Буланов Михаил Николаевич – доктор мед. наук, заведующий отделением ультразвуковой диагностики ГБУЗ ВО “Областная клиническая больница”, Владимир; профессор кафедры внутренних болезней Института медицинского образования ФГБОУ ВО “Новгородский государственный университет имени Ярослава Мудрого”, Великий Новгородhttps://orcid.org/0000-0001-8295-768X
Mikhail N. Bulanov – MD, Doct. of Sci. (Med.), Head of Ultrasound Diagnostics Department, Regional Clinical Hospital, Vladimir; Professor, Division of Internal Medicine, Institute of Medical Education, Yaroslav-the-Wise Novgorod State University, Veliky Novgorodhttps://orcid.org/0000-0001-8295-768X
Представлен обзор литературы с демонстрацией собственных клинических наблюдений использования программы автоматического обнаружения и анализа образований молочной железы на основе искусственного интеллекта S-Detect. В целом, по данным литературы, диагностическая точность S-Detect при выявлении злокачественных опухолей молочной железы достигает 86–93%. Ложноположительные результаты S-Detect часто имели место при доброкачественных образованиях больших размеров, а также наличии в них кальцинатов. Ложноотрицательные результаты S-Detect наблюдались при злокачественных опухолях малых размеров, а также отсутствии в них кальцинатов. Вместе с тем ряд авторов подчеркивают повышение диагностической точности при дифференциальной ультразвуковой диагностике маленьких (≤20 мм) образований молочной железы с использованием S-Detect. Имеются данные о том, что при межплоскостной дискордантности S-Detect (противоречащие заключения при оценке в разных плоскостях сканирования) результаты использования S-Detect следует подвергнуть сомнению. В целом диагностическая точность S-Detect сопоставима с результатами использования ультразвуковых контрастов (CEUS) и демонстрирует более высокую точность по сравнению с эластографией. Важное значение имеет использование различных режимов S-Detect (высокая чувствительность, высокая точность, высокая специфичность: в настоящее время представляется оптимальным использовать режим “высокая точность”). В целом S-Detect демонстрирует значительно более высокую специфичность по сравнению с врачом, особенно при оценке образований BI-RADS 4a, однако при этом могут быть пропущены от 1 до 7% злокачественных опухолей. Большинство авторов отмечают, что S-Detect демонстрирует более низкую чувствительность по сравнению с врачом. При этом диагностическая точность S-Detect оказалась выше, чем у доктора с небольшим опытом работы, но она сопоставима с результатами опытного врача. Оказалось, что S-Detect более эффективна при использовании врачами, имеющим небольшой опыт работы (1–2 года), это может значительно снизить количество неоправданных инвазивных вмешательств. При использовании S-Detect врачами-экспертами не отмечалось значимого увеличения точности диагностики. Ряд авторов считают, что S-Detect может быть использована в качестве учебного пособия для начинающих врачей, перспективно использование S-Detect в регионах с ограниченными медицинскими ресурсами, что позволит снизить нагрузку на врачей.
The review presents current literature data and authors clinical cases on the use of the artificial intelligence-based S-Detect software for automated breast lesion detection and analysis. According to the literature data, the diagnostic accuracy of S-Detect for breast malignancy reaches 86–93%. False-positive results of S-Detect frequently occurred in large benign lesions and in lesions containing calcifications. False-negative results were observed in small malignant tumors and in the absence of calcifications. Several studies report improved diagnostic accuracy in differentiating small (≤20 mm) breast lesions using S-Detect. Inter-plane discordance (inconsistent results across different imaging planes) suggests cautious interpretation. Overall, diagnostic accuracy of S-Detect is comparable to contrast-enhanced ultrasound (CEUS) and superior to elastography. The “High Accuracy” mode appears optimal among available modes (High Sensitivity, High Accuracy, High Specificity). S-Detect demonstrates significantly higher specificity than physicians, particularly for BI-RADS 4a lesions, although 1–7% of malignant tumors may be missed. Most authors note that sensitivity of S-Detect is generally lower than that of experienced physicians. Diagnostic accuracy exceeds that of less experienced physicians (1–2 years of practice) but is comparable to experts.
S-Detect proved to be more effective when used by clinicians with limited experience (1–2 years), which may significantly reduce the number of unnecessary invasive procedures. No significant increase in diagnostic accuracy was observed when experts used S-Detect. Several authors suggest that S-Detect can be utilized as a training tool for novice physicians and holds promise for use in resource-limited regions to reduce the workload on medical staff.
The authors declare that there are no conflicts of interest present.