Клиническая эффективность и внедрение систем искусственного интеллекта для скрининга, триажа, диагностики и мониторинга в детской офтальмологии в рамках первичной, внебольничной и связанной с маршрутизацией к специалисту помощи: систематический обзор

Введение и цель: Искусственный интеллект (ИИ) всё чаще оценивают для диагностики, скрининга и триажа в офтальмологии, однако его роль в детской офтальмологической помощи изучена менее полно, чем во взрослой офтальмологии. Целью этого систематического обзора был синтез данных о системах на основе ИИ для диагностики, скрининга, триажа, мониторинга и маршрутизации детей с офтальмологическими заболеваниями с акцентом на диагностическую эффективность, безопасность, интеграцию в рабочие процессы, равенство доступа и готовность к внедрению в условиях первичной, внебольничной и ориентированной на первичную медико-санитарную помощь практики.

Методы: Систематический обзор проведён в соответствии с рекомендациями PRISMA по базам данных MEDLINE, Embase, Web of Science, Scopus и IEEE Xplore с момента их создания по 30 марта 2026 года. Включали исследования, в которых оценивали системы ИИ или машинного обучения для детей и подростков в возрасте от 0 до 18 лет с заболеваниями глаз. Отбор исследований и извлечение данных независимо выполняли несколько рецензентов; разногласия разрешали консенсусом или решением третьего рецензента. Методологическое качество и качество представления результатов оценивали с помощью адаптированной авторами шкалы из шести доменов, основанной на APPRAISE-AI. Исследования диагностической точности оценивали с использованием адаптированной авторами версии QUADAS-2 с учётом специфических для ИИ аспектов, разработанных на основе QUADAS-AI; исследование прогностической модели — с помощью PROBAST+AI, а нерандомизированное исследование эффекта лечения — с помощью ROBINS-I. Описание общедоступного набора данных оценивали отдельно по разработанной авторами системе оценки качества, репрезентативности и применимости набора данных. Из-за клинической и методологической неоднородности результаты обобщали тематически.

Результаты: В обзор включили 12 эмпирических исследований и одно описание общедоступного набора данных, посвящённых ретинопатии недоношенных, ретинобластоме, риску амблиопии, миопии, врождённой катаракте и оценке остроты зрения. Системы ИИ часто демонстрировали многообещающие результаты диагностики или скрининга, включая выявление ретинопатии недоношенных, требующей лечения, с приоритетом высокой чувствительности, высокую способность различать активную ретинобластому и отсутствие заболевания, а также высокую точность прогнозирования миопии по фотографиям глазного дна. Несколько исследований подтвердили осуществимость применения таких систем в неонатальных, школьных и общественных медицинских маршрутах с использованием смартфонной визуализации, передачи отдельных задач немедицинским сотрудникам, телемедицинской маршрутизации и проверки результатов специалистом с сохранением участия человека в принятии решений. Однако внешнюю и временную валидацию, оценку калибровки, представление данных на уровне отдельных пациентов, анализ подгрупп и справедливости, а также экономическую оценку проводили редко.

Выводы: Системы на основе ИИ перспективны для поддержки отдельных маршрутов детского офтальмологического скрининга, триажа и мониторинга, особенно при сочетании с контролем качества изображений, чёткими критериями эскалации и надзором специалиста. Однако уверенность в заявленной эффективности ограничена одноцентровым дизайном исследований и обогащёнными выборками, небольшим числом клинически значимых случаев, неоднородностью единиц анализа, потенциально оптимистичными процедурами агрегирования, недостаточной внешней или временной валидацией, неполной оценкой калибровки и отсутствием анализа справедливости. Рутинное автономное применение таких систем пока преждевременно.