Опубликовано 26 августа 2026 7 мин чтения

Почему ИИ-инструменты для выявления рака груди не оправдывают ожиданий радиологов

Опрос 215 радиологов показал: ИИ для выявления рака груди снижает повторные вызовы лишь у 35% специалистов, а биопсии — у 9%. Узнайте, почему технологии не оправдывают ожиданий и какие барьеры мешают внедрению.

Опрос 215 радиологов, опубликованный в журнале Clinical Imaging, показал заметный разрыв между ожиданиями от ИИ в маммографии и реальными результатами. Около половины специалистов уже используют одобренные FDA инструменты, но эффект оказался скромнее прогнозов. Только 35% сообщили о снижении повторных вызовов, хотя ожидали такого эффекта 59%. Ещё заметнее разрыв по ненужным биопсиям: лишь 9% увидели уменьшение против ожидаемых 36%. Выгорание снизилось у 29% радиологов, тогда как рассчитывали на это 56%. Большинство врачей воспринимают ИИ как второе мнение, а не основной инструмент. Главные барьеры - затраты и недостаток институциональной поддержки.

Эти данные не означают, что ИИ бесполезен в радиологии. Они показывают, что технология пока не стала решающим фактором, который изменит рутинную практику. Разрыв между обещаниями и реальностью объясняется завышенными ожиданиями, сформированными маркетингом ИИ-индустрии, и отсутствием системной поддержки на местах. Похожая ситуация наблюдается и в других сферах: 95% сотрудников используют ИИ неправильно, принимая первый ответ без проверки, что ведёт к убыткам вместо прибыли.

Разрыв между ожиданиями и реальностью: данные опроса

Опрос Clinical Imaging охватил 215 радиологов, из которых около половины применяют одобренные FDA ИИ-инструменты для выявления рака груди. Участники оценивали, как изменились ключевые показатели их работы после внедрения технологии. Результаты по трём метрикам показывают системный сдвиг ожиданий вниз.

Повторные вызовы: ожидали снижения на 59%, получили на 35%

Повторный вызов (recall rate) - это ситуация, когда после маммографии пациентку вызывают на дополнительное обследование из-за подозрительной находки. Высокий показатель повторных вызовов создаёт нагрузку на систему здравоохранения и усиливает тревогу у женщин. Снижение этого показателя было одной из главных целей внедрения ИИ. Ожидали снижения 59% радиологов, но реально заметили его только 35%. Даже этот результат не означает массового улучшения: почти две трети специалистов не увидели значимых изменений.

Разрыв в 24 процентных пункта указывает на то, что ИИ пока не справляется с задачей фильтрации ложноположительных находок на том уровне, который обещали разработчики. Технология помогает, но не настолько, чтобы радикально изменить клиническую практику.

Ненужные биопсии: лишь 9% радиологов увидели уменьшение

Ненужная биопсия - это инвазивная процедура, которую назначают при подозрении на рак, но которая в итоге не подтверждает злокачественность. Для пациенток это стресс, боль, финансовые расходы и дни ожидания результата. Сокращение ненужных биопсий было бы прямым показателем пользы ИИ. Ожидали уменьшения 36% радиологов, но увидели его только 9%. Разрыв четырёхкратный.

Этот результат особенно показателен. ИИ-инструменты одобряются FDA именно потому, что в контролируемых испытаниях демонстрируют способность снижать ложноположительные результаты. В реальной клинической практике этот эффект почти не проявляется. Причина может быть в том, что врачи не доверяют рекомендациям ИИ настолько, чтобы отменять биопсию, или в том, что алгоритмы в реальных условиях работают хуже, чем в тестовых наборах данных.

Выгорание радиологов: ИИ пока не спасает от перегрузок

Выгорание - серьёзная проблема в радиологии. Врачи ежедневно просматривают сотни изображений, и цена ошибки крайне высока. Ожидалось, что ИИ возьмёт на себя рутинные задачи и снизит когнитивную нагрузку. Ожидали снижения выгорания 56% специалистов, но отметили его лишь 29%. Более половины радиологов не почувствовали облегчения.

Парадокс в том, что ИИ может даже увеличивать нагрузку. Каждую рекомендацию алгоритма нужно проверить, а ложные срабатывания требуют дополнительного времени на анализ. Если инструмент не встроен в рабочий процесс, он становится ещё одним источником информации, который нужно обрабатывать, а не помощником, который экономит силы. Это согласуется с более широкой картиной: общество скептически относится к заверениям лидеров ИИ-индустрии, когда реальные инциденты расходятся с обещаниями.

