The use of modern cancer screening methods in primary healthcare

Full Text

ВВЕДЕНИЕ

Злокачественные новообразования (ЗНО) остаются одной из главных медико-социальных проблем в мире и России. Они занимают второе место среди причин общей смертности [1, 2]. Лечение опухолей постепенно совершенствуется, но заболеваемость продолжает расти. Причинами этого роста являются старение населения, влияние факторов окружающей среды [1], а также широкое и неравномерное распространение модифицируемых факторов риска (курения, употребления алкоголя, ожирения), улучшение диагностики (повышающее выявляемость), инфекционные агенты (вирусы папилломы человека, Helicobacter pylori, вирусы гепатита В и С) и социальные детерминанты, как указано в докладе Всемирной организации здравоохранения (2024). В Российской Федерации, по данным на сентябрь 2025 г., под наблюдением онкологов находилось более 4,4 млн пациентов. При этом рост количества наблюдаемых обусловлен как ростом заболеваемости, так и увеличением выживаемости (доля наблюдаемых 5 лет и дольше выросла на 10,5%). Поздняя диагностика остается одной из ключевых проблем, влияющих на прогноз и экономические затраты. Вместе с тем на прогноз существенно влияют также тип опухоли, ее молекулярно-генетические характеристики и чувствительность к лечению, а также организационные аспекты медицинской помощи. Экономические затраты, помимо стадии заболевания при его выявлении, определены типом и молекулярным профилем новообразования, доступностью высокотехнологичной помощи, обеспеченностью лекарственными препаратами (включая перечень жизненно необходимых и важнейших лекарственных препаратов), косвенными экономическими потерями и организацией медицинской помощи [1–3].

У существующей системы профилактики и раннего выявления онкозаболеваний на уровне первичной медико-санитарной помощи (ПМСП) есть организационные ограничения. По официальной статистике, в 2023 г. доля ЗНО, выявленных активно (то есть при профилактических осмотрах), составила 27,0% [4]. Доля случаев, диагностированных на поздних стадиях (III–IV), в 2023–2024 гг. держится примерно на уровне 35% (34,3% в 2024 г. и 35,3% в 2023 г.) [4, 5]. В 2023 г. доля заболеваний с неустановленной стадией была равна 4,2% [4], в 2024 г. — 4,3% [5].

Помимо организационных барьеров, обращает на себя внимание низкая онкологическая настороженность врачей. В анкетировании, проведенном в Воронежской области (среди 220 врачей различных специальностей), доля неправильных ответов на вопросы, касающиеся факторов риска и маршрутизации, составила в среднем 50,6%, при этом наиболее высокие показатели ошибок зафиксированы среди эндоскопистов (57,2%), офтальмологов (55,7%), а также кардиологов, эндокринологов и оториноларингологов [1]. Экстраполяция этих данных на всех врачей первичного звена требует осторожности, однако такие результаты указывают на необходимость учитывать значимый дефицит знаний при организации скрининга.

Параллельно с этим происходит развитие диагностики. По официальным данным, в 2024 г. в России доля ЗНО, выявленных на ранних (I–II) стадиях, достигла 61,4% [4], а в 2023 г. значение составляло 60,6% [5]. Появились новые методы: специалисты совершенствуют методы визуализации (цифровую маммографию с томосинтезом, контрастную спектральную маммографию), внедряют неинвазивные тесты на основе биожидкостей (так называемая «жидкая биопсия»), активно применяют системы искусственного интеллекта (ИИ) для анализа медицинских изображений и оценки риска [6, 7]. По данным отдельных исследований, интеграция ИИ-платформ и мобильных приложений может повышать чувствительность диагностики и выявляемость патологий на ранних стадиях [2, 8]. Однако окончательные выводы о влиянии этих технологий на снижение смертности, инвалидизации и экономических затрат требуют дальнейшего подтверждения в крупных рандомизированных исследованиях.

Таким образом, возникает противоречие: современные высокоэффективные скрининговые методики внедряют в рутинную работу первичного звена слабо и фрагментарно, из-за чего потенциал снижения онкологической смертности остается нереализованным. В связи с этим комплексный анализ эффективности данных методов в реальных условиях ПМСП актуален и обладает научной и практической ценностью.

ОТБОР ПУБЛИКАЦИЙ

Данный систематический обзор выполнен в соответствии с Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA). Протокол обзора зарегистрирован в Open Science Framework.

Ниже указаны критерии включения исследований.

• Типы исследований: рандомизированные контролируемые (РКИ), нерандомизированные контролируемые, когортные и случай–контроль исследования, систематические обзоры с метаанализом, опубликованные в рецензируемых журналах.
• Участники — взрослое население (в возрасте 18 лет и старше) без диагностированного ЗНО на момент скрининга, наблюдающееся в первичном звене здравоохранения (ПМСП).
• Вмешательства — любые методы скрининга: традиционные [маммография, FIT¹/колоноскопия, низкодозовая компьютерная томография (НДКТ), осмотр кожи] и инновационные [3D-маммография, иммуносерологические тесты, серологический тест для оценки риска развития заболеваний желудочно-кишечного тракта (на пепсиногены I/II, гастрин-17 и Helicobacter pilory), ИИ-приложения для кожи). Локализации: молочная железа, толстый кишечник или прямая кишка, легкие, желудок, кожа, а также шейка матки, предстательная железа, пищевод, печень, слизистые оболочки рта, щитовидная железа (по данным диспансеризации в России).
• Сравнение стандартной помощи (рутинного осмотра, без скрининга) и альтернативных стратегий.
• Исходы: чувствительность, специфичность, прогностическая ценность положительного/отрицательного результата, доля выявления заболеваний на ранних (I–II) стадиях, снижение смертности, частота ложноположительных/ложноотрицательных результатов, осложнения, затраты на один качественно скорректированный год жизни (Quality-Adjud Lifstee Years, QALY), охват скринингом.

Исключены:

• исследования без оригинальных данных (мнения, редакционные статьи, описания клинических случаев);
• исследования, проведенные только в специализированных онкоцентрах без указания на первичное звено;
• работы без полных данных о точности или экономической эффективности.

