Одной из актуальных проблем современной пренатальной диагностики остаётся своевременное выявление врожденных пороков развития плода. Выживаемость детей, объем и качество медицинской помощи при лечении и реабилитации напрямую зависят от ранней и достоверной постановки диагноза. В современной медицине пренатальная диагностика является обязательным комплексом медицинских манипуляций, различных методов обследования пациенток для контроля за состоянием здоровья беременной женщины и плода. Одним из основных методов лучевой диагностики является ультразвуковое исследование, так как оно неинвазиное, безопасное и информативное при исследовании беременных. При этом технологии нейросетевого анализа все чаще можно встретить в рутинной практике медицинских работников. Существуют успешные опыты коллег по внедрению искусственного интеллекта (ИИ) как в научную медицинскую сферу, так и в практическую. На сегодняшний день медицинская визуализация является той частью медицины, где развитие различных компьютерных технологий, нейросетевых моделей и прочих электронно-вычислительных программ является крайне актуальным. Поэтому современным решением по совершенствованию качества пренатальной диагностики может стать применение технологий искусственного интеллекта. В данном обзоре собраны и проанализированы основные зарубежные и отечественные исследования по применению программных обеспечений с функциональными возможностями в виде нейросетевого анализа в ультразвуковой диагностике врожденных пороков развития плода.

Artificial intelligenceultrasound diagnosticsneural networkfetuscongenital malformationsreview.Искусственный интеллектультразвуковая диагностиканейросетьплодврожденные пороки развитияобзор.Исследование выполнено в рамках реализации приоритетного направления Программы развития ФГБОУ ВО «Кубанского государственного медицинского университета» Минздрава России «Приоритет-2030» СТП-3 П-3.5 «Медицинские цифровые сервисы», в рамках исполнения Соглашения № 075-15-2025-108 от 29.03.2025 г. «б» «Разработка интеллектуальной информационной системы поддержки принятия решений «Формирование инструментального диагноза для выявления пороков центральной нервной системы, сердечно-сосудистой системы, брюшной полости и иных врожденных аномалий у плода» на основе нейросетевых моделей».№ 075-15-2025-1081.1. Aftad N. Artificial Intelligence in Obstetrics and Gynaecology: Advancing Precision and Personalised Care // Cureus. – 2025. – Vol. 17. – № 6. – P. e86929. https://doi.org/10.7759/cureus.869292.2. Carvalho J., Axt-Fliedner R., Chaoui R., Copel J., Cuneo B., Goff D., Gordin Kopylov L., Hecher K., Lee W., Moon-Grady A., Mousa H., Munoz H., Paladini D., Prefumo F., Quarello E., Rychik J., Tutschek B., Wiechec M., Yagel S. Практические рекомендации ISUOG (обновленные): ультразвуковое скрининговое исследование сердца плода // Ультразвуковая и функциональная диагностика/ 2024. № 1. С. 44–70. https://doi.org/10.24835/1607-0771-2703.3. Xie HN, Wang N and co-authors Using deep-learning algorithms to classify fetal brain ultrasound images as normal or abnormal. Ultrasound Obstet Gynecol. 2020 Oct. https://doi.org/10.1002/uog.219674.4. Бокерия Е.Л. Перинатальная кардиология: настоящее и будущее. Ч. I. Врожденные пороки сердца. Российский вестник перинатологии и педиатрии. 