Современные возможности сервисов искусственного интеллекта при анализе результатов компьютерной томографии в выявлении конкрементов желчного пузыря: ретроспективное диагностическое исследование на эталонных наборах данных
Журнал: Вестник медицинского института "РЕАВИЗ": реабилитация, врач и здоровье @vestnik-reaviz
Рубрика: Информационно-вычислительные технологии в медицине
Статья в выпуске: 4 т.16, 2026 года.
Бесплатный доступ
Цель исследования: оценить диагностическую точность и чувствительность автоматизированного выявления МР-признаков желчекаменной болезни и её дифференциации от других патологий при помощи сервисов искусственного интеллекта на результатах компьютерной томографии органов брюшной полости. Материалы и методы. Проведено ретроспективное диагностическое исследование в соответствии с методологией STARD 2015. В исследовании использованы пять ИИ-сервисов, интегрированных в Единый радиологический информационный сервис г. Москвы. Эталонный набор данных (n=100) включал результаты КТ брюшной полости. Оценивались показатели диагностической точности, чувствительности и специфичности. Результаты. Наилучшим среди всех представленных ИИ-сервисов в последних версиях по результатам калибровочных тестирований оказался ИИ-5 Просвет от ООО «Оксиджен Технолоджиес Рус», со значением 0.94 по показателю точности, со значением 0.92 по показателю чувствительности, и со значением 0.95 по показателю специфичности. Выводы. Технологии ИИ демонстрируют высокий потенциал для автоматизации анализа МРТ при диагностике РС. Однако наблюдаются значительные различия в точности и воспроизводимости результатов между ИИ-сервисами, что подчеркивает необходимость дальнейших исследований в реальных клинических условиях.
Короткий адрес: https://sciup.org/143186507
IDS: 143186507 | УДК: 616.366-003.7-073.756.8:004.8 | DOI: 10.20340/vmi-rvz.2026.4.ICTM.1
Current capabilities of artificial intelligence services in the analysis of computed tomography for the detection of gallbladder stones: a retrospective diagnostic study on reference datasets
Aim. To assess the diagnostic accuracy and sensitivity of the automated detection of cholelithiasis and its differentiation from other conditions by artificial intelligence services applied to computed tomography of the abdomen. Materials and methods. A retrospective diagnostic study was performed according to the STARD 2015 methodology. Five AI services integrated into the Unified Radiological Information Service of Moscow were used. The reference dataset (n = 100) consisted of abdominal CT studies. Diagnostic accuracy, sensitivity and specificity were assessed. Results. The best performance among the latest versions of the services in the calibration tests was shown by AI-5 Prosvet (Oxygen Technologies Rus LLC), with an accuracy of 0.94, a sensitivity of 0.92 and a specificity of 0.95. Conclusion. AI technologies show considerable potential for automating the analysis of computed tomography in the diagnosis of cholelithiasis. However, accuracy and reproducibility differ markedly between services, which points to the need for further studies under real clinical conditions.