Обоснование. В статье предложена модель организации профилактических лучевых исследований органов грудной клетки посредством автономной сортировки результатов исследований медицинскими изделиями на основе технологий искусственного интеллекта с настройкой на максимальную чувствительность — 1,0 (95% доверительный интервал 1,0–1,0). Сортировка подразумевает разделение результатов массовых профилактических исследований (флюорографии и рентгенографии органов грудной клетки) на две категории: «не норма» и «норма». К первой относят все случаи любых отклонений (патологические состояния, последствия перенесённых заболеваний и операций, возрастные и врождённые особенности и т. д.), которые направляют на описание врачу-рентгенологу. Ко второй — случаи без признаков патологических отклонений, которые потенциально не требуют описания врачом-рентгенологом.

Цель — оценить результативность и эффективность автономной сортировки результатов профилактических лучевых исследований органов грудной клетки.

Материалы и методы. Выполнено проспективное многоцентровое диагностическое исследование безопасности и качества автономной сортировки результатов профилактических лучевых исследований органов грудной клетки. Использованы аналитические и статистические методы научного познания.

Результаты. Включены результаты 575 549 профилактических лучевых исследований, полученные при флюорографии и рентгенографии и обработанные с применением трёх медицинских изделий на основе технологий искусственного интеллекта. При автономной сортировке к категории «норма» отнесены 54,8% результатов профилактических лучевых исследований органов грудной клетки, при этом в пропорциональном объёме происходит экономия труда врача-рентгенолога при их интерпретации и описании. Полностью корректная автономная сортировка осуществлена в 99,95% случаев. Клинически значимые расхождения зафиксированы в 0,05% случаев (95% доверительный интервал 0,04–0,06).

Заключение. Доказана медицинская и экономическая эффективность модели автономной сортировки результатов профилактических лучевых исследований органов грудной клетки с применением медицинских изделий на основе технологий искусственного интеллекта. Следующий шаг должен заключаться в актуализации нормативно-правового обеспечения и легитимности автономного применения определённых видов медицинских изделий на основе технологий искусственного интеллекта в установленных условиях и задачах профилактики.

论证。本文提出了一种基于人工智能技术的医疗设备模型，用于组织胸部常规影像学检查的预防性结果，通过设置最大灵敏度为1.0（95%置信区间1.0；1.0）来进行自主排序。该分类将大规模预防性检查（胸部透视和胸部X线摄影）结果分为两类：“非正常”和“正常”。 “非正常”类包括所有任何偏差（病理状态、疾病和手术后遗症、年龄和先天性特点等），这些需要提交给放射科医生进行描述。“正常”类则包括没有病理偏差的结果，可能无需放射科医生进一步描述。

目的。评估基于人工智能技术的自主排序模型在胸部常规影像学检查中的可行性、效果和效率。

方法。进行了前瞻性的多中心诊断研究，评估基于人工智能技术的医疗设备在胸部常规影像学检查中的安全性和质量，采用了分析和统计学研究方法。

结果。本研究纳入了575,549份预防性放射学检查结果，包括胸部透视和胸部X线摄影，并通过3款基于人工智能技术的医疗设备进行处理。在自主排序结果中，54.8%的检查结果被归类为“正常”，从而节省了放射科医生在解读和描述研究结果上的劳动量。自主排序的完全正确率为99.95%。临床上显著的偏差出现在0.05%的案例中（95%置信区间：0.04%；0.06%）。

结论。本研究证明了基于人工智能技术的医疗设备在胸部常规影像学检查中的医学和经济效益。下一步应针对相关法规的更新以及在预防医学任务中合法应用人工智能技术医疗设备的使用进行改进。