Use of Artificial Intelligence in the Diagnosis of Musculoskeletal Disorders:A Systematic Review and Meta-Analysis

Full Text

Введение

Заболевания опорно-двигательного аппарата (ОДА), согласно Всемирной организации здравоохранения (ВОЗ), представляют собой гетерогенную группу более чем 150 заболеваний, поражающих мышцы, кости, суставы и прилежащие соединительнотканные структуры¹. В Международной классификации болезней 10-го пересмотра (МКБ-10) они классифицированы в разделе M (M00-M99) «Болезни костно-мышечной системы и соединительной ткани». Заболевания ОДА служат одной из основных причин потери функциональной независимости наряду с утратой трудоспособности.

По данным проекта Global Burden of Disease (GBD) 2019, с заболеваниями ОДА живут около 1,71 млрд человек [1]. В 2020 году число пациентов с остеоартритом (ОА) независимо от этиологии и локализации составило 595 млн человек по всему миру [2]. При этом наиболее распространенными локализациями ОА были коленный и тазобедренный суставы [2]. По данным масштабного эпидемиологического исследования, посвященного оценке ревматических заболеваний в Российской Федерации, относительная распространенность ОА коленных и/или тазобедренных суставов среди взрослого населения России составила 13 000, ревматоидного артрита - 610, анкилозирующего спондилита - 100, псориатического артрита - 370, реактивного артрита - 420 на 100 тыс населения [3].  Наряду с воспалительными и дегенеративными заболеваниями суставов, значительный вклад в общее бремя заболеваний ОДА вносят метаболические заболевания костной ткани - остеопения и остеопороз, а также ассоциированные с ними переломы. По данным мета-анализа 86 исследований, включавшего лиц в возрасте 15-105 лет, глобальная распространённость остеопороза составляет 18,3%; среди женщин - 23,1%, среди мужчин - 11,7%. [4].  В Российской Федерации численность пациентов с остеопорозом составляет 14-16 млн человек, что представляет примерно 10% взрослого населения страны [5]. Среди лиц в возрасте 50 лет и старше остеопороз выявляется у 34% женщин и 27% мужчин, а частота остеопении составляет 43% и 44% соответственно. По оценкам Международного фонда остеопороза, в мире ежегодно фиксируется около 37 млн низкоэнергетических переломов у лиц ≥55 лет [3]. Для Российской Федерации по данным мультицентрового исследования было выявлено, что число переломов шейки бедра в 2010 г. составляло около 112 000 случаев, а число остеопоротических переломов в целом - примерно 590 000 случаев [4].

Подходы к скринингу и ранней диагностике ОДА с помощью методов визуализации существенно различаются между нозологиями. Популяционный скрининг (в т.ч. оппортунистический) показан только для остеопении и остеопороза в силу высокой распространённости этих патологий и доказанной эффективности в профилактике переломов [6, 7, 8]. Для других заболеваний ОДА, в частности ОА и других ревматических заболеваний, рутинный скрининг не показан. Для данных патологий визуализация в настоящее время применяется по показаниям, для выявления доклинических изменений и стратификации риска манифестации и прогрессирования заболевания [9, 10]. 

В диагностике патологий ОДА «поверх» цифровых методов визуализации широко применяются технологии на основе искусственного интеллекта (ТИИ). ТИИ используются для повышения информативности существующих модальностей за счёт автоматической детекции и локализации патологических изменений, точной сегментации и количественной оценки признаков с последующим стандартизированным описанием. В сложных диагностических случаях ТИИ позволяют повысить воспроизводимость и точность интерпретации. В контексте ОДА ТИИ активно применяются для оппортунистического скрининга патологий костно-мышечной системы, в частности остеопении и остеопороза, автоматически выявляя эти состояния при анализе исследований, выполненных по другим медицинским показаниям [8]. Также перспективным направлением для применения ТИИ для патологий ОДА является сравнение исследований в динамике с целью уменьшения интра- и межоператорских разногласий, как было предложено в обзоре A. Hosny et al (2018) [11].

В настоящее время опубликованные систематические обзоры, посвящённые применению ТИИ в диагностике патологий ОДА, сосредоточены в основном на анализе научных публикаций в рецензируемых изданиях. Однако информация об успешно завершённых клинических апробациях и внедрении решений в клиническую практику регулярно и оперативно обновляется вне рецензируемых баз данных: в регистрационных документах и реестрах регуляторных органов, технических отчётах, на официальных веб-сайтах компаний-разработчиков. Опубликованные систематические обзоры по применению ТИИ в диагностике патологий ОДА имеют существенные ограничения. Во-первых, они практически не охватывают российские разработки в этой области. Во-вторых, они не учитывают значительную часть ТИИ, получивших одобрение регуляторных органов и активно применяющихся в клинической практике, но оставшихся за пределами рецензируемых научных баз данных. В-третьих, в большинстве исследований, посвящённых применению ТИИ, показатели диагностической точности рассчитываются на внутренних данных, что может приводить к их завышению. При этом число работ, в которых выполнена внешняя валидация на независимых выборках и представлены более воспроизводимые оценки, остаётся крайне ограниченным. Это обосновывает необходимость проведения систематического обзора, объединяющего рецензируемую литературу и «серую литературу», с включением исследований, в которых выполнена внешняя валидация на независимых данных, а также последующим мета-анализом по отдельным нозологиям и оценкой риска систематической ошибки.

Цель

Провести систематический обзор с мета-анализом диагностической точности ТИИ при патологиях опорно-двигательного аппарата с включением данных рецензируемых публикаций и источников «серой» литературы и оценкой качества методологии исследований.

Материал и методы

Данный систематический обзор и мета-анализ был зарегистрирован в международном регистре International Prospective Register of Systematic Reviews (PROSPERO) (CRD420251268735) и выполнен в соответствии с рекомендациями  Preferred Reporting Items for Systematic reviews and Meta-Analyses (PRISMA) 2020.

Стратегия поиска

Поиск источников осуществлялся в 3 этапа и охватывал как рецензируемую научную литературу, так и источники вне рецензируемых баз данных (так называемую «серую литературу»). На 1-м этапе проводился поиск исследовательских работ в базах данных PubMed и eLibrary согласно заданным поисковым запросам. На 2-м этапе осуществлялся поиск информации вне рецензируемых баз данных: реестрах МИ с ИИ регуляторных органов, веб-сайтах разработчиков и технических отчетах. На 3-м этапе для каждого найденного в «серой литературе» медицинского изделия на основе технологий ИИ (МИ с ИИ) проводился целенаправленный поиск научных публикаций с целью выявить опубликованные по этому конкретному изделию исследования, которые могли не попасть в результаты первичного поиска.

Поиск рецензируемой научной литературы

Первичный поиск исследовательских работ осуществляли с использованием поисковых систем PubMed и eLibrary.  Дата последнего проведённого поиска: 18.12.2025.  Поиск был ограничен периодом 2023-2025 гг. Учитывая высокие темпы развития данной области, более ранние исследования могут в меньшей степени отражать применение ТИИ в диагностике патологий ОДА. Именно на указанный период приходится пик публикационной активности по данной теме.