Поиск выполнен в электронных базах PubMed (MEDLINE), Cochrane Central Register of Controlled Trials, eLibrary, Google Scholar за период с 1 января 2021 г. по 1 марта 2026 г. Использовали комбинацию ключевых слов «(cancer screening OR early detection) AND (primary health care OR primary care) AND (sensitivity OR specificity OR cost-effectiveness OR AI OR biomarkers)» на английском и русском языках. Дополнительно проведен ручной поиск по спискам литературы включенных статей. Поиск ограничен выбором публикаций на русском и английском языках.

Качество диагностических исследований оценивали с помощью (Quality Assessment of Diagnostic Accuracy Studies версии 2 (QUADAS-2), риск смещения в нерандомизированных исследованиях — по шкале Risk Of Bias In Non-randomised Studies of Interventions (ROBINS-I). Для экономических исследований использовали список Consolidated Health Economic Evaluation Reporting Standards (CHEERS). Два автора (Н.И. Жернакова и А.А. Жердева) независимо провели отбор и оценку качества; разногласия разрешали дискуссией с третьим автором (Р.И. Борзенковым).

Из 712 первоначально найденных записей после удаления дубликатов и первичного скрининга для полного анализа отобрано 54 публикации. Окончательный список литературы составил 38 источников. При этом количество российских журналов составило 13, международных — 25, включая клинические рекомендации Российского общества клинической онкологии RUSSCO, USPSTF и Canadian Task Force, а также систематические обзоры и метаанализы, в том числе по скринингу колоректального рака, рака легких, молочной железы, кожи и желудка. В обзор включены метаанализы по раку желудка и кожи. Выявлен потенциальный риск систематического смещения (publication bias) в сторону позитивных результатов инновационных методов, что отражено в обсуждении.

СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ ТРАДИЦИОННЫХ И ИННОВАЦИОННЫХ СКРИНИНГОВЫХ МЕТОДИК

Эффективность скрининга зависит от локализации ЗНО.

Для рака молочной железы (РМЖ) маммография остается золотым стандартом. Однако ее чувствительность резко падает с 98% при низкой плотности ткани до 48% и ниже (30–35%) при высокой плотности паренхимы [6, 9]. Модификации метода позволяют решить эту проблему. Цифровая маммография с томосинтезом (3D-маммография) и контрастная спектральная маммография обеспечивают чувствительность до 90,5% при плотной железе. Специфичность при этом составляет 89–94% в зависимости от возраста и плотности ткани. Прогностическая ценность положительного результата (PPV) для массового скрининга (распространенность РМЖ среди женщин 50–69 лет составляет около 0,5%) варьирует от 4% (при стандартной маммографии) до 8% (при 3D-маммографии), что означает 92–96% ложноположительных результатов. Вред от ложноположительных итогов маммограмм включает тревогу, дополнительные инвазивные биопсии и риск гипердиагностики (по данным обзора Cochrane 2022 г., частота гипердиагностики достигает 19%) [10–14]. Ультразвуковое исследование (УЗИ) эффективно как дополнительный метод при высокой плотности тканей, но его самостоятельная чувствительность для непальпируемых образований (менее 1 см) остается низкой [6, 15]. Магнитно-резонансная томография (МРТ) обладает высокой чувствительностью у женщин с генетическим риском (носительниц мутаций в гене BRCA1/2), однако это относится к клинической диагностике, а не к массовому скринингу. Для популяционного скрининга МРТ, контрастная спектральная маммография и УЗИ, по данным ведущих клинических рекомендаций (включая RUSSCO [16], Американскую коллегию радиологии), не подходят из-за отсутствия доказательств снижения смертности, низкой специфичности (что ведет к ложноположительным результатам и дополнительным инвазивным процедурам), высокой стоимости и ограниченной доступности. Упомянутые методы можно применять только в группах высокого риска и при условии информированного согласия пациентки. Скрининг на наличие РМЖ в России преимущественно оппортунистический (при обращении), хотя рекомендован популяционный анализ с охватом не менее 70%.

В скрининге колоректального рака (КРР) первичным методом является анализ кала на скрытую кровь (FOBT²/FIT). Ключевым верифицирующим методом остается колоноскопия [17, 18]. Специфичность FIT достигает 96–98%, однако при распространенности аденом и рака у лиц 45–75 лет около 3% PPV положительного FIT составляет лишь 30–40%, то есть 60–70% пациентов после положительного FIT направляют на колоноскопию без подтвержденных новообразований. Колоноскопия содержит риск перфорации (0,05–0,1%) и кровотечения (0,3%), что важно при каскадном алгоритме. Исследования подтверждают: скрининг КРР целесообразно начинать с 45 лет [17, 19, 20]. Популяционный скрининг КРР (FIT каждые 2 года) принят в ряде регионов Российской Федерации, но реальный охват остается низким (менее 30%).

Для рака легкого НДКТ доказала свою эффективность в снижении смертности. Показатели метода: чувствительность до 95,4%, специфичность до 96,6% [15, 21]. Однако при распространенности рака легкого в группе высокого кумулятивного риска (например, ≥30 пачка-лет) около 2% PPV составляет лишь 22–25%, а значит 75–78% положительных результатов НДКТ — ложноположительные. В исследовании NLST у 24% участников отмечен хотя бы один ложноположительный результат за три раунда скрининга, из них 96% подверглись инвазивным процедурам без рака [22]. Кроме того, НДКТ сопровождают лучевая нагрузка (1,4 мЗв) и риск обнаружения клинически незначимых узелков (сверхдиагностика) [23, 24]. Это стимулирует поиск комбинированных (каскадных) стратегий [25, 26].

