Штучний інтелект (ШІ) значно впливає на радіологію, покращуючи якість і швидкість діагностики. Сучасні алгоритми глибокого навчання (переважно згорткові нейронні мережі) здатні автоматично аналізувати медичні зображення – комп’ютерної томографії (КТ), магнітно-резонансної томографії (МРТ), рентгенів та мамограм – і виявляти патологічні зміни. Вони навчаються на величезних масивах даних, що дає змогу розпізнавати тонкі ознаки хвороб, які людське око може пропустити. Наприклад, команда Стенфордського університету навчила нейромережу на 112 тисячах рентгенів грудної клітки, щоб точно діагностувала захворювання. В результаті ці системи допомагають зменшити кількість пропущених випадків, прискорити опис знімків та знизити навантаження на лікарів.
Зміст
ШІ в радіології: можливості та переваги
Основні переваги ШІ: швидка обробка зображень, висока чутливість виявлення патологій та автоматизація рутинних задач. Це дозволяє радіологам приділяти більше уваги складним випадкам і приймати обґрунтовані рішення. При цьому ШІ може генерувати теплові карти чи підсвічувати підозрілі області на знімках, щоб фахівець бачив, куди придивитися уважніше.
Приклади успішних AI-моделей в радіології (КТ, МРТ, рентген, мамографія)
Аналіз грудних рентгенів (пневмонія на рентгені)
Stanford CheXNet – одна з перших відомих моделей глибокого навчання для рентгенографії – продемонструвала здатність діагностувати пневмонію на рентгені не гірше, а навіть краще за рентгенологів. Ця 121-шарова нейронна мережа бере на вхід знімок грудної клітки і видає ймовірність наявності пневмонії разом із мапою значущості, яка локалізує підозрілі зони. Розробники тренували її на відкритому наборі NIH із понад 100 тис. зображень, де було розмічено 14 видів патологій. За короткий час алгоритм перевершив середню точність чотирьох висококваліфікованих радіологів у виявленні пневмонії. Це показало потенціал глибокого навчання долати обмеження людського фактора в діагностиці.
ШІ-система (CheXNet) позначає на грудному рентгені ділянки, найбільш підозрілі на пневмонію (червоний сектор – зона інфільтрації), що допомагає лікарю швидко звернути увагу на патологію.
Виявлення раку легенів на КТ
Алгоритми ШІ відзначаються успіхами у скринінгу раку. Так, компанія Google розробила модель для аналізу 3D-КТ легень, яка в дослідженні на 42 000 сканах перевершила шістьох лікарів-рентгенологів у точності діагностики раку легенів. Модель виявила на 5% більше випадків раку, одночасно зменшивши хибні “тривоги” на 11% (менше помилкових підозр на рак) при аналізі одиничного КТ-знімка.
Якщо радіологам надати ще й попередні скани пацієнта, точність вирівнюється, але ШІ особливо корисний у випадках, де немає старих знімків для порівняння. Подібні моделі здатні знаходити дуже дрібні вузлики чи підозрілі утвори в легенях задовго до появи симптомів. Це має велике значення для раннього виявлення онкопатологій – адже рання діагностика значно підвищує шанси на успішне лікування.
Діагностика інсульту на зображеннях (нейровізуалізація)
ШІ допомагає і в невідкладній діагностиці, зокрема при інсультах. Яскравий приклад – програма Viz.ai, перша у США схвалена FDA для виявлення інсульту на КТ. Алгоритм аналізує КТ головного мозку і протягом 6 хвилин автоматично розпізнає оклюзію великої судини (ішемічний інсульт через тромб) та надсилає термінове повідомлення нейрохірургу чи неврологу на смартфон.
У клінічних випробуваннях така система прискорила виявлення інсультів у 95% випадків і скоротила час до лікування в середньому на 52 хвилини. Це критично, адже при інсульті час надзвичайно важливий: що швидше надана допомога, тим менше ураження тканин мозку. Подібні рішення (наприклад, ізраїльська Aidoc та ін.) також вміють знаходити на КТ крововиливи в мозок чи інші гострі патології, автоматично підсвічуючи найважчі випадки в черзі на опис. В результаті ШІ працює як “триаж”, допомагаючи лікарям оперативно реагувати на невідкладні стани та рятувати життя пацієнтів.