Поле запроса в поисковой системе PubMed выглядело следующим образом:

("Artificial Intelligence"[Mesh] OR "Machine Learning"[ Title/Abstract] OR "Deep Learning"[ Title/Abstract]

AND

("Diagnostic Imaging"[Mesh] OR "computed tomography"[Title/Abstract] OR "CT"[Title/Abstract] OR "magnetic resonance imaging"[Title/Abstract] OR "MRI"[Title/Abstract]  OR "radiograph"[Title/Abstract] OR "X-ray"[Title/Abstract] OR "bone densitometry"[Title/Abstract]  OR "dual-energy X-ray absorptiometry"[Title/Abstract] OR "DXA"[Title/Abstract] OR "DXA"[Title/Abstract]  OR "imaging"[Title/Abstract])

AND

 ("Musculoskeletal Diseases"[Mesh]  OR "Bone Diseases, Metabolic"[Mesh]  OR "Tendinopathy"[Mesh] OR osteoarthritis[Title/Abstract] OR osteoporosis[Title/Abstract]  OR osteopenia[Title/Abstract]  OR fracture[Title/Abstract]  OR spondylarthritis[Title/Abstract]  OR "spinal stenosis"[Title/Abstract]  OR "intervertebral disc degeneration"[Title/Abstract]  OR "intervertebral disc herniation"[Title/Abstract]  OR osteonecrosis[Title/Abstract]  OR sacroiliitis[Title/Abstract]  OR bursitis[Title/Abstract]  OR "carpal tunnel"[Title/Abstract])

AND

("Diagnosis"[Mesh] OR "screening"[Title/Abstract] OR "diagnos*"[Title/Abstract] OR "detection"[Title/Abstract] OR "classification"[Title/Abstract])

NOT ("oncology"[Title/Abstract] OR "cancer"[Title/Abstract] OR "carcinoma"[Title/Abstract] OR "neoplasm"[Title/Abstract] OR "tumor"[Title/Abstract] OR "sarcoma"[Title/Abstract] OR "metastases"[Title/Abstract] OR review[pt] OR letter[pt] OR editorial[pt] OR comment[pt])

Поисковый запрос в eLibrary осуществляли с помощью ключевых слов: «искусственный интеллект», «компьютерная томография», «магнитно-резонансная томография», «рентгенография», «костно-мышечная система», «УЗИ», «опорно-двигательный аппарат», «минеральная плотность костной ткани», «остеопения», «остеопороз», «остеоартроз», «остеоартрит», «спондилоартрит», «дегенерация межпозвоночных дисков», «остеонекроз», «грыжа диска».

Критерии исключения:

• неоригинальные исследования;
• работы, посвященные применению ТИИ для диагностики онкологических заболеваний ОДА, включая метастазы в кости;
• исследования по применению ТИИ в ортопедической стоматологии и челюстно-лицевой хирургии;
• статьи, в которых ТИИ использовались исключительно для анатомической разметки или сегментации изображений без постановки задачи диагностики или классификации конкретных заболеваний ОДА;
• исследования, в которых ТИИ применялись только для оценки прогноза течения заболеваний ОДА;
• исследования без внешней валидации на независимой выборке;
• работы, посвященные разработке и валидации технических утилит для калибровки, контроля качества или постобработки изображений, не ориентированных на диагностику нозологий ОДА.

Извлечение информации из статей для систематического обзора:

Из полных текстов включенных статей извлекали следующие характеристики:

• библиометрические данные - имя первого автора, название публикации, год выхода, DOI (Digital Object Identifier - цифровой идентификатор объекта), наименование журнала, страну проведения исследования;
• дизайн и методология исследований: формулировка цели исследования, изучаемая патология, дизайн исследования, модальность визуализации, единица анализа (пациент/изображение), проводилась ли внешняя валидация; общий вывод;
• характеристики выборки: число пациентов; число изображений/срезов (при наличии); возраст; доля мужчин; представленность патологии; критерии включения и исключения;
• референс-тест; количество врачей-экспертов и их опыт;
• характеристики модели: наименование и архитектура (при наличии), наличие кода в открытом доступе;
• показатели диагностической точности: чувствительность, специфичность; матрица ошибок 2×2 (true positives [TP], false negatives[FN], false positives[FP], true negatives[TN]); число уникальных пациентов/изображений, использованных для расчёта метрик в группе внешней валидации;
• потенциальный конфликт интересов.

Поиск источников вне рецензируемых баз данных

Отдельно проводился поиск источников вне рецензируемых баз данных, включая документы регуляторных органов, реестры и технические отчеты. Поиск охватывал 4 основных региона: Европейский союз, Российскую Федерацию, Соединённые Штаты Америки и Азиатско-Тихоокеанский регион (Япония, Китай).

В анализ включались официально зарегистрированные МИ с ИИ, предназначенные для автоматизированной диагностики или поддержки принятия решений при патологиях ОДА. Исключались решения для анатомической разметки и сегментации без цели диагностики конкретной нозологии, обучающие приложения для специалистов, а также утилиты для калибровки, контроля качества и постобработки изображений, не предназначенные для непосредственного клинического применения.

Поиск проводился с использованием фильтров, после чего результаты проверяли вручную для проверки на соответствие предполагаемого назначения диагностике патологий ОДА.

Зарубежные источники. Анализ одобренных МИ с ИИ в странах ЕС для лучевой диагностики ОДА проводился через платформу Health AI Register² - специализированный реестр всех МИ с ИИ с маркировкой CE (Conformité Européenne - соответствие европейским стандартам), одобренных для применения в медицинских организациях в странах ЕС.

Поиск МИ с ИИ, одобренных Управлением по санитарному надзору за качеством пищевых продуктов и медикаментов (FDA - U.S. Food and Drug Administration), проводился в разделе сайта «Artificial Intelligence-Enabled Medical Devices»³.

Отечественные источники. По аналогии, поиск МИ с ИИ, одобренных Росздравнадзором, проводился в «Государственном реестре медицинских изделий и организаций (индивидуальных предпринимателей), осуществляющих производство и изготовление медицинских изделий»⁴ и портале ЕГИСЗ (Единой государственной информационной системы в сфере здравоохранения)⁵.

Также проводился поиск среди сервисов по диагностике патологий ОДА, участвующих в «Московском эксперимент» [12]. В рамках проекта «Московский эксперимент» осуществлялся мониторинг диагностической точности сервисов, ранее прошедших функциональное тестирование и допущенных к применению в условиях специального правового режима (СПР). В рамках СПР работа сервисов на основе искусственного интеллекта (ИИ-сервисов) допускается без оформления регистрационного удостоверения. Для каждого сервиса ежемесячно формировалась случайная выборка из 80 исследований с патологией/без патологии. Для них проводилась независимая экспертная оценка и рассчитывались показатели диагностической точности с формированием матрицы ошибок 2×2; данные представлены в виде отчетов по каждому обследованию. Для целей настоящего исследования анализировали отчеты мониторинга за 6 месяцев в течение 2025 г по искомым направлениям ОДА. Отчеты и исследования с техническими ошибками и артефактами, препятствующими корректной интерпретации (например, неполные исследования, некорректные серии/качество изображений), исключали. Интервал включения в анализ выбран для обеспечения объема данных не менее 400 исследований на каждый сервис, что соответствовало эмпирическому размеру выборки для задач внешней валидации при использовании бинарной классификации [13].

Из информационных источников «серой» литературы по медицинским изделиям с ИИ извлекали следующие данные:

• наименование продукта, наименование компании-разработчика и страна производителя;
• модальность визуализации;
• наличие официального веб-сайта продукта/компании-разработчика и доступность на нем сведений о клинической валидации (описание метрик, ссылки на исследования/отчеты);
• показатели диагностической точности (при наличии): численные значения чувствительности и специфичности и/или матрица ошибок 2×2 (TP, FN, FP, TN).

Риск систематической ошибки. Для оценки методологических сложностей, связанных с исследованиями диагностической точности, использовали модифицированный опросник Quality Assessment of Diagnostic Accuracy Studies-Computer-Aided Detection (QUADAS-CAD) [14, 15]. Оценку проводили по четырем доменам: отбор пациентов, исследуемый тест, эталонный тест, поток пациентов. 

