Цель: проведение сравнительной оценки выходных данных комплекса обученных моделей сверточных нейронных сетей (convolutional neural network, CNN) и интерпретации патологических изменений поясничного отдела позвоночника врачами-рентгенологами при проведении магнитно-резонансной томографии.Материал и методы. Собрано более 12 тыс. анонимизированных архивов для формирования обучающего и тестового наборов данных нейросети среди пациентов старше 18 лет. Каждый архив состоял из набора программ в двух плоскостях, содержащих последовательности Т2-TSE, Т1-TSE и Т2 с программой жироподавления. Далее на отобранных исследованиях выполняли разметку в два этапа, заключающуюся непосредственно в ручной разметке и ее проверке специалистами. Обучение CNN проводили отдельно для анализа нормы, качественного определения патологических изменений и количественного анализа. Проверку точности моделей путем сравнительного анализа протоколов пяти врачей-рентгенологов и выходных данных моделей CNN осуществляли в два этапа. На первом, промежуточном этапе оценивали точность работы нейросетей в выявлении выбуханий, протрузий и экструзий дисков, стеноза позвоночно- го канала, латеральных стенозов, фораминальных стенозов, спондилолистеза и артроза межпозвонковых суставов. На итоговом этапе помимо патологий, рассматриваемых на промежуточном этапе, проверяли точность выявления дегенеративных изменений замыкательных пластин, синовита межпозвонковых суставов, дегенерации дисков, остеофитов, переходных позвонков, гипертрофии желтых связок и грыжи Шморля. Эталонное значение для всех рассматриваемых в данной работе патологических изменений определено большинством голосов, и в случае разногласий решение принимал внешний рентгенолог. Затем интерпретации рентгенологов были сопоставлены с интерпретацией обученной модели.Результаты. Искусственный интеллект (ИИ) продемонстрировал сопоставимые значения чувствительности и специфичности в сравнении с эталонным результатом в группе опытных врачей-рентгенологов для бинарной классификации (наличие/отсутствие) наличия отдельных дегенеративных изменений пояснично-крестцового отдела позвоночника. Для экструзий чувствительность и специфичность результатов ИИ составили 0,88 и 0,97 соответственно, для протрузий – 0,81 и 0,94, для центрального стеноза – 0,87 и 0,98, для латерального стеноза – 0,83 и 0,85, для фораминального стеноза – 0,92 и 0,84, для артроза – 0,85 и 0,50, для дегенерации замыкательных пластин – 0,73 и 0,96, для синовита межпозвонковых суставов – 0,85 и 0,84, для дегенерации дисков – 0,91 и 0,88, для остеофитов – 0,93 и 0,72, для переходных позвонков – 1,0 и 1,0, для спондилолистезов – 0,8 и 1,0, для гипертрофии желтых связок – 0,67 и 0,99, для грыж Шморля – 0,75 и 1,0. Точность количественных характеристик размеров протрузий и экструзий пояснично-крестцового отдела позвоночника показала неудовлетворительные результаты, однако улучшение качества определения данных параметров планируется в последующих работах.Заключение. Модели ИИ продемонстрировали сопоставимые со специалистами-рентгенологами результаты в обнаружении дегенеративных изменений пояснично-крестцового отдела позвоночника. Последовательное улучшение моделей CNN на основе сравнительной оценки с результатами работы врачей-рентгенологов повышает чувствительность и специфичность выявления патологических изменений.