крайне низким риском индуцированного РМЖ, поскольку эффективная доза облучения (0,1–0,2 мЗв) значительно уступает фоновому уровню естественной радиации (2,4 мЗв/год) [8, 25]. Таким образом, маммография классифицируется как метод низкого (18–64 года) и очень низкого (65+ лет) радиационного риска, что подтверждает ее безопасность в качестве основного скринингового инструмента [21]. При проведении маммографии существуют риски получить как ложноположительные, так и ложноотрицательные результаты. Риск гипердиагностики связан с неспецифичностью рентгенологических проявлений непальпируемого рака. Гипердиагностика сопровождается назначением лишних дополнительных обследований, медицинских манипуляций, а порой и необоснованного лечения. Ложноотрицательные результаты обусловлены следующими состояниями, снижающими информативность маммографии: высокая рентгенологическая плотность ткани молочных желез (типы плотности C, D); особенности роста новообразований — злокачественные опухоли, схожие по плотности с окружающими тканями молочной железы, без типичных кальцинатов; экспансивно растущие ЗНО с признаками доброкачественного процесса; опухоли, проявляющиеся в виде нарушения архитектоники ткани молочной железы. Снижение числа ложнонегативных результатов определяется корректным выполнением маммографии, двойным прочтением рентгенограмм, персонализацией скрининга с необходимым дообследованием при наличии показаний. Существует вероятность развития так называемого интервального РМЖ — возникновения опухоли между двумя плановыми скринингами (включая как новообразования, сформировавшиеся в межскрининговый период, так и ранее невыявленные). Высокая частота таких случаев свидетельствует о недостаточной эффективности программы скрининга. Все это сопровождается повышением уровня тревожности женщин и снижением качества их жизни.

Таким образом, в контексте описанных проблем перспективным направлением является применение методов искусственного интеллекта (ИИ) при проведении скрининговых исследований.

Искусственный интеллект как настоящее и будущее медицины в целом и раннего выявления рака молочной железы в частности

ИИ — область компьютерных наук, направленная на создание систем, способных выполнять задачи, требующие человеческого интеллекта (обучение, анализ, принятие решений). Термин «искусственный интеллект» был предложен в 1950-х годах J. McCarthy et al. (1955) для обозначения направления, использующего машинные методы моделирования и прогнозирования поведения, аналогичного человеческому [22].

В медицине ИИ начал применяться в 1960-х годах с развитием цифровой патоморфологии: J.M. Prewitt et al. использовали сканирование микропрепаратов крови с последующим компьютерным анализом изображений [23]. В 1999 г. появились сканеры для оцифровки целого предметного стекла, что способствовало активному внедрению ИИ в анализ цифровых изображений. Создание масштабных библиотек, таких как The Cancer Genome Atlas (TCGA), обеспечило доступ к аннотированным данным и стимулировало исследования в области диагностики ЗНО [24, 25]. В 2012 г. Y. Liu et al. представили работу по выявлению молекулярных и морфологических предикторов ответа на химиотерапию при серозной карциноме яичников с использованием данных TCGA [24]. Рост объема медицинских данных стал ключевым фактором активного развития и внедрения ИИ в здравоохранение.

Медицинское сообщество ожидает снижения смертности от РМЖ благодаря использованию ИИ в программах скрининга [25]. Глубокое обучение с использованием нейронных сетей — один из наиболее часто используемых алгоритмов в выявлении рака на ранних стадиях. Как сказал советский физик, лауреат Нобелевской премии П.Л. Капица, «технологии развивают человека и расширяют его возможности». На сегодняшний день, согласно методическим рекомендациям по скринингу РМЖ в рамках диспансеризации определенных групп взрослого населения, для интерпретации рентгенологических маммографических снимков можно использовать программное обеспечение с ИИ как систему поддержки принятия врачебных решений. Однако применять автоматическое заключение, сгенерированное ИИ, запрещено, окончательное заключение всегда формирует врач-рентгенолог. Систему поддержки принятия врачебных решений допустимо использовать как при оценке рентгенограмм двумя независимыми врачами-рентгенологами медицинской организации, реализующей программу диспансеризации, так и при последовательной оценке рентгенограмм врачом-рентгенологом медицинской организации, реализующей программу диспансеризации, и врачом-рентгенологом сторонней медицинской организации [17, 25].