В скрининге рака желудка для первичного звена предложен неинвазивный серологический тест для анализа пепсиногенов I/II и гастрина-17. Тест позволяет выявить атрофический гастрит — ключевое предраковое состояние [27, 28]. Однако важно подчеркнуть, что серологический скрининг рака желудка пока не рекомендован для массового применения в западных странах и России. Согласно позиции UK National Screening Committee (UK NSC) и US Preventive Services Task Force (USPSTF), доказательства снижения смертности от рака желудка при популяционном серологическом скрининге отсутствуют, а отношение вреда и пользы не определено. Метод применяют только в странах с очень высокой заболеваемостью (Японии, Корее, Китае) в рамках организованных программ. Чувствительность метода для диагностики тяжелой атрофии составляет около 75%, специфичность — 80–85%. При распространенности атрофического гастрита в российской популяции (ориентировочно 5–10%) PVV теста не превышает 25–35%, что означает 65–75% ложноположительных результатов. Это приведет к массовым ненужным эндоскопиям, их осложнениям (перфорации, кровотечению с частотой менее 0,1%) и психологическому вреду для пациентов. Таким образом, рутинное использование данного серологического теста в первичном звене России в настоящее время не может быть рекомендовано. Оно допустимо лишь в рамках пилотных проектов с информированным согласием и при условии последующей оценки клинической эффективности.

При скрининге ЗНО кожи традиционный визуальный осмотр у врача первичного звена дает диагностическую точность около 40% [8]. Внедрение мобильных приложений на основе ИИ, повышает чувствительность анализа изображений до 93,5% при специфичности 84,2% (табл. 1) [8, 29]. Однако авторы при анализе с использованием QUADAS-2 оценили качество исследований по ИИ-приложениям как среднее (высокий риск смещения из-за спектра пациентов и отсутствия внешней валидации). Кроме того, данные о высокой чувствительности и специфичности получены в специализированных онкологических центрах и не могут быть механически экстраполированы на первичное звено здравоохранения. При распространенности меланомы в общей популяции 0,1% PPV ИИ-приложения составляет менее 0,5%. Даже если принять более высокую распространенность (1%, что характерно для групп риска), PPV не превышает 6% [PPV=(0,93×0,01)/(0,93×0,01+0,158×0,99)≈0,056]. Это означает, что 94–99% положительных результатов от ИИ будут ложноположительными, что при ограниченных ресурсах ведет к неоправданной нагрузке на онкологов и потенциальному вреду для пациентов (тревоге, ненужной биопсии). Согласно систематическим обзорам О.Т. Jones и соавт., а также клиническим рекомендациям (2022, 2026) [30, 31] использование алгоритмов ИИ и машинного обучения для выявления рака кожи в первичной помощи остается перспективным, но недостаточно изученным: на сегодняшний день доступны лишь два исследования удовлетворительного качества, а доказательств снижения смертности или улучшения исходов не получено. Частота скрининга кожи не определена — большинство программ предполагают однократное самообследование или ежегодный осмотр для групп риска, однако доказательств снижения смертности недостаточно.

 

Таблица 1. Сравнительная характеристика основных методов скрининга онкологических заболеваний в условиях первичной медико-санитарной помощи

Table 1. Comparative characteristics of the main cancer screening methods in primary healthcare

Локализация ЗНО	Основной метод скрининга в ПМСП / «точка входа»	Альтернативные/ инновационные методы	Чувствительность*	Специфичность*	PPV	Частота вредных событий	Роль в каскадном алгоритме
РМЖ	Маммография (стандартная)	Цифровая маммография с томосинтезом (3D), контрастная спектральная маммография, УЗИ (дополнительно), МРТ (для групп высокого риска)	48–98% в зависимости от плотности ткани	89–94%	от 4% (при стандартной маммографии) до 8% (при 3D-маммографии) при распространенности РМЖ 0,5%	Частота ложноположительных результатов за 10 лет составила 50–60%. гипердиагностики — до 19%. Лучевая нагрузка: 2,8 мЗв на 1 исследование	Маммография — первичный метод массового скрининга. При высокой плотности ткани или повышенном риске переходят на усовершенствованные методы визуализации
КРР	FIT	Колоноскопия (верифицирующий метод)	От 70–80% (при FIT) до >95% (при колоноскопии)	От 96–98% (при FIT) до >99% (при колоноскопии)	30–40% (FIT) при распространенности аденом/рака 3%	Из-за ложноположительных FIT 60–70% пациентов направляют на колоноскопию без новообразований. Частота перфорации при колоноскопии составляет 0,05–0,1%, кровотечений — 0,3%	FIT — метод первичного отбора. При положительном FIT необходима колоноскопия
Рак легкого	НДКТ для групп риска	Иммуносерологические тесты для селекции риска перед НДКТ	От 95,4% при НДКТ до 41–70% при иммуносерологических тестах	От 96,6% при НДКТ до 92–96% при иммуносерологических тестах	22–25% (НДКТ) и около 15% (иммуносерологические тесты) при распространенности рака легкого 2%	Из-за ложноположительных НДКТ (75–78%) пациенты проходят инвазивные процедуры без рака. Лучевая нагрузка составляет 1,4 мЗв, сверхдиагностика узелков — до 18%	Каскадный алгоритм: иммуносерологический тест, затем НДКТ, затем биопсия (экономически чувствителен к стоимости теста)
Рак желудка	Серологический тест на пепсиногены I/II, гастрин-17	Эндоскопия с NBI (верифицирующий метод)	Около 75% при тяжелой атрофии	80–85%	30–35% при распространенности атрофического гастрита 10%	Из-за ложноположительных результатов 65–70% пациентов направляют на ненужную эндоскопию. Ее осложнения: перфорация (0,01–0,05%), кровотечение (0,01%), нет доказательств снижения смертности	Тест не рекомендован для рутинного скрининга. При положительном результате теста в рамках пилотного проекта (с согласием участников и оценкой эффективности) применяют эндоскопию
ЗНО кожи	Визуальный осмотр у врача ПМСП	Мобильные ИИ-приложения для анализа изображений, дерматоскопия	От около 40% при визуальном осмотре до 93,5% при ИИ-приложении	От около 80% при визуальном осмотре до 84,2% при ИИ-приложении	< 0,05% (ИИ-приложение) при распространенности меланомы 0,05%	Более 99% положительных заключений ИИ ложноположительные. Высокий риск гипердиагностики доброкачественных невусов; отсутствие РКИ, подтверждающих снижение смертности	ИИ-приложение — инструмент первичной самооценки. Результат требует подтверждения у дерматолога/онколога
Рак шейки матки	Цитологическое исследование (мазок по Папаниколау) каждые 3 года	ВПЧ-тест (первичный или ко-тестирование)	От 55–80% при цитологии до 90–97% при ВПЧ-тесте	От >95% при цитологии до 94–96% при ВПЧ-тесте	От 5–10% (цитология) до 10–20% (ВПЧ-тест) при распространенности рака шейки матки 0,5%	Ложноположительные результаты вызывают тревогу, ненужные кольпоскопии и биопсии; сверхдиагностика при легкой степени дисплазии	ВПЧ-тест может быть первым этапом с последующей цитологией или кольпоскопией
Рак предстательной железы	ПСА-тест в возрасте 45, 50, 55, 60 лет, 64 года	–	70–80%	60–70%	Около 5% при распространенности рака 0,5%	Гипердиагностика: 30–50% выявленных раков могут быть индолентными. Осложнения биопсии: сепсис, гематурия. Противоречивые рекомендации	Обсуждение с пациентом информированного решения; не рекомендован популяционный скрининг

