ДРОЗДОВА Л.Ю., к.м.н., доцент
г. Москва
DROZDOVA L.YU., PhD, Associated Professor
Moscow
ЕГОРОВ В.А., к.м.н.
г. Москва
EGOROV V.A., PhD.
Moscow
КОРСУНСКИЙ Д.В.
г. Москва
KORSUNSKIY D.V.
Moscow
РАКОВСКАЯ Ю.С.
г. Москва
RAKOVSKAYA YU.S.
Moscow
МЕЩЕРЯКОВА А.М.
г. Москва
MESHERYAKOVA A.M.
Moscow
ДРАПКИНА О.М., д.м.н., профессор, академик РАН
г. Москва
DRAPKINA O.M., DSc, Professor, Academician of the Russian Academy of Sciences
Moscow
Обоснование. Рак молочной железы (РМЖ) занимает лидирующее место в структуре онкологической заболеваемости женщин в России. Несмотря на широкий охват диспансеризацией, показатели заболеваемости на ранних стадиях (0-II) остаются недостаточными вследствие дефицита кадров рентгенологической службы, высокой нагрузки на специалистов и субъективности интерпретации маммограмм.
Цель исследования. Оценить медицинскую эффективность внедрения технологий искусственного интеллекта (ИИ) в описание результатов маммографии в ходе профилактических медицинских осмотров (ПМО) и диспансеризации отдельных групп взрослого населения (ДОГВН) в части повышения выявляемости злокачественных новообразований молочной железы.
Материалы и методы. Проведено мультицентровое обсервационное исследование с историческим контролем на базе медицинских организаций 6 субъектов РФ (Брянская, Саратовская, Новосибирская, Сахалинская области,
Камчатский и Хабаровский края). За период исследования в пилотных регионах выполнено 677 652 маммографических исследования в рамках ПМО и ДОГВН, из которых ИИ-анализ сервиса «Третье Мнение» (РЗН 2022/16534) проведён по 247 514 исследованиям (36,6%). Доля исследований, переданных на ИИ-обработку, варьировала от 18,0% (Хабаровский край) до 79,6% (Камчатский край). Группой сравнения явились 553 011 исследований из тех же регионов за 2023 г. Корреляционный анализ выполнен методом ранговой корреляции Спирмена.
Результаты. Первичная заболеваемость РМЖ по 6 регионам увеличилась с 165,5 (2023 г.) до 270,3 (2024-2025 гг.) на 100 тыс. маммографий (+63,4%). Заболеваемость на стадиях 0-II возросла с 144,5 до 212,4 (+47,0%). Доля BI-RADS 4-5 составила 23,6% при использовании ИИ против 10,8% при рутинном чтении. Выявлена статистически значимая ранговая корреляция охвата ИИ с долей BI-RADS 4-5 (ρ = 0,886; p = 0,019; n = 6).
Заключение. Внедрение ИИ в описание результатов маммографии в ходе ПМО/ДОГВН ассоциировано с ростом первичной выявляемости РМЖ и числа случаев, диагностированных на ранних стадиях. Медицинская эффективность соответствует данным крупных рандомизированных исследований. Масштабирование требует организационного сопровождения.
Breast cancer (BC) remains the leading cancer morbidity among women in Russia. Despite widespread screening, early-stage (0-II) incidence rates are low due to insufficient radiology staff, high consultation loads, and the combination of unsatisfactory mammograms.
Objective. To evaluate the effectiveness of artificial intelligence (AI) technology in interpreting mammography results during preventive medical examinations (PMEs) and early adult screenings (EAS) in reducing the detection rate of malignant breast tumors.
Materials and methods. A multicenter observational study with historical control was conducted at healthcare facilities in six constituent entities of the Russian Federation (Bryansk, Saratov, Novosibirsk, and Sakhalin Oblasts, Kamchatka Krai, and Khabarovsk Krai). During the study period, 677,652 mammography examinations were performed in the pilot regions under the Primary Medical Association (PMA) and the Department of State Health Supervision (DOGVN), of which 247,514 (36.6%) were performed using the Third Opinion AI analysis service (RZN 2022/16534). The share of examinations submitted for AI processing ranged from 18.0% (Khabarovsk Krai) to 79.6% (Kamchatka Krai). The comparison group included 553,011 examinations from the same regions in 2023. Correlation analysis was performed using the Spearman rank correlation method.
Results. The primary BC incidence rate in 6 regions increased from 165.5 (2023) to 270.3 (2024-2025) per 100,000 mammograms (+63.4%). The incidence of stages 0-II increased from 144.5 to 212.4 (+47.0%). The share of BI-RADS 4-5 was 23.6% with the use of AI versus 10.8% with routine screening. A statistically significant rank correlation was found between AI coverage and the share of BI-RADS 4-5 (ρ = 0.886; p = 0.019; n = 6).
Conclusion. The introduction of AI in the description of mammography results during primary medical examinations/preclinical screening is associated with an increase in the primary BC detection rate and the number of cases diagnosed at early stages. Medical effectiveness is consistent with data from large randomized trials. Scaling up requires organizational support.
The authors declare that there are no conflicts of interest present.