Применение программ ИИ в скрининге РМЖ продемонстрировало свою эффективность в международном исследовании, проведенном совместно учеными из США и Великобритании (S.M. McKinney еt al.) [26]. Был отобран большой репрезентативный набор из 28 953 скрининговых маммограмм. Информационная система состояла из трех моделей глубокого обучения, результат оценивался по среднему значению. В итоге система позволила снизить количество ложноположительных результатов на 5,7% для пациентов из США и 1,2% для пациентов из Великобритании, а количество ложноотрицательных результатов — на 9,4 и 2,7% для пациентов из США и Великобритании соответственно.

По результатам исследования Российского общества онкомаммологов, опубликованного в 2023 г., при использовании ИИ для раннего выявления РМЖ не было выявлено ложноотрицательных заключений при оценке маммограмм. РМЖ с использованием платформы ИИ выявлен у 1,2% пациенток против 0,2% без применения ИИ [27].

Хорошо известны факторы риска развития РМЖ: гормональный фон, курение, алкоголь, ожирение, сахарный диабет и др. В настоящее время появились работы, в которых в моделях машинного обучения используются данные о факторах риска РМЖ и другие персональные медицинские данные о пациентках, что помогает ИИ повысить эффективность обнаружения рака [28]. Перспективно исследование российских ученых, разработавших модуль классификатора для информационной системы скрининга РМЖ с учетом факторов риска и термометрических данных. В систему были внесены данные, полученные с помощью микроволновой радиотермометрии (измерения внутренних и поверхностных температур в 10 точках для каждой молочной железы), а также медицинские карты пациенток с ключевыми факторами риска, включающими возраст, количество беременностей, гормональные изменения, наличие родов и др. Авторы показали, что добавление указанных параметров к моделям машинного обучения позволяет повысить точность классификатора и снизить количество ложноположительных результатов. Специфичность модуля классификатора увеличилась с 71 до 74%, чувствительность — с 65 до 70%, эффективность — с 67 до 72%. Согласно мнению исследователей, добавление информации о факторах риска способствует более раннему выявлению РМЖ [29].

Для РМЖ характерна метастатическая гетерогенность, неотделимая от его рецепторного статуса, что определяет молекулярный подтип опухоли [30]. В последние годы активно развиваются такие направления, как радиомика и радиогеномика. Радиомика представляет собой комплексную количественную оценку опухолевых фенотипов путем извлечения большого числа количественных признаков из медицинских изображений. Радиогеномика появилась в результате интеграции геномики в радиомику с установлением связей между генотипом и фенотипическими признаками, что позволило прогнозировать и выявлять скрытые генетические и молекулярные особенности опухоли, а также проводить комплексную, более точную и персонализированную оценку ее биологических характеристик [31]. Методы радиомики и радиогеномики легли в основу прогностических моделей, способных определить молекулярный подтип по данным инструментального исследования при применении ИИ. Согласно данным исследования Y. Zhang et al., по сравнению с радиомикой модели радиогеномики продемонстрировали более высокие результаты, однако радиомическая модель была проще и удобнее с клинической точки зрения [32]. На сегодняшний день разработаны передовые модели глубокого обучения для прогнозирования метастазов РМЖ в аксиллярные и сигнальные лимфатические узлы [33].

В настоящее время в мире зарегистрировано шесть программ ИИ для выявления РМЖ — Mia, AlexNet, Lunit, CureMetrix, Botkin.AI, Celsus [34–39]. Сравнительная характеристика моделей представлена в табл. 5.

