Proceedings of the International scientific and practical conference ―Oxford 2026: Science and Education Today‖ (May 29-31, 2026) / Publisher website: www.naukainfo.com. - Oxford, United Kingdom, 2026. - 392 p.

354 Основний зміст. Кольпоскопія є стандартним методом оцінки патологічних змін шийки матки після позитивного скринінгу на ВПЛ або патологічного цитологічного результату. Під час дослідження лікар оцінює судинний малюнок, ацетобілий епітелій, межі ураження та інші морфологічні ознаки. Однак інтерпретація кольпоскопічних змін часто має суб'єктивний характер, оскільки базується на візуальній оцінці стану епітелію слизової оболонки та досвіді спеціаліста [3]. Сучасні ШІ-системи використовують алгоритми deep learning (глибокого навчання) та convolutional neural networks (згорткових нейронних мереж) (CNN) для аналізу цифрових кольпоскопічних зображень [1]. Алгоритми навчаються на великій кількості зображень шийки матки з підтвердженими гістологічними результатами та їх кореляцією між ознаками та кінцевим результатом, що дозволяє ШІ автоматично розпізнавати патологічні зміни. За даними сучасних досліджень, ШІ демонструє високу точність у виявленні CIN2+ та передракових уражень шийки матки, що іноді можуть бути не помічені вчасно спеціалістами різних категорій не залежно від досвіду[2]. У деяких роботах діагностична ефективність ШІ була співставною або навіть вищою за результати традиційної експертної оцінки. Основними перевагами ШІ є:  зменшення суб'єктивності діагностики;  швидкий аналіз зображень;  стандартизація оцінки;  можливість використання у регіонах із дефіцитом досвідчених спеціалістів [1]. Особливу роль відіграють CNN-моделі, здатні аналізувати текстуру тканин, судинний малюнок та межі патологічних зон. Це сприяє більш ранньому виявленню диспластичних процесів та оптимізації подальшої тактики ведення пацієнток. Водночас ШІ-технології мають певні обмеження. Для ефективного навчання алгоритмів необхідні великі бази якісних клінічних зображень та