Технологии искусственного интеллекта в гинекологии

DOI

https://dx.doi.org/10.18565/aig.2025.92

Мозес В.Г., Котов Р.М., Рудаева Е.В., Елгина С.И., Мозес К.Б., Вавин Г.В.
1) ФГБОУ ВО «Кемеровский государственный университет», Кемерово, Россия; 2) ФГБОУ ВО «Кемеровский государственный медицинский университет» Минздрава России, Кемерово, Россия; 3) ГАУЗ «Кузбасская областная клиническая больница имени С.В. Беляева», Кемерово, Россия

В обзоре приведены научные данные отечественных и зарубежных работ, 90% из которых опубликованы за последние 5 лет. Их тематика связана с апробацией и анализом эффективности искусственного интеллекта (ИИ) в диагностике, лечении и превенции гинекологической патологии. Сделаны выводы о том, что в диагностике рака шейки матки, рака эндометрия, рака яичников и эндометриоза эффективность алгоритмов ИИ по многим параметрам превосходят специалистов в оценке результатов прямой и непрямой визуализации. Данные литературы показывают, что интеграция ИИ в клиническую практику существенно сокращает время диагностики и является весьма перспективной. В то же время работа ИИ в оценке цитологии и гистологии показывает противоречивые результаты – в цитологии шейки матки ИИ превзошел специалистов, тогда как в гистологии рака шейки матки полученные результаты пока не позволяют интегрировать ИИ в клиническую работу.
Значительные перспективы перед пациентами и врачами открывают большие языковые модели (large language mode, LLM), примером которой является ChatGPT. Уже сегодня чат-бот чаще всего дает правильные ответы на вопросы гинекологических пациентов, однако точность ответов при детализации вопросов медицинским работником пока еще остается недостаточной.
Интеграция профессиональной деятельности с системами управления на основе ИИ, возможно, позволит снизить частоту ошибок в клинической практике, однако их широкое внедрение пока ограничено.
Заключение: Обзор демонстрирует значительный прогресс в применении ИИ в гинекологии, особенно в диагностике рака шейки матки, эндометрия, яичников и эндометриоза. Алгоритмы ИИ показывают высокую эффективность в анализе медицинских изображений, часто превосходя традиционные методы по точности и скорости. Однако внедрение ИИ сталкивается с этическими, юридическими и практическими вызовами, такими как прозрачность решений, ответственность за ошибки и интеграция в клиническую практику. Несмотря на это, потенциал ИИ для улучшения диагностики и оптимизации работы врача акушера гинеколога очевиден.

Вклад авторов: Котов Р.М. – концепция и дизайн исследования; Елгина С.И., Рудаева Е.В., Вавин Г.В. – сбор и обработка материала; Мозес В.Г. – написание текста; Мозес К.Б. – редактирование.
Конфликт интересов: Авторы заявляют об отсутствии конфликта интересов.
Финансирование: Данная работа не имела источников финансирования.
Для цитирования: Мозес В.Г., Котов Р.М., Рудаева Е.В., Елгина С.И., Мозес К.Б., Вавин Г.В.
Технологии искусственного интеллекта в гинекологии.
Акушерство и гинекология. 2025; 8: 16-25
https://dx.doi.org/10.18565/aig.2025.92

искусственный интеллект

машинное обучение

рак яичников

рак шейки матки

рак эндометрия

эндометриоз

Полный текст статьи
доступен в "Библиотеке Врача"