 

Таблица 5. Сравнительная характеристика моделей искусственного интеллекта по выявлению рака молочной железы

Параметр	Модель искусственного интеллекта
	Mia	AlexNet	Lunit	CureMetrix	Botkin.Al	Цельс/Celsus
Страна-разработчик, год разработки	Великобритания, 2013 г.	Канада, 2012 г.	Южная Корея, 2013 г.	США, 2014 г.	Россия, 2017 г.	Россия, 2018 г.
Знак Европейского сертификата качества	Да	Нет	Да*	Нет	Да	Да
Автоматическое формирование протокола	Да	Н/д	Н/д	Н/д	Нет	Да
Автоматический анализ техники укладки молочной железы	Да	Н/д	Н/д	Н/д	Нет	Нет
Объем базы данных изображений при обучении, млн	> 3,0	1,2	> 6,5	> 5,0	1,0	4,0
Результаты	Чувствительность — 75,1%. Специфичность — 97,3%	Точность системы — 96,2%	Точность системы — 96,0%	AUC (площадь под кривой) — 95	Н/д	Точность системы — 95%
Особые возможности	Возможность исключения оценки снимков вторым рентгенологом в будущем	Эффективно отличает здоровую группу от групп высокого риска (BRCA1/2 и односторонний РМЖ)	Возможно дистанционное использование, формирует тепловые карты	Наблюдение выявленных в молочной железе изменений в динамике	Выявляет РМЖ на ранних стадиях в 95%	Точность интерпретации снимков по шкале BI-RADS более 95%
Выявление РМЖ при повышенной плотности ткани	Н/д	Н/д	Да	Да	Нет	Нет
Присвоение категории BI-RADS	Н/д	Н/д	Да	Н/д	Да	Да
Присвоение категории ACR	Н/д	Н/д	Да	Да	Нет	Нет

* Только для некоторых программ: Lunit INSIGHT CXR4, Lunit SCOPE PD-L1 TPS.

Примечание. Н/д — нет данных.

 

Программное обеспечение Mia (Mammography Intelligent Assessment) построено на запутанных нейронных сетях и обучено на более 3 млн изображений. При анализе снимков ИИ выдает заключение либо о необходимости дополнительного дообследования, либо о том, что последующих действий (обследований) не требуется. При этом последнее слово всегда остается за врачом [34]. Программа AlexNet обучена на маммографических снимках двух групп высокого риска (носители мутаций BRCA 1, 2 и женщины с односторонним РМЖ) и контрольной группы здоровых лиц. В результате обучения модель способна эффективно различать изображения здоровой группы от изображений обеих групп высокого риска [35]. Другая программа — Lunit — выдает заключение о выявленной патологии в виде изображений тепловых карт, точность обнаружения патологии составляет 96% [36]. Программное обеспечение CureMetrix обладает возможностью анализировать маммографические снимки желез с высокой плотностью тканей, а также проводить сравнительный анализ в динамике [37]. Отечественная разработка Botkin.AI способна оценивать наличие/отсутствие злокачественности, а также проводить сегментацию в случае выявления подозрительного очага, т.е. выделять зону интереса на снимке цветом [38]. Еще одна российская разработка — система Celsus — изучена на 20 тыс. верифицированных снимков, определяет наличие доброкачественных или злокачественных образований с точностью до 95%, указывает их локализацию на снимках, составляет протокол исследования, присваивая каждой молочной железе категорию BI-RADS [39]. По данным ретроспективного когортного исследования результатов анализа данных цифровой маммографии системы на основе ИИ Celsus и врачей-рентгенологов, выполненного на группе из 49 пациентов, проходивших скрининг в ФГБУ «НМХЦ имени Н.И. Пирогова» Минздрава России (Пироговский центр) и имеющих верифицированный диагноз злокачественного поражения по данным гистологического исследования, злокачественные новообразования были выявлены в 92% случаев, полное совпадение заключений с группой врачей-рентгенологов, специализирующихся в маммографии, составило 90% [40].