Почему ИИ не оправдывает ожиданий: ключевые барьеры

Опрос выявил два главных барьера: затраты на внедрение и недостаток институциональной поддержки. Эти факторы действуют системно и объясняют, почему даже одобренные FDA инструменты не дают ожидаемого эффекта.

Затраты на внедрение и обслуживание

ИИ-инструменты для маммографии требуют не только лицензионных платежей. Нужна интеграция с PACS-системами, обновление оборудования, обучение персонала, техническая поддержка. Для небольших клиник и региональных больниц эти расходы часто неподъёмны. Даже если сам инструмент одобрен FDA и показывает хорошие результаты в испытаниях, его реальная стоимость включает скрытые издержки, которые не учитываются в маркетинговых материалах.

Финансовый барьер особенно остро стоит в системах здравоохранения с ограниченным бюджетом. Без целевого финансирования или государственных программ внедрение ИИ остаётся инициативой отдельных энтузиастов, а не системным решением.

Недостаток институциональной поддержки

Технология не работает в вакууме. Радиологу нужно выделенное время на обучение, техническая поддержка при сбоях, изменение рабочих процессов и протоколов. Если руководство больницы просто закупает лицензию и ожидает немедленного результата, инструмент остаётся неиспользованным или используется формально.

Без институциональной поддержки радиолог остаётся один на один с технологией. Он должен сам разбираться в интерфейсе, сам решать, доверять ли рекомендациям, сам компенсировать ошибки алгоритма. В таких условиях ИИ воспринимается как дополнительная обязанность, а не как помощник. Это подтверждает и более широкий тренд: даже самые продвинутые модели показывают низкие результаты на сложных задачах, требующих контекстного понимания.

ИИ как второе мнение, а не основной инструмент

Большинство радиологов используют ИИ для перепроверки своих решений, а не как основной инструмент диагностики. Это ограничивает потенциальное влияние технологии на ключевые метрики. Если врач уже принял решение, а ИИ лишь подтверждает его, алгоритм не изменит ни повторные вызовы, ни количество биопсий.

Такое восприятие понятно: радиолог несёт юридическую и этическую ответственность за диагноз. Переложить эту ответственность на алгоритм он не может. Поэтому ИИ остаётся вспомогательным инструментом, а его влияние на результаты работы оказывается меньше, чем обещали разработчики.

Завышенные обещания ИИ-индустрии

ИИ-индустрия десятилетиями прогнозировала замену радиологов. Ещё в 2016 году Джеффри Хинтон, один из пионеров глубокого обучения, заявил, что больницам не нужно готовить новых радиологов, потому что алгоритмы скоро превзойдут людей в интерпретации медицинских изображений. Прошло десять лет, но радиологи по-прежнему остаются ключевыми специалистами в диагностике рака груди, а ИИ выполняет вспомогательную роль.

Маркетинговые обещания сформировали нереалистичные ожидания у врачей и руководителей. Когда реальность не совпадает с прогнозами, наступает разочарование, которое может привести к отказу от технологии в целом. Это опасный сценарий, потому что ИИ действительно может быть полезен, но при адекватном целеполагании.

Ситуация в радиологии отражает общий тренд: ИИ-агенты ускоряют научную работу до 60 раз, но требуют контроля экспертов. Технология усиливает специалиста, а не заменяет его.

Что это значит для будущего ИИ в радиологии

ИИ в маммографии может быть полезен, но не как панацея. Реалистичное целеполагание, поддержка внедрения и оценка затрат и выгод - три условия, при которых технология начнёт приносить измеримую пользу.

Реалистичные ожидания от ИИ в маммографии

Чего реально можно ожидать от ИИ-инструментов в выявлении рака груди:

Помощь в рутинных задачах: сортировка изображений по степени подозрительности, выделение областей интереса.
Снижение пропусков рака за счёт второго прочтения, особенно в условиях высокой нагрузки.
Стандартизация качества интерпретации между разными специалистами.

Чего ожидать не стоит без дополнительных условий: радикального снижения повторных вызовов, значительного сокращения ненужных биопсий, автоматического снижения выгорания. Эти результаты требуют глубокой интеграции в рабочие процессы и изменения протоколов, а не просто установки программного обеспечения.