Примечание. ЗНО — злокачественные новообразования; ПМСП — первичная медико-санитарная помощь; PPV — прогностическая ценность положительного результата; МРТ — магнитно-резонансная томография; НДКТ — низкодозовая компьютерная томография; УЗИ — ультразвуковое исследование; КРР — колоректальный рак; FIT — Fecal Immunochemical Test (иммунохимический тест на скрытую кровь в кале); NBI — Narrow Band Imaging (узкоспектральная визуализация); ИИ — искусственный интеллект; РКИ — рандомизированные контролируемые испытания; ВПЧ — вирус папилломы человека; ПСА — простатспецифический антиген. *Примерный диапазон.

 

По данным диспансеризации в Российской Федерации, скринингу также подлежат другие онкологические заболевания. Для определения рака шейки матки необходимо цитологическое исследование мазка каждые 3 года для женщин 18–64 лет или тест на вирус папилломы человека. Чувствительность цитологии составляет 55–80%, специфичность — более 95%. Проблемой метода является высокая доля ложноотрицательных результатов. Рак предстательной железы выявляют при анализе простатспецифического антигена в крови в 45, 50, 55, 60 лет и 64 года. Чувствительность метода составляет 70–80%, специфичность — 60–70%, PPV при распространенности 0,5% — около 5%. Дополнительный вред при данном анализе включает гипердиагностику и ненужные биопсии, что отражено в противоречивых рекомендациях USPSTF и Европейской ассоциации урологов. Рак пищевода в России не подлежит массовому скринингу, заболевание определяют только эндоскопически при дисфагии. В Китае проводят хромоэндоскопию для групп риска. Рак печени выявляют после УЗИ и анализа на альфа-фетопротеин в группах с циррозом, но не в диспансеризации общего взрослого населения. Рак слизистых оболочек рта и щитовидной железы определяют при визуальном осмотре и пальпации в рамках диспансеризации, однако доказательная база метода отсутствует, чувствительность пальпации для рака щитовидной железы составляет менее 30%. В настоящий систематический обзор эти локализации не включены из-за недостаточного количества исследований, удовлетворяющих критериям включения (нет РКИ с контролем в ПМСП, высокая гетерогенность).

ОРГАНИЗАЦИОННЫЕ, КАДРОВЫЕ И РЕСУРСНЫЕ БАРЬЕРЫ НА УРОВНЕ ПЕРВИЧНОЙ МЕДИКО-САНИТАРНОЙ ПОМОЩИ

Региональные исследования показывают: эффективность скрининга ограничивает целый комплекс системных барьеров. Ключевая проблема — поздняя диагностика. Согласно федеральным статистическим данным, в 2023–2024 гг. средняя по России доля ЗНО, выявленных на III–IV стадиях, составила около 35% [4, 5]. Однако в отдельных регионах этот показатель существенно выше: по данным региональных исследований [1, 3], в некоторых субъектах Российской Федерации доля поздних стадий достигает 60–80%. Приведенные данные (низкий охват диспансеризацией — 26,8%, высокая доля поздних стадий) получены в региональных исследованиях в Воронежской области и Гомельской области (Беларусь) и соответствуют другим публикациям российских авторов. Однако их репрезентативность для всей России требует уточнения, поскольку ситуация может существенно различаться в зависимости от региона, уровня финансирования и организации первичной помощи. Причины заключаются в следующем.

• Недостаточный охват профилактическими мероприятиями и недочеты в их организации. По данным региональных исследований [1], диспансеризацией охвачено около 26,8% взрослого населения. Причем мужчины проходят ее в 3,2 раза реже женщин. В ходе плановых осмотров выявляют лишь примерно 14% случаев онкопатологии [1, 3].
• Дефицит онкологической настороженности у врачей первичного звена. Анкетирование, проведенное в Воронежской области (220 врачей) показало, что более 50% врачей (терапевтов, кардиологов, эндокринологов) недостаточно знают факторы риска и «сигналы опасности» при ЗНО [1, 3]. Указанный дефицит напрямую коррелирует с долей врачебных ошибок и количеством запущенных случаев. Важно подчеркнуть, что эти данные получены в одном регионе, и их экстраполяция на всех врачей первичного звена Российской Федерации требует осторожности. Тем не менее полученные результаты указывают на необходимость учитывать эту значимую проблему при организации скрининга.
• Критическая нехватка материально-технических и кадровых ресурсов. Анализ обеспеченности (на примере Гомельской области) выявил недостаточное количество маммографических установок и эндоскопического оборудования. Отмечен также дефицит квалифицированных рентгенологов и эндоскопистов. Все это не позволяет достичь целевых показателей охвата скринингом [18]. Аналогичные проблемы существуют и в России. В частности, ограничена доступность современных методов, например, эндоскопии с узкоспектральной визуализацией (NBI) для рака желудка [27].