Известно, что высокая плотность паренхимы молочной железы (типы C и D по ACR) снижает чувствительность маммографии до 50%, в то время как при плотности паренхимы типов А и В (по ACR) чувствительность метода составляет 90%, что требует дополнения маммографического скрининга УЗИ молочных желез [41]. В одноцентровом проспективном рандомизированном клиническом исследовании (Р. Хасанов и соавт., 2021) проводилась оценка эффективности применения системы компьютерного анализа маммограмм (Computer-Аided Design, CAD) в процессе комбинированного (маммографического + ультразвукового) скрининга у пациенток с повышенной плотностью паренхимы молочной железы. Авторы сообщают о достоверном увеличении 3-годичной безрецидивной выживаемости у пациенток с РМЖ, выявленным в результате комбинированного скрининга с помощью системы CAD [42].

Наряду с улучшением маммографической диагностики РМЖ с помощью ИИ в 2024 г. опубликованы результаты метаанализа 30 исследований (D. Xavier et al.), включавших 156 852 снимка, которые продемонстрировали, что внедрение цифровой компьютерной сортировки для скрининга РМЖ снижает нагрузку на рентгенолога на 68,3%, при этом чувствительность остается достаточно высокой — 93,1%, а специфичность — 68,7% [43]. Авторами был сделан вывод, что, несмотря на сложность и неоднородность внедрения ИИ, он является перспективным инструментом для оптимизации ресурсов здравоохранения.

В настоящее время ведутся исследования по применению ИИ не только для скрининга РМЖ, но и для оценки риска его развития в будущем. В исследовании корейских ученых, опубликованном в 2024 г. (E.K. Park et аl.), представлены результаты разработки модели ИИ для прогнозирования риска развития РМЖ в течение пяти лет на основе маммографических изображений и подробной клинической информации, включавшей прогностические модели Тайрера–Кузика, Гейла и тест Делонга [44]. Авторы пришли к выводу, что разработанная ими модель глубокого обучения на основе ИИ, использующая маммограммы и клинические биомаркеры визуализации на основе ИИ, обладает значительным потенциалом для повышения точности прогнозирования риска РМЖ.

Таким образом, не вызывает сомнений, что ИИ полезен в визуализации РМЖ. Анализ литературных данных демонстрирует эффективность ИИ, во-первых, в стратификации риска для создания индивидуальных программ скрининга, во-вторых, в качестве «второго мнения» при анализе снимков, а также, в-третьих, ИИ помогает проанализировать текстуру опухоли, определить ее подтип и оценить перитуморальную область. Кроме того, ИИ незаменим при радиомическом и радиогеномном анализе для планирования лекарственной терапии и динамического наблюдения. Наконец ИИ эффективен при прогнозировании ответа на лечение, риска наличия метастазов в аксиллярные лимфоузлы, риска рецидива и общей выживаемости (рис. 2) [45].

 

Рис. 2. Возможности искусственного интеллекта, практическое значение и области применения [45]

Примечание. ИИ — искусственный интеллект.

 

Интеграция ИИ в сферу здравоохранения открывает большие возможности, однако сталкивается с рядом препятствий, таких как информационная безопасность, технические барьеры, юридические и этические вопросы.

Барьеры в сфере информационной безопасности связаны с рисками, возникающими при защите конфиденциальных данных от киберугроз и несанкционированного доступа [46]. Обучение алгоритмов ИИ требует больших объемов данных для обеспечения репрезентативности выборки и снижения риска предвзятости. Для повышения точности программ ИИ применяются различные методы: расширение обучающих данных, совершенствование алгоритмов, а также проведение клинического тестирования. При этом использование персональных данных пациентов для тестирования системы без их информированного согласия недопустимо. В июле 2017 г. Управление комиссара по информации Великобритании обнаружило, что Фонд Национальной службы здравоохранения нарушил Закон Великобритании о защите данных 1998 г., предоставив Google DeepMind доступ к личной информации примерно 1,6 млн пациентов без их информированного согласия. Эти данные были использованы для тестирования приложения Streams, которое помогает диагностировать острое повреждение почек. Уполномоченный по вопросам информации подчеркнул, что нельзя жертвовать базовыми правами на неприкосновенность частной жизни ради инноваций [46].