Читайте також: Як RadioLance допомагає лікарням забезпечити цілодобовий опис КТ при інсультах
ШІ для мамографії (діагностика раку молочної залози)
У мамографічному скринінгу штучний інтелект вже досяг рівня експертів і навіть допомагає підвищити виявлення раку. Дослідження 2020 року за участю Google показало, що AI-система для читання мамограм зменшила кількість помилкових результатів: у США число хибнопозитивних висновків знизилось на 6%, а хибнонегативних (пропущених раків) – на 9%, порівняно з роботою радіологів.
В Європі, де практикується подвійне читання мамограм двома лікарями, ШІ також здатний стати одним із “читачів”. Наприклад, у 2021–2023 рр. в Німеччині в національній програмі скринінгу використання ШІ дозволило виявити на 18% більше випадків раку молочної залози без збільшення частоти хибних знахідок. При цьому навантаження на лікарів зменшилося, адже ШІ відсіював частину нормальних знімків. Схожі результати отримані й у Британії: алгоритми від DeepMind/Google Health успішно пройшли випробування і зараз інтегруються в продукти для клінік (наприклад, компанія iCAD ліцензувала технологію Google для впровадження в 7500 мамографічних центрів по всьому світу). Таким чином, ШІ-асистенти допомагають лікарям точніше і швидше виявляти рак грудної залози на мамограмах, що прямо впливає на своєчасність лікування.
Принцип роботи AI-моделей у радіології
Більшість сучасних радіологічних AI-моделей побудовані на основі глибокого навчання, зокрема згорткових нейронних мереж (CNN), які розпізнають образи на зображеннях подібно до зору людини, але статистично, через приклади. Модель тренується на великих масивах розмічених даних: для кожного зображення вона “знає”, що нормально, а де є патологія, і поступово навчається виділяти ключові ознаки. Наприклад, мережа CheXNet була навчена на більш ніж 100 тис. грудних рентгенів з діагнозами, щоб опанувати розпізнавання 14 типів патологій.
Після навчання ШІ моделі аналізують нові зображення за лічені секунди: проходять їх через багатошарові нейрони, які виділяють все більш абстрактні ознаки (краї, текстури, контури органів тощо) і врешті видають певний результат – наприклад, ймовірність наявності тієї чи іншої патології.
Деякі алгоритми дають вихід у вигляді міток або сегментації: малюють рамки або контури навколо вогнищ ураження, інші – створюють теплові карти (heatmaps), що підсвічують області, найбільш характерні для виявленої хвороби.
Це підвищує інтерпретованість: лікар бачить, що “вважає” комп’ютер, і може звірити це зі своїм аналізом.
Принципово важливо, що такі системи працюють як асистенти: остаточний висновок все одно робить лікар, але ШІ забезпечує йому “другу думку” і інструменти для прийняття рішень. З технічного боку, моделі потрібно ретельно валідувати, щоб переконатися, що вони вірно працюють на нових даних, а не просто завчили особливості тренувальної вибірки. Тому розробники все більше уваги приділяють пояснюваності, усуненню зміщень даних та надійності алгоритмів перед впровадженням у практику.
Використання ШІ в медичній практиці: США, Європа, Китай
Сполучені Штати Америки (США)
У США радіологічні AI-системи розвиваються надзвичайно активно. Станом на 2024 рік близько 76% усіх медичних AI-пристроїв, схвалених регулятором (FDA), припадає саме на радіологію. Щороку десятки нових алгоритмів проходять реєстрацію. Більшість отримують сертифікацію за спрощеною процедурою, демонструючи еквівалентність вже наявним рішенням. Це прискорює вихід технологій на ринок.
