Лучевая диагностика → РКИ → MASAI

ИИ на маммографии: что исследование MASAI говорит о пользе и осторожности

Полный протокольно заданный анализ MASAI показывает более высокую выявляемость рака и меньшую нагрузку чтения при ИИ-поддержке, но выводы по интервальным ракам, экономике и долгосрочному балансу пользы и вреда требуют дальнейшего наблюдения.

mammology-newsroom· источник опубликован 2025-01-01· опубликовано· Источник: The Lancet

MASAI: ИИ в скрининговой маммографии между пользой и осторожностью

Коротко

Зачем вообще проверять ИИ в скрининге

Маммографический скрининг — это не просто «найти как можно больше подозрительных участков». Хорошая программа должна выявлять клинически значимый рак раньше, не перегружать женщин лишними вызовами на дообследование и не создавать поток ненужных биопсий. Для врачей добавляется еще один практический вопрос: кто и сколько раз читает снимки, особенно если рентгенологов не хватает. Поэтому для искусственного интеллекта в маммографии недостаточно красивых ретроспективных тестов на готовых наборах изображений. Нужны проспективные и, желательно, рандомизированные данные: что происходит в реальном скрининговом потоке, меняется ли выявляемость рака, не растет ли число ложных тревог, насколько уменьшается нагрузка на врачей. Шведское исследование MASAI стало одним из наиболее заметных примеров такой проверки.

Как MASAI меняет маршрут чтения маммограмм и какие показатели требуют контроля

Как было устроено MASAI

MASAI — рандомизированное, контролируемое, параллельное исследование не меньшей эффективности, в котором стратегию скрининга с поддержкой ИИ сравнивали со стандартным двойным чтением. В полном анализе модифицированной intention-to-treat популяции участвовали 105 915 женщин: 53 043 в группе ИИ-поддержки и 52 872 в контрольной группе стандартного двойного чтения. Важно, что источник 2025 года описывает не ранний промежуточный отчет примерно на 80 тысяч женщин, а полный протокольно заданный анализ всей популяции.

Что показали опубликованные данные

Частота выявления рака составила 6,4 на 1000 обследованных против 5,0 на 1000; всего выявлено 338 раков против 262. Частота вызова на дообследование была 2,1% против 1,9%, а ложноположительные результаты — 1,5% против 1,4%, без статистически значимого увеличения. Нагрузка по числу чтений снизилась на 44,2%. Эти данные поддерживают пользу ИИ как инструмента маршрутизации и снижения нагрузки, но не закрывают вопросы интервальных раков, экономики внедрения и долгосрочного баланса пользы и вреда.

Как это понимать в клинической практике

MASAI поддерживает идею, что искусственный интеллект может быть не просто «подсказкой на экране», а инструментом сортировки потока. Он помогает выделять исследования, которым нужно больше внимания, и уменьшать число рутинных чтений там, где риск ниже. Но повышение выявляемости в скрининге всегда требует аккуратной интерпретации. Дополнительно найденные случаи могут быть ранним обнаружением опухолей, которые действительно важно лечить раньше. Но часть прироста теоретически может относиться к гипердиагностике — выявлению изменений, которые не привели бы к клинически значимым последствиям в течение жизни пациентки. По опубликованным промежуточным данным нельзя окончательно ответить, как ИИ-поддержка повлияет на интервальные раки, стадии при диагнозе, последующее лечение и долгосрочный баланс пользы и вреда.

Что спросить перед внедрением ИИ в скрининг

Для руководителей программ и врачей главный вопрос не в том, «работает ли ИИ вообще», а в том, как именно он встроен в маршрут. Стоит уточнять, используется ли алгоритм как второй читатель, как инструмент сортировки по риску или как помощник при принятии решения о дообследовании. Эти сценарии имеют разную клиническую цену и разные риски. Полезные вопросы для команды внедрения: сохраняется ли двойное чтение для исследований с более высоким риском; как контролируются случаи, которые ИИ относит к низкому риску; кто несет финальную ответственность за заключение; как будет отслеживаться частота вызовов на дообследование, биопсий, интервальных раков и стадийное распределение выявленных опухолей. Без такого мониторинга даже сильные результаты MASAI нельзя автоматически перенести в любую клинику.

Практический разбор

Что важно вынести

Быстрый фильтр для клинического чтения: что известно, где граница вывода и что проверять дальше.

Главное

MASAI — рандомизированное исследование скрининговой маммографии, оценивающее ИИ-поддержанное чтение по сравнению со стандартным двойным чтением.

Контекст

В опубликованных материалах по MASAI сообщалось о более высокой частоте выявления рака в группе ИИ-поддержки при сопоставимых показателях отзыва на дообследование и заметном снижении объема чтения для рентгенологов.

Проверка

Ключевая клиническая неопределенность остается прежней: необходимо оценить интервальные раки, стадийное распределение, гипердиагностику и устойчивость эффекта в разных скрининговых системах и популяциях пациентов.

Навигация по журналу
Предыдущий материалИИ «Цельс» в маммографии: что показал ретроспективный анализ 4654 исследований2025-01-01 · Лучевая диагностикаСледующий материалВАБ под УЗ-наведением: где клинике проверить качество маршрута2025-01-01 · Интервенции

Еще по теме