2019; 64 (3): 5–10. https://doi.org/10.21508/1027-4065-2019-64-3-5-105.5. Бокерия Л.А., Шаталов К.В. (ред.) Детская кардиохирургия: Руководство для врачей. М.: НЦССХ им. А.Н. Бакулева МЗ РФ; 2016: 24–40.6.6. Балтер Р.Б., Бикеев Ю.В., Бокерия Е.Л., Дьяченко Ю.Ю., Метелкин П.В., Пекарева Е.О., Передвигина А.В., Поморцев А.В., Пугачева Т.А. Искусственный интеллект в ультразвуковой диагностике. Версия 1.0 : учебное пособие. – М.: МЕДпресс-информ, 2025. – 147 с. – ISBN 978-5-907849-05-1. https://doi.org/10.24421/MP.2024.71.75.0017.7. Поморцев А. В., Редько А. Н., Барсукова Е. А., Матосян М. А., Дьяченко Ю. Ю., Дьяченко Р. А., Белоглядова И. А., Янаева М. В., Бабаян В. Т. Применение искусственного интеллекта в ультразвуковой диагностике пороков ЦНС плода в сроках гестации с 19 по 22 неделю беременности // Инновационная медицина Кубани. 2024. № 2. С. 42–47. https://doi.org/10.35401/2541-9897-2024-9-2-42-478.8. Поморцев А. В., Карахалис М. Н., Матулевич С. А., Дащян Г. А., Халафян А. А., Сенча А. Н. Пороки развития сердца плода: факторы риска и возможности ультразвукового метода при первом скрининге // Инновационная медицина Кубани. 2023. № 4. С. 51–59. https://doi.org/10.35401/2541-9897-2023-8-4-51-599.9. Kuehn BM. Cardiac imaging on the cusp of an artificial intelligence revolution. Circulation. 2020;141(15):1266–1267. https://doi.org/10.1161/CIRCULATIONAHA.120.04676010.10. Brandt V, Emrich T, Schoepf UJ, et al. Ischemia and outcome prediction by cardiac CT based machine learning. Int Инновационная медицина Кубани. 2024;9(4):14–20. / Innovative Medicine of Kuban. 2024;9(4):14–20. 20 J Cardiovasc Imaging. 2020;36(12):2429–2439. https://doi.org/10.1007/s10554-020-01929-y11.11. Литвинова Е.В., Носкова О.В. Использование искусственного интеллекта в акушерстве для диагностирования пороков развития плода и профилактики возникновения заболеваний // Мать и дитя в Кузбассе. – 2025. – № 1 (100). – С. 83–91. https://doi.org/10.24412/2686-7338-2025-1-83-9112.12. Ouyang D, He B, GhorbaniA, et al. Video-based AI for beatto-beat assessment of cardiac function. Nature. 2020;580(7802):252– 256. PMID: 32269341. PMCID: PMC8979576. https://doi.org/10.1038/s41586-020-2145-813.13. Zhang B, Liu H, Luo H, Li K. Automatic quality assessment for 2D fetal sonographic standard plane based on multitask learning. Medicine (Baltimore). 2021;100(4):e24427. https://doi.org/10.1097/MD.000000000002442714.14. Nurmaini S, Rachmatullah MN, Sapitri AI, et al. Deep learning-based computer-aided fetal echocardiography: application to heart standard view segmentation for congenital heart defects detection. Sensors (Basel). 2021;21(23):8007. https://doi.org/10.3390/s2123800715.15. Xu L, Liu M, Shen Z, Wang H, Liu X, Wang X, Wang S, Li T, Yu S, Hou M, Guo J, Zhang J, He Y. DW-Net: A cascaded convolutional neural network for apical four-chamber view segmentation in fetal echocardiography. Comput Med Imaging Graph. 2020 Mar;80:101690. https://doi.org/ 10.1016/j16.16. Slomka PJ, Miller RJ, Isgum I, Dey D. Application17.and translation of artificial intelligence to cardiovascular imaging in nuclear medicine and noncontrast CT. Semin Nucl Med. 2020;50(4):357–366. https://doi.org/10.1053/j18.17. Горбачева М.И. Состояние и перспективы внедрения технологий искусственного интеллекта в акушерско-гинекологическую практику // Молодежь и системная модернизация страны: сб. науч. ст. 7-й Междунар. науч. конф. студентов и молодых ученых: в 5 т. / отв. ред. М.