Ламоткин А.И., Корабельников Д.И., Ламоткин И.А., Лившиц С.А., Перевалова Е.Г. Искусственный интеллект в здравоохранении и медицине: история ключевых событий, его значимость для врачей, уровень развития в разных странах. Фармакоэкономика. Современная фармакоэкономика и фармакоэпидемиология. 2024; 17(2): 243-50.
Greeven M. China and AI in 2025: What global executives must know to stay ahead. Forbes. Available at: https://www.forbes.com/sites/markgreeven/2024/12/23/china-and-ai-in-2025-what-global-executives-must-know-to-stay-ahead
Dhombres F., Bonnard J., Bailly K., Maurice P., Papageorghiou A.T., Jouannic J.M. Contributions of artificial intelligence reported in obstetrics and gynecology journals: systematic review. J. Med. Internet Res. 2022; 24(4): e35465. https://dx.doi.org/10.2196/35465
Brandão M., Mendes F., Martins M., Cardoso P., Macedo G., Mascarenhas T. et al. Revolutionizing women's health: a comprehensive review of artificial intelligence advancements in gynecology. J. Clin. Med. 2024; 13(4): 1061. https://dx.doi.org/10.3390/jcm13041061
Eshraghi N., Ghaemi M., Shabannejad Z., Bazmi E., Foroozesh M., Haddadi M.et al. Analysis of medico-legal claims related to deliveries: Caesarean section vs. vaginal delivery. PLoS ONE. 2024; 19(11): e0312614. https://dx.doi.org/10.1371/journal.pone.0312614
Vickers H., Jha S. Medicolegal issues in gynaecology. Obstetrics, gynaecology and reproductive medicine. 2020; 30(2): 43-7. https://dx.doi.org/10.1016/j.ogrm.2019.11.004
Khan I., Khare B.K. Exploring the potential of machine learning in gynecological care: a review. Arch. Gynecol. Obstet. 2024; 309(6): 2347-65. https://dx.doi.org/10.1007/s00404-024-07479-1
Recker F., Gembruch U., Strizek B. Clinical ultrasound applications in obstetrics and gynecology in the year 2024. J. Clin. Med. 2024; 13(5): 1244. https://dx.doi.org/10.3390/jcm13051244
Коломеец Е.В., Тарасова Л.П., Потехина Т.Д., Виривская Е.В., Бахтияров К.Р. Ошибки в диагностике интраэпителиальных поражений и рака шейки матки и современные возможности улучшения качества первичного скрининга. Архив акушерства и гинекологии им. В.Ф. Снегирёва. 2024; 11(1): 57-67.
Akash R.S., Islam R., Badhon S.S.I., Hossain K.T. CerviXpert: a multi-structural convolutional neural network for predicting cervix type and cervical cell abnormalities. Digit. Health. 2024; 10: 20552076241295440. https://dx.doi.org/10.1177/20552076241295440
Liao W, Xu X. Progress in the application research of cervical cancer screening developed by artificial intelligence in large populations. Discov. Oncol. 2025; 16(1): 1282. https://dx.doi.org/10.1007/s12672-025-03102-0
Li J., Adobo S.D., Shi H., Judicael K.A.W., Lin N., Gao L. Screening methods for cervical cancer. ChemMedChem. 2024; 19(16): e202400021. https://dx.doi.org/10.1002/cmdc.202400021
Giansanti D., Lastrucci A., Pirrera A., Villani S., Carico E., Giarnieri E. AI in cervical cancer cytology diagnostics: a narrative review of cutting-edge studies. Bioengineering (Basel). 2025; 12(7): 769. https://dx.doi.org/10.3390/bioengineering12070769
Mehlhorn G., Münzenmayer C., Benz M., Kage A., Beckmann M.W., Wittenberg T. Computer-assisted diagnosis in colposcopy: results of a preliminary experiment? Acta Cytol. 2012; 56(5): 554-9. https://dx.doi.org/10.1159/000341546
Park J., Yang H., Roh H.J., Jung W., Jang G.J. Encoder-weighted W-Net for unsupervised segmentation of cervix region in colposcopy images. Cancers (Basel). 2022; 14(14): 3400. https://dx.doi.org/10.3390/cancers14143400
Ledwaba L., Saidu R., Malila B., Kuhn L., Mutsvangwa T.E.M. Automated analysis of digital medical images in cervical cancer screening: a systematic review. medRxiv.
Asiedu M.N., Simhal A., Chaudhary U., Mueller J.L., Lam C.T., Schmitt J.W. et al. Development of algorithms for automated detection of cervical pre-cancers with a low-cost, point-of-care, pocket colposcope. IEEE Trans. Biomed. Eng. 2019; 66(8): 2306-18. https://dx.doi.org/10.1109/TBME.2018.2887208
Sampaio A.F., Rosado L., Vasconcelos M.J. Towards the mobile detection of cervical lesions: a region-based approach for the analysis of microscopic images. IEEE Access. 2021; 9: 152188-205. https://dx.doi.org/10.1109/ACCESS.2021.3126486
Hussain E., Mahanta L.B., Das C.R., Talukdar R.K. A comprehensive study on the multi-class cervical cancer diagnostic prediction on pap smear images using a fusion-based decision from ensemble deep convolutional neural network. Tissue Cell. 2020; 65: 101347. https://dx.doi.org/10.1016/j.tice.2020.101347
