Повышение эффективности популяционного скрининга рака молочной железы с применением искусственного интеллекта: результаты пилотного внедрения в субъектах Российской Федерации

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.

1. Злокачественные новообразования в России в 2023 году (заболеваемость и смертность) / Под ред. А.Д. Каприна, В.В. Старинского, Г.В. Петровой. — Москва: МНИОИ им. П. А. Герцена, 2024. — 252 с. Доступно по: oncology-association.ru. Дата обращения: 08.02.2026.

2. Драпкина О.М. и др. Организация профилактических медицинских осмотров и диспансеризации: методические рекомендации. — Москва: ФГБУ НМИЦ ТПМ Минздрава России, 2023. — 164 с.

3. Yoon JH, Kim HJ, Kwon TG, et al. Standalone AI for Breast Cancer Detection at Screening Digital Mammography and Digital Breast Tomosynthesis: A Systematic Review and Meta-Analysis. Radiology. 2023; 307(5): e222639. doi: 10.1148/radiol.e222639.

4. Павлова В.И., Белая Ю.А., Воронцов А.Ю. и др. Использование искусственного интеллекта для раннего выявления рака молочной железы: результаты научно-исследовательской работы // Опухоли женской репродуктивной системы. — 2023. — Т.19. — №2. — С.54–60.

5. Lång K, Josefsson V, Larsson A-M, et al. Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study: a randomised, controlled, non-inferiority, single-blinded, population-based, screening-accuracy trial. The Lancet. 2026; 407(10527): 505-514. doi: 10.1016/S0140-6736(25)02464-X.

6. Eisemann N, Sinner J, Müller L, et al. Nationwide real-world implementation of AI for cancer detection in mammography screening: the PRAIM study. Nature Medicine. 2025; 31(1): 112-121. doi: 10.1038/ s41591-024-03408-6.

7. Васильев Ю.А., Тыров И.А., Владзимирский А.В. и др. Двойной просмотр результатов маммографии с применением технологий искусственного интеллекта: новая модель организации массовых профилактических исследований // Digital Diagnostics. — 2023. — Т.4. — №2. — С.93-104.

8. Арзамасов К.М., Басаргина А.В., Гомболевский В.А. и др. Влияние технологий искусственного интеллекта на эффективность работы врачей-рентгенологов при скрининге рака молочной железы // Профилактическая медицина. — 2024. — Т.27. — №5. — С.103-110.

9. Омельяновский В.В., Федяев В.В., Сухоруких М.В. и др. Особенности оценки экономической эффективности онкомаммоскрининга с применением технологий искусственного интеллекта // Медицинский алфавит. — 2022. — №30. — С.48-54.

10. Бочкарева Е. В., Бутина Е.К., Байрамкулова Н.Х. и др. Ассоциация кальциноза артерий молочной железы и атеросклероза сонных артерий — маркера сердечно-сосудистого риска // Рациональная фармакотерапия в кардиологии. — 2023. — Т.19. — №5. — С.435-443.

11. Бочкарева Е.В., Ким И.В., Метельская В.А. и др. Ассоциация кальциноза артерий молочной железы с показателями репродуктивной функции и кардиоваскулярными факторами риска у женщин // Кардиоваскулярная терапия и профилактика. — 2025. — Т.24. — №8. — С.53-62.

12. Chidurala S, Charkhchi P, Komirisetty R, et al. A review of artificial intelligence models for detecting breast arterial calcification on mammograms and their clinical implications. Cureus. 2025; 17(6): e86894. doi: 10.7759/cureus.86894.

13. О развитии искусственного интеллекта в Российской Федерации: Указ Президента Российской Федерации от 10.10.2019 № 490 с изменениями от 15.02.2024 № 124. Доступно по: kremlin. ru. Дата обращения: 08.02.2026.

14. Федеральный проект «Борьба с онкологическими заболеваниями. Доступно по: https://minzdrav.gov.ru. Дата обращения: 08.02.2026.