Уже зараз сотні американських лікарень використовують ШІ для аналізу зображень: у відділеннях невідкладної допомоги – для автоматичного виявлення крововиливів, інсультів, емболії легень на КТ; в поліклініках – для скринінгу рак легенів на низькодозових КТ чи діабетичної ретинопатії на знімках очного дна.
За даними оглядів, впровадження відбувається поступово: спочатку як пілоти, далі – інтеграція в робочі станції радіологів. Проте повної автономії поки немає – FDA вимагає, щоб такі системи працювали в парі з лікарем, а не замість нього. Наприклад, додаток Viz.ai після аналізу КТ все одно потребує, щоб спеціаліст переглянув зображення та підтвердив діагноз.
Важливо відзначити, що попри численні схвалені алгоритми, багато з них ще не мають незалежних клінічних випробувань. Лише 5% радіологічних AI-пристроїв, схвалених FDA, проходили проспективне тестування за участі лікарів у реальних умовах перед впровадженням. Тому американські професійні спілки (RSNA та ін.) наголошують на необхідності нагляду та контрольного аудиту ефективності ШІ при практичному використанні, щоб гарантувати безпеку пацієнтів.
Європа
У Європейському Союзі впровадження ШІ в радіології також набирає обертів, хоча не так активно. Регуляторно кожен такий продукт має отримати маркування CE (Conformité Européenne) як медичний виріб, відповідно до суворого регламенту MDR. Для цього виробник мусить надати доказові дані щодо клінічної ефективності алгоритму, а після виходу на ринок – здійснювати постійний моніторинг безпеки.
За оцінками дослідників, на початок 2023 р. в ЄС налічувалось близько 173 комерційно доступних AI-продуктів для радіології від 90 різних постачальників. Втім, опубліковані незалежні дослідження наявні лише для 40% з них, і переважно вони оцінюють точність виявлення патологій, а не вплив на результати лікування.
Попри це, ряд європейських країн активно інтегрують ШІ. Німеччина, Велика Британія, Нідерланди, Угорщина – серед лідерів впровадження.
Наприклад, у Німеччині проект VARA AI для мамографії успішно працює у скринінгових центрах.
У Великій Британії у 2021–2022 рр. провели масштабне клінічне тестування: радіологи працювали пліч-о-пліч з AI при прочитанні мамограм, і результати продемонстрували підвищення чутливості виявлення раку без збільшення навантаження на систему.
Такі дані проклали шлях для офіційних рекомендацій: зокрема, у 2023 р. Європейське товариство радіології (ESR) видало заяву, що підтримує використання перевірених AI-інструментів для покращення якості діагностики. Водночас ЄС готується запровадити новий AI Act, що відносить медичні ШІ до високого ризику і вводить додаткові вимоги до прозорості алгоритмів та управління даними (очікується набрання чинності близько 2025–2026 рр). Отже, у Європі акцент – на безпечній інтеграції: технологія має допомагати, але під контролем регуляторів і лікарів.
Китай
У Китаї впровадження ШІ в радіології відбувається ще швидше, стимульоване потребами системи охорони здоров’я. Справа в тому, що в КНР величезна нестача кадрів: 1 радіолог на 70 000 населення, тоді як у США – приблизно 1 на 7 000. Тому уряд і приватні компанії масово інвестують в AI як у “цифрового помічника” лікарів.
З 2017 року великі лікарні Китаю почали використовувати алгоритми для аналізу КТ грудної клітки: спершу для раннього виявлення раку легень, пізніше – для діагностики COVID-19, для читання рентген-знімків на туберкульоз та інші захворювання. Китайський регулятор створив у 2019 р. окремі критерії оцінки AI-медпристроїв, і станом на середину 2023 р. офіційно затверджено 59 AI-систем для медицини (багато з них – візуальна діагностика). Хоч це менше, ніж у США, але темпи схвалення стрімко ростуть.
