Молодежный инновационный вестникМолодежный инновационный вестник2415-7805Федеральное государственное бюджетное образовательное учреждение высшего образования "Воронежский государственный медицинский университет имени Н.Н. Бурденко" Министерства здравоохранения Российской Федерации10821Conference ProceedingsArtificial intelligence in oncology: beyond fictionLabazanovDaniildaniil.labazanov@yandex.ruhttps://orcid.org/0009-0009-9816-3820MoshurovIvanmoshurov@vokod.vrn.ruhttps://orcid.org/0000-0003-1333-5638StikinaSvetlanastikina.pedfak@yandex.ruhttps://orcid.org/0000-0002-3511-3553Burdenko Voronezh State Medical University3006202514168690204202502042025Copyright © 2025, Labazanov D., Moshurov I., Stikina S.2025<p>Artificial intelligence (AI) is rapidly transforming various fields of medicine, and oncology is no exception. Thanks to its ability to analyze vast amounts of data, identify hidden patterns, and provide accurate predictions, Artificial intelligence is opening new horizons in the diagnosis, treatment, and prevention of cancer. Today, artificial intelligence is revolutionizing oncology by offering new tools to combat cancer. It can analyze medical images for early and accurate diagnosis, develop personalized treatment plans considering the patients genetics, and predict recurrence risks. Artificial intelligence also optimizes radiation therapy and assists in monitoring treatment effectiveness. These capabilities make artificial intelligence a powerful ally for physicians in the fight against oncological diseases.</p>artificial intelligencemedicineoncologyискусственный интеллектмедицинаонкология<p><strong>Введение</strong><strong>. </strong>Рост заболеваемости онкологическими заболеваниями во всем мире требует новых подходов к диагностике и лечению. Искусственный интеллект предлагает революционные возможности для анализа больших объемов данных, что особенно важно в онкологии. Применение искусственного интеллекта может сократить время диагностики, повысить точность и персонализировать лечение. Актуальность темы обусловлена необходимостью снижения нагрузки на врачей и улучшения результатов лечения пациентов.</p> <p><strong>Цель работы. </strong>Изучить точки приложения и внедрения алгоритмов ИИ для ранней диагностики онкологических заболеваний, использование ИИ для анализа медицинских изображений (Рентгенография, Магнито-резонансная томография, Компьютерная томография) с целью выявления опухолей, возможности оптимизации подбора персонализированной терапии, а также прогнозирование течения заболевания и оценки эффективности лечения.</p> <p><strong>Материалы</strong><strong> и</strong><strong> методы</strong><strong> исследования</strong><strong>. </strong>Публикации в базах данных Nature, Nature medicine, Medical Image Analysis, Science, Computational and Structural Biotechnology Journal, A Cancer Journal for Clinicians с использованием ключевых слов: Artificial intelligence, medicine, oncology, machine learning, deep learning, cancer, analysis, cancer screening. Исследование проводилось на основании анализа данных статей и публикаций с оценкой возможностей применения искусственного интеллекта в онкологии.</p> <p><strong>Результаты исследования. </strong>На основании анализа данных статей удалось провести оценку значимости и возможностей применения искусственного интеллекта в диагностике, лечении и прогнозировании онкологических заболеваний.[1] Искусственный интеллект (ИИ) продемонстрировал высокую точность в диагностике онкологических заболеваний, особенно в анализе медицинских изображений (например, маммограмм, КТ, МРТ).[2] В некоторых случаях ИИ превзошёл точность диагнозов, поставленных опытными врачами. Например, в исследовании по диагностике меланомы ИИ показал чувствительность 95%, что выше среднего показателя дерматологов (86.6%).[5] Искусственный интеллект способен анализировать большие объёмы данных за доли секунды, что значительно ускоряет процесс диагностики и принятия решений.[6] Это особенно важно в экстренных ситуациях и при массовом скрининге.[3] Так же ИИ способен обнаруживать ранние признаки онкологических заболеваний, которые могут быть пропущены человеческим глазом.[4] Это позволяет начать лечение на ранних стадиях, что значительно улучшает прогнозы пациентов.[9] Кроме того, искусственный интеллект помогает анализировать геномные данные и подбирать индивидуальные схемы лечения, что повышает эффективность терапии. Например, ИИ может рекомендовать оптимальные комбинации химиопрепаратов, таргетной или иммунотерапии на основе данных о клинических исходах у тысяч пациентов.</p> <p>Искусственный интеллект (ИИ) в онкологии это не замена врача, а эффективный инструмент, расширяющий его возможности.[7] Таким образом, исследование подтверждает, что ИИ является мощным инструментом в онкологии, способным улучшить диагностику, лечение и прогнозирование заболеваний, но его использование требует осторожности и дальнейшего развития.[8] Правильно внедрённые технологии ИИ дают надёжного напарника, который повышает точность и оперативность принятых решений, помогает оптимизировать рабочий процесс и улучшить исходы лечения.[10]</p> <p></p> <p><strong>Заключение. </strong>Искусственный интеллект демонстрирует высокую эффективность в диагностике онкологических заболеваний, особенно на ранних стадиях. Алгоритмы искусственного интеллекта способны анализировать большие объемы данных, что позволяет выявлять закономерности, недоступные для человека. Персонализированный подход к лечению, основанный на данных искусственного интеллекта, повышает шансы на успешное лечение. Внедрение искусственного интеллекта в онкологию требует решения этических, технических и регуляторных вопросов. Дальнейшие исследования и разработки в этой области могут значительно улучшить качество медицинской помощи и снизить смертность от онкологических заболеваний.</p>1.Topol EJ. “High-performance medicine: the convergence of human and artificial intelligence.” Nature Medicine (2019) 25(1): 44–562.Haenssle HA, et al. “Man against machine: diagnostic performance of a deep learning convolutional neural network...” Annals of Oncology (2018) 29(8): 1836–18423.McKinney SM, et al. “International evaluation of an AI system for breast cancer screening.” Nature (2020) 577: 89–944.Ardila D, et al. “End-to-end lung cancer screening with three-dimensional deep learning on low-dose chest computed tomography.” Nature Medicine (2019) 25: 954–9615.Esteva A, et al. “Dermatologist-level classification of skin cancer with deep neural networks.” Nature (2017) 542: 115–1186.Yala A, et al. “Optimizing risk-based breast cancer screening policies with reinforcement learning.” Nature Medicine (2022) 28: 248–2547.Hosny, A., Parmar, C., Quackenbush, J., Schwartz, L. H., & Aerts, H. J. “Artificial Intelligence in Oncology: Current Applications and Future Perspectives.” CA: A Cancer Journal for Clinicians (2019)8.Finlayson SG, et al. “Adversarial attacks on medical machine learning.” Science (2019) 363(6433): 1287–12899.Kourou K, et al. “Machine learning applications in cancer prognosis and prediction.” Computational and Structural Biotechnology Journal (2015) 13: 8–1710.Topol EJ. “Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again.” Basic Books (2019)