С. Разумов. – Курск, 2022. – С. 12–14. https://dx.doi.org/10.18565/aig.2021.2.5-1219.18. Drukker L., Noble J.A., Papageorghiou A.T. Introduction to artificial intelligence in ultrasound imaging in obstetrics and gynecology // Ultrasound in Obstetrics & Gynecology. – 2020. – Vol. 56. – № 4. – P. 498–505. – https://doi.org/10.1002/uog.2212220.19. Horgan R., Nehme L., Abuhamad A. Artificial intelligence in obstetric ultrasound: A scoping review // Prenatal Diagnosis. – 2023. – Vol. 43. – № 9. – P. 1176–1219. – https://doi.org/10.1002/pd.641121.20. Бокерия Е.Л., Яннаева Н.Е., Сенча А.Н., Метелкин П.В., Юрченко О.В. Искусственный интеллект в фетальной эхокардиографии // Инновационная медицина Кубани. – 2024. – Т. 9. – № 4. – С. 14–20. https://doi.org/10.35401/2541-9897-2024-9-4-14-2022.21. Taksøe-Vester C.A., Mikolaj K., Petersen O.B.B., Vejlstrup N.G., Christensen A.N., Feragen A., Nielsen M., Svendsen M.B.S., Tolsgaard M.G. Role of artificial-intelligence-assisted automated cardiac biometrics in prenatal screening for coarctation of aorta // Ultrasound in Obstetrics & Gynecology. – 2024. – Vol. 64. – № 1. – P. 36–43. – https://doi.org/10.1002/uog.2760823.22. Zhang J., Xiao S., Zhu Y., Zhang Z., Cao H., Xie M., Zhang L. Advances in the Application of Artificial Intelligence in Fetal Echocardiography // Journal of the American Society of Echocardiography. – 2024. – Vol. 37. – № 5. – P. 550–561. – https://doi.org/10.1016/j.echo.2023.12.01324.23. Ginsburg A.S., Liddy Z., Alkan E., et al. A survey of obstetric ultrasound uses and priorities for artificial intelligence-assisted obstetric ultrasound in low- and middle-income countries // Scientific Reports. – 2025. – Vol. 15. – P. 3873. – https://doi.org/10.1038/s41598-025-87284-125.24. Dangi R.R., Sharma A., Vageriya V. Transforming healthcare in low-resource settings with artificial intelligence: recent developments and outcomes // Public Health Nursing. – 2024. – Vol. 42. – P. 1017–1030. 1017–1030. https://doi.org/10.1111/phn.1350026.25. Lin M., He X., Guo H., He M., Zhang L., Xian J., Lei T., Xu Q., Zheng J., Feng J., Hao C., Yang Y., Wang N., Xie H. Use of real-time artificial intelligence in detection of abnormal image patterns in standard sonographic reference planes in screening for fetal intracranial malformations // Ultrasound in Obstetrics & Gynecology. – 2022. – Vol. 59. – P. 304–316. https://doi.org/10.1002/uog.2484327.26. Drukker L. The Holy Grail of obstetric ultrasound: can artificial intelligence detect hard-to-identify fetal cardiac anomalies? // Ultrasound in Obstetrics & Gynecology. – 2024. – Vol. 64. – № 1. – P. 5–9. – https://doi.org/10.1002/uog.2770328.27. Sarno L., Neola D., Carbone L., Saccone G., Carlea A., Miceli M., Iorio G.G., Mappa I., Rizzo G., Girolamo R.D., D'Antonio F., Guida M., Maruotti G.M. Use of artificial intelligence in obstetrics: not quite ready for prime time // American Journal of Obstetrics & Gynecology MFM. – 2023. – Vol. 5. – № 2. – P. 100792. – https://doi.org/10.1016/j.ajogmf.2022.10079229.28. Dhombres F., Bonnard J., Bailly K., Maurice P., Papageorghiou A.T., Jouannic J.M. Contributions of Artificial Intelligence Reported in Obstetrics and Gynecology Journals: Systematic Review // Journal of Medical Internet Research. – 2022. – Vol. 24. – № 4. – P. e35465. – https://doi.org/10.2196/3546530.29. Yeganegi M., Danaei M., Azizi S., Jayervand F., Bahrami R., Dastgheib S.A., Rashnavadi H., Masoudi A., Shiri A., Aghili K., Noorishadkam M., Neamatzadeh H. Research advancements in the Use of artificial intelligence for prenatal diagnosis of neural tube defects // Frontiers in Pediatrics. – 2025. – Vol. 13. – Art. 1514447. – https://doi.org/10.3389/fped.2025.151444731.30. Ищенко А.И., Джибладзе Т.А., Давыдов А.И., Хохлова И.Д., Зуев В.М., Агеев М.Б., Закарян А.А., Остроумова М.В., Корягина А.Д., Свидинская Е.А., Комарова А.Д., Сиордия А.А. Искусственный интеллект в акушерстве и гинекологии // Вопросы гинекологии, акушерства и перинатологии. – 2025. – Т. 24. – № 1. – С. 75–88. – https://doi.org/10.20953/1726-1678-2025-1-75-8832.31. Kim H.Y., Cho G.J., Kwon H.S. Applications of artificial intelligence in obstetrics // Ultrasonography. – 2023. – Vol. 42. – № 1. – P. 2–9. https://doi.org/10.14366/usg.2206333.32. Gimovsky A.C., Eke A.C., Tuuli M.G. Enhancing Obstetric Ultrasonography With Artificial Intelligence in Resource-Limited Settings // JAMA. – 2024. – Vol. 332. – № 8. – P. 626–628. – https://doi.org/10.1001/jama.2024.1479434.33. He F., Wang Y., Xiu Y., Zhang Y., Chen L. Artificial Intelligence in Prenatal Ultrasound Diagnosis // Frontiers in Medicine. – 2021. – Vol. 8. – Art. 729978. – https://doi.org/10.3389/fmed.2021.72997835.34. Du Y., Ji C., Xu J., et al. Performance of ChatGPT and Microsoft Copilot in Bing in answering obstetric ultrasound questions and analyzing obstetric ultrasound reports // Scientific Reports. – 2025. – Vol. 15. – P. 14627. – https://doi.org/10.1038/s41598-025-99268-236.35. Patel D.J., Chaudhari K., Acharya N., et al. Artificial Intelligence in Obstetrics and Gynecology: Transforming Care and Outcomes // Cureus. – 2024. – Vol. 16. – № 7. – P. e64725. – https://doi.org/10.7759/cureus.6472537.36. Shen Y.T., Chen L., Yue W.W., Xu H.X. Artificial intelligence in ultrasound // European Journal of Radiology. – 2021. – Vol. 139. – P. 109717. – https://doi.org/10.1016/j.ejrad.2021.10971738.37. Алиев И.А. Искусственный интеллект: новая парадигма в акушерско-гинекологических исследованиях и клинической практике // Уральский научный вестник. – 2022. – Т. 10. – № 2. – С. 23–3639.38. Павличенко М.В., Косовцова Н.В., Поспелова Я.Ю., Маркова Т.В. Особенности физического развития недоношенных новорожденных из монохориальных диамниотических двоен при рождении: ретроспективное когортное исследование. Кубанский научный медицинский вестник. 2023;30(1):37-48. https://doi.org/10.25207/1608-6228-2023-30-1-37-4840.39. Wu H, Wu B, Lai F, Liu P, Lyu G, He S, Dai J. Application of Artificial Intelligence in Anatomical Structure Recognition of Standard Section of Fetal Heart. Comput Math Methods Med. 2023 Jan 24;2023:5650378. https://doi.org/10.1155/2023/565037841.40. Бокерия Е.Л., Яннаева Н.Е., Сенча А.Н., Костюков К.В., Прялухин И.А., Голошубов П.А., Джабиев А.В., Потапова А.А., Передвигина А.В., Коротченко О.Е., Машинец Н.В., Ляпунов А.К. Алгоритм искусственного интеллекта в оценке сердца плода. Первые этапы разработки НМИЦ АГП имени академика В.И. Кулакова. Медицинская визуализация. 2025;29(3):67-79. https://doi.org/10.24835/1607-0763-1484