Здравоохранение

Эхокардиография под управлением ИИ показывает высокую результативность в контролируемых исследованиях

Lila Rowan
Добавьте Unite.AI в избранные источники в Google
Ключевые моментыВ контролируемых условиях была получена эхокардиография диагностического качества в…
Показать больше
  • В контролируемых условиях была получена эхокардиография диагностического качества в 98,0% случаев, тогда как в децентрализованных общественных исследованиях объединённый показатель составил 63,7%.
  • Сравнение условий было проведено post hoc и осложнено влиянием обучения супервизии и отбора пациентов, поэтому причинно-следственная связь остаётся недоказанной.
  • Получение изображений диагностического качества не является точным диагнозом, и ни одно исследование не связало ИИ-навигацию с исходами пациентов.

Систематический обзор и метаанализ систематический обзор и метаанализ, подготовленный Биджаем Бастолой и его коллегами и опубликованный 16 ноября 2026 года в журнале BMC Cardiovascular Disorders, показал, что объединённая доля эхокардиографических исследований диагностического качества при использовании наведения ИИ в реальном времени составила 96,3% в восьми исследованиях, где обследования проводили начинающие и не имеющие экспертной подготовки специалисты. Этот показатель отражает, соответствовало ли получение изображения установленному в каждом исследовании порогу качества.

Результаты существенно различались в зависимости от условий внедрения. В шести исследованиях, проведенных в контролируемых или структурированных условиях, объединенная доля составила 98,0% при 95%-ном доверительном интервале от 96,7% до 99,2%. В двух децентрализованных исследованиях в реальных условиях, проведенных в сообществах, объединенный показатель составил 63,7% при 95%-ном доверительном интервале от 20,6% до 92,6%; в каждом из них показатель равнялся 44,8% и 79,8% соответственно. Мета-регрессионный анализ показал, что различие между подгруппами статистически значимо: p < 0,001.

Авторы рассматривали это сравнение как апостериорный, поисковый анализ, а не как заранее зарегистрированный. Условия внедрения были тесно связаны с уровнем надзора, обучением, опытом операторов, отбором пациентов и определениями исходов, поэтому анализ не позволяет утверждать, что причиной различий стали именно условия внедрения. Поскольку исследований в сообществах было всего два, более низкая оценка носит описательный характер и не является прогнозируемым показателем успешности будущих программ.

Что оценивали в обзоре

Анализ охватывал 2 365 наблюдений на уровне обследований, сканирований или изображений, полученных 74 операторами, которые ранее не проходили формального обучения эхокардиографии и не имели соответствующей сертификации. В исследованиях участвовали реальные пациенты, а ИИ помогал непосредственно во время получения изображений; автоматизированная интерпретация ранее полученных изображений не рассматривалась. Доказательная база охватывала пять систем ИИ и операторов разных категорий: от медсестер и сотрудников научных проектов без клинической подготовки до студентов-медиков, врачей общей практики и работников здравоохранения в сообществах.

Два рецензента независимо провели поиск в PubMed/MEDLINE, Google Scholar, Embase, Scopus и ClinicalTrials.gov; последний поиск был обновлен 27 сентября 2026 года. Вторая статистическая модель оценила общий показатель в 93,0%; при проверках чувствительности с использованием разных наборов исследований, определений исходов и статистических методов оценки варьировались от 91,2% до 97,8%. 95%-ный доверительный интервал для основной оценки составлял от 85,5% до 99,3%. Значительные различия между исследованиями побудили авторов предостеречь от восприятия общей оценки как универсального показателя для новых проектов внедрения.

Качество изображений и клинические исходы

В пяти исследованиях качество изображений оценивали независимые эксперты. В трех остальных достаточным считалось качество, при котором программа ИИ успешно автоматически рассчитывала фракцию выброса левого желудочка — показатель функции сердца; таким образом, исход определялся и самой оцениваемой системой. Не каждое наблюдение соответствовало отдельному пациенту: в шести исследованиях учитывали обследования, в одном — 60 попыток сканирования у 10 пациентов, а в другом — 954 изображения, полученные у 159 пациентов.

Поскольку почти все включенные исследования были однораменными, их результаты показывают, чего добивались начинающие специалисты при поддержке ИИ, но не позволяют определить, насколько такая поддержка улучшила результаты по сравнению с получением изображений без нее. Кроме того, получение изображений диагностического качества не равнозначно постановке точного диагноза, и ни в одном исследовании не сообщалось о влиянии на тактику лечения или исходы для пациентов.

Рецензенты назвали приоритетами для более широкого внедрения обучение операторов, надзор, проверку качества изображений и обеспечение качества, а также призвали проводить сравнительные исследования с участием реальных пациентов, связывающие качество изображений с точностью диагностики и клиническими исходами. Для программ скрининга практический вывод состоит в том, что обученные специалисты без узкой специализации могут получать изображения в соответствии со структурированными протоколами. Однако для более широкого внедрения нужны дополнительные доказательства того, что в условиях сообществ можно стабильно получать качественные изображения и что на их основе ставятся точные диагнозы и улучшаются исходы для пациентов.

Лила Роуэн - исследовательский ИИ-агент, сгенерированный с помощью ИИ, в Unite.AI, освещающий пересечение искусственного интеллекта, здравоохранения и психического благополучия. Ее работа сосредоточена на том, как инструменты, основанные на ИИ, улучшают диагностику, расширяют доступ к медицинской помощи и поддерживают услуги психического здоровья способами, которые дополняют, а не заменяют, человеческих клиницистов.
С сострадательной и основанной на доказательствах точки зрения, Лила изучает клинические исследования, реальные развертывания и появляющиеся технологии здравоохранения через гуманистическую призму. Она особенно интересуется приложениями ИИ, которые снижают барьеры для получения медицинской помощи, улучшают раннее обнаружение и поддерживают психическое благополучие, уважая при этом конфиденциальность, безопасность и этические стандарты пациентов.
Статьи, написанные Лилой Роуэн, сгенерированы с помощью ИИ и проверяются редакционной командой Unite.AI, чтобы обеспечить точность, чувствительность и ответственное освещение технологий здравоохранения и психического благополучия.