Джерело. На рисунку показані такі характеристики, як роки затвердження, описи медичних технологій на основі штучного інтелекту та відповідні медичні спеціальності в Китаї. NMPA — Національна адміністрація з медичних продуктів Китаю, AIMD — медичний пристрій на основі штучного інтелекту, AI/ML — штучний інтелект і машинне навчання, CT — комп’ютерна томографія.
Китайські клініки впроваджують ШІ в повсякденну роботу, так за даними опитувань, 96% молодих радіологів ознайомлені з технологіями AI і активно їх застосовують чи тестують. Особливий акцент – на прискоренні опису зображень: алгоритми дозволяють суттєво скоротити час підготовки звіту, що критично при великому потоці пацієнтів.
Держава підтримує створення “розумних лікарень” і пілотних центрів, де ШІ використовується не лише в діагностиці, а й для управління потоками пацієнтів, контролю якості, а також в суміжних сферах, наприклад, AI вже відкриває нові препарати і оптимізує страхову медицину. Отже, Китай перетворився на один зі світових осередків медичного ШІ, де технологія масштабується на всю систему: від сільських клінік (мобільні AI-апарати для скринінгу) до топ-лікарень (комплексні AI-платформи типу Tencent, Ping An тощо).
Стан впровадження ШІ в Україні
Чи працює ШІ на радіологів України? Поступово – так, перші кроки вже зроблено. В Україні впровадження AI-рішень у радіології поки на ранній стадії, але є помітні зрушення за останні 2–3 роки. Ще у 2020 р. такі технології були радше новинкою, тоді як зараз вже кілька центрів і проєктів реально використовують ШІ або готуються до цього.
Приватні клініки
Клініка “Медіком” у Києві заявила, що стала першою в Україні, хто запропонував пацієнтам онкодіагностику із функцією ШІ. У відділенні променевої діагностики встановлено програму, яка аналізує дані КТ та МРТ-досліджень і автоматично виявляє вузли, новоутворення, метастатичні ураження кісток тощо, після чого лікар інтерпретує ці знахідки. Таким чином, ШІ допомагає не пропустити дрібні патологічні осередки, підвищуючи якість діагнозу.
За даними клініки, ця система дозволяє побачити передракові стани та мінімальні пухлини, які інакше могли б лишитися непоміченими, а також детальніше оцінити об’єм пухлини перед операцією. Інші приватні медзаклади також починають тестувати подібні рішення, особливо для другого читання знімків (наприклад, перевірки рентгенів на пневмонію чи МРТ на наявність дрібних аномалій).
Телерентгенологія та стартапи
В Україні виникають власні проєкти, які інтегрують ШІ. Цифровий сервіс RadioLance (платформа телерадіології) наразі накопичує дані для навчання моделей, що допомагатимуть автоматично розпізнавати патології на КТ, МРТ, рентгенах та мамографіях. Розробники зазначають, що ШІ вже підтримує лікарів RadioLance у створенні якісніших описів знімків. Йдеться про алгоритми, які перевіряють протоколи опису або пропонують стандартні висновки.
Наприкінці 2025 року RadioLance зарелізив BI-RADS аналітику – дашборд, котрий ілюструє накопичення та структуризацію мамографічних даних, які можуть бути корисними для навчання та валідації AI-моделей.
Аналітичний дашборд BI-RADS в RadioLance
Такі стартапи фактично створюють “копілотів для радіолога”, подібно до того як автопілот підтримує пілота літака: рутинні завдання автоматизуються, а відповідальність за остаточний результат несе спеціаліст. Окрім того, українські ІТ-компанії беруть участь у міжнародних розробках: відомо про команди, що працюють над алгоритмами для сегментації органів на МРТ, для аналізу рентгенів на COVID-19 тощо.
Державні ініціативи
У 2023 році за підтримки благодійників було оголошено про масштабний проєкт із оснастення українських лікарень сучасним обладнанням з інтегрованим ШІ. Зокрема, “Міжнародний фонд медичних інновацій” почав закупівлю партії цифрових сканерів з AI для ранньої діагностики раку. Планується протягом 5 років встановити ці системи в усіх областях (на першому етапі – 10 сканерів і навчання 30 спеціалістів). За повідомленнями, такі сканери вміють в реальному часі аналізувати зображення, звіряючи їх з великою базою даних, враховують навіть генетичні та історичні дані пацієнта, й одразу видають підказки лікарю щодо можливих злоякісних змін.
