Искусственный интеллект в скрининге и диагностике рака шейки матки: систематический обзор 898 исследований

Обоснование

Рак шейки матки остаётся серьёзной проблемой здравоохранения во всём мире, несмотря на успехи в профилактике, скрининге, ранней диагностике и лечении. Основная причина заболевания — персистирующая инфекция вирусом папилломы человека высокого онкогенного риска. Если выявить и пролечить предраковые поражения на ранней стадии, бремя болезни можно существенно снизить.

Для скрининга и диагностики применяют ВПЧ-тестирование, цервикальную цитологию, визуальный осмотр, кольпоскопию и гистологическое исследование. Однако результаты традиционной оценки зависят от квалификации специалиста, вариабельности интерпретации, качества изображения или образца, а также от доступных диагностических ресурсов и принятой клинической практики.

Методы ИИ, прежде всего машинное и глубокое обучение, всё активнее изучаются для классификации цервикальных клеток, детекции и сегментации поражений, скрининга, диагностической классификации и клинического прогнозирования. Методология прошла путь от классического машинного обучения и анализа изображений к свёрточным нейронным сетям (CNN), ансамблевым моделям, трансформерам, моделям с механизмом внимания, объяснимым (explainable) моделям и мультимодальным системам.

Метрики accuracy, чувствительность, специфичность и AUC нельзя сравнивать напрямую без учёта диагностического вопроса, целевой популяции, референсного стандарта, порогового значения и дизайна оценки. Для синтеза данных о диагностической точности нужна достаточно полная и сопоставимая информация на уровне отдельных исследований.

Цели обзора

1. Описать клинические характеристики, тип визуализации, наборы данных, диагностические задачи и особенности ИИ-методов.
2. Обобщить опубликованные показатели диагностической эффективности.
3. Оценить, возможен ли формальный количественный синтез.
4. Оценить методологическое качество и риск систематической ошибки там, где это применимо.
5. Определить приоритеты в области сопоставимости, обобщаемости, воспроизводимости и клинического внедрения.

Методология

Поиск и отбор исследований

Обзор выполнен по PRISMA 2020 и, где применимо, по PRISMA-DTA. Поиск вёлся в PubMed, Scopus, Web of Science и IEEE Xplore от момента создания баз до 13 августа 2026 г. Ключевые слова: cervical cancer, HPV, cervical cytology, pap smear, liquid-based cytology, colposcopy, visual inspection, histopathology, artificial intelligence, machine learning, deep learning, computer vision, classification, segmentation, computer-aided diagnosis.

Критерии включения: оригинальные исследования ИИ или вычислительных методов для скрининга, детекции, классификации, сегментации, диагностики, триажа или оценки риска рака шейки матки и предраковых поражений.

Критерии исключения: обзоры, метаанализы, редакционные статьи, письма, комментарии, главы книг, диссертации, неинформативные тезисы конференций, дублирующие публикации и работы вне заданных параметров.

Извлечение данных

Данные извлекали по стандартизированной схеме. В неё входили характеристики публикации, популяция, набор данных, модальность визуализации, клиническая задача, ИИ-методология, предобработка, аугментация, стратегии обучения и валидации, референсный стандарт, компаратор, показатели эффективности, объяснимость, оценка неопределённости, мультимодальные входные данные, дисбаланс классов, ограничения и пригодность для количественного синтеза.

Исследования визуализации распределили по категориям: цитология, жидкостная цитология, кольпоскопия, визуальная оценка, гистопатология. Данные о ВПЧ и другую клиническую информацию учитывали отдельно. ИИ-подходы разделили на классическое машинное обучение, глубокое обучение, CNN, трансформеры, ансамблевые методы и мультимодальные фреймворки. Стратегии валидации: внутренняя отложенная выборка (hold-out), кросс-валидация, независимая тестовая выборка, внешняя или многоцентровая валидация.

Количественный синтез и риск систематической ошибки

В количественное описание включали работы, где напрямую указан хотя бы один показатель: accuracy, чувствительность, специфичность или AUC. Классический пулинг по методологии DTA допускался только при сопоставимых диагностических конечных точках и, где требовалось, при наличии данных TP, FP, TN и FN. Недостающие данные не реконструировались и не импутировались. Риск систематической ошибки оценивали по QUADAS-2 (домены: отбор пациентов, индексный тест, референсный стандарт, поток и время) только в работах с достаточно подробным описанием методологии.

Результаты

Отбор исследований

Включённые работы охватывают цитологию (в том числе Пап-мазки и жидкостную цитологию), кольпоскопию, визуальный осмотр, гистопатологию, ВПЧ-ассоциированную оценку и мультимодальные клинические данные. С 2015 по 2026 г. число публикаций существенно выросло.

Диагностическая задача явно указана в 413 исследованиях. Чаще всего это была классификация или градация поражений, затем детекция и скрининг. Основная ИИ-методология явно извлечена для 411 работ. Преобладали CNN и другие подходы глубокого компьютерного зрения, следом шли гибридные, ансамблевые и мультимодальные модели, а также прочие методы глубокого обучения.

Показатели диагностической эффективности

Конечные точки, референсные стандарты, популяции, наборы данных, методы оценки, пороговые значения и форматы отчётности сильно различались. Классический объединённый метаанализ DTA оказался невозможен. На рис. 5 оригинала для наглядности показаны отдельные значения метрик из 19 работ, остальные учтены в таблице 2.

Авторы подчёркивают, что эти метрики не взаимозаменяемы. Accuracy зависит от распределения классов и распространённости заболевания. Чувствительность и специфичность зависят от выбранного порога. AUC отражает дискриминационную способность по всему диапазону порогов, но не показывает клиническую пользу в конкретной рабочей точке.

Риск систематической ошибки (QUADAS-2)

Обсуждение

Методологический ландшафт включает CNN и другие подходы глубокого обучения (в том числе трансформеры), гибридные, ансамблевые и мультимодальные модели, а также классическое машинное обучение. Такое разнообразие отражает быстрое развитие области. При этом популяции, наборы данных, диагностические задачи, референсные стандарты, способы разработки и валидации моделей заметно различаются, что не позволяет напрямую сравнивать опубликованные показатели.

Авторы намеренно отказались от реконструкции недостающих данных и от расчёта сводных оценок. Такой консервативный подход исключает объединение принципиально несопоставимых результатов.

Выводы и приоритеты будущих исследований

ИИ широко применяется на всех этапах цервикального скрининга и диагностики. Однако доказательная база ограничена: результаты плохо сопоставимы, внешней валидации недостаточно, отчётность неполная, переносимость в клиническую практику не подтверждена. Авторы выделяют приоритеты:

• стандартизированная отчётность, включая полные данные TP/FP/TN/FN;
• многоцентровые наборы данных;
• независимая внешняя валидация;
• проспективная клиническая оценка.