15 октября 2026 года Frontiers in Medicine опубликовал систематический обзор и метаанализ 22 исследований ИИ-моделей для диагностики эндометриоза. Объединённая чувствительность составила 90%, специфичность - 75%, а AUC - 0,92. Но эти цифры нельзя превращать в утверждение, что ИИ уже диагностирует эндометриоз с точностью 90%: исследования сильно различались, а многоцентровые модели показывали более низкую чувствительность.
Что именно включили в новый метаанализ?
Авторы зарегистрировали обзор в PROSPERO и провели поиск в PubMed, Web of Science, Embase, Scopus и Cochrane Library до 24 ноября 2025 года. В итоговый анализ вошли 22 исследования из 12 стран, опубликованные в 2021-2025 годах. Пятнадцать работ были одноцентровыми и семь - многоцентровыми; 17 имели ретроспективный дизайн, три были проспективными, одна - случай-контроль и одна - поперечная.Исследования не проверяли один и тот же готовый медицинский продукт. В них использовали разные алгоритмы машинного и глубокого обучения и разные типы исходных данных: изображения, клинические признаки, лабораторные и омикс-показатели. Поэтому объединённая оценка описывает целое направление исследований, а не точность одного ИИ-теста, который можно сегодня заказать в клинике.
Оригинальный метаанализ Frontiers in Medicine опубликован 15 октября 2026 года. Риск систематических ошибок оценивали инструментом QUADAS-2, а объединённые диагностические показатели рассчитывали в модели случайных эффектов.
Почему чувствительность 90% не означает точность 90%?
Объединённая чувствительность составила 0,90, 95% доверительный интервал 0,86-0,93. Это означает, что в включённых исследованиях модели в среднем хорошо распознавали случаи заболевания среди женщин, у которых эндометриоз действительно был. Специфичность составила 0,75, то есть ложноположительные результаты оставались заметной проблемой. Площадь под суммарной ROC-кривой достигла 0,92.Авторы отдельно рассчитали клинический пример при исходной вероятности эндометриоза 10%. Положительный результат модели повышал вероятность заболевания примерно до 29%, а отрицательный снижал её примерно до 1%. Поэтому положительный результат в таком сценарии всё равно далёк от подтверждённого диагноза. И наоборот, посттестовая вероятность будет другой у женщины с выраженными симптомами и более высоким исходным риском.
Именно поэтому нельзя писать, что ИИ «ставит диагноз с точностью 90%». Чувствительность, специфичность, AUC и вероятность заболевания после теста - разные показатели. Для пациентки важен не красивый AUC сам по себе, а то, насколько модель меняет вероятность диагноза в реальной клинической ситуации.
Почему результаты маленьких центров могли выглядеть лучше?
Между исследованиями была очень высокая неоднородность: I² составил 99,0% для чувствительности и 99,79% для специфичности. Это означает, что результаты разных работ сильно расходились. Авторы сами подчёркивают, что общий показатель нужно воспринимать как исследовательское обобщение, а не как готовый клинический стандарт.В семи многоцентровых исследованиях объединённая чувствительность составила 0,85, тогда как в 15 одноцентровых - 0,92. Многофакторная метарегрессия также связала многоцентровый дизайн с более низкой чувствительностью. Такой результат важен: модель, хорошо работающая на данных одного центра, может потерять часть эффективности при переносе на другие аппараты, врачей и популяции.
Использование глубокого обучения тоже было независимо связано с более низкой чувствительностью, однако авторы не считают это доказательством принципиального недостатка технологии. Возможное объяснение - различия в типах данных, сложности изображений и способах валидации моделей.
Заменит ли ИИ УЗИ, МРТ или лапароскопию?
Пока нет. Современный диагностический маршрут при подозрении на эндометриоз начинается с симптомов и клинической оценки, а для визуализации используют УЗИ и при необходимости МРТ. Отрицательное исследование не исключает поверхностный эндометриоз. Лапароскопию рассматривают в отдельных ситуациях, например если визуализация отрицательная, а симптомы и клиническая задача сохраняются.ИИ в новом метаанализе правильнее рассматривать как потенциальный вспомогательный инструмент. В будущем алгоритмы могут объединять признаки УЗИ, МРТ, историю симптомов и лабораторные данные и помогать быстрее выделять женщин, которым требуется углублённое обследование. Но для этого модели должны стабильно работать вне центра, в котором их разработали.
На EcoTopLab уже разбирался другой экспериментальный путь неинвазивной диагностики - гормональный профиль крови при эндометриозе. Как и в случае с ИИ, перспективный результат внутри исследования ещё не означает появление готового диагностического теста для обычной клиники.
Что должно произойти до внедрения ИИ в обычную практику?
Авторы считают необходимыми крупные проспективные многоцентровые исследования со стандартизированными критериями включения, едиными правилами подтверждения диагноза и полноценной внешней валидацией. Отдельная задача - проверить мультимодальные модели, объединяющие клинические данные, изображения и лабораторные показатели.Также нужно показать не только статистическую точность, но и практическую пользу: сокращает ли применение модели время до диагноза, уменьшает ли число ненужных исследований и операций и сохраняет ли качество результатов в разных больницах. Без такой проверки высокий AUC остаётся характеристикой исследовательской модели, а не доказательством пользы для пациенток.
Практический вывод на 15 октября 2026 года: ИИ-модели показали высокий диагностический потенциал, особенно как инструмент исключения заболевания при низкой исходной вероятности. Но огромная неоднородность исследований и падение чувствительности в многоцентровых работах не позволяют считать технологию готовой заменой существующей диагностике эндометриоза.
Редакция - EcoTopLab