Xue P., Xu H.M., Tang H.P., Wu W.Q., Seery S., Han X. et al. Assessing artificial intelligence enabled liquid-based cytology for triaging HPV-positive women: a population-based cross-sectional study. Acta Obstet. Gynecol. Scand. 2023; 102(8): 1026-33. https://dx.doi.org/10.1111/aogs.14611
Park Y.R., Kim Y.J., Ju W., Nam K., Kim S., Kim K.G. Comparison of machine and deep learning for the classification of cervical cancer based on cervicography images. Sci. Rep. 2021; 11(1): 16143. https://dx.doi.org/10.1038/s41598-021-95748-3
Fu L., Xia W., Shi W., Cao G.X., Ruan Y.T., Zhao X.Y. et al. Deep learning based cervical screening by the cross-modal integration of colposcopy, cytology, and HPV test. Int. J. Med. Inform. 2022; 159: 104675. https://dx.doi.org/10.1016/j.ijmedinf.2021.104675
Urushibara A., Saida T., Mori K., Ishiguro T., Sakai M., Masuoka S. et al. Diagnosing uterine cervical cancer on a single T2-weighted image: comparison between deep learning versus radiologists. Eur. J. Radiol. 2021; 135: 109471. https://dx.doi.org/10.1016/j.ejrad.2020.109471
Tanos V., Neofytou M., Tanos P., Pattichis C.S., Pattichis M.S. Computer-aided diagnosis by tissue image analysis as an optical biopsy in hysteroscopy. Int. J. Mol. Sci. 2022; 23(21): 12782. https://dx.doi.org/10.3390/ijms232112782
Takahashi Y., Sone K., Noda K., Yoshida K., Toyohara Y., Kato K. et al. Automated system for diagnosing endometrial cancer by adopting deep-learning technology in hysteroscopy. PLOS One. 2021; 16(3): e0248526. https://dx.doi.org/10.1371/journal.pone.0248526
Urushibara A., Saida T., Mori K., Ishiguro T., Inoue K., Masumoto T. et al. The efficacy of deep learning models in the diagnosis of endometrial cancer using MRI: a comparison with radiologists. BMC Med. Imaging. 2022; 22(1): 80. https://dx.doi.org/10.1186/s12880-022-00808-3
Petrila O., Stefan A.E., Gafitanu D., Scripcariu V., Nistor I. The applicability of artificial intelligence in predicting the depth of myometrial invasion on MRI studies-a systematic review. Diagnostics (Basel). 2023; 13(15): 2592. https://dx.doi.org/10.3390/diagnostics13152592
Hart G.R., Yan V., Huang G.S., Liang Y., Nartowt B.J., Muhammad W. et al. Population-based screening for endometrial cancer: human vs. machine intelligence. Front. Artif. Intell. 2020; 3: 539879. https://dx.doi.org/10.3389/frai.2020.539879
Lee B., Chang S.J., Kwon B.S., Son J.H., Lim M.C., Kim Y.H. et al. Clinical guidelines for ovarian cancer: the Korean Society of gynecologic oncology guidelines. J. Gynecol. Oncol. 2024; 35(1): e43. https://dx.doi.org/10.3802/jgo.2024.35.e43
Xu H.L., Gong T.T., Liu F.H., Chen H.Y., Xiao Q., Hou Y. et al. Artificial intelligence performance in image-based ovarian cancer identification: A systematic review and meta-analysis. EClinicalMedicine. 2022; 53: 101662. https://dx.doi.org/10.1016/j.eclinm.2022.101662
Ma L., Huang L., Chen Y., Zhang L., Nie D., He W. et al. AI diagnostic performance based on multiple imaging modalities for ovarian tumor: a systematic review and meta-analysis. Front. Oncol. 2023; 13: 1133491. https://dx.doi.org/10.3389/fonc.2023.1133491
Barnard M.E., Pyden A., Rice M.S., Linares M., Tworoger S.S., Howitt B.E. et al. Inter-pathologist and pathology report agreement for ovarian tumor characteristics in the Nurses' Health Studies. Gynecol Oncol. 2018;150(3): 521-526. https://dx.doi.org/10.1016/j.ygyno.2018.07.003
Zeng X, Li Z, Dai L, Li J, Liao L, Chen W. Machine learning in ovarian cancer: a bibliometric and visual analysis from 2004 to 2024. Discov. Oncol. 2025; 16(1): 755. https://dx.doi.org/10.1007/s12672-025-02416-3
Breen J., Allen K., Zucker K., Adusumilli P., Scarsbrook A., Hall G. et al. Artificial intelligence in ovarian cancer histopathology: a systematic review. NP J. Precis. Oncol. 2023; 7(1): 83. https://dx.doi.org/10.1038/s41698-023-00432-6
Ioannidou A., Machairiotis N., Stavros S., Potiris A., Karampitsakos T., Pantelis A.G. et al. Comparison of surgical interventions for endometrioma: a systematic review of their efficacy in addressing infertility. Biomedicines. 2024; 12(12): 2930. https://dx.doi.org/10.3390/biomedicines12122930
Greene A.D., Lang S.A., Kendziorski J.A., Sroga-Rios J.M., Herzog T.J., Burns K.A. Endometriosis: where are we and where are we going? Reproduction. 2016; 152(3): R63-78. https://dx.doi.org/10.1530/REP-16-0052
Bendifallah S., Puchar A., Suisse S., Delbos L., Poilblanc M., Descamps P. et al. Machine learning algorithms as new screening approach for patients with endometriosis. Sci. Rep. 2022; 12(1): 639. https://dx.doi.org/10.1038/s41598-021-04637-2