Юридические барьеры применения ИИ связаны с отсутствием правового регулирования ответственности за решения, принятые с помощью ИИ. Необходимо создание правовой базы с четким обозначением ответственных за проблемы, связанные с ИИ (производитель, пользователь или обслуживающая сторона).

Существуют и технологические барьеры, включающие сложность разработки и внедрения систем ИИ в практическое здравоохранение. Одно из ключевых препятствий — отсутствие высококачественных стандартизированных баз данных, необходимых для эффективной работы алгоритмов ИИ. Данные в сфере здравоохранения часто хранятся в разрозненном, неструктурированном виде в различных системах, что затрудняет их интеграцию и масштабный анализ. Кроме того, существуют проблемы с совместимостью систем ИИ и существующей инфраструктуры больниц, что может препятствовать их внедрению.

Другой проблемой являются высокая стоимость и сложность внедрения технологий ИИ. Специалистам в области здравоохранения часто не хватает подготовки для эффективного взаимодействия с инструментами ИИ, что приводит к сопротивлению со стороны медработников и/или неправильному использованию возможностей ИИ [47].

Эти факторы в сочетании с этическими проблемами, такими как алгоритмическая предвзятость и потенциальное сокращение рабочих мест в сфере здравоохранения, делают повсеместное внедрение ИИ в здравоохранение сложным и постепенным процессом.

Заключение

РМЖ остается глобальной проблемой, несмотря на положительные тенденции в снижении смертности, а также повышении общего уровня выживаемости и выявляемости за счет реализации программ скрининга. Такие программы отличаются в разных странах, и качество скрининга в Российской Федерации по уровню результатов не уступает мировым. В стране реализована более широкая программа охвата населения, включающая женщин в возрасте от 40 до 75 лет, с обязательным проведением маммографии 1 раз в 2 года.

За период, немногим превышающий столетие, медицина прошла путь от первого упоминания необходимости ранней диагностики онкологических заболеваний до активного внедрения программ ИИ, направленных на повышение качества скрининга. Современные технологии и ИИ открывают новые возможности, позволяя разгрузить врачей и повысить эффективность профилактики. Поэтому важно совершенствовать технологии ИИ и преодолевать барьеры для их широкомасштабного внедрения в практику здравоохранения.

Дополнительная информация

Источник финансирования. Поисково-аналитическая работа проведена на личные средства авторского коллектива.

Конфликт интересов. Авторы данной статьи подтвердили отсутствие конфликта интересов, о котором необходимо сообщить.

Участие авторов. Г.Е. Ройтберг — корректура, рецензирование, одобрение финальной версии; О.О. Шархун — проведение поисково-аналитической работы, написание статьи; М.А. Лаврухина — проведение поисково-аналитической работы, написание статьи. Все авторы статьи внесли существенный вклад в организацию и проведение исследования, прочли и одобрили окончательную версию рукописи перед публикацией.

About the authors

Grigory E. Roitberg

Pirogov Russian National Research Medical University (Pirogov Medical University)

Author for correspondence.
Email: contact@medicina.ru
ORCID iD: 0000-0003-0514-9114
SPIN-code: 1032-9122

MD, PhD, Professor, Academician of the RAS

Russian Federation, Moscow

Olga O. Sharkhun

Pirogov Russian National Research Medical University (Pirogov Medical University)

Email: olga_sharkhun@mail.ru
ORCID iD: 0000-0001-8527-4681
SPIN-code: 9987-6100

MD, PhD, Assistant Professor, Professor

Russian Federation, Moscow

Maria A. Lavrukhina

Pirogov Russian National Research Medical University (Pirogov Medical University)

Email: maria.alexandrovna05@mail.ru
ORCID iD: 0009-0007-6568-1598
SPIN-code: 4827-5454

Resident

Russian Federation, Moscow

References

Supplementary files