Искусственный интеллект в планировании вмешательств на печени: анализ потребностей иbбарьеров

Цель. Провести качественный анализ потребностей и факторов, ограничивающих широкое использование технологии автоматизированного 3D-моделирования на основе искусственного интеллекта в планировании и навигации хирургических вмешательств в гепатобилиарной зоне.
Материал и методы. Для качественной проверки сформулированных гипотез был использован метод глубинного интервьюирования. Для проведения интервьюирования респондентов сформирован перечень из 7 открытых вопросов, которые выявляют текущие потребности специалистов и охватывают различные аспекты использования автоматизированного 3D-моделирования с целью оптимизации предоперационного планирования у пациентов с новообразованиями печени. В исследовании приняли участие 16 хирургов-онкологов, имеющих значительный опыт хирургического лечения больных с новообразованиями печени, из федеральных и региональных центров Российской Федерации.
Результаты. Результаты интервью демонстрируют активный интерес специалистов к внедрению технологий автоматизированного 3D-моделирования в медицинскую практику. В то же время выявлен комплекс сдерживающих факторов, ключевыми среди которых стали высокая стоимость и недоступность иностранных сервисов с подобным функционалом, отсутствие отечественного лицензионного программного обеспечения, а также значительные временные затраты на этапе ручной сегментации изображений.
Заключение. Проведенное глубинное интервьюирование хирургов-онкологов выявило интерес сообщества к технологиям автоматизированного 3D-планирования на основе искусственного интеллекта. Однако, несмотря на это, существует ряд сдерживающих факторов, ограничивающих повсеместное внедрение новых технологий визуализации в клиническую практику. Для преодоления этих барьеров необходим многоуровневый подход, включающий развитие отечественных решений, адаптированных к российской системе здравоохранения и лишенных ограничений зарубежных аналогов, разработку экономической модели, способной обеспечить доступность этого решения специалистам или медицинским учреждениям, а также обеспечение безопасности данных. Успешная интеграция 3D-технологий в практику гепатобилиарной хирургии позволит увеличить точность и безопасность вмешательств, реализовать все принципы персонализированной медицины.

1. Орлов Г.М. Цифровое здравоохранение в России: история трех десятилетий развития и тренды перехода к ориентации на пациента. Врач и информационные технологии. 2024; (1): 6–27. https://doi.org/10.25881/18110193_2024_1_6

2. Nam D., Chapiro J., Paradis V., Seraphin T.P., Kather J.N. Artificial intelligence in liver diseases: Improving diagnostics, prognostics and response prediction. JHEP Reports. 2022; 4(4): 100443. https://doi.org/10.1016/j.jhepr.2022.100443

3. Санникова Л.А., Усталов А.А., Шмелева С.А., Шантаревич М.Ю., Кондратьев Е.В. Оценка возможностей радиомики в определении степени дифференцировкигепатоцеллюлярного рака на КТ-изображениях. Анналы хирургической гепатологии. 2025; 30(4): 44–51. https://doi.org/10.16931/1995-5464.2025-4-44-51

4. Шабунин А.В., Васильев Ю.А., Тавобилов М.М., Омелянская О.В., Аладин М.Н., Ланцынова А.В., Савкина Е.Ф., Румянцев Д.А., Пестренин Л.Д., Арзамасов К.М. Разработка системы помощи принятия врачебных решений в диагностике объемных новообразований печени на основе методов искусственного интеллекта. Анналы хирургической гепатологии. 2025; 30(2): 23–32. https://doi.org/10.16931/1995-5464.2025-2-23-32

5. Willemink M.J., Koszek W.A., Hardell C., Wu J., Fleischmann D., Harvey H., Folio L.R., Summers R.M., Rubin D.L., Lungren M.P. Preparing medical imaging data for machine learning. Radiology. 2020; 295: 4–15. https://doi.org/10.1148/radiol.2020192224. PMID: 32068507.

6. Черненький И.М., Черненький М.М., Фиев Д.Н., Сирота Е.С. Сегментация почечных структур по изображениям контрастной компьютерной томографии с помощью сверточной нейронной сети. Сеченовский вестник. 2023; 14(1): 39–49. https://doi.org/10.47093/2218-7332.2023.14.1.39-49

7. Мурашко М.А., Ваньков В.В., Панин А.И., Артемова О.Р., Матвиенко А.В., Гусев А.В., Васильев Ю.А., Владзимирский А.В. Внедрение технологий искусственного интеллекта в здравоохранении России: итоги 2024 г. Национальное здравоохранение. 2025; 6(3): 6–19. https://doi.org/10.47093/2713-069X.2025.6.3.6-19

8. Лоскутова И.М., Тарченко В.С., Юдина Е.Н., Лимонова М.А. Опыт практического применения метода интервью в эмпирической базе выпускных квалификационных работ. Социально-гуманитарные знания. 2023; (11): 63–67.

9. Banchini F., Capelli P., Hasnaoui A., Palmieri G., Romboli A., Giuffrida M. 3-D reconstruction in liver surgery: a systematic review. HPB (Oxford). 2024; 26(10): 1205–1215. https://doi.org/10.1016/j.hpb.2024.06.006. PMID: 38960762.

10. Панченков Д.Н., Иванов Ю.В., Колсанов А.В., Чаплыгин С.С., Зельтер П.М., Тупикин К.А., Астахов Д.А., Злобин А.И. Виртуальное 3D-моделирование в хирургии печени. Вестник хирургии имени И.И. Грекова. 2019; 178(5): 74–80. https://doi.org/10.24884/0042-4625-2019-178-5-74-80

11. Кобринский Б.А. Системы искусственного интеллекта в хирургии: возможности, ограничения и перспективы. Обзор литературы. Российский вестник детской хирургии, анестезиологии и реаниматологии. 2023; 13(3): 385–404. https://doi.org/10.17816/psaic1547

12. Assadullah M.M. Barriers to Artificial Intelligence Adoption in Healthcare Management: A Systematic Review. SSRN Electronic Journal. 2019. https://doi.org/10.2139/ssrn.3530598

13. Лукичёв П.М., Чекмарев О.П. Экономика искусственного интеллекта: возможности и проблемы использования в здравоохранении. Вопросы инновационной экономики. 2022; 12(2): 1111–1130. https://doi.org/10.18334/vinec.12.2.114782

14. Mao R.Q., Lan L., Kay J., Lohre R., Ayeni O.R., Goel D.P., Sa D. Immersive Virtual Reality for Surgical Training: A Systematic Review. J. Surg. Res. 2021; 268(Suppl.1): 40–58. https://doi.org/10.1016/j.jss.2021.06.045. PMID: 34284320.

15. El Arab R.A., Al Moosa O.A. Systematic review of cost effectiveness and budget impact of artificial intelligence in healthcare. NPJ Digit. Med. 2025; 8(1): 548. https://doi.org/10.1038/s41746-025-01722-y. PMID: 40858882.