Обоснование. Рак шейки матки является одной из ведущих причин онкологической смертности среди женщин 30–34 лет. Критически важной проблемой остаётся поздняя диагностика — более 40% случаев рака шейки матки впервые выявляются на III–IV стадии. Важным этапом диагностики предраковых заболеваний и рака шейки матки является расширенная кольпоскопия, но зачастую получение кольпоскопического заключения может быть недоступно по ряду причин (отсутствие на местах нужного оборудования или квалифицированных специалистов). Именно поэтому анализ кольпоскопических изображений с помощью искусственного интеллекта представляется перспективной составляющей комплексной диагностики заболеваний шейки матки.

Цель исследования. Анализ эффективности комплексной диагностики и выявления предраковых поражений шейки матки и рака шейки матки.

Методы. На кафедре акушерства и гинекологии № 1 Института клинической медицины им. Н.В. Склифосовского Сеченовского Университета в 2024–2025 гг. проведён анализ данных обследования 42 пациенток 18–45 лет, у которых при плановой расширенной кольпоскопии были обнаружены аномальные кольпоскопические картины второй степени. Всем пациенткам проведено комплексное обследование: сбор анамнеза, гинекологический осмотр, описание клинической картины, проведены тестирование на вирус папилломы человека, цитологическое исследование соскобов экто- и эндоцервикса (по Папаниколау), а также расширенная кольпоскопия. Кольпоскопические изображения в обезличенном виде загружались в программное обеспечение со встроенным искусственным интеллектом, где изображения обрабатывались без указанного диагноза и независимо от человека формулировалось заключение в автоматическом режиме для каждого клинического случая. После загрузки сохранённых обезличенных кольпоскопических изображений система формулировала заключение, которое сравнивали с заключением врачебного консилиума из трёх врачей-акушеров-гинекологов.

Результаты. При анализе заключений искусственного интеллекта и врачебного консилиума установлено, что совпадения составили 92,8% (39 женщин), различия в заключительных диагнозах были отмечены всего в 3 (7,2%) случаях, при которых врачебным консилиумом кольпоскопические изображения были охарактеризованы как аномальная кольпоскопическая картина второй степени, а программное обеспечение на основе искусственного интеллекта выявило аномальную кольпоскопическую картину первой степени.

Заключение. Применение возможностей искусственного интеллекта для интерпретации данных расширенной кольпоскопии позволяет определять пациенток группы риска заболеваний шейки матки для дальнейшего обследования и раннего выявления предраковых изменений и рака шейки матки. По результатам нашего исследования чувствительность диагностического метода составила 92,9%, однако важно учитывать, что для постановки клинического диагноза данные, полученные у пациенток группы риска при обработке кольпоскопического изображения нейросетью, должны быть подтверждены результатами гистологического исследования.

论证。 宫颈癌是30–34岁女性肿瘤相关死亡的主要原因之一。晚期诊断仍是关键问题——超过40%的宫颈癌病例首次发现时已处于III–IV期。扩大阴道镜检查是宫颈癌前病变和宫颈癌诊断的重要环节，但阴道镜检查报告的获取常因多种原因（当地缺乏必要设备或合格专业人员）而受限。因此，利用人工智能分析阴道镜图像是宫颈疾病综合诊断中具有前景的组成部分。

目的。 分析宫颈癌前病变和宫颈癌综合诊断及检出的有效性。

方法。 2024–2025年期间，在莫斯科国立谢切诺夫大学临床医学研究所斯克利福索夫斯基临床医学中心第一妇产科教研室，对42例18–45岁患者在计划性扩大阴道镜检查中发现II度异常阴道镜图像的数据进行了分析。所有患者接受了全面检查：病史采集、妇科检查、临床表现描述、人乳头瘤病毒检测、宫颈外口和宫颈管刮片细胞学检查（巴氏涂片）以及扩大阴道镜检查。阴道镜图像以去标识化形式上传至内置人工智能的软件中，图像在不提供诊断的情况下进行处理，每个临床病例自动生成结论。上传保存的去标识化阴道镜图像后，系统生成结论，并与由三名产科-妇科医生组成的医生会诊结论进行比较。

结果。 对人工智能和医生会诊结论的分析显示，一致性达92.8%（39名女性），仅3例（7.2%）最终诊断存在差异，其中医生会诊将阴道镜图像判读为II度异常阴道镜图像，而基于人工智能的软件判定为I度异常阴道镜图像。

结论。 应用人工智能解读扩大阴道镜数据，可识别宫颈疾病高危患者以进行进一步检查和早期发现癌前病变及宫颈癌。根据本研究结果，诊断方法的敏感性为92.9%，但需注意，在临床诊断中，由神经网络处理高危患者阴道镜图像所获得的数据，必须经组织学检查结果验证。