Технологии искусственного интеллекта в гинекологии

В обзоре приведены научные данные отечественных и зарубежных работ, 90% из которых опубликованы за последние 5 лет. Их тематика связана с апробацией и анализом эффективности искусственного интеллекта (ИИ) в диагностике, лечении и превенции гинекологической патологии. Сделаны выводы о том, что в диагностике рака шейки матки, рака эндометрия, рака яичников и эндометриоза эффективность алгоритмов ИИ по многим параметрам превосходят специалистов в оценке результатов прямой и непрямой визуализации. Данные литературы показывают, что интеграция ИИ в клиническую практику существенно сокращает время диагностики и является весьма перспективной. В то же время работа ИИ в оценке цитологии и гистологии показывает противоречивые результаты – в цитологии шейки матки ИИ превзошел специалистов, тогда как в гистологии рака шейки матки полученные результаты пока не позволяют интегрировать ИИ в клиническую работу.
Значительные перспективы перед пациентами и врачами открывают большие языковые модели (large language mode, LLM), примером которой является ChatGPT. Уже сегодня чат-бот чаще всего дает правильные ответы на вопросы гинекологических пациентов, однако точность ответов при детализации вопросов медицинским работником пока еще остается недостаточной. 
Интеграция профессиональной деятельности с системами управления на основе ИИ, возможно, позволит снизить частоту ошибок в клинической практике, однако их широкое внедрение пока ограничено.
Заключение: Обзор демонстрирует значительный прогресс в применении ИИ в гинекологии, особенно в диагностике рака шейки матки, эндометрия, яичников и эндометриоза. Алгоритмы ИИ показывают высокую эффективность в анализе медицинских изображений, часто превосходя традиционные методы по точности и скорости. Однако внедрение ИИ сталкивается с этическими, юридическими и практическими вызовами, такими как прозрачность решений, ответственность за ошибки и интеграция в клиническую практику. Несмотря на это, потенциал ИИ для улучшения диагностики и оптимизации работы врача акушера гинеколога очевиден.

Вклад авторов: Котов Р.М. – концепция и дизайн исследования; Елгина С.И., Рудаева Е.В., Вавин Г.В. – сбор и обработка материала; Мозес В.Г. – написание текста; Мозес К.Б. – редактирование.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов.
Финансирование: Данная работа не имела источников финансирования.
Для цитирования: Мозес В.Г., Котов Р.М., Рудаева Е.В., Елгина С.И., Мозес К.Б., Вавин Г.В. 
Технологии искусственного интеллекта в гинекологии.
Акушерство и гинекология. 2025; 8: 16-25
https://dx.doi.org/10.18565/aig.2025.92

Можно смело утверждать, что революция искусственного интеллекта (ИИ) в медицине состоялась. Удивительно, как быстро она произошла – еще 10 лет назад мировое медицинское сообщество только начало обсуждать перспективы внедрения технологии ИИ в различных отраслях медицины и фармацевтики, тогда как сейчас отсутствие в стране разработок в области ИИ в здравоохранении автоматически снижает ее конкурентные возможности на рынке медицинских услуг [1].

Важность исследований технологии ИИ косвенно подтверждает начавшаяся в 2025 г. «необъявленная» технологическая гонка этой области. Ее началом послужило объявление новой администрацией США об отмене ограничений в области исследований ИИ и запуске проекта Stargate с планами инвестиций 500 млрд. долларов в развитие данной технологии. Вслед за этим Китай представил свой фонд изучения ИИ, первоначальные инвестиции в который составили 8,2 млрд. долларов [2]. Сложно предсказать, чем закончится данная гонка, но можно смело утверждать, что исследования в области ИИ в последние 10 лет произвели революцию в области здравоохранения. Количество опубликованных статей, посвященных ИИ в медицине, также коррелировало с развитием технологии – за последние 20 лет в PubMed были размещены 19325 ссылок на исследования в области ИИ, 93% из которых были опубликованы с 2000 г. [3].

Сегодня в медицине используется весь спектр технологий ИИ: ML – машинное обучение (machine learning – создание моделей, которые могут анализировать медицинские данные и предсказывать исходы), DL – глубокое обучение (deep learning – возможность автоматической интерпретации медицинских изображений), NLP – обработка естественного языка (анализ медицинских записей, научных статей и клинических отчетов для автоматизации рутинных процедур), робототехника (создание медицинских роботов для хирургических процедур и лабораторных исследований), Big Data – анализ больших данных (анализ огромных объемов данных, генерируемых медицинскими учреждениями для предикции заболеваний). Некоторые из этих технологий нашли свое применение в гинекологии [4].

К сожалению, акушерство и гинекология относится к специальностям, в отношении которых чаще всего подаются судебные иски, причем в последнее десятилетие судебные издержки в некоторых странах начали серьезно угрожать всей отрасли [5]. В качестве примера можно привести данные Национальной службы здравоохранения (NHS) Великобритании: 85% акушеров-гинекологов за свою профессиональную карьеру сталкиваются с исками по поводу врачебной ошибки; некоторые врачи, столкнувшись с судебным преследованием, уходят из специальности, а предполагаемая стоимость потенциальных исков составляет 56 млрд. фунтов стерлингов [6]. В отличие от человека, ИИ не устает, не имеет эмоций, поэтому потенциально может снизить вероятность технических ошибок, а, следовательно, финансовых издержек для медицинской организации и врача.

Кроме того, технологии ИИ позволяют оперативно представлять результаты обследования, проводить непрерывный мониторинг за пациентами.

В современной гинекологии, особенно в последние годы, наблюдается большой и активный прирост «визуальных» методов исследования с генерацией большого объема цифровых данных (изображения и записи). В связи с этим представляется актуальным обзор литературы о возможностях использования ИИ в данной специальности [7].

Материалы и методы

Были проанализированы результаты поиска в информационной базе PubMed. Слова для поиска: «machine learning gynecology, artificial intelligence gynecology», для поиска использовалась строка Advanced Search Features of PubMed. В результате проведенного поиска обнаружено 6786 источников. После удаления повторяющихся отчетов (616 источников) был проведен скрининг. В результате отбора по заголовку и аннотации исключены 4414 исследования, критерием исключения являлось отсутствие слов для поиска «machine learning gynecology, artificial intelligence gynecology». После анализа текста из-за несоответствия теме обзора удалены 780 исследований, еще 925 публикаций удалены из обзора в связи с отсутствием полной версии в свободном доступе. Критериям поиска соответствовали 51 публикация, еще 6 публикаций взяты из других источников (рисунок). Глубина поиска – 5 лет (2019–2024 гг.).

В гинекологии широко используется визуализация, поэтому в базе данных представлено большое количество статей, в которых обсуждаются технологии ИИ, связанные с DL и ML в практике врача акушера гинеколога. Технологии ИИ обладают большим потенциалом, способным преодолеть ограничения методик клинической визуализации при их интерпретации людьми – высокую загруженность врачей, повышающую вероятность ошибок, вариабельность и субъективность оценок, и, тем самым, повысить диагностические возможности этих методик [8].

Диагностика рака шейки матки

Скрининг рака шейки матки (РШМ) основан на цитологичес...

Мозес В.Г., Котов Р.М., Рудаева Е.В., Елгина С.И., Мозес К.Б., Вавин Г.В.