ЭКОНОМИЧЕСКАЯ ЦЕЛЕСООБРАЗНОСТЬ СКРИНИНГОВЫХ СТРАТЕГИЙ

Оценка экономической эффективности подтверждает, что внедрение скрининговых программ и ранней диагностики позволяет снизить общие расходы системы здравоохранения на 10–20%. Однако согласно аналитическим обзорам следует учитывать, что скрининговые программы требуют значительных первоначальных инвестиций в инфраструктуру, а экономический эффект достижим только при высоком охвате населения (более 70%). Кроме того, сложно полностью подсчитать вред от ложноположительных результатов (дополнительных диагностических процедур, психологического стресса, снижения производительности). Отдельной проблемой является избыточная диагностика (overdiagnosis), особенно при скрининге рака легкого и рака предстательной железы, что требует пересмотра системы организации высокотехнологичной медицинской помощи из-за роста количества новых выявленных случаев. Ключевой метод оценки — анализ затраты–эффективность с расчетом инкрементального соотношения затрат на один QALY.

В то же время опубликованные экономические модели часто содержат ряд системных ошибок, выявленных при оценке по CHEERS: не учитывают затраты на ведение ложноположительных пациентов (дополнительные визиты, инструментальные исследования, тревогу и снижение производительности), на лечение осложнений от инвазивных верифицирующих процедур, а также стоимость сверхдиагностированных случаев. Например, для скрининга рака легкого каскадная стратегия, включающая иммуносерологический тест перед НДКТ, выглядит экономически эффективной только при допущении, что стоимость теста ниже определенного порога (50–100 долларов) и специфичность превышает 95%.

Наибольший интерес вызывают многоступенчатые (каскадные) алгоритмы. В отношении рака легкого экономическое моделирование одной из стратегий показало высокую вероятность экономической эффективности иммуносерологического теста с последующим назначением НДКТ только тем, у кого результат положительный [26]. Однако следует подчеркнуть, что выводы о клинической эффективности каскадных алгоритмов базированы в основном на экономических моделях, а не на прямых рандомизированных клинических исследованиях с конечными точками (снижением смертности, качеством жизни). Согласно систематическим обзорам, биомаркерные тесты для скрининга рака легкого пока не получили широкого признания в международных рекомендациях (USPSTF, Canadian Task Force) из-за недостаточной доказательной базы [23–25]. Кроме того, реальная прогностическая ценность таких тестов в первичном звене при распространенности рака легкого 2% не превышает 15–20%, что ограничивает их клиническую применимость. Однако авторы сами указывают, что чувствительность расчетов зависит от стоимости теста (в работе принята цена 129 фунтов стерлингов, реальная розничная цена выше). При повышении цены до 300 фунтов стерлингов модель перестает быть экономически доминирующей. Экономия достигается за счет селективного направления на дорогостоящую визуализацию. Впрочем, итоговый результат сильно зависит от двух факторов: распространенности заболевания в целевой группе и стоимости самого теста [26].

Тот же каскадный принцип работает и при скрининге рака желудка. Первичный неинвазивный серологический скрининг с последующей эндоскопией только для групп риска — экономически более оправданная стратегия, чем тотальная эндоскопия [28]. При этом метаанализ Cochrane (2023) не нашел убедительных доказательств снижения смертности от рака желудка при серологическом скрининге, что ограничивает экономические выводы [32–34]. Применение мобильных ИИ-приложений при ЗНО кожи повышает медико-экономическую эффективность за счет смещения выявляемости на ранние стадии (I–II). Лечение ранних форм обходится в 5–10 раз дешевле терапии запущенных случаев [8, 29–31]. Однако с учетом крайне низкой PPV (< 0,5%) большинство направлений к онкологу после ИИ-приложения будут ложноположительными, и в расчете на одного выявленного больного меланомой стоимость скрининга (включая осмотры тысяч пациентов) может превысить затраты на лечение запущенных форм.

ОПЫТ ВНЕДРЕНИЯ ЦИФРОВЫХ ИНСТРУМЕНТОВ И МОДЕЛЕЙ НАВИГАЦИИ ПАЦИЕНТОВ

Цифровые решения повышают качество скрининга и его охват, что подтверждено в практике.

ИИ-платформы для поддержки принятия решений. Проведена пилотная апробация веб-сервиса на основе нейросетевых алгоритмов, вычисляющего по данным анкетирования пациента интегральный онкологический риск. Результаты показали, что система корректно идентифицировала высокую вероятность ЗНО у 82–88,4% пациентов с верифицированным диагнозом [1, 2]. Однако в обоих исследованиях отмечен высокий риск смещения по шкале ROBINS-I (отсутствие независимого теста, спектр пациентов — только симптомные, обратившиеся). Ложноположительные результаты составили 14,9%. При углубленном обследовании в 80% таких случаев обнаруживали ранние, ранее не диагностированные формы заболеваний [1]. Эффективность ИИ-платформ в реальной популяции ПМСП (асимптомные лица) не изучена. Внедрение подобных платформ увеличило выявляемость рака на ранних стадиях по ключевым локализациям на 1–8% [2]. Данные получены в одной организации Тамбова на выборке из 1200 пациентов и нуждаются в репликации.

Мобильные приложения для скрининга ЗНО кожи. Проект «Регион без меланомы» показал, что использование приложения увеличило долю меланом, выявленных на I стадии, до 86%. Критическая оценка: нет контрольной группы, возможен эффект временного тренда. Дополнительно обучены врачи первичного звена с помощью цифрового курса. После обучения чувствительность визуальной диагностики меланомы врачом выросла с 56,5 до 85,7%. Этот результат не противоречит общим принципам повышения квалификации и не может быть полностью приписан именно ИИ.

Навигация пациентов. Систематический обзор I. Mosquera и соавт. [35] приводит следующие данные. Программы навигации предусматривают персонализированное сопровождение пациента, чтобы преодолеть организационные, финансовые и психологические барьеры. Такие программы статистически значимо повышают участие населения в скрининге РМЖ, рака шейки матки и КРР.

