Искусственный интеллект и машинное обучение в диагностике и прогнозировании воспалительных заболеваний околоносовых пазух: систематический обзор литературы
Евразийская оториноларингология и аудиология · 30.03.2026 · 16 (1) · 79-94
DOI: 10.34883/pi.2026.16.1.035 ↗Kurz gefasst
Fachartikel in der Zeitschrift Евразийская оториноларингология и аудиология, erschienen am 30.03.2026. Verfasst von В.О. Рафиков und 7 weiteren Autor:innen. Die Arbeit nennt 44 Literaturangaben.
Abstract (Originalsprache)
Введение. Воспалительные заболевания околоносовых пазух представляют собой одну из наиболее распространенных патологий в современной оториноларингологии, поражающую от 10 до 15% взрослого населения развитых стран. Традиционные методы визуализации характеризуются субъективностью интерпретации и зависимостью от квалификации специалиста. На фоне роста объема лучевых исследований и дефицита врачей-рентгенологов возрастает потребность в технологических решениях на основе искусственного интеллекта и машинного обучения для автоматизации анализа медицинских изображений и поддержки принятия клинических решений. Цель. Анализ современного состояния исследований по применению искусственного интеллекта и машинного обучения в диагностике и прогнозировании воспалительных заболеваний околоносовых пазух, обобщение данных о диагностической точности существующих разработанных моделей. Материалы и методы. Обзор выполнен в соответствии с рекомендациями PRISMA 2020. Проведен поиск литературы за период 2019–2024 гг. в базах PubMed, Google Scholar и eLibrary с использованием ключевых слов, связанных с искусственным интеллектом, машинным обучением и диагностикой синусита. Первичный поиск выявил 481 публикацию, после отбора по критериям включения в анализ вошло 18 оригинальных исследований с общим объемом выборки 15212 пациентов. Результаты. Включенные в анализ исследования продемонстрировали высокую диагностическую точность моделей машинного обучения, варьирующую от 75,7 до 99,7% в зависимости от типа визуализации и методологии. Наиболее высокие показатели достигнуты при анализе данных конусно-лучевой компьютерной томографии (точность 99,7%, чувствительность 100%, специфичность 99,3%). Модели успешно применялись для дифференциальной диагностики эозинофильного и неэозинофильного вариантов ХРС с точностью от 85,3 до 98,5%, а также для различения одонтогенного гайморита и других форм синусита. Прогностические модели показали точность от 69,23 до 84,62% в предсказании рецидивов после хирургического лечения. Сравнительные исследования подтвердили, что алгоритмы машинного обучения демонстрируют сопоставимую или превосходящую точность по сравнению с врачами-специалистами. Заключение. Искусственный интеллект и машинное обучение представляют перспективное направление для повышения точности диагностики, стандартизации интерпретации результатов исследований и прогнозирования исходов лечения воспалительных заболеваний околоносовых пазух. Для широкого клинического внедрения необходимы многоцентровые проспективные исследования и разработка стандартизированных протоколов применения.
Introduction
Inflammatory diseases of the paranasal sinuses represent one of the most common pathologies in modern otorhinolaryngology, affecting 10 to 15% of the adult population in developed countries. Traditional imaging methods are characterized by subjective interpretation and dependence on specialist qualifications. Against the background of increasing volume of radiological examinations and shortage of radiologists, there is a growing need for technological solutions based on artificial intelligence and machine learning for automation of medical image analysis and clinical decision support.
Purpose
To analyze the current state of studies concerning the implementation of artificial intelligence and machine learning in the diagnosis and prediction of inflammatory diseases of the paranasal sinuses, and to summarize data on the diagnostic reliability of existing models. Materials and methods. The review was conducted in accordance with PRISMA 2020 guidelines. A literature search was performed for the period 2019–2024 in PubMed, Google Scholar, and eLibrary databases using keywords related to artificial intelligence, machine learning, and rhinosinusitis diagnosis. The initial search identified 481 publications; after selection according to inclusion criteria, 18 original studies with a total sample size of 15,212 patients were included in the analysis.
Results
The included studies demonstrated high diagnostic accuracy of machine learning models, ranging from 75.7 to 99.7% depending on the type of imaging and methodology. The highest performance was achieved in cone-beam computed tomography analysis (accuracy 99.7%, sensitivity 100%, and specificity 99.3%). Models were successfully applied for differential diagnosis of eosinophilic and non-eosinophilic variants of chronic rhinosinusitis with accuracy ranging from 85.3 to 98.5%, as well as for distinguishing odontogenic maxillary sinusitis from other forms. Prognostic models showed accuracy from 69.23 to 84.62% in predicting recurrence after surgical treatment. Comparative studies confirmed that machine learning algorithms demonstrate comparable or superior accuracy compared to medical specialists.
Conclusion
Artificial intelligence and machine learning represent a promising direction for improving diagnostic accuracy, standardizing interpretation of examination results, and predicting treatment outcomes in inflammatory diseases of the paranasal sinuses. For widespread clinical implementation, multicenter prospective studies and elaboration of standardized application protocols are required.
Zitieren
APA
Рафиков, В., Наурдинова, М., Савинкина, Ю., Жук, С., Фиданян, Е., Коршунова, А., Москвитина, А., & Гусейнов, Н. (2026). Искусственный интеллект и машинное обучение в диагностике и прогнозировании воспалительных заболеваний околоносовых пазух: систематический обзор литературы. Евразийская оториноларингология и аудиология, 16(1), 79-94. https://doi.org/10.34883/pi.2026.16.1.035
Vancouver
Рафиков В, Наурдинова М, Савинкина Ю, Жук С, Фиданян Е, Коршунова А, et al. Искусственный интеллект и машинное обучение в диагностике и прогнозировании воспалительных заболеваний околоносовых пазух: систематический обзор литературы. Евразийская оториноларингология и аудиология. 2026;16(1):79-94. doi:10.34883/pi.2026.16.1.035
BibTeX
@article{2026,
author = {Рафиков, В.О. and Наурдинова, М.Х. and Савинкина, Ю.Д. and Жук, С.П. and Фиданян, Е.Е. and Коршунова, А.Ю. and Москвитина, А.В. and Гусейнов, Н.А.},
title = {Искусственный интеллект и машинное обучение в диагностике и прогнозировании воспалительных заболеваний околоносовых пазух: систематический обзор литературы},
journal = {Евразийская оториноларингология и аудиология},
year = {2026},
volume = {16},
number = {1},
pages = {79--94},
doi = {10.34883/pi.2026.16.1.035}
}
EUVIMED