ИИ‑улучшенная CAD в низкодозовой КТ: баланс точности, эффективности и сверхдиагностики при скрининге рака лёгкого

Мы рассмотрели статью «Application of Artificial Intelligence in Lung Cancer Screening: A Real-World Study in a Chinese Physical Examination Population», опубликованную в Thoracic Cancer. В исследовании оценивали диагностическую точность системы с поддержкой искусственного интеллекта (ИИ) для выявления и дифференциации лёгочных узлов по сравнению с ручной интерпретацией врачей в когорте из 23 336 пациентов, прошедших низкодозовую КТ грудной клетки в Западно-Китайской больнице. Чтения с ИИ существенно превзошли ручную интерпретацию, показав более высокий процент положительных скрининговых результатов и повышенную вероятность выявления злокачественных узлов (p < 0.001). В группе с ИИ показатель обнаружения злокачественных лёгочных узлов составил 97.2% против 86.4% в ручной группе (p < 0.001), а уровень выявления рака лёгкого был также выше в группе с поддержкой ИИ (98.9% против 90.3%, p < 0.001). Эти результаты подчёркивают потенциал ИИ как эффективного вспомогательного средства в скрининге рака лёгкого, повышающего точность и эффективность выявления злокачественных узлов и уменьшающего рабочую нагрузку рентгенологов за счёт лучшего раннего выявления. Исследование поддерживает интеграцию ИИ в повседневную клиническую практику для дополнения традиционных методов скрининга, особенно в группах высокого риска. Для азиатского населения применение ИИ даёт преимущества — улучшение чувствительности и специфичности при обнаружении и классификации лёгочных узлов, включая популяции с более высокой долей несвязанного с курением рака лёгкого, и может сократить число ложноположительных результатов, ненужных дообследований и расходы, делая скрининг более доступным в условиях ограниченных ресурсов. ИИ также может способствовать выявлению сопутствующих состояний, таких как саркопения или сердечно-сосудистые заболевания. Однако остаются проблемы: модели ИИ рискуют сохранять смещения, если тренировочные наборы данных не репрезентативны для азиатских популяций, а сверхдиагностика вызывает опасения, особенно при высокой распространённости индифферентных опухолей, таких как «стекловидные» узлы (GGN) или частично солидные узлы (PSN), что может приводить к ненужным вмешательствам и психологическим и финансовым нагрузкам. Хотя ИИ повышает детектируемость GGN, важно балансировать между ранним выявлением рака и избеганием избыточного лечения индифферентных образований. В Азии, где распространён аденокарцинома лёгкого у некурящих, особенно у женщин, и PSN демонстрируют гетерогенный рост, клиническое принятие решений часто затруднено. Многие выявляемые ИИ GGN меньше 1 см; хотя руководства Lung-RADS и Fleischner рекомендуют длительное наблюдение (как минимум 5 лет) для таких случаев, высокий уровень обнаружения мелких GGN может побудить пациентов к ранним операциям или поиску вторых мнений, что ведёт к чрезмерному наблюдению и расходованию ресурсов. Поэтому будущие инструменты ИИ должны не только обнаруживать GGN, но и интегрировать клинические данные, последовательные визуализации и генетическую или многомиксную информацию для идентификации высокорисковых GGN с агрессивным ростом, что оптимизирует преимущества скрининга для азиатских некурящих и снизит проблемы сверхдиагностики и избыточного лечения. Концептуализация: разработали исследовательскую структуру и определили ключевые цели исследования: Yun-Ju Wu; Fu-Zong Wu. Редактура и критический обзор: критически просматривали и редактировали рукопись: Yun-Ju Wu; Fu-Zong Wu. Авторы заявляют об отсутствии конфликта интересов.