Программы навигации (персонализированное сопровождение пациента) показали прирост охвата по сравнению со значением в рутинной практике. Охват достигал 250% (прирост в 3,5 раза) для КРР и 45,5% — для РМЖ. Систематический обзор I. Mosquera и соавт. [35] включал исследования с высоким риском смещения (без ослепления, с самоотчетом участников). Тем не менее направленность эффекта была положительной.

КОНЦЕПТУАЛЬНАЯ МОДЕЛЬ ПЕРСОНАЛИЗИРОВАННОГО СКРИНИНГОВОГО МАРШРУТА В ПЕРВИЧНОМ ЗВЕНЕ

На основе обобщения данных в работе предложена многоэтапная модель интегрированного скринингового маршрута. Модель адаптирована к условиям первичного звена и включает четыре этапа.

1. Этап стратификации риска и целеполагания. На приеме у врача общей практики или терапевта использовать автоматизированные ИИ-платформы, анализирующие жалобы, анамнез и факторы риска [1, 2]. Параллельно реализовать программы информирования населения с приглашением на скрининг через колл-центры, средства массовой информации и мобильные приложения с функцией самооценки риска [8].
2. Этап первичного не- или малоинвазивного тестирования. Выбор метода зависит от локализации опухоли и уровня риска. Применять маммографию (при РМЖ), FIT (при КРР), серологический тест на пепсиногены (при раке желудка), анализ на простат-специфический антиген (при раке предстательной железы), цитологический скрининг или тест на вирус папилломы человека (при раке шейки матки), мобильное ИИ-приложение для анализа изображений (при ЗНО кожи) [6, 8, 9, 15, 18, 19, 20, 27, 29–31, 36, 37].
3. Этап селективного направления на верификацию. Для пациентов с положительными или сомнительными результатами первого этапа предусмотрены четкие клинические пути с быстрым направлением на углубленную диагностику в специализированные центры. Конкретные методы: УЗИ, МРТ или томосинтез (при РМЖ); колоноскопия (при КРР); эндоскопия с NBI (при раке желудка, раке пищевода); НДКТ (при раке легкого) [2, 22, 23, 25, 28, 32, 38].
4. Этап динамического наблюдения и контроля качества скрининга. На этом этапе вести электронные регистры и мониторировать три группы показателей: охват лиц из групп риска, выявляемость заболеваний на ранних стадиях и временные интервалы в маршруте пациента. Полученные данные использовать для обратной связи и непрерывного обучения врачей первичного звена (рис. 1) [1, 18].

 

Рис. 1. Концептуальная модель персонализированного скринингового маршрута в первичном звене здравоохранения. ИИ — искусственный интеллект; СМИ — средства массовой информации; РМЖ — рак молочной железы; FIT — иммунохимический тест на скрытую кровь в кале; КРР — колоректальный рак; ПСА — простатспецифический антиген; ВПЧ — вирус папилломы человека; ЗНО — злокачественное новообразование; УЗИ — ультразвуковое исследование; МРТ — магнитно-резонансная томография; NBI — узкоспектральная эндоскопия (narrow band imaging); НДКТ — низкодозная компьютерная томография.

Fig. 1. Conceptual model of a personalized screening pathway in primary care. ИИ, artificial intelligence; СМИ, mass media; РМЖ, breast cancer; FIT, fecal immunochemical test; КРР, colorectal cancer; ПСА, prostate-specific antigen; ВПЧ, human papillomavirus; ЗНО, malignant neoplasm; УЗИ, ultrasound; МРТ, magnetic resonance imaging; NBI, narrow-band imaging; НДКТ, low-dose computed tomography.

 

Предлагаемая модель основана на данных, большая часть из них получена в исследованиях с умеренной степенью доказательности (уровнями B–C по шкале GRADE). Ключевые неопределенные аспекты: оптимальная частота скрининга для каждого этапа при отрицательных результатах, безопасность повторных ИИ-исследований (например, эффекты ложной тревоги при многократном использовании), сравнительная эффективность разных каскадных схем. Модель следует рассматривать как концептуальную рамку, требующую валидации в проспективных кластерных РКИ с участием не менее 10 000 пациентов в каждом регионе. При этом необходимо подчеркнуть, что дальнейшие исследования должны доказать эффективность модели как целостной системы именно в условиях первичного звена здравоохранения Российской Федерации. Используемые в модели ИИ-платформы для стратификации риска на этапе первичного приема являются на сегодняшний день экспериментальной технологией без доказательной базы в массовом скрининге (отсутствуют крупные рандомизированные исследования с конечными точками снижения смертности или улучшения качества жизни). Кроме того, модель требует полноценного экономического обоснования: расчета стоимости внедрения (включая затраты на программное обеспечение, обучение персонала, интеграцию с информационными системами) и сопоставления этой стоимости с потенциальной пользой (количествами предотвращенных смертей, сэкономленных QALY) в разных регионах.

Практические ограничения предлагаемой модели. Внедрение ИИ-платформ для стратификации риска требует значительных первоначальных инвестиций для оплаты лицензий, интеграции с региональными медицинскими информационными системами, обучения персонала. В условиях ограниченного бюджета отдельных поликлиник и регионов такие затраты могут быть неподъемными. Кроме того, отсутствуют стандарты тарификации ИИ-услуг в системе обязательного медицинского страхования, что создает риск неравенства доступа. Следует также учитывать противоречивость международных рекомендаций: например, скрининг рака предстательной железы с помощью ПСА рекомендует Европейская ассоциация урологов (при информированном согласии пациента), но не рекомендует USPSTF из-за высокого риска гипердиагностики. Для российской системы необходима выработка единой позиции на основе локальных данных о соотношении пользы и вреда метода.

ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ВНЕДРЕНИЮ МОДЕЛИ

Представленный анализ позволяет сформулировать набор мер, целесообразных для внедрения предложенной модели скрининга в ПМСП. Авторы предлагают следующие направления.