Sivajohan B., Elgendi M., Menon C., Allaire C., Yong P., Bedaiwy M.A. Clinical use of artificial intelligence in endometriosis: a scoping review. NP J. Digit. Med. 2022; 5(1): 109. https://dx.doi.org/10.1038/s41746-022-00638-1
Littmann M., Selig K., Cohen-Lavi L., Frank Y., Hönigschmid P., Kataka E. et al. Validity of machine learning in biology and medicine increased through collaborations across fields of expertise. Nat. Mach. Intell. 2020; 2(1): 18-24. https://dx.doi.org/10.1038/s42256-019-0139-8
Balica A., Dai J., Piiwaa K., Qi X., Green A.N., Philips N. et al. Augmenting endometriosis analysis from ultrasound data with deep learning. Medical imaging 2023: ultrasonic imaging and tomography. 2023; 12470: 118-23. https://dx.doi.org/10.1117/12.2653940
Hu P., Gao Y., Zhang Y., Sun K. Ultrasound image-based deep learning to differentiate tubal-ovarian abscess from ovarian endometriosis cyst. Front. Physiol. 2023; 14: 1101810. https://dx.doi.org/10.3389/fphys.2023.1101810
Cetera G.E., Tozzi A.E., Chiappa V., Castiglioni I., Merli C.E.M., Vercellini P. Artificial intelligence in the management of women with endometriosis and adenomyosis: can machines ever be worse than humans? J. Clin. Med. 2024; 13(10): 2950. https://dx.doi.org/10.3390/jcm13102950
Voelker R. The promise and pitfalls of AI in the complex world of diagnosis, treatment, and disease management. JAMA. 2023; 330(15): 1416-19. https://dx.doi.org/10.1001/jama.2023.19180
Sahni N.R., Carrus B. Artificial intelligence in U.S. health care delivery. N. Engl. J. Med. 2023; 389(4): 348-58. https://dx.doi.org/10.1056/NEJMra2204673
Kanjee Z., Crowe B., Rodman A. Accuracy of a generative Artificial intelligence model in a complex diagnostic challenge. JAMA. 2023; 330(1): 78-80. https://dx.doi.org/10.1001/jama.2023.8288
Eriksen A.V., Möller S., Ryg J. Use of GPT-4 to diagnose complex clinical cases. NEJM AI. 2023; 19(1): AIp2300031. https://dx.doi.org/10.1056/AIp2300031
Ozgor B.Y., Simavi M.A. Accuracy and reproducibility of ChatGPT’s free version answers about endometriosis. Int. J. Gynaecol. Obstet. 2024; 165(2): 691-5. https://dx.doi.org/10.1002/ijgo.15309
Jiang V.S., Bormann C.L. Artificial intelligence in the in vitro fertilization laboratory: a review of advancements over the last decade. Fertil. Steril. 2023; 120(1): 17-23. https://dx.doi.org/10.1016/j.fertnstert.2023.05.149
McCallum C., Riordon J., Wang Y., Kong T., You J.B., Sanner S. et al. Deep learning-based selection of human sperm with high DNA integrity. Commun. Biol. 2019; 2: 250. https://dx.doi.org/10.1038/s42003-019-0491-6
Cherouveim P., Velmahos C., Bormann C.L. Artificial intelligence for sperm selection-a systematic review. Fertil. Steril. 2023; 120(1): 24-31. https://dx.doi.org/10.1016/j.fertnstert.2023.05.157
Salih M., Austin C., Warty R.R., Tiktin C., Rolnik D.L., Momeni M. et al. Embryo selection through artificial intelligence versus embryologists: a systematic review. Hum. Reprod. Open. 2023; 2023(3): hoad031. https://dx.doi.org/10.1093/hropen/hoad031
Драпкина Ю.С., Макарова Н.П., Васильев Р.А., Амелин В.В., Франкевич В.Е., Калинина Е.А. Изучение аналитической обработки клинико-анамнестических и эмбриологических данных пациентов в программе вспомогательных репродуктивных технологий различными методами машинного обучения. Акушерство и гинекология. 2024; 3: 96-107.
Драпкина Ю.С., Макарова Н.П., Чаговец В.В., Васильев Р.А., Амелин В.В., Калинина Е.А. Использование машинного обучения для анализа липидного профиля среды культивирования и прогнозирования эффективности вспомогательных репродуктивных технологий. Акушерство и гинекология. 2025; 2: 91-9.
Alowais S.A., Alghamdi S.S., Alsuhebany N., Alqahtani T., Alshaya A.I., Almohareb S.N. et al. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Med. Educ. 2023; 23(1): 689. https://dx.doi.org/10.1186/s12909-023-04698-z
Boudi A.L., Boudi M., Chan C., Boudi F.B. Ethical challenges of Artificial intelligence in medicine. Cureus. 2024; 16(11): e74495. https://dx.doi.org/10.7759/cureus.74495
Mohanasundari S.K., Kalpana M., Madhusudhan U., Vasanthkumar K., B R., Singh R. et al. Can Artificial intelligence replace the unique nursing role? Cureus. 2023; 15(12): e51150. https://dx.doi.org/10.7759/cureus.51150
World Health Organization. Ethics and governance of artificial intelligence for health. WHO Guidance. Geneva: World Health Organization; 2021. Available from: https://www.who.int/publications/i/item/9789240029200