Cтатистический анализ. Формальная проверка статистических гипотез не проводилась. Мета-анализ выполняли отдельно для каждой патологии ОДА при наличии не менее 3 независимых исследований (включая источники «серой» литературы). В анализ включали только исследования с внешней валидацией и доступными данными для внешней валидационной выборки: чувствительность/специфичность и/или матрица ошибок 2×2 (TP, FN, FP, TN). Дополнительным критерием включения в мета-анализ было то, чтобы единицей анализа являлся пациент, а не отдельное изображение/срез. Мета-анализ проводили отдельно для каждой патологии с использованием MetaDTA: Diagnostic Test Accuracy Meta-Analysis v2.1.5  и бивариантной модели со случайными эффектами [16, 17]. В модели в качестве зависимых переменных рассматривались чувствительность и специфичность, которые оценивались совместно с учётом их возможной корреляции. Межисследовательская вариабельность учитывалась посредством включения случайных эффектов для обеих метрик, тогда как фиксированные эффекты не задавались. Рассчитывали обобщённые значения чувствительности и специфичности с 95% доверительными интервалами (ДИ) и представляли результаты в виде форест-графиков сгруппированных данных по чувствительности и специфичности. Межисследовательскую вариабельность анализировали преимущественно описательно по форест-графикам и иерархическим сводным кривым «чувствительность-специфичность» (hierarchical summary receiver operating characteristic, HSROC). При неустойчивости расчётов при малом числе исследований использовали MetaBayesDTA для получения обобщённых оценок.

Достоверность доказательств эффектов, обнаруженных в метаанализе, была оценена с использованием подхода GRADE (Grading of Recommendations Assessment, Development and Evaluation) [18]. Качество оценивалось как высокое, умеренное, низкое или очень низкое в соответствии с критериями GRADE.

 

Результаты

Отбор исследований

Рисунок 1. Блок-схема поэтапного отбора исследований для систематического обзора и мета-анализа в соответствии с рекомендациями PRISMA 2020.Figure 1. Flow diagram of the stepwise study selection process for the systematic review and meta-analysis in accordance with the PRISMA 2020 guidelines.

Основные причины исключения источников на этапе полнотекстовой оценки представлены на блок-схеме отбора исследований. Для обеспечения прозрачности процесса отбора детализированные списки исключённых источников были вынесены в приложения. Таким образом, в систематический обзор были включены 42 источника (24 рецензируемые публикации и 18 источников «серой литературы»), из которых 17 вошли в мета-анализ. Подробный перечень публикаций, исключённых после полнотекстового анализа, с указанием причин исключения представлен в Приложении 1. Перечень исключённых после полнотекстовой оценки источников серой литературы с указанием причин исключения приведён в Приложении 2.

Базовые характеристики статей, включенных в систематический обзор (n=24)

Наибольшее число исследований было выполнено в Китайской Народной Республике (15 работ, 62,5%), второе место заняла Франция (3 работы, 12,5%), третье место делили между собой Южная Корея, Испания, Великобритания и Германия (по 2 исследования, 8,3).

Во включенных публикациях технологии на основе ИИ применялись для диагностики следующих патологий:

• остеопения, остеопороз - 8 (33,3%);
• активный сакроилеит - 4 (16,7%);
• дегенеративные изменения и грыжа межпозвоночного диска - 3 (12,5%);
• гонартроз - 2 (8,0%);
• остеонекроз головки бедренной кости - 2 (8,3%);
• компрессионные переломы позвонков - 1 (4,2%);
• стеноз позвоночного канала - 1 (4,2%);
• деформации стопы - 1 (4,2%);
• коксартроз - 1 (4,2%);
• адгезивный капсулит плечевого сустава - 1 (4,2%);
• инфекционный спондилит - 1 (4,2%);
• ревматоидный артрит - 1 (4,2%).

Подавляющее большинство включённых исследований имели ретроспективный дизайн, только в одном исследовании выполнен вторичный анализ проспективно собранных когортных данных (DESIR и ASAS) [19]. По организационной структуре преобладали двухцентровые (6; 25,0%) и многоцентровые исследования (18; 75,0%).

Внешняя валидация проводилась во включенных исследованиях немного по-разному. В 17 исследованиях она проводилась на данных пациентов независимых клинических центров, в 7  работах - на публичных датасетах. В исследовании S. Xu et al. (2025) внешнюю валидацию выполнили и на данных независимого клинического центра, и на публичном датасете OAI (Osteoarthritis Initiative) с целью дополнительно проверить обобщаемость и устойчивость модели вне исходного набора данных [20]. Под внешней валидацией на данных независимого клинического центра понимали тестирование модели на выборке пациентов из сторонней медицинской организации. Внешняя валидация на публичных датасетах представляла собой тестирование на внешних наборах данных, не задействованных при обучении и внутреннем тестировании модели и размещённых в открытом доступе для научного использования на специализированных платформах и в репозиториях.

Объём выборки по числу пациентов указан во всех исследованиях, за исключением исследования Y. Liao et al. (2025), так как в данной работе проводился анализ изображений без описания исследуемой выборки [21]. Возраст и пол одновременно были указаны в подавляющем большинстве работ. На больших по объёму выборках выполнено 5 исследований:

• 24 666 пациентов [22];
• 15 854 пациента [20];
• 9 276 пациентов [23];
• 7 811 пациентов [24];
• 2 500 пациентов [25].

Распределение патологии было охарактеризовано во всех включенных исследованиях. По постановке задачи исследования разделились приблизительно поровну: 13 (54,2%) работ были посвящены диагностике патологии по сравнению с нормой или отсутствием патологии, а 11(45,8%) - классификации патологии (степень, стадия, тип). В 9 исследованиях (37,5%) с бинарной постановкой задачи распределение выборок чаще было близким к сбалансированному (примерно 40-60%), дисбаланс классов отмечен в 4 работах [19, 26-28]. В работах по классификации патологии дисбаланс встречался чаще: в 3 исследованиях (12,5%) доля отдельных классов была менее 10% [10, 27, 29].

Модальность визуализации была указана во всех исследованиях. Распределение модальностей (в порядке убывания) было следующим: магнитно-резонансная томография (МРТ) - 10 (41,67%), рентгенография - 8 (33,3%), компьютерная томография (КТ) -5 (20,8%), ультразвуковое исследование (УЗИ) - 1 (4,2%).

Самыми распространёнными архитектурами моделей были сверточные нейронные сети, прежде всего архитектуры семейства ResNet [18, 26, 29] и DenseNet [19, 23, 25, 30], а также сегментационные сети семейства U-Net [27, 29, 30, 32]. В отдельных исследованиях использовались несколько архитектур, либо проводилось их сравнение между собой.

Референс-тест был проведен во всех включенных исследованиях. Сравнение диагностической точности моделей с врачами-экспертами проводилось в 10 исследованиях (41,7%). Число врачей и их опыт были приведены в 20 исследованиях (83,3%). Базовые характеристики статей приведены в Приложении 3.

Базовые характеристики исследований, полученных из источников «серой» литературы (n=18)

Все включённые исследования, описанные в источниках серой литературы, были проведены в 6 странах. Подавляющее большинство исследований было выполнено в Российской Федерации: 13 из 18 (72,2%), что было обусловлено включением сервисов Московского эксперимента. На США, Великобританию, Австрию, Данию и Францию приходилось по 1 источнику (по 5,6%); все они были представлены материалами по сервисам, получившим разрешение FDA.