1. Нормативно-правовое и методическое обеспечение с закреплением каскадных алгоритмов. На федеральном и региональном уровнях следует разработать и утвердить клинические рекомендации, а также маршрутизационные карты, регламентирующие применение двухэтапных схем (первичный неинвазивный тест с последующей верификацией результатов для определения групп риска) для диагностики рака легкого, желудка и колоректального рака. В указанных документах необходимо прописать критерии отбора пациентов, последовательность диагностических методов, сроки выполнения процедур, а также пороговые значения риска для направления пациента на второй этап.
2. Кадровое обеспечение и обучение врачей ПМСП с практическими тренингами. Рекомендовано обязательное обучение врачей первичного звена в циклах повышения квалификации (не менее 18 ч) по четырем направлениям: онкологическая настороженность, интерпретация результатов скрининговых тестов (FIT, серологического теста на пепсиногены, ПСА), работа с цифровыми платформами поддержки решений и ИИ-приложениями для дерматоскопии, алгоритмы действий при ложноположительном результате. Обучение завершается тестированием с ситуационными задачами. Параллельно может быть создана система мотивации для медицинских работников, занятых в скрининговых программах.
3. Пилотирование и тиражирование с учетом региональной специфики. Модель целесообразно сначала опробовать в 2–3 регионах с разной структурой ПМСП. Для пилотного проекта необходимы: унифицированный электронный регистр скрининга, выделение ставок координаторов (навигаторов), бюджет на закупку FIT и ИИ-лицензий. Критерии успеха: повышение охвата целевых групп до ≥60% и доли выявления заболеваний на ранних стадиях (I–II) на ≥10% через 2 года. Затем следует оценить медицинскую и экономическую эффективность, доработать модель и только после этого масштабировать на другие территории. При тиражировании необходимо учитывать региональную специфику.
4. Интеграция информационных систем. Необходима технологическая совместимость разных компонентов: ИИ-платформ для оценки риска, мобильных приложений, регистров диспансеризации, электронных медицинских карт. Задачами являются формирование единого информационного контура и автоматизация маршрутизации пациентов. В частности, стратификация риска на приеме должна происходить автоматически (без дополнительного ввода данных) путем «подгрузки» из электронной карты; мобильные приложения для самооценки кожи следует синхронизировать с региональным онкологическим регистром.
5. Информирование населения. Для эффективной работы скрининга необходимо активное участие населения. Рекомендованы широкие информационные кампании, направленные на повышение медицинской грамотности и мотивации, с акцентом на группах повышенного риска, с использованием средств массовой информации и цифровых каналов связи. Авторы предлагают адресную рассылку push-уведомлений через портал Госуслуги и SMS для мужчин 45–75 лет (о раке легкого, колоректальном раке) и женщин 40–70 лет (о раке молочной железы). Информационные материалы должны содержать шкалу факторов риска и приглашение на FIT или маммографию.
6. Мониторинг нежелательных последствий скрининга. При внедрении обязательна регистрация частоты ложноположительных результатов (отдельно по каждому методу), количества инвазивных процедур на один выявленный рак, показателей тревоги и депрессии у участников скрининга, а также гипердиагностики (следует оценивать по протоколам наблюдательных когорт). Целесообразен ежеквартальный мониторинг с внесением показателей в публичные отчеты.

Представленные рекомендации логичны, но требуют дальнейшей конкретизации: необходимо разработать детальные дорожные карты с указанием сроков, ответственных исполнителей, источников финансирования и финансово-экономических расчетов для каждого этапа (например, представить расчет стоимости пилотирования в одном регионе, оценку затрат на масштабирование). Без такой конкретизации рекомендации остаются декларативными, ими не смогут непосредственно пользоваться органы управления здравоохранением.

ЗАКЛЮЧЕНИЕ

Интегративный персонализированный подход эффективнее универсальных стратегий. Максимальной клинической и экономической эффективности можно достичь не за счет расширения применения одного метода, а благодаря многоступенчатым (каскадным) алгоритмам. Сначала использовать первичные неинвазивные методы (серологические тесты, FIT, ИИ-анализ изображений) для отбора групп риска, затем направлять пациентов на ресурсоемкую верификацию (компьютерную томографию, МРТ, эндоскопию). Такой подход экономически оправдан для скрининга рака легкого и рака желудка, оптимизирует нагрузку на систему. Любые скрининговые технологии сталкиваются с системными барьерами на уровне ПМСП. Критические проблемы: низкий охват диспансеризацией (особенно мужчин), дефицит онкологической настороженности врачей, нехватка оборудования и кадров. Указанные факторы усугубляют региональное неравенство. Технологическая модернизация требует повышения квалификации персонала и совершенствования организационных механизмов. Цифровизация доказала эффективность в преодолении этих барьеров. ИИ-платформы и мобильные приложения повышают чувствительность скрининга и долю выявления заболеваний на ранних стадиях. Модели навигации увеличивают приверженность обследованию в уязвимых группах. Эти инструменты не заменяют врача, а служат элементами системы поддержки решений в поликлиниках. Разработана концептуальная модель персонализированного маршрута. В нее входят оценка риска (ИИ, опросники), первичное тестирование, селективное направление на диагностику, динамический контроль на основе регистров. Для ее реализации необходима координация между первичным звеном, диагностическими службами и онкологическими центрами.

Вместе с тем у настоящего систематического обзора есть важные ограничения. Во-первых, большинство включенных исследований проведены в высокоспециализированных центрах, а не в реальной практике ПМСП, что снижает внешнюю валидность. Во-вторых, в литературе преобладают работы с положительными результатами (публикационное смещение), а исследования, показавшие отсутствие эффективности или вред инновационных методов, публикуют реже (например, работы, ставящие под сомнение рутинное использование ПСА или ИИ-дерматоскопии в общей практике). В-третьих, авторы не нашли ни одного РКИ, сравнивающего предложенный каскадный персонализированный маршрут с традиционной диспансеризацией по твердым конечным точкам (снижению смертности, качеству жизни). Таким образом, представленные выводы следует рассматривать как гипотезу для будущих исследований, а не как готовое руководство к широкому внедрению.