Поступила 04.04.2025

Принята в печать 12.08.2025

Мозес Вадим Гельевич, д.м.н., профессор, директор медицинского института, Кемеровский государственный университет, 650000, Россия, Кемеровская область – Кузбасс, Кемерово, ул. Красная, д. 6, +7(904)573-24-43, vadimmoses@gmail.com, https://orcid.org/0000-0002-3269-9018
Котов Роман Михайлович, д.э.н., проректор по цифровой трансформации, Кемеровский государственный университет,
650000, Россия, Кемеровская область – Кузбасс, Кемерово, ул. Красная, д. 6., +7(3842)58-05-90, kotov@kemsu.ru, https://orcid.org/0000-0003-0238-3466
Рудаева Елена Владимировна, к.м.н., доцент, кафедра акушерства и гинекологии им. Г.А. Ушаковой, Кемеровский государственный медицинский университет
Минздрава России, 650056, Россия, Кемеровская область – Кузбасс, Кемерово, ул. Ворошилова, д. 22а, +7(3842)73-48-56, rudaevae@mail.ru,
https://orcid.org/0000-0002-6599-9906
Елгина Светлана Ивановна, д.м.н., профессор, кафедра акушерства и гинекологии им. Г.А. Ушаковой, Кемеровский государственный медицинский университет Минздрава России, 650056, Россия, Кемеровская область – Кузбасс, Кемерово, ул. Ворошилова, д. 22а, +7(3842)73-48-56, elginas.i@mail.ru,
https://orcid.org/0000-0002-6966-2681
Мозес Кира Борисовна, ассистент, кафедра поликлинической терапии и сестринского дела, Кемеровский государственный медицинский университет Минздрава России, 650056, Россия, Кемеровская область – Кузбасс, Кемерово, ул. Ворошилова, д. 22а, +7(950)276-11-85, kbsolo@mail.ru, https://orcid.org/0000-0003-2906-6217
Вавин Григорий Валерьевич, к.м.н., заместитель главного врача по лабораторной диагностике, Кузбасская областная клиническая больница им. С.В. Беляева,
650066, Россия, Кемеровская область – Кузбасс, Кемерово, пр-т Октябрьский, д. 22, +7(961)710-55-50, okb-lab@yandex.ru, https://orcid.org/0000-0003-0179-0983
Автор, ответственный за переписку: Елена Владимировна Рудаева, rudaevae@mail.ru

Технологии искусственного интеллекта в гинекологии

Мозес В.Г., Котов Р.М., Рудаева Е.В., Елгина С.И., Мозес К.Б., Вавин Г.В.

Ключевые слова

Список литературы

Об авторах / Для корреспонденции

Также по теме