Неинвазивные и основанные на ИИ диагностические подходы к синдрому поликистозных яичников: Нарративный обзор, выполненный в соответствии с рекомендациями PRISMA.

Исследование представляет собой нарративный обзор неинвазивных и минимально инвазивных диагностических подходов к синдрому поликистозных яичников (СПКЯ), включая методы искусственного интеллекта (ИИ) и машинного обучения. Целью было критически оценить их диагностическую эффективность и клиническую применимость, учитывая, что традиционные методы диагностики, такие как биохимические анализы и УЗИ органов малого таза, часто ресурсоемки, зависимы от оператора и недоступны. Обзор выявил, что диагностические модели на основе ИИ демонстрируют высокую точность (более 90%) в экспериментальных условиях для обнаружения СПКЯ, как на основе изображений, так и на основе данных. Автоматическая сегментация ультразвуковых изображений показала потенциал для снижения вариабельности между операторами при подсчете антральных фолликулов. Гормональное профилирование, сосредоточенное на соотношении ЛГ/ФСГ, антимюллеровом гормоне и андрогенах, остается основополагающим, в то время как новые молекулярные, метаболомические и метаболические биомаркеры предлагают дополнительную точность.

Несмотря на многообещающие результаты, внедрение ИИ-моделей в реальную клиническую практику ограничено отсутствием стандартизации наборов данных, что является ключевым препятствием для их широкого применения. Кроме того, подчеркивается, что традиционные подходы к диагностике, основанные на одном методе, часто оказываются неэффективными из-за выраженной гетерогенности фенотипов СПКЯ. Сами по себе эти методы являются ресурсоемкими, зависят от квалификации специалиста и часто недоступны в условиях ограниченных ресурсов. Следует также отметить, что данный обзор не претендует на соблюдение всех формальных требований систематического обзора, что может влиять на степень обобщения некоторых выводов.

В целом, полученные данные указывают на смещение парадигмы диагностики СПКЯ в сторону воспроизводимых, мультимодальных и фенотип-чувствительных подходов. Интеграция ИИ-систем с морфологией изображений, гормональными данными и метаболическими маркерами открывает значительные возможности для справедливой и ранней диагностики заболевания в самых разных условиях здравоохранения. Это способствует разработке доступных, масштабируемых инструментов скрининга, которые позволят сократить задержки в постановке диагноза и значительно улучшить здоровье и качество жизни женщин.