Революционные результаты испытания MASAI, опубликованные в The Lancet
Важный этап в медицинской диагностике наступил с публикацией окончательных результатов испытания Mammography Screening with Artificial Intelligence (MASAI) в The Lancet. Как первое рандомизированное контролируемое исследование такого рода, оно предоставляет окончательные доказательства того, что искусственный интеллект (artificial intelligence) может значительно улучшить протоколы скрининга рака молочной железы. Результаты, опубликованные в начале 2026 года, показывают, что скрининг с поддержкой ИИ не только выявляет значительно больше случаев рака по сравнению с традиционными методами, но и обеспечивает критическое снижение интервальных случаев рака, одновременно почти вдвое сокращая рабочую нагрузку радиологов.
Для мирового медицинского сообщества эти результаты сигнализируют о смене парадигмы. Интеграция ИИ в маммографию больше не является просто теоретическим способом повышения эффективности; это клинически подтверждённый метод, который повышает безопасность пациентов и оптимизирует распределение ресурсов в массовых программах скрининга.
Исследование MASAI: новый эталон точности
Проведённое в Швеции на более чем 106 000 участницах, испытание MASAI сравнивало эффективность скрининга с поддержкой ИИ и стандартного метода двойного чтения, при котором два радиолога независимо оценивают каждую маммограмму. В исследовании использовалась система Transpara AI компании ScreenPoint Medical для анализа изображений и триажа случаев на основе оценок риска.
Результаты дают чёткую картину превосходства. В группе со скринингом с поддержкой ИИ был достигнут на 28% более высокий показатель выявления рака, по сравнению с контрольной группой. Более важно то, что эта повышенная чувствительность не сопровождалась избыточной диагностикой или чрезмерным числом ложноположительных результатов. Исследование показало, что рабочий процесс с поддержкой ИИ сохранял высокую специфичность, гарантируя, что женщинам не приходится испытывать ненужную тревогу из‑за ложных тревог чаще, чем при стандартной практике.
Ключевые показатели эффективности из испытания MASAI
| Показатель | Стандартное двойное чтение | Скрининг с поддержкой ИИ | Влияние |
|---|---|---|---|
| Частота выявления рака | 5,0 на 1 000 обследованных | 6,4 на 1 000 обследованных | +28% выявлений |
| Частота интервальных случаев рака | 1,76 на 1 000 обследованных | 1,55 на 1 000 обследованных | -12% интервальных случаев |
| Объём работы по чтению скриннинговых снимков | 83 231 чтение | 46 345 чтений | -44% нагрузка |
| Частота ложноположительных результатов | 1,4% | 1,5% | Без значимых изменений |
Интервальные случаи рака: критический показатель
Возможно, самым значимым выводом обновления 2026 года являются данные, касающиеся интервальных случаев рака. Это случаи рака, которые диагностируются между запланированными раундами скрининга после того, как участнице был выдан «нормальный» результат. Интервальные случаи особенно опасны, поскольку они часто более агрессивны и выявляются на более поздней стадии, чем опухоли, обнаруженные при скрининге.
Ранее промежуточные отчёты уже показывали способность ИИ выявлять больше случаев при первоначальном скрининге. Однако клиницисты с нетерпением ждали данных долгосрочного наблюдения, чтобы установить, предотвращает ли более высокий уровень выявления будущие интервальные случаи рака. Окончательные результаты подтверждают снижение интервальных случаев рака на 12% в группе с ИИ. Кроме того, в исследовании отмечено снижение инвазивных интервальных случаев рака на 16% и снижение агрессивных немолярных подтипов (non‑luminal A) на 27%. Это говорит о том, что ИИ выявляет не только медленнорастущие, менее опасные опухоли, но и успешно находит агрессивные злокачественные образования, которые люди могли бы пропустить, что потенциально спасает жизни за счёт более раннего вмешательства.
Снижение нагрузки на радиологов
Глобальная нехватка радиологов достигла критического уровня во многих странах, создавая узкие места, которые задерживают диагностику и лечение. Испытание MASAI предлагает жизнеспособное решение этой кадровой проблемы. Используя ИИ для триажа маммограмм с низким риском, исследование продемонстрировало снижение нагрузки радиологов на 44% нагрузки радиологов.
В протоколе исследования система ИИ присваивала каждой обследовании оценку риска от 1 до 10.
- Высокие оценки риска: помечались для двойного чтения радиологами, что позволяет сосредоточить человеческую экспертизу там, где это наиболее необходимо.
- Низкие оценки риска: направлялись для однократного чтения или автоматической обработки, что существенно сокращает объём здоровых снимков, требующих пристального внимания человека.
Этот прирост эффективности фактически освобождает почти половину рабочего времени радиолога, позволяя им сосредоточиться на сложных диагностических случаях, взаимодействии с пациентами и интервенционных процедурах, а не на рутинном скрининге здоровых людей.
Последствия для ИИ в здравоохранении и медицинской визуализации
Успех исследования MASAI подтверждает основное обещание ИИ в здравоохранении (Healthcare AI): дополнение человеческого интеллекта для достижения лучших результатов, чем мог бы обеспечить один лишь человек или машина. В области медицинской визуализации (Medical Imaging) это испытание служит основополагающим доказательством концепции для ответственного внедрения инструментов ИИ.
Dr. Kristina Lång, ведущий автор исследования из Lund University, подчеркнула, что безопасность рабочего процесса с ИИ была на первом плане. Стабильность уровня ложноположительных результатов указывает на то, что система ИИ настроена эффективно для использования в масштабах населения. Вопреки ранним опасениям, что ИИ может наводнить клиники ненужными повторными вызовами, технология показала способность соответствовать специфичности опытных радиологов.
Перспективы и внедрение
С публикацией этих результатов системы здравоохранения по всему миру, вероятно, ускорят внедрение маммографии с поддержкой ИИ. Очевидные преимущества — улучшенное выявление рака, меньше пропущенных интервальных случаев и значительное снижение нагрузки — создают убедительный аргумент в пользу обновления национальных рекомендаций по скринингу.
Тем не менее реализация потребует тщательного планирования. Больницам придётся инвестировать в необходимую ИТ‑инфраструктуру и обеспечивать надёжные протоколы контроля качества. По мере развития технологии можно ожидать тестирования аналогичных ИИ‑методик в других областях массового скрининга, таких как КТ лёгких и патология.
Пока исследование MASAI остаётся маяком прогресса, доказывая, что при строгой проверке и правильном внедрении ИИ может стать мощным союзником в борьбе с раком молочной железы.
