Одной из актуальных проблем современной пренатальной диагностики остаётся своевременное выявление врождённых пороков развития плода. Выживаемость детей, объём 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 и плода. Современным решением по совершенствованию качества пренатальной диагностики может стать применение технологий искусственного интеллекта.

Одним из основных методов медицинской визуализации при обследовании беременных является ультразвуковое исследование, поскольку оно неинвазивное, безопасное и информативное. В последнее время в ультразвуковой диаг-ностике также активно используют технологии обработки видеофайлов и статичных изображений с помощью искусственного интеллекта.

В обзоре собраны данные из 52 источников литературы как отечественных, так и зарубежных авторов. Проанализированы оригинальные исследования в области применения искусственного интеллекта в пренатальной диагностике, систематические обзоры, методические пособия, практические и клинические рекомендации, монографии. Сбор данных проводили с помощью поисковых систем PubMed, Google Scholar и eLibrary на русском и английском языках с использованием ключевых слов: «искусственный интеллект», «ультразвуковая диагностика», «нейросеть», «плод», «врождённые пороки развития», «artificial intelligence», «ultrasound diagnostics», «neural network», «fetus», «congenital malformations». Глубина поиска составила 6 лет (с 2020 по 2025 год).

В обзоре представлены очевидные преимущества применения нейросетевых систем в пренатальной диагностике. Автоматизация и стандартизация ультразвукового исследования плода позволяют создать алгоритм нейросетевого анализа в режиме реального времени и обеспечить контроль качества получаемых эхографических изображений. Несомненными преимуществами технологий искусственного интеллекта являются минимизация вариабельности инструментального диагноза между различными специалистами и сокращение времени получения «правильного» эхографического среза. Кроме того, искусственный интеллект позволяет автоматически определить стандартные плоскости сканирования, осуществить «распознавание» анатомических структур и выполнить биометрические измерения у плода. Тем не менее существует некоторые объективные проблемы, связанные с внедрением современных интеллектуальных систем поддержки принятия решений в здравоохранение по всему миру, в частности в нашей стране. Наиболее актуальными являются медико-юридические и этические вопросы, проблема отсутствия прозрачности принятия решений («чёрный ящик»), ведущая к насторожённости специалистов, а также слабая результативность при диагностике редких аномалий вследствие малого количества обучающего материала.

Таким образом, современные компьютерные технологии с функцией нейросетевого анализа в пренатальной диагностике следует рассматривать как мощный вспомогательный инструмент для врачей.

现代产前诊断面临的实际问题之一是胎儿先天性发育异常的及时检出。患儿的生存率、治疗和康复的医疗救助规模与质量直接取决于早期可靠的诊断。现代医学中，产前诊断是控制孕妇和胎儿健康状况的强制性医疗操作综合体和各种检查方法。完善产前诊断质量的现代解决方案可能是人工智能技术的应用。

孕妇检查时，医学可视化主要方法是超声波检查，因其无创、安全且信息丰富。近年来，超声诊断中还积极利用人工智能技术处理视频文件和静态图像。

本综述收集了52个文献来源数据，包括国内外作者。分析了人工智能在产前诊断应用领域的原创研究、系统综述、方法指南、实践和临床建议、专著。通过PubMed、Google Scholar和eLibrary搜索引擎收集数据，使用俄语和英语关键词：“人工智能”、“超声诊断”、 “神经网络”、“胎儿”、“先天性畸形”。检索深度为6年（2020年至2025年）。

综述展示了神经网络系统在产前诊断中应用的明显优势。胎儿超声检查的自动化和标准化允许创建实时神经网络分析算法，并确保获取的超声图像质量可控。人工智能技术的明显优势包括最小化不同专家间仪器诊断的变异性及缩短获取“正确”超声切面的时间。此外，人工智能可自动确定标准扫描平面、“识别”解剖结构并执行胎儿的生物测量。然而，存在一些与在全球医疗保健中引入现代智能决策支持系统相关的客观问题，特别是在我国。最实际的是医疗法律和伦理问题、决策缺乏透明度（“黑箱”）导致专家警惕性，以及因训练材料数量少导致罕见异常诊断效果差。

因此，具有神经网络分析功能的现代计算机技术在产前诊断中应被视为医生的强大辅助工具。