Эти данные свидетельствуют о том, что с течением времени врачи научились работать на уровне чувствительности CAD, благодаря чему их использование как второго мнения стало менее актуальным. В результате CAD-системы потеряли преимущество их применения на текущем уровне развития технологий. В исследовании A. Kohli, S. Jha «Почему CAD потерпел неудачу в маммографии?» отмечается, что ограниченные вычислительные ресурсы и отсутствие контролируемого обучения были ключевыми проблемами [93]. Авторы подчеркивают: для повышения спроса на CAD система должна «видеть то, что невидимо человеку». Таким образом, в маммографии начинается новая эра использования машинного обучения для анализа данных.
2.2. Развитие программного обеспечения, основанного на технологиях искусственного интеллекта
CAD-системы нового поколения, основанные на технологиях искусственного интеллекта (ПО на основе ТИИ), отличаются от предшественников главным образом использованием при их разработке сложных алгоритмов, тренируемых на больших данных без активного участия оператора. Успех разработки таких систем в значительной степени зависит от качества данных [94]. Размещение этих данных в открытом доступе [95—98] и возможность использования мощных вычислительных ресурсов способствовали быстрому росту исследований в области ИИ [99]. Применение ПО на основе ТИИ в клинической практике возможно только после официальной регистрации продукта как медицинского изделия. Принципиальное отличие ПО на основе ТИИ от ранее рассмотренных экспертных систем заключается в том, что оно способно обучаться и накапливать опыт [100].
Основные сферы применения ИИ охватывают: 1) технологии обработки естественного языка (NLP) для анализа текста и речи; 2) компьютерное зрение (CV) для распознавания, классификации и анализа образов на медицинских изображениях; 3) анализ больших данных (Data Science) для выявления закономерностей, структурирования данных, извлечения знаний и предсказания исходов [101]. В этом разделе основное внимание будет уделено программному обеспечению на основе искусственного интеллекта для компьютерного зрения, направленному на классификацию и локализацию патологий. ПО на основе ТИИ использует два основных метода: машинное обучение, где значимость параметров определяется алгоритмически [102, 103], и глубокое обучение, которое воспроизводит структуру человеческого мозга и включает значительно больше параметров [103]. Для клинического использования такого ПО требуется подтверждение его эффективности [103].