Keywords
Abstract
Современная гинекология сталкивается с растущей потребностью в раннем выявлении злокачественных опухолей, таких как рак шейки матки, эндометрия и яичников, что напрямую влияет на эффективность лечения и прогноз пациентов. Традиционные методы диагностики, включая цитологию, ультразвуковое исследование и лабораторные тесты, обладают определёнными ограничениями, связанными с человеческим фактором и трудоёмкостью обработки данных. В последние годы активное развитие технологий искусственного интеллекта (ИИ) открыло новые возможности для повышения точности и скорости диагностики. Алгоритмы машинного обучения и глубокого обучения позволяют анализировать большие массивы клинической информации, цифровые изображения и генетические данные, выявляя патологические изменения на ранних стадиях заболевания. Применение ИИ в гинекологической онкологии способствует снижению числа ложноположительных и ложноотрицательных результатов, оптимизации процессов скрининга и поддержке принятия врачебных решений. В данной статье рассматриваются современные подходы использования ИИ в диагностике гинекологических опухолей, их преимущества и ограничения, а также перспективы интеграции этих технологий в клиническую практику для улучшения исходов лечения и качества жизни пациентов.
References
Мозес В. Г., Котов Р. М., Рудаева Е. В. и др. Технологии искусственного интеллекта в гинекологии. Акушерство и гинекология. 2025; № 8. journals.rcsi.science
2. Aliyeva, Ш. У., Локшин, В. Н., Цигенгагель О. П. Клинические перспективы применения искусственного интеллекта в урогинекологии: обзор литературы. Reproductive Medicine (Central Asia), 2025; № 1. repromed.kz
3. Wang, К., Ma, Ю., Chen, К. Cervical Optical Coherence Tomography Image Classification Based on Contrastive Self Supervised Texture Learning. arXiv, 2021.
4. Азизова, Ф. Х., Атаджанова, А. Н., & Ишанджанова, С. Х. (2014). Структурные особенности реакции иммунной системы тонкой кишки на антигенное воздействие в различные периоды постнатального онтогенеза. II Международная научно-практическая конференция. Научный фонд" Биолог, (3), 23-26.
5. Отажонова, А. Н., Азизова, Ф. Х., & Тухтаев, К. Р. (2011). Влияние тактивина на структурное состояние пейеровых бляшек в условиях хронического токсического гепатита. Врач-аспирант, 45(2), 39-43.
6. Азизова, Ф. Х., & Отажонова, А. Н. (2010). Структурные особенности становления пейеровых бляшек потомства в условиях хронического токсического воздействия на организм матери. Морфология, 117(4), 13-14.
7. Kh, A. F., Kh, B. D., & Kh, A. (2001). Age-related structural and functional features of the small intestine of rats born from female rats with chronic toxic hepatitis. Medical business, (1), 103-105.
8. Азизова, Ф. Х., Бажакова, Д. Б., Ахмедова, Х. Ю., & Гафарова, Е. А. (2001). Возрастные структурно-функциональные особенности тонкой кишки крысят, рожденных от самок крыс с хроническим токсическим гепатитом. Врачеб. дело, 1, 103.
9. Uktamov, K., Akhmedov, S., Khashimova, D., Fayziyeva, K., Narmanov, U., Sobirova, D., ... & Komilov, A. (2024). RETRACTED: Improving the country’s food security in the conditions of developing a circular economy. In BIO Web of Conferences (Vol. 116, p. 07010). EDP Sciences.
10. Sobirova, D. R., Nuraliev, N. A., Nosirova, A. R., & Ginatullina, E. N. (2017). Study of the effect of a genetically modified product on mammalian reproduction in experiments on laboratory animals. Infection, immunity and pharmacology.–Tashkent, (2), 195-200.
11. Собирова, Д., Нуралиев, Н., & Гинатуллина, E. (2017). Результаты экспериментальных исследований по изучению и оценке мутагенной активности генно-модифицированного продукта. Журнал проблемы биологии и медицины, (1 (93)), 182-185.
12. Собирова, Д. Р., Нуралиев, Н. А., & Дусчанов, Б. А. (2017). Оценка влияния генно-модифицированного продукта на морфологические, биохимические и гематологические показатели экспериментальных животных. Вестник Ташкентской Медицинской Академии, 2, 57-59.
13. Sobirova, D. R., & Shamansurova, K. S. (2016). Features of influence of the new product obtained by new technologies on animal organism in the experiment. In The Eleventh European Conference on Biology and Medical Sciences (pp. 44-46).
14. Abduganieva, S., Fazilova, L., Nurmatova, F., & Khodjaeva, D. (2023). Computer-human interaction: Web technologies in education. PROBLEMS IN THE TEXTILE AND LIGHT INDUSTRY IN THE CONTEXT OF INTEGRATION OF SCIENCE AND INDUSTRY AND WAYS TO SOLVE THEM:(PTLICISIWS-2022), 2789(1), 050005.
15. Fazilova, L. A. Studying Medicine In Online Education With The Mobile Application" A To Z Anatomy". The American journal of Engineering and Technology, 94-99.
16. Nurmatova, F. B., Xuan, R., & Fazilova, L. A. (2024). The advantages of implementing digital technology in education. Innovations in Science and Technologies, 1(3), 192-195.
17. Rahaman, M. M., Li, C., Yao, Y. и др. DeepCervix: Deep Learning-based Framework for the Classification of Cervical Cells Using Hybrid Deep Feature Fusion Techniques. arXiv, 2021.
18. Mishra, A. K., Alrubayan, M., Pradhan, P. Automated grading and staging of ovarian cancer using deep learning on the transmission optical microscopy bright-field images of thin biopsy tissue samples. arXiv, 2025.
19. Application of artificial intelligence in assisting treatment of gynecologic tumors: a systematic review. Visual Computing for Industry, Biomedicine, and Art, 2025.
20. Artificial intelligence in the diagnosis and management of gynecologic cancer. Обзор в PubMed.
21. Artificial intelligence in gynecologic cancers: Current status and future challenges – A systematic review. PubMed.
22. Цервикальный скрининг и искусственный интеллект. RUSMED. Обзор применения ИИ для скрининга рака шейки матки.