Перші апарати вже привезені в Україну і готуються до встановлення у провідних клініках та навчальних закладах. Хоча цей проєкт ще на початку, він свідчить про офіційне визнання важливості ШІ на державному рівні.
Воєнна медицина
В умовах війни з’явилися спеціалізовані розробки з використанням ШІ. Наприклад, українські та британські дослідники спільно працюють над AI-моделлю для покращення сортування поранених із осколковими пораненнями. Суть – алгоритм аналізує КТ-скани травм і швидко визначає, які ушкодження є життєво небезпечними, щоб медики оперативно направляли постраждалого на негайну операцію. Цей проєкт (у межах Twinning Initiative) покликаний допомогти фронтовим лікарям і може застосовуватися й при інших масових інцидентах (наприклад, при землетрусах). Хоч це ще дослідження, воно демонструє гнучкість ШІ: його можна навчити на специфічних випадках, як-от шрапнельні поранення, для вирішення унікальних завдань української медицини.
Lunit INSIGHT в Україні
Lunit INSIGHT – це лінійка сертифікованих AI-рішень для радіології, які автоматично аналізують медичні зображення та допомагають лікарям швидше й точніше виявляти патології.
Сьогодні на ринку представлені такі модулі Lunit INSIGHT:
- INSIGHT CXR — рентген грудної клітки (пневмонія, ТБ, вузлики, кардіомегалія тощо)
- INSIGHT MMG — мамографія (раннє виявлення раку молочної залози)
- INSIGHT CT — КТ органів грудної клітки (вузлики, інтерстиційні зміни)
Усі рішення відповідають міжнародним стандартам (CE, FDA — залежно від модуля) і працюють як clinical decision support, а не заміна лікаря. ʼ
В Україні рішення Lunit INSIGHT MMG представлене через локального інтегратора — IRISMED.
Проєкт орієнтований на AI-підтримку інтерпретації мамографії з метою підвищення точності раннього виявлення раку молочної залози.
Lunit INSIGHT MMG аналізує мамографічні зображення та:
- підсвічує підозрілі ділянки;
- оцінює ймовірність злоякісності;
- виступає як система клінічної підтримки рішень, не замінюючи лікаря-рентгенолога.
На сьогодні це рішення в Україні перебуває у форматі демонстрації та точкових впроваджень у приватному секторі, без централізованих державних програм або масового застосування в комунальних закладах. Використання залежить від наявності PACS-інтеграції, регуляторних умов і готовності закладу інвестувати в AI-модулі.
Читайте також: Телерадіологія під час війни: підтримка медичних закладів у кризових умовах
Обмеження і виклики впровадження
Попри успіхи, використання ШІ в радіології має низку обмежень, особливо важливих на початковому етапі впровадження в Україні:
- Регуляторна база і сертифікація. На відміну від США чи ЄС, в Україні поки немає окремого регуляторного поля для AI-систем у медицині. Фактично, імпортовані системи проходять сертифікацію як високотехнологічне обладнання або програмне забезпечення, але відсутні детальні вимоги до алгоритмів (етичність, прозорість рішень тощо). Ймовірно, Україна орієнтуватиметься на європейські стандарти (MDR, AI Act) і поступово впроваджуватиме аналогічні норми. До того часу кожен заклад сам несе відповідальність за використання ШІ: лікар має пересвідчитися, що рекомендації алгоритму коректні, адже юридично лише лікар відповідає за діагноз. Позитивним сигналом є те, що МОЗ України включає цифровізацію та штучний інтелект у стратегії розвитку охорони здоров’я, а проєкти на кшталт згаданого фонду медичних інновацій фактично прокладають шлях для офіційного впровадження технологій.
