В Пензе создан тренажёр для распознавания дефектов на рентгеновских снимках
Интерактивный веб-тренажёр позволяет студентам медицинских вузов и ординаторам учиться распознавать дефекты на рентгеновских изображениях.
Чем хуже снимок, тем сложнее вовремя заметить патологию. Состояние оборудования, параметры экспозиции, доза облучения, квантовый шум – всё имеет значение. Поэтому специалист должен не только распознавать болезнь, но и понимать, где на снимке реальная клиническая картина, а где – техническое искажение.
Учёные Пензенского государственного университета (ПГУ) предложили своё решение. Их новый тренажёр помогает отличать технические артефакты от изменений в организме.
Равнение на эталон
Система включает три компонента. Первый – база данных, где хранятся рентгеновские снимки, метрики их качества и сопутствующая информация. Следующий компонент – подсистема расчёта метрик. Она автоматически оценивает изображения по множеству количественных показателей (отношение полезного сигнала к шуму, градиенты изображения, разность между максимальной и минимальной яркостью). Все вычисления производятся по пиксельным данным с применением строгих математических формул. Это гарантирует объективность и воспроизводимость результатов.
Последний компонент – это подсистема обучения и тестирования. Она генерирует учебные задания, предоставляя версии эталонных снимков с дефектами. Врач-рентгенолог загружает изображения в базу, эксперт отбирает лучшие из них и помечает как эталоны. Затем система создаёт искажённые копии, имитируя реальные дефекты. Для каждой копии также рассчитываются метрики.
200 случаев – 100% точности
Для обучения достаточно браузера и доступа к интернету. Студенты получают задания, где одновременно видят эталонный и искажённый снимки. Система же даёт мгновенную обратную связь, помогая связать визуальные особенности с численными показателями. Все ответы сохраняются в базе данных, где работать с ними могут как преподаватели, так и студенты.
На базе Медицинского института ПГУ с помощью тренажёра оценили 200 тестовых случаев. На основе пяти эталонных изображений (грудная клетка, конечности, брюшная полость) было сгенерировано по десять искажённых копий для каждого из четырёх типов дефектов. Благодаря точно подобранным пороговым значениям метрик, система правильно классифицировала тип дефекта во всех случаях.
Миллионы снимков
Технологии ИИ для анализа медицинских изображений уже несколько лет активно развиваются в России. В 2022 году были созданы системы поддержки врачебных решений. Они автоматически ищут патологии на рентгеновских снимках и КТ-исследованиях.
Технологии анализа изображений регионы России стали внедрять в 2023 году. Например, в Архангельской области ИИ-системы использовались для обработки лучевых исследований. За 2024 год с помощью ИИ было проанализировано более 300 тысяч рентгеновских снимков жителей региона.
В 2025 году сообщалось уже о миллионах проведенных в Москве исследований, обработанных с помощью алгоритмов ИИ. Только в январе 2025 года в 20 регионах России было выполнено 245 тысяч рентгеновских и флюорографических исследований с помощью систем поддержки принятия врачебных решений. В десяти регионах ИИ использовали более чем для 15 тысяч исследований компьютерной томографии грудной клетки.
«Наметилась устойчивая тенденция к увеличению объёмов применения систем поддержки врачебных решений. Только за первый месяц текущего года объём маммографических исследований с использованием искусственного интеллекта в амбулаторных условиях составил почти 90 тысяч исследований, что на 37% выше уровня аналогичного периода прошлого года», – рассказывала в прошлом году заместитель председателя Федерального фонда ОМС Ольга Царева.
С 2025 года расходы на использование систем поддержки врачебных решений дополнительно установлены для рентгенографии, флюорографии и КТ органов грудной клетки. Разработка ПГУ стала продолжением этого направления, только с упором на подготовку специалистов.
Сценарии будущего
Дальше медицинский ИИ, вероятно, ждёт расширение учебных сценариев: КТ, МРТ, маммография, индивидуальные программы обучения и интеграция в образовательные платформы медицинских вузов. С другой стороны, тренажёры будут объединять с системами поддержки врачебных решений. Кстати, специалисты ПГУ уже представили интеллектуальную систему анализа рентгенограмм грудной клетки «Radex». Она оценивает рентгеновские снимки грудной клетки и выявляет признаки 18 патологий.
Также в ближайшие годы могут появиться комплексные образовательные платформы, где симуляторы, ИИ и реальные медицинские сценарии работают вместе. Ну а пока студенты Медицинского института ПГУ внимательно рассматривают рентгеновские снимки, выданные помощником-тренажёром.
