Искать болезни без подсказок: в России создали новый метод анализа КТ
В России разработали систему искусственного интеллекта, которая умеет искать патологии на КТ без предварительной разметки снимков врачами. Новый подход ускорит диагностику и поможет находить заболевания, которые раньше на снимках оставались незамеченными.
Специалисты Центра искусственного интеллекта Московского государственного университета (МГУ) имени М. В. Ломоносова разработали технологию Screener, которая позволяет выявлять патологические изменения на снимках компьютерной томографии без предварительной разметки изображений врачами.
Дело в том, что большинство современных медицинских нейросетей работают по одному принципу. Сначала КТ-снимки изучаются врачами, которые вручную отмечают на них опухоли, воспаления, переломы или другие заболевания. Только после этого ИИ начинает понимать, что именно ему нужно искать.
Такой подход хорошо работает, но имеет серьезный недостаток. Подготовка подобных баз данных занимает очень много времени. Кроме того, специалисты обычно размечают только те заболевания, которые интересуют разработчиков. Остальные патологические изменения могут просто остаться незамеченными. Именно эту проблему решили специалисты Центра искусственного интеллекта МГУ. Они предложили отказаться от привычной схемы обучения и научить нейросеть самостоятельно искать любые отклонения от нормы.
Как работает новая технология?
Система Screener основана на методах самообучения. Во время обучения алгоритм анализировал более 30 тысяч компьютерных томографий, при этом ни одно изображение не содержало врачебной разметки.
Вместо поиска конкретной болезни система изучала, как выглядит здоровая анатомия человека. После этого она научилась замечать любые участки снимка, которые статистически отличаются от нормы. То есть, нейросеть обращает внимание врача на любые подозрительные изменения, которые могут потребовать дополнительного анализа. Такой подход позволяет обнаруживать не только распространенные заболевания, но и редкие патологии, которые человеческий глаз может упустить.
Высокая точность результата
После обучения разработчики протестировали систему на четырех независимых медицинских наборах данных. Всего алгоритм проанализировал 1820 компьютерных томографий с различными заболеваниями, включая рак легких, опухоли печени, опухоли почек и пневмонию.
Результаты показали, что технология обнаружения аномалий оказалась точнее ряда существующих методов автоматической сегментации патологий. Исследование представили на одной из крупнейших мировых конференций по искусственному интеллекту ICLR 2026 в Бразилии.
Что изменится для пациентов?
Во время просмотра компьютерной томографии алгоритм способен заранее выделить подозрительные участки, которые требуют более внимательного изучения. Это особенно важно при высокой нагрузке на рентгенологов, когда ежедневно приходится анализировать сотни исследований. В перспективе подобные технологии помогут уменьшить вероятность пропуска патологий, ускорить обработку КТ и сделать диагностику более точной.
Кроме того, врач сможет быстрее обратить внимание на редкие изменения, под которые нейросеть специально не обучалась. В перспективе это может ускорить разработку универсальных интеллектуальных помощников для рентгенологов и расширить применение цифровых технологий в российских клиниках.
Разработчики рассматривают Screener прежде всего, как инструмент предварительного анализа медицинских изображений. Следующим этапом должны стать клинические испытания.
ИИ в российской медицине
Разработка МГУ стала очередным этапом развития интеллектуальных технологий в лучевой диагностике. В 2021 году алгоритмы, созданные при участии специалистов «Сколтеха», начали автоматически оценивать степень поражения легких при COVID-19 и за короткое время обработали более 100 тысяч компьютерных томографий.
В том же году искусственный интеллект в Нижнем Новгороде помог обнаружить признаки опухолей легких при повторном анализе архивных КТ пациентов, проходивших обследование во время пандемии.
В 2022 году Москва значительно расширила эксперимент по компьютерному зрению в лучевой диагностике, а уже в 2023 году появились алгоритмы, способные одновременно выявлять на одном исследовании признаки сразу нескольких заболеваний.
К 2024 году интеллектуальные сервисы помогали московским врачам искать десятки различных патологий, а российские разработки начали активно внедряться и в регионах страны. Метод, созданный специалистами МГУ, продолжает этот путь, предлагая новый подход к обучению медицинского ИИ.