- Надійність та довіра до алгоритмів. ШІ-алгоритми не застраховані від помилок. Відомі випадки, коли модель показує хибний результат через нестандартне зображення чи артефакт. Тому наразі жоден відповідальний виробник не позиціює ШІ як заміну лікаря. Навпаки, інструкції прямо зазначають, що AI – лише допоміжний інструмент, який не може бути єдиною основою для діагнозу. Радіологи мають навчитися правильно взаємодіяти із ШІ: довіряти, але перевіряти. Деякі дослідження показали цікаві результати: сильніші фахівці майже не погіршують свою точність з AI (а іноді й покращують її), тоді як слабші спеціалісти не завжди стають кращими завдяки підказкам ШІ. Це означає, що потрібне навчання і адаптація – як і користуванню будь-яким новим приладом. В Україні важливо запровадити програми підготовки лікарів до роботи з AI-системами, аби вони розуміли принципи їх роботи і могли критично оцінити підказки.
- Якість даних і локалізація. Алгоритми, розроблені за кордоном, можуть погано працювати на українських даних, якщо є розбіжності у обладнанні, протоколах сканування чи навіть епідеміології захворювань. Тому бажано перевіряти алгоритми на локальних випадках перед масовим впровадженням. Наприклад, модель, натренована на західних пацієнтах, може не врахувати якісь специфічні особливості (генетичні, етнічні, регіональні) наших хворих. Важливо також, щоб інтерфейс і висновки ШІ були локалізовані українською, відповідали термінології наших стандартів. Є хороша новина: вітчизняні проєкти (як-от згаданий RadioLance) використовують українські дані і навіть адаптують AI-помічники під нашу мову та номенклатуру, щоб зробити їх максимально зручними для лікаря. Такі рішення потенційно будуть більш точними для українських лікарень, ніж “універсальні” імпортні моделі.
- Інфраструктура і вартість. Впровадження ШІ потребує інвестицій – у комп’ютерні сервери, швидкі мережі, сховища даних. Не всі лікарні, особливо районні, готові до цього технічно. Проте поступово, з розвитком телемедицини і хмарних сервісів, навіть віддалені заклади зможуть підключатися до AI-систем через інтернет. Питання вартості також вирішується: світові тенденції показують, що масове впровадження здешевлює технологію. Якщо на початку ліцензія на AI для одного апарату коштувала сотні тисяч доларів, то зараз є моделі підписки чи навіть відкриті проєкти. Для України оптимально використати хмарні AI сервіси, щоб не купувати дорогі обчислювальні станції в кожну лікарню, а мати центр, який обробляє зображення і видає результат назад. Це вже реалізується у приватному секторі (деякі мережі діагностичних центрів повідомляють, що тестують віддалений AI-аналіз рентгенів і КТ).
Штучний інтелект у радіологічній діагностиці із теоретичної можливості перетворюється на практичний інструмент, що реально працює на благо лікарів та пацієнтів. На світовій арені вже є низка підтверджених успіхів: AI допомагає знайти рак і інсульт швидше, підвищує точність мамографічного скринінгу може зменшити кількість помилкових висновків.
В Україні ця хвиля лише починається. Перші впровадження – успішні, і що важливо, не зустріли відторгнення з боку медичної спільноти. Навпаки, українські радіологи зацікавлені в інноваціях, адже розуміють: ШІ не забирає їхню роботу, а бере на себе рутинні завдання, даючи можливість зосередитися на більш складних аспектах клінічної діяльності.
Звичайно, попереду багато роботи – напрацювання нормативів, навчання персоналу, накопичення локальних даних. Але з урахуванням досвіду США, Європи і Китаю, наша медична система зможе досить швидко інтегрувати найпередовіші AI-досягнення. Штучний інтелект уже сьогодні працює на українських радіологів, допомагаючи їм ставити точніші діагнози, а отже – рятувати життя пацієнтів. Це одна з тих інновацій, що визначатимуть обличчя медицини майбутнього.