Вклад искусственного интеллекта, представленный в журналах по акушерству и гинекологии: систематический обзор

Введение: За последние десятилетия применение методов искусственного интеллекта (ИИ) существенно расширилось во всех областях медицины. В медицине применяют два основных типа ИИ: символьный ИИ (например, базы знаний и онтологии) и несимвольный ИИ (например, машинное обучение и искусственные нейронные сети). Поэтому ИИ используется практически во всех областях акушерства и гинекологии, включая общее акушерство, гинекологическую хирургию, ультразвуковое исследование плода и вспомогательные репродуктивные технологии.

Цель: Провести систематический обзор для определения фактического вклада ИИ, представленного в журналах по акушерству и гинекологии.

Методы: Выполнен поиск в базе данных PubMed публикаций, индексированных по термину «artificial intelligence» и как минимум одному из следующих терминов Medical Subject Headings (MeSH), опубликованных с 1 января 2000 года по 30 апреля 2020 года: «obstetrics», «gynecology», «reproductive techniques, assisted» или «pregnancy». Рассматривались все публикации в журналах, относящихся к основным дисциплинам акушерства и гинекологии. Выбор журналов основывался на классификации дисциплин Web of Science. Из исследования исключали публикации, в которых методы ИИ не применялись. Также исключали обзорные статьи, редакционные материалы и комментарии. Анализ включал: (1) классификацию публикаций по областям акушерства и гинекологии; (2) описание методов ИИ; (3) описание алгоритмов ИИ; (4) описание наборов данных; (5) описание вклада ИИ; (6) описание валидации методов ИИ.

Результаты: Поиск в PubMed выявил 579 публикаций, из которых критериям отбора соответствовали 66. Были представлены все поддисциплины акушерства и гинекологии: акушерство — 41% (27/66), гинекология — 3% (2/66), вспомогательная репродуктивная медицина — 33% (22/66), ранняя беременность — 2% (1/66), медицина плода — 21% (14/66). Были представлены как методы машинного обучения (39/66), так и методы на основе баз знаний (25/66). В машинном обучении использовали наборы визуальных, числовых и клинических данных. В методах на основе баз знаний преимущественно применяли омиксные наборы данных. Фактический вклад ИИ заключался в разработке методов или алгоритмов — 53% (35/66), формировании гипотез — 42% (28/66) и разработке программного обеспечения — 3% (2/66). Валидацию проводили на одном наборе данных в 86% случаев (57/66); внешняя валидация не была представлена ни в одной публикации. За последние два десятилетия отмечалась общая тенденция к увеличению числа публикаций, посвящённых ИИ в акушерстве и гинекологии. Большинство таких публикаций — 82% (54/66) — были опубликованы не в обычных профильных журналах по акушерству и гинекологии.

Выводы: В журналах по акушерству и гинекологии преимущественно представлены предварительные исследования применения ИИ в этой области, например алгоритмы или методы, демонстрирующие принципиальную работоспособность; клиническая валидация остаётся невыполненным обязательным условием. Ожидается дальнейшее совершенствование этой области под влиянием новых рекомендаций по проведению исследований ИИ. Однако эти рекомендации охватывают лишь часть подходов к ИИ — несимвольные методы, представленные в данном обзоре, — поэтому необходимо рассмотреть их обновление.