Во включённых источниках серой литературы технологии на основе ИИ применялись для диагностики следующих патологий:

• гонартроз - 4 (22,2%);
• сколиоз - 3 (16,7%);
• компрессионные переломы позвонков - 3 (16,7%);
• остеопения и остеопороз - 2 (11,1%);
• протрузии и грыжи межпозвоночных дисков, стеноз позвоночного канала - 2 (11,1%);
• поперечное плоскостопие - 2 (11,1%);
• спондилолистез - 1 (5,6%);
• коксартроз - 1 (5,6%).

Все 13 исследований (72,2%), относящихся к Московскому эксперименту, имели проспективный дизайн. Оставшиеся 5 исследований (27,8%), представленные официальными документами FDA, были проведены ретроспективно. Все включённые исследования, описанные в источниках «серой» литературы, были многоцентровые. Внешняя валидация на данных независимых клинических центров или внешних клинических когорт была представлена в 16 из 18 источников серой литературы (88,9%), тогда как валидация на публичных датасетах - в 2 из 18 источников (11,1%). К последней категории относились только сервисы KOALA и RBknee [33, 34].

Объём выборок во включённых источниках «серой» литературы был указан во всех исследованиях: в 17 из 18 исследований (94,4%) он соответствовал числу пациентов, тогда как в 2 зарубежных источниках (11,1%) дополнительно приводилось число изображений. В единственном исследовании по сервису BunkerHill BMD размер выборки был представлен только числом исследований [35].

На больших по объёму выборках были выполнены 3 исследования по следующим сервисам:

• OsteoSight Hip (3082 пациента) [36],
• KOALA (1149 пациентов и 6597 рентгенограмм) [33],
• RBknee (421 пациент и 4279 рентгенограмм) [34].

Распределение патологии внутри выборки не описывалось ни в одной работе, поскольку все включённые исследования были посвящены выявлению одной целевой патологии по сравнению с нормой либо отсутствием патологии. Соотношение классов патологии и нормы было приведено во всех 18 исследованиях. Условно сбалансированное распределение отмечалось в 4 работах (22,2%), тогда как в 14 (77,8%) наблюдался дисбаланс. Конкретные архитектуры моделей не были указаны ни в одном из источников. В отдельных документах содержалось лишь общее описание подхода, включая методы глубокого обучения, машинное обучение  с учителем и алгоритмы компьютерного зрения [33, 34].

Сведения о референсном тесте были представлены во всех 18 исследованиях, однако степень их детализации различалась. Во всех 13 исследованиях из Московского эксперимента референсом были врачебная оценка и сопоставление результатов работы сервиса с заключениями врача-рентгенолога. В зарубежных работах подход к формированию референсного стандарта различался. Для сервиса OsteoSight Hip в качестве золотого стандарта использовали двухэнергетическую рентгеновскую абсорбциометрию (DXA). Для сервисов KOALA и RBknee референс формировался врачами-экспертами с применением процедур согласования при расхождениях, а для CINA-VCF - на основе консенсуса 3 экспертных врачей-рентгенологов. Для сервиса BunkerHill BMD упоминалось сравнение с заранее установленным эталонным результатом, однако способ его получения не уточнялся. Количество врачей и информация об их опыте были указаны в 3 исследований (16,7%) [33, 34, 37]. Базовые характеристики источников «серой» литературы приведены в Приложении 3.

Оценка качества методологии рецензируемых исследований

Оценка качества методологии 24 рецензируемых исследований с использованием модифицированного опросника QUADAS-CAD представлена на Рисунке 2 и в Приложении 4. В большинстве проанализированных работ присутствовали отдельные методологические ограничения. Лишь в 6 из 24 исследований (25,0%) общий риск систематической ошибки был оценён как низкий, тогда как в 13 из 24 ( 54,2%) отмечены некоторые сомнения, ещё в 5 из 24 (20,8%) - высокий риск систематической ошибки. Таким образом, в 18 из 24 работ (75,0%) сохранялась вероятность систематической ошибки, способной влиять на оценку диагностической точности. Рассмотрим подробнее основные причины.

Наиболее уязвимым оказался домен «отбор пациентов». Высокий риск в этом домене был присвоен 17 из 24 исследований (70,8%). Решающее значение в данном домене имели ответы на 2 сигнальных вопроса: 1) был ли набор данных сбалансирован случаями без патологии; и 2) был ли набор данных сбалансирован по степени тяжести целевой патологии. По первому из них в 7 из 24 исследований (29,2%) был получен ответ «нет», тогда как ещё в 2 работах (8,3%) этот вопрос был неприменим. По второму сигнальному вопросу ответ «нет» был зафиксирован уже в 14 из 24 исследований (58,3%), что и стало основной причиной высокой частоты ограничений. Кроме того, в 3 работах (12,5%) не удалось избежать необоснованных исключений; на эти ограничения сами авторы указывали в соответствующих разделах публикаций.

 Домен «индекс-тест» также вносил заметный вклад в общий риск систематической ошибки. Низкий риск был отмечен в 11 из 24 исследований (45,8%), некоторые сомнения - в 12 (50,0%), высокий риск - в 1 работе (4,2%). Обоснование размера выборки было представлено только в 1 исследовании - Nicolaes J. et al (2025) [38]. Основной источник неопределённости был связан с вопросом, были ли заранее установлены граничные значения для ответа ИИ: в половине работ эта информация была представлена недостаточно ясно, а ещё в 1 работе (4,2%) по данному пункту был получен ответ «нет». По сигнальному вопросу, касающемуся возможного пересечения обучающей и тестовой выборок, во всех включённых исследованиях авторы сообщали об отсутствии такого пересечения. Во всех работах было указано, что диагностические пороги для определения целевой патологии были заданы заранее.

Домен «эталонный тест» оказался наиболее методологически благополучным: во всех исследованиях риск по данному домену был оценён как низкий. Во всех работах эталонный тест считался достаточным для классификации целевых патологий ОДА, а интерпретация его результатов выполнялась специалистами должного уровня квалификации.

В домене «поток данных и временной интервал» методологические ограничения выявлялись реже: высокий риск был присвоен 5 исследованиям. В 4 работах причиной этого стало неполное включение исходных наблюдений в итоговый анализ. В работе N. Hong и соавт. (2023) референсный тест различался между пациентами, поскольку авторы одновременно оценивали остеопороз и компрессионные переломы позвонков, используя для этих состояний разные эталонные методы [23].

В проанализированных исследованиях можно предполагать риск завышения статистической значимости, связанный с отсутствием явных указаний на коррекцию уровня значимости при множественных сравнениях. Ни в одной из работ, где проводились серии попарных сравнений, применение такой коррекции не было описано. Индивидуальные оценки риска по каждому исследованию представлены в Приложении 4. 

Рисунок 2. Оценки риска систематической ошибки в рецензируемых исследованиях с помощью модифицированного опросника QUADAS-CAD: QUADAS-CAD (Quality Assessment of Diagnostic Accuracy Studies Computer-Aided Detection) - специализированный модифицированный опросник для оценки риска систематических ошибок и применимости исследований в области технологий искусственного интеллекта. Figure 2. Risk of bias assessments in peer-reviewed studies using the modified QUADAS-CAD tool. QUADAS-CAD (Quality Assessment of Diagnostic Accuracy Studies - Computer-Aided Detection) is a specialized extension designed to assess the risk of bias and applicability of diagnostic accuracy studies evaluating artificial intelligence technologies.

