AI обіцяє допомогти жіночому здоров’ю, але 3 з 4 моделей не перевіряли незалежно

AI для діагностики жіночого здоров’я демонструє високі цифри в наукових статтях, але більшість моделей ще не готова до масового клінічного використання. Огляд 116 досліджень показав: 75,5% не проходили зовнішньої перевірки, а 83,6% мали високий ризик упередження. Особливо бракує даних із країн із невисокими доходами, де спеціалістів і діагностичного обладнання найменше.

Що саме вивчали

Огляд охопив AI та машинне навчання для синдрому полікістозних яєчників, ендометріозу, захворювань щитоподібної залози, безпліддя, ускладнень вагітності та інших репродуктивних і гормональних станів. Роботи поділили на шість груп: прогнозування ризику, аналіз медичних зображень, пошук біомаркерів, репродуктивні й ендокринні застосування, системи підтримки рішень та нові методи ML.

Найчастіше використовували Random Forest і Gradient Boosting для табличних клінічних даних та згорткові нейромережі для УЗД й інших зображень. Внутрішні тести часто показували точність 85–99%, але після перевірки в іншій установі результат зазвичай знижувався. Автори застерігають: ці числа походять із різних хвороб і невеликих підгруп, тому їх не можна сприймати як рейтинг алгоритмів.

Головна проблема — не архітектура, а перевірка

Три чверті робіт не перевіряли модель на зовнішній популяції. У 89% не було тестування в інший період часу, хоча обладнання, протоколи та склад пацієнток змінюються. У 78% набори походили з одного центру, у 64% використовували зручну, а не репрезентативну вибірку, у 53% недостатньо працювали з дисбалансом класів.

У 31% автори виявили ризик «витоку» під час відбору ознак: коли частина інформації з тестового набору впливає на підготовку моделі, показник точності штучно зростає. Пояснювані методи SHAP або LIME застосовували лише у 6,9% робіт. Це означає, що лікар часто отримує прогноз без достатнього пояснення, на яких ознаках він базується.

Нерівність даних

Хоча в абсолютних цифрах 51,7% робіт походили з країн із низькими та середніми доходами, після коригування на кількість жінок репродуктивного віку багаті країни створювали у 23 рази більше досліджень на мільйон людей. Субсахарська Африка дала менш ніж 0,1 роботи на мільйон, а з Непалу та Шрі-Ланки відповідних досліджень не знайшли.

Що реально можна впроваджувати швидше

Автори вважають перспективнішими моделі, які працюють із доступними клінічними показниками та аналізами, а не потребують дорогого зображувального обладнання й вузьких спеціалістів. Для первинної допомоги це можуть бути інструменти оцінювання ризику, що не ставлять діагноз, а допомагають визначити, кому потрібне додаткове обстеження.

Складні системи для медичних зображень мають проходити багатолікарняну, проспективну й локальну перевірку. Навіть висока AUC в одному центрі не доводить, що модель однаково працюватиме з іншою популяцією, камерою або протоколом.

Що це означає для пацієнток

• AI не замінює лікаря. Застосунок або онлайн-тест не може підтвердити чи виключити діагноз.
• Запитуйте про перевірку. Важливо знати, на якій популяції, в якій клініці та на якому обладнанні тестували систему.
• Обережно з «99% точності». Без зовнішнього тесту, розміру вибірки й частоти хвороби ця цифра майже нічого не говорить.
• Захищайте чутливі дані. Репродуктивна інформація потребує особливої приватності й зрозумілого строку зберігання.

Висновок: AI може допомогти швидше спрямувати пацієнтку на обстеження, але наукова галузь поки випереджає клінічну доказовість. Найважливіший наступний крок — не ще складніша нейромережа, а незалежна перевірка на різних групах людей.

Перекладено й адаптовано за оглядом Mohammad Mehedi Hasan Munna та співавторів у PLOS One від 25 вересня 2026 року. Текст і всі вісім оригінальних фігур поширюються за CC BY 4.0. Матеріал має інформаційний характер і не є медичною рекомендацією.