Ряд авторов утверждают, что расширение скрининга на основе новых технологий без доказательств снижения смертности может приносить больше вреда, чем пользы. Авторы разделяют эту осторожную позицию и призывают к проведению крупных РКИ, оценивающих соотношение пользы и вреда для каждой инновации в отдельности и для комбинированных алгоритмов.

Итоговая стратегия системна и сбалансирована, она включает внедрение научно обоснованных алгоритмов, преодоление кадрово-ресурсных ограничений, масштабную интеграцию цифровых инструментов. Комплексный подход позволит снизить смертность от онкологических заболеваний. Важно отметить, что в международной практике существуют значительные разногласия по некоторым видам скрининга (например, ПСА-тесту, ИИ-дерматоскопии в общей практике). В настоящем обзоре авторы сочли необходимым представить эти противоречия, однако окончательный выбор стратегии должен опираться на российские клинико-экономические исследования. Предложенная концептуальная модель, несмотря на свою логичность, содержит ряд практических ограничений, таких как высокая стоимость внедрения ИИ, отсутствие тарифов в обязательном медицинском страховании, неопределенная оптимальная частота скрининга и потенциальный психологический вред от ложноположительных результатов. Именно поэтому модель рассмотрена как гипотеза для будущих кластерных рандомизированных исследований, а не как готовый нормативный документ.

ДОПОЛНИТЕЛЬНАЯ ИНФОРМАЦИЯ

Вклад авторов. Н.И. Жернакова — определение концепции, работа с данными, пересмотр и редактирование рукописи; А.А. Жердева — определение концепции, визуализация, написание черновика рукописи; Р.И. Борзенков — пересмотр и редактирование рукописи. Все авторы одобрили рукопись (версию для публикации), а также согласились нести ответственность за все аспекты настоящей работы, гарантируя надлежащее рассмотрение и решение вопросов, связанных с точностью и добросовестностью любой ее части.

Этическая экспертиза. Неприменимо.

Источники финансирования. Отсутствуют.

Раскрытие интересов. Авторы заявляют об отсутствии отношений, деятельности и интересов за последние три года, связанных с третьими лицами (коммерческими и некоммерческими организациями), интересы которых могут быть затронуты содержанием статьи.

Оригинальность. При проведении исследования и создании настоящей статьи авторы не использовали ранее полученные и опубликованные сведения (данные, текст, иллюстрации).

Доступ к данным. Все данные, полученные в настоящем исследовании, представлены в статье.

Генеративный искусственный интеллект. При создании настоящей статьи использованы технологии генеративного искусственного интеллекта — большая языковая модель (LLM), чат-бот с функциями текстового редактирования. Цели использования: улучшение стилистики и читаемости текста без изменения научного содержания, помощь в подборе формулировок и устранении неоднозначностей. Инструмент: виртуальный AI-помощник «Алиса» (Neuro-редактор, ООО «Яндекс», Россия), доступный по адресу: browser://neuro-editor/. Время использования: апрель 2026 г. Генеративный искусственный интеллект не применяли для создания новых научных данных, формулировки выводов, интерпретации результатов, генерации таблиц, рисунков или иллюстраций. Все цифры, статистические показатели, ссылки на источники и ключевые утверждения взяты из оригинальной литературы и остались неизменными. Авторы несут полную ответственность за содержание рукописи.

Рассмотрение и рецензирование. Настоящая работа подана в журнал в инициативном порядке и рассмотрена по обычной процедуре. В рецензировании участвовали два внешних рецензента.

ADDITIONAL INFORMATION

Author contributions: N.I. Zhernakova: conceptualization, data curation, writing—review & editing; A.A. Zherdeva: conceptualization, visualization, writing—original draft; R.I. Borzenkov: writing—review & editing. All the authors approved the version of the manuscript to be published and agreed to be accountable for all aspects of the work, ensuring that questions related to the accuracy or integrity of any part of the work are appropriately investigated and resolved.

Ethics approval: Not applicable.

Funding sources: No funding.

Disclosure of interests: The author have no relationships, activities, or interests over the past three years related to for-profit or not-for-profit third parties whose interests may be affected by the content of the article.

Statement of originality: No previously obtained or published material (text, images, or data) was used in this study or article.

Data availability statement: All data obtained in this study are available in this article.

Generative AI: In preparing this work, the authors used generative AI technology, specifically a large language model (LLM)-based chatbot with text-editing capabilities. The purposes of use were to improve the style and readability of the text without altering the scientific content, to assist in selecting formulations, and to eliminate ambiguities. The tool used was the virtual AI assistant Alice (Neuro Editor, Yandex LLC, Russia), available at browser://neuro-editor/. The time of use was April 2026. Generative AI was not used to create new scientific data, formulate conclusions, interpret results, or generate tables, or figures. All numerical data, statistical indicators, references, and key statements are derived from the original literature and remain unchanged. The authors take full responsibility for the content of the manuscript.

Provenance and peer-review: This paper was submitted unsolicited and reviewed following the standard procedure. The peer-review process involved two external reviewers.

 

¹ Fecal immunochemical test.

² Fecal occult blood testing.

About the authors

Nina I. Zhernakova

Belgorod State National Research University

Author for correspondence.
Email: Zhernakova@bsuedu.ru
ORCID iD: 0000-0001-7648-0774
SPIN-code: 6858-8259

MD, Dr. Sci. (Medicine), Professor

Russian Federation, Belgorod

Arina A. Zherdeva

Belgorod State National Research University

Email: arinazherdeva2001@yandex.ru
ORCID iD: 0009-0001-4381-3322
SPIN-code: 6660-6920
Russian Federation, Belgorod

Rodion I. Borzenkov

Belgorod State National Research University

Email: borzenkov@bsuedu.ru
ORCID iD: 0009-0000-9516-5411
SPIN-code: 2055-6355
Russian Federation, Belgorod

References

Supplementary files