Оценка качества методологии источников «серой» литературы

Оценка качества методологии 18 исследований, включённых из источников «серой» литературы, с использованием модифицированного опросника QUADAS-CAD представлена на Рисунке 3 и в Приложении 4. Во всех источниках общий риск систематической ошибки был классифицирован как «некоторые сомнения». Наиболее уязвимым оказался домен «отбор пациентов». Высокий риск в этом домене был присвоен 15 из 18 исследований (83,3%), тогда как ещё в 3 работах (16,7%) были отмечены некоторые сомнения. Основной причиной был выраженный дисбаланс выборок по наличию и отсутствию патологии: в большинстве источников преобладали пациенты с целевой патологией, тогда как доля наблюдений без патологии была ограниченной. Также был зафиксирован дисбаланс по степени выраженности патологического процесса.

Рисунок 3. Оценки риска систематической ошибки в источниках «серой» литературы с помощью модифицированного опросника QUADAS-CAD: QUADAS-CAD (Quality Assessment of Diagnostic Accuracy Studies Computer-Aided Detection) - специализированный модифицированный опросник для оценки риска систематических ошибок и применимости исследований в области технологий искусственного интеллекта. Figure 3. Risk of bias assessments in grey literature sources using the modified QUADAS-CAD tool. QUADAS-CAD (Quality Assessment of Diagnostic Accuracy Studies - Computer-Aided Detection) is a specialized extension designed to assess the risk of bias and applicability of diagnostic accuracy studies evaluating artificial intelligence technologies.

Домен «индекс-тест» во всех 18 исследованиях (100%) был оценён как имеющий «некоторые сомнения». Основным источником неопределённости являлось отсутствие детализированного описания характеристик ИИ-сервисов, включая параметры принятия диагностического решения, архитектуру моделей и обоснование используемых порогов. При этом в большинстве источников указывалось отсутствие пересечения обучающих и тестовых выборок и предварительное задание диагностических критериев, однако степень детализации этих сведений оставалась ограниченной.

Домен «эталонный тест» оказался наиболее методологически благополучным: в 17 из 18 исследований (94,4%) риск был оценён как низкий, и лишь в 1 источнике (5,6%) отмечены некоторые сомнения. Во всех сервисах Московского эксперимента референсом служили врачебная оценка и сопоставление результатов работы сервиса с заключениями врача-рентгенолога. В зарубежных источниках подход к формированию эталонного теста различался: для OsteoSight Hip использовали DXA[36], для KOALA и RBknee - экспертную оценку с процедурами согласования [33, 34], для CINA-VCF - консенсус 3 врачей-рентгенологов [37]. Для сервиса BunkerHill BMD эталонный тест был описан недостаточно подробно [35].

В домене «поток данных и временной интервал» низкий риск был присвоен 4 из 18 исследований (22,2%), тогда как в остальных 14 (77,8%) отмечены некоторые сомнения. Основные ограничения в данном домене были связаны преимущественно с недостаточной прозрачностью формирования итоговой выборки, включая краткое описание исключённых по техническим причинам исследований, а также отсутствием сведений о временных интервалах между индекс-тестом и эталонной оценкой.

Таким образом, серые источники характеризовались однородным профилем методологических ограничений: при отсутствии выраженного высокого общего риска систематической ошибки во всех работах сохранялись некоторые сомнения, связанные прежде всего с особенностями отбора пациентов и неполнотой описания индекс-теста.

Мета-анализы по отдельным патологиям опорно-двигательного аппарата

Отбор источников для мета-анализа

Из 42 источников, включённых в систематический обзор, в количественный синтез вошли 17 - 8 рецензируемых публикаций и 9 источников «серой» литературы. Остальные 25 источников (16 рецензируемых публикаций и 9 источников «серой» литературы) не были включены в мета-анализ по одной или нескольким причинам. В подавляющем большинстве исследований, включённых в мета-анализ, ИИ-сервисы использовались для решения бинарной диагностической задачи - определения наличия или отсутствия целевой патологии. В 4 исследованиях модель использовали для классификации патологии по типу, стадии, степени тяжести, или дифференциальной диагностики. Поскольку число таких исследований, особенно с внешней валидацией, было крайне ограниченным, выполнить для них отдельный мета-анализ не представлялось возможным.

Таким образом, мета-анализ был выполнен только для 5 нозологий: гонартроза, активного сакроилеита, остеопороза, компрессионных переломов позвонков и сколиоза.

Гонартроз. Мета-анализ диагностической точности для гонартроза выполняли с использованием байесовской бивариантной модели. В количественный синтез были включены 3 сервиса из источников «серой» литературы: CVisionRad Knee Arthrosis [39], Oxytech «РГ коленного сустава»[40] и KOALA[33]. Распределение оценок специфичности и чувствительности отдельных ИИ-сервисов, включённых в мета-анализ при гонартрозе, представлено на Рисунке 4. Объединённая чувствительность составила 0,959 (95% апостериорный интервал 0,709-0,993), объединённая специфичность - 0,728 (95% апостериорный интервал 0,457-0,856).

Рисунок 4. Форест-графики специфичности (А) и чувствительности (Б) ИИ-сервисов, включённых в мета-анализ диагностической точности для выявления гонартроза. Figure 4. Forest plots of specificity (A) and sensitivity (B) of AI services included in the diagnostic accuracy meta-analysis for the detection of knee osteoarthritis.

Обобщённая диагностическая точность ИИ-сервисов при гонартрозе и область ожидаемой межисследовательской вариабельности представлены на Рисунке 5 в виде HSROC-кривой.

Рисунок 5. HSROC-кривая мета-анализа диагностической точности ИИ-сервисов для выявления гонартроза. Чёрные точки соответствуют отдельным исследованиям, прозрачный ромб - сводной оценке, сплошная линия - HSROC-кривой. Две чёрные точки, соответствующие сервисам CVisionRad Knee Arthrosis и Oxytech РГ коленного сустава, частично накладываются друг на друга вследствие близких значений чувствительности и специфичности. Пунктирная линия отражает 95% прогностическую область, а область, закрашенная серым цветом- 95% апостериорную область сводной оценки, рассчитанную в рамках бивариантной модели.  Figure 5. HSROC curve of the diagnostic accuracy meta-analysis of AI services for the detection of knee osteoarthritis. Black dots represent individual studies, the transparent diamond indicates the pooled estimate, and the solid line represents the HSROC curve. Two black dots, corresponding to the CVisionRad Knee Arthrosis and Oxytech Knee X-ray services, partially overlap because of their similar sensitivity and specificity values. The dashed line indicates the 95% prediction region, while the gray shaded area represents the 95% posterior region of the pooled estimate calculated within the bivariate model.

Суммарная HSROC‑кривая отражала высокую чувствительность при более умеренной специфичности.  Анализ чувствительности по методу leave-one-out показал чувствительность итоговых оценок к составу включённых источников, наиболее выраженную при исключении сервиса KOALA [33]. Детализированные результаты анализа чувствительности представлены в Приложении 5.

Активный сакроилеит. Мета-анализ диагностической точности для выявления активного сакроилеита выполняли с использованием бивариантной модели случайных эффектов. В количественный синтез были включены 3 рецензируемые публикации: A. Bordner и соавт. (2023) [19], J. Nicolaes и соавт. (2025) [38] и K. Zhang и соавт. (2023) [32]. Распределение оценок специфичности и чувствительности отдельных исследований представлено на Рисунке 6. По данным мета-анализа объединённая чувствительность составила 0,757 (95% ДИ 0,521-0,899), объединённая специфичность - 0,924 (95% ДИ 0,642-0,988).

Рисунок 6. Форест-графики специфичности (А) и чувствительности (Б) исследований, включённых в мета-анализ диагностической точности для выявления активного сакроилеита. Figure 6. Forest plots of specificity (A) and sensitivity (B) of studies included in the diagnostic accuracy meta-analysis for the detection of active sacroiliitis.

Обобщённая диагностическая точность исследований при активном сакроилеите и область ожидаемой межисследовательской вариабельности представлены на Рисунке 7 в виде HSROC-кривой. Анализ чувствительности по методу leave-one-out показал зависимость сводных оценок от состава включённых исследований, что требует осторожной интерпретации результатов. Результаты представлены в Приложении 5.

Рисунок 7. HSROC-кривая мета-анализа диагностической точности для выявления активного сакроилеита. Точки соответствуют отдельным исследованиям, синий квадрат - сводной оценке, сплошная линия - HSROC-кривой. Горизонтальные и вертикальные линии отражают неопределённость оценок специфичности и чувствительности в отдельных исследованиях. Figure 7. HSROC curve of the diagnostic accuracy meta-analysis for the detection of active sacroiliitis. The points represent individual studies, the blue square indicates the pooled estimate, and the solid line represents the HSROC curve. The horizontal and vertical lines reflect the uncertainty of specificity and sensitivity estimates in the individual studies.

HSROC-кривая отражала высокую специфичность при умеренной чувствительности. Расположение точек в верхней левой части графика указывало на низкую частоту ложноположительных результатов при умеренно высокой способности выявлять активный сакроилеит. При этом разброс точек был более выражен по оси чувствительности, чем по оси 1 − специфичности, что свидетельствовало о большей вариабельности чувствительности между исследованиями. Сводная оценка располагалась в области высокой специфичности и умеренной чувствительности.

Остеопороз. Мета-анализ диагностической точности для выявления остеопороза включал наибольшее число исследований среди всех проанализированных нозологий и выполнялся с использованием бивариантной модели случайных эффектов. В количественный синтез были включены 5 рецензируемых публикаций: N. Hong и соавт. (2023) [23], J. Tang и соавт. (2025) [41], C. Huang и соавт. (2025) [42], X. Lin и соавт. (2024) [43] и T. Peng и соавт. (2024) [31]. Распределение оценок специфичности и чувствительности отдельных исследований представлено на рисунке 8. По данным мета-анализа объединённая чувствительность составила 0,920 (95% ДИ 0,624-0,987), объединённая специфичность - 0,891 (95% ДИ 0,682-0,969). 

Рисунок 8. Форест-графики специфичности (А) и чувствительности (Б) исследований, включённых в мета-анализ диагностической точности для выявления остеопороза. Figure 8. Forest plots of specificity (A) and sensitivity (B) of studies included in the diagnostic accuracy meta-analysis for the detection of osteoporosis.

Обобщённая диагностическая точность исследований, включённых в мета-анализ при остеопорозе, представлена на Рисунке 9 в виде HSROC-кривой.

Анализ чувствительности по методу leave-one-out показал относительную устойчивость результатов при остеопорозе, однако исследование X. Lin et al (2024) [43] оказывало заметное влияние на итоговые оценки. Детализированные результаты последовательного исключения исследований по остеопорозу представлены в Приложении 5.

Рисунок 9. HSROC-кривая мета-анализа диагностической точности для выявления остеопороза. Точки соответствуют отдельным исследованиям, синий квадрат - сводной оценке, сплошная линия - HSROC-кривой. Горизонтальные и вертикальные линии отражают неопределённость оценок специфичности и чувствительности в отдельных исследованиях.

Figure 9. HSROC curve of the diagnostic accuracy meta-analysis for the detection of osteoporosis. The points represent individual studies, the blue square indicates the pooled estimate, and the solid line represents the HSROC curve. The horizontal and vertical lines reflect the uncertainty of specificity and sensitivity estimates in the individual studies.

Разброс точек был более выражен по оси чувствительности, чем по оси 1 − специфичности, что указывало на большую вариабельность чувствительности между исследованиями. Сводная оценка располагалась в области высокой специфичности и высокой чувствительности.

Компрессионные переломы позвонков. Мета-анализ диагностической точности для выявления компрессионных переломов позвонков выполняли с использованием бивариантной модели случайных эффектов. В количественный синтез были включены 4 источника: N. Hong et al. (2023) [23], Oxytech РГ Переломы позвоночника (2025) [44], Airway (2025) [45] и CINA-VCF (2025) [37]. Распределение оценок специфичности и чувствительности отдельных исследований представлено на Рисунке 10. По данным мета-анализа объединённая чувствительность составила 0,819 (95% ДИ 0,650-0,917), объединённая специфичность - 0,863 (95% ДИ 0,670-0,952).

Рисунок 10. Форест-графики специфичности (А) и чувствительности (Б) исследований, включённых в мета-анализ диагностической точности для выявления компрессионных переломов позвонков. Figure 10. Forest plots of specificity (A) and sensitivity (B) of studies included in the diagnostic accuracy meta-analysis for the detection of vertebral compression fractures.

Обобщённая диагностическая точность исследований, включённых в мета-анализ при компрессионных переломах позвонков, представлена на Рисунке 11 в виде HSROC-кривой.

Рисунок 11. HSROC-кривая мета-анализа диагностической точности для выявления компрессионных переломов позвонков. Точки соответствуют отдельным исследованиям, синий квадрат - сводной оценке, сплошная линия - HSROC-кривой. Горизонтальные и вертикальные линии отражают неопределённость оценок специфичности и чувствительности в отдельных исследованиях. Figure 11. HSROC curve of the diagnostic accuracy meta-analysis for the detection of vertebral compression fractures. The points represent individual studies, the blue square indicates the pooled estimate, and the solid line represents the HSROC curve. The horizontal and vertical lines reflect the uncertainty of specificity and sensitivity estimates in the individual studies.

HSROC-кривая показывала, что совокупная диагностическая способность включённых исследований характеризовалась высокой специфичностью и умеренно высокой чувствительностью.

Анализ чувствительности по методу leave-one-out не выявил принципиального изменения общего направления результатов, однако показал разную степень влияния отдельных источников на сводные оценки чувствительности и специфичности. Детализированные результаты последовательного исключения исследований по компрессионным переломам позвонков представлены в Приложении 5.

Сколиоз. Мета-анализ диагностической точности для выявления сколиоза выполняли с использованием байесовской бивариантной модели. В количественный синтез были включены 3 сервиса из источников «серой» литературы: Oxytech Spine XR Scoliosis [46], Esper.Scoliosis [47] и А-рг-сколиоз [48]. Распределение оценок специфичности и чувствительности отдельных сервисов представлено на Рисунке 12. По данным байесовского бивариантного мета-анализа объединённая чувствительность составила 0,988 (95% апостериорный интервал 0,862-0,997), объединённая специфичность - 0,420 (95% апостериорный интервал 0,152-0,747).

Рисунок 12. Форест-графики специфичности (А) и чувствительности (Б) ИИ-сервисов, включённых в мета-анализ диагностической точности для выявления сколиоза. Figure 12. Forest plots of specificity (A) and sensitivity (B) of AI services included in the diagnostic accuracy meta-analysis for the detection of scoliosis.

Обобщённая диагностическая точность ИИ-сервисов и область ожидаемой межисследовательской вариабельности представлены на Рисунке 13 в виде HSROC-кривой. Анализ чувствительности по методу leave-one-out показал относительную устойчивость сводной чувствительности, тогда как сводная специфичность заметно зависела от состава включённых источников. Анализ чувствительности представлен в Приложении 5.

Рисунок 13. HSROC-кривая мета-анализа диагностической точности ИИ-сервисов для выявления сколиоза. Чёрные точки соответствуют отдельным исследованиям, прозрачный  ромб - сводной оценке, сплошная линия - HSROC-кривой. Пунктирной линией обведена 95% прогностическая область, а область, закрашенная серым цветом, показывает 95% апостериорную область сводной оценки. Figure 13. HSROC curve of the diagnostic accuracy meta-analysis of AI services for the detection of scoliosis. Black dots represent individual studies, the transparent diamond indicates the pooled estimate, and the solid line represents the HSROC curve. The dashed line outlines the 95% prediction region, while the gray shaded area represents the 95% posterior region of the pooled estimate calculated within the bivariate model.

HSROC-кривая отражала практически максимальную чувствительность во всех включённых исследованиях при более выраженной вариабельности специфичности. На графике точки отдельных сервисов располагались в верхней части поля, что соответствовало очень высокой чувствительности, тогда как их разброс по оси 1 − specificity указывал на существенные различия по специфичности между исследованиями. Сводная оценка располагалась в области очень высокой чувствительности и низкой-умеренной специфичности.

Достоверность доказательств

Достоверность доказательств оценивали с использованием подходов GRADE отдельно для каждого мета-анализа (см. Приложение 6). Для остеопороза и компрессионных переломов позвонков степень достоверности доказательств была оценена как «низкая», тогда как для активного сакроилеита, гонартроза и сколиоза - как «очень низкая». Основными причинами снижения общего качества доказательств были риск систематической ошибки, связанный с методологическими ограничениями включённых исследований, и неточность оценок, обусловленная малым числом источников и шириной доверительных/апостериорных интервалов. Для части мета-анализов дополнительным фактором снижения общей оценки достоверности доказательств была несогласованность результатов, отражавшая зависимость итоговых оценок от состава включённых исследований.

Обсуждение

Проведённый систематический обзор показал, что при включении исследований с внешней валидацией количественный синтез удалось выполнить лишь для 5 патологий ОДА из 12 (42%), причём для остеопороза и компрессионных переломов позвонков достоверность доказательств была низкой пo GRADE, а для активного сакроилеита, гонартроза и сколиоза - очень низкой по GRADE.

В отношении остеопороза полученные нами результаты в целом согласуются с ранее опубликованными мета-анализами. В мета-анализ L. Gao et al. (2021) вошли 7 исследований (3186 пациентов). В отличие от нашей работы, данный мета-анализ не был специально ограничен ТИИ с внешней валидацией [49]. Авторы получили высокие объединённые оценки чувствительности - 0,96 (95% ДИ 0,93-1,00) и специфичности - 0,95 (95% ДИ 0,91-0,99), однако при оценке по QUADAS-2 отметили проблему отбора пациентов как важный источник риска систематической ошибки, а также высокую гетерогенность результатов. Оценка достоверности доказательств по GRADE в этом мета-анализе не проводилась. Мета-анализ N. Yamamoto et al. (2024) был посвящен оппортунистическому скринингу остеопороза и включал в себя 9 исследований (11 369 пациентов) [50]. Для рентгенографии грудной клетки были получены обобщённые оценки чувствительности 0,83 (95% ДИ 0,75-0,89), специфичности 0,76 (95% ДИ 0,71-0,80), для КТ органов грудной клетки- чувствительность 0,83 (95% ДИ 0,69-0,92) и специфичность 0,70 (95% ДИ 0,61-0,77). Авторы заключили, что ТИИ обладают высокой диагностической точностью в задачах оппортунистического скрининга остеопороза, однако общая достоверность доказательств по GRADE была оценена как низкая или очень низкая из‑за высокого риска смещения, прежде всего на этапе отбора пациентов. На этом фоне полученные нами низкая достоверность доказательств по GRADE и чувствительность сводных оценок к исключению отдельных исследований выглядят ожидаемыми и отражают фрагментарность текущей доказательной базы.

По гонартрозу имеются косвенные данные из мета-анализа S. Mohammadi и соавт. (2024), в который вошло 61 исследование по остеоартриту, из них 47 были посвящены поражению коленного сустава и использовали преимущественно рентгенографию [51]. В подгрупповом анализе для коленного сустава обобщённая чувствительность ТИИ при внутренней валидации составила 0,89 (95% ДИ 0,86-0,92), а обобщённая специфичность - 0,76 (95% ДИ 0,68-0,83). Интересно, что при проведении внешней валидации авторы приводят объединенные метрики только для совокупности исследований без разделения по суставам. При этом серые источники литературы в данный обзор не включали. Авторы отмечали высокую гетерогенность, широкие предсказательные интервалы и высокий риск систематической ошибки по PROBAST, что требует осторожной интерпретации полученных метрик. В отличие от этого, наш мета-анализ по гонартрозу был основан исключительно на источниках «серой» литературы и включал 3 ИИ-сервиса, тогда как рецензируемые публикации, удовлетворявшие критериям количественного синтеза, отсутствовали за искомый период времени. Достоверность доказательств по GRADE нами была оценена как очень низкая. Это указывает на то, что даже при наличии обнадеживающих показателей диагностической точности доказательная база по ИИ-сервисам для диагностики гонартроза остаётся ограниченной [52].

Для компрессионных переломов позвонков наши данные в целом согласуются с результатами более широких систематических обзоров и мета-анализов по ТИИ в диагностике переломов, в которых компрессионные переломы позвонков анализировались лишь как часть более широкой группы переломов позвоночника. В систематический обзор и мета-анализ J. Jung et al. (2024) вошли 66 исследований, из них 20 были посвящены переломам позвоночника как более широкой категории, включавшей в том числе компрессионные переломы позвонков [53]. Для этой подгруппы обобщённая чувствительность составила 0,86 (95% ДИ 0,82-0,89), а обобщённая специфичность -0,86 (95% ДИ 0,81-0,90). В отличие от нашей работы, поиск был ограничен англоязычными рецензируемыми публикациями без включения источников серой литературы. При оценке риска систематической ошибки по QUADAS-2 основными проблемами оставались отбор пациентов и характеристики референсного стандарта. Наш мета-анализ по компрессионным переломам позвонков объединял данные как рецензируемой литературы, так и источников «серой» литературы.

Активному сакроилеиту был посвящён систематический обзор S. J. Moon  et al. (2023), целью которого была систематизировать данные об эффективности выявления признаков сакроилеита по данным МРТ с применением алгоритмов машинного обучения [54]. В обзор были включены 10 исследований: 8 работ были опубликованы в виде полнотекстовых статей, ещё 2 - в виде тезисов конференций. Внешняя валидация была проведена только в 3 исследованиях из мета-анализа. Из-за выраженной неоднородности исследований авторы не выполняли формальный количественный синтез чувствительности и специфичности, ограничившись представлением диапазонов значений для ТИИ - 0,56-1,00 и 0,67-1,00 соответственно; в целом эти показатели несколько уступали врачебным оценкам (0,67-1,00 и 0,78-1,00 соответственно). Риск систематической ошибки и применимость исследований оценивали с помощью PROBAST. В домене анализа высокий риск - был отмечен в 7 из 10 исследований, главным образом из-за малого размера выборок, риска переобучения и недостаточной прозрачности валидации. Таким образом, как наш обзор, так и работа S. J. Moon et al (2023) показывают, что ТИИ для выявления активного сакроилеита на МРТ способны достигать высокой диагностической точности [54], однако доказательная база остаётся ограниченной из-за малых выборок, риска переобучения и отсутствия независимой внешней валидации.

Для сколиоза предшествующих систематических обзоров и мета-анализов выявлено не было. Опубликованные обзоры по ТИИ при деформациях позвоночника были сосредоточены преимущественно на автоматическом измерении угла Кобба, количественной оценке выраженности искривления, классификации деформации и прогнозировании её прогрессирования [55, 56]. Таким образом, наш мета-анализ по сколиозу заполняет пробел именно в области количественной оценки диагностической точности ИИ-сервисов на уровне пациента, однако опирается на крайне ограниченное число сопоставимых исследований, что и отразилось в очень низкой достоверности доказательств по GRADE.

Ограничения

Настоящий обзор также имеет ряд ограничений. Во-первых, поиск был ограничен временным окном 2023-2025 гг, на который приходился пик публикационной активности по данной теме. Это могло привести к невключению более ранних релевантных исследований.  Во-вторых, оценка межисследовательской вариабельности в мета-анализах носила преимущественно описательный характер. Неоднородность оценивали прежде всего по форест-графикам, HSROC-кривым и результатам анализа чувствительности.  В-третьих, несмотря на включение серой литературы, полнота доступных данных по этим источникам были ограничены. Включение источников «серой» литературы позволило расширить область реально используемых ТИИ по ОДА, оно одновременно усилило методологическую неоднородность материала.  В-четвертых, в обзор включались только исследования, где единицей анализа являлся пациент, а не отдельное изображение или срез. Этот критерий был методологически оправдан, поскольку позволяет избежать искусственного завышения метрик, однако одновременно он сузил количество доступных для анализа публикаций. Критерий обязательного проведения внешней валидации существенно уменьшил итоговое число включённых исследований, но именно за счет этого обзор лучше отражает реально воспроизводимую диагностическую точность. Наконец, ограничением являлось отсутствие доступа к полным текстам части публикаций по теме, что могло привести к невключению потенциально подходящих для анализа исследований.

Заключение

Результаты настоящего систематического обзора и мета-анализа свидетельствуют о том, что ТИИ в диагностике патологий ОДА в целом демонстрируют высокие показатели диагностической точности. В количественный синтез вошла менее чем половина работ, первоначально соответствовавших критериям поиска, что несколько ограничивает устойчивость и обобщаемость итоговых оценок. Для части патологий мета-анализ удалось выполнить лишь после включения источников «серой» литературы, причём подавляющее большинство источников были представлены отечественными ИИ- сервисами. Однако такой подход сопровождался снижением достоверности доказательств, что требует осторожной интерпретации полученных результатов. Вектор последующих научных изысканий должен быть направлен на независимую внешнюю валидацию, проспективный дизайн и использование единых критериев оценки диагностической точности. Также существует потребность в проведении исследований, сфокусированных на оценке клинико-экономической эффективности применения ТИИ в диагностике ОДА в условиях реальной клинической практики.

Этическая экспертиза. Неприменимо.

Источник финансирования: Данная статья подготовлена авторским коллективом в рамках НИОКР «Создание инструментов автоматизированной диагностики патологий и повреждений опорно-двигательной системы на основе междисциплинарных подходов».

Раскрытие интересов. Авторы заявляют об отсутствии отношений, деятельности  и  интересов  за  последние  три  года,  связанных  с  третьими  лицами (коммерческими и некоммерческими), интересы которых могут быть затронуты содержанием статьи.

Доступ к данным. Все данные, полученные в настоящем исследовании, доступны по обоснованному запросу первому автору.

Генеративный искусственный интеллект. При создании настоящей статьи технологии генеративного искусственного интеллекта не использовали.

About the authors

Adel A. Yafarova

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»

Email: adyafarowa@yandex.ru
ORCID iD: 0000-0003-3002-1067
SPIN-code: 1670-3730
Scopus Author ID: 57196352878

Expert, Department of Project Evaluation and Support, Cand. Sci. (Med.);

Russian Federation, 127051, Russia, Moscow, Petrovka St., 24, bldg. 1

Rustam A. Erizhokov

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»

Email: ErizhokovRA@zdrav.mos.ru
ORCID iD: 0009-0007-3636-2889
SPIN-code: 2274-6428

Russian Federation, 24, bldg. 1, Petrovka St., Moscow 127051, Russia

Alexey V. Petraikin

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»

Email: alexeypetriakin@gmail.com
ORCID iD: 0000-0003-1694-4682
SPIN-code: 6193-1656
Scopus Author ID: 7801330975

MD, Dr. Sci. (Medicine); Principal Researcher, Department of Standardization and Quality Assurance Department

Russian Federation, 127051, Russia, Moscow, Petrovka St., 24, bldg. 1

Ivan A. Blokhin

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»

Email: BlokhinIA@zdrav.mos.ru
ORCID iD: 0000-0002-2681-9378
SPIN-code: 3306-1387
Scopus Author ID: 57209687130

MD, Cand. Sci. (Med.), Lead Researcher, Research Sector, Department of Scientific Medical Research

Russian Federation, 127051, Russia, Moscow, Petrovka St., 24, bldg. 1

Roman V. Reshetnikov

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»

Email: ReshetnikovRV1@zdrav.mos.ru
ORCID iD: 0000-0002-9661-0254
SPIN-code: 8592-0558
Scopus Author ID: 36554815900

Cand. Sci. (Physics and Mathematics); Head of the Department of Scientific Medical Research

Russian Federation, 127051, Russia, Moscow, Petrovka St., 24, bldg. 1

Larisa G. Rodionova

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»

Email: RodionovaLG@zdrav.mos.ru
ORCID iD: 0009-0008-9862-8205
SPIN-code: 9122-6826

Head of the Department for Support of AI Technology Implementation Projects

 

 

127051, Russia, Moscow, Petrovka St., 24, bldg. 1

Maria D. Varyukhina

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»

Email: VaryukhinaMD@zdrav.mos.ru
ORCID iD: 0000-0001-8870-7649
SPIN-code: 7463-4645
Scopus Author ID: 57089162800

MD, Cand. Sci. (Med.);  Lead Researcher, Head of the Sector for Medical Digital Solutions of the Standardization and Quality Assurance Department.

Russian Federation, 127051, Russia, Moscow, Petrovka St., 24, bldg. 1

Olga V. Omelyanskaya

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»;Federal State Budget Educational Institution of Higher Education «MIREA – Russian Technological University»

Email: OmelyanskayaOV@zdrav.mos.ru
ORCID iD: 0000-0002-0245-4431
SPIN-code: 8948-6152
Scopus Author ID: 57443458100

Chief Innovation Officer

Russian Federation, 127051, Russia, Moscow, Petrovka St., 24, bldg. 1; 119454, Russia, Moscow, Vernadsky Avenue, 78.

Anton V. Vladzymyrskyy

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»;Federal State Autonomous Educational Institution of Higher Education I.M. Sechenov First Moscow State Medical University of the Ministry of Health of the Russian Federation (Sechenov University)

Email: VladzimirskiyAV@zdrav.mos.ru
ORCID iD: 0000-0002-2990-7736
SPIN-code: 3602-7120
Scopus Author ID: 8944262100

MD, Dr. Sci. (Medicine); Deputy Director of R&D; Associate Professor

Russian Federation, 127051, Russia, Moscow, Petrovka St., 24, bldg. 1; 119048, Russia, Moscow, Trubetskaya St., 8, bldg. 2.

Yuriy A. Vasilev

State Budget-Funded Health Care Institution of the City of Moscow «Research and Practical Clinical Center for Diagnostics and Telemedicine Technologies of Moscow Health Care Department»

Author for correspondence.
Email: npcmr@zdrav.mos.ru
ORCID iD: 0000-0002-5283-5961
SPIN-code: 4458-5608
Scopus Author ID: 57216631624

Chief Officer of Radiology at the Moscow Health Care Department; MD, Dr. Sci. (Medicine); Associate Professor; Medical Director

Russian Federation, 127051, Russia, Moscow, Petrovka St., 24, bldg. 1;

References

Supplementary files