В России создали универсальную ИИ-систему для анализа медицинских снимков

В Университете Иннополис разработана универсальная система искусственного интеллекта для лучевой диагностики, получившая название «Инновит». Данная модель, созданная специалистами Института искусственного интеллекта, предназначена для анализа медицинских изображений, выявления патологий различных органов и автоматического формирования текстовых описаний выявленных аномалий.

Разработчики отмечают, что многие существующие решения в области искусственного интеллекта для медицины имеют узкую специализацию. Они обычно ориентированы на работу с одним типом данных и предназначены для решения конкретных задач, таких как обнаружение пневмонии или новообразований. Для полноценной диагностики пациенту может потребоваться использование нескольких таких моделей, что сопряжено с необходимостью значительных ресурсов для их поддержки и обновления.

Прототип системы базируется на архитектуре Florence-2. Для обучения нейросетевой модели была использована база данных, включающая более 100 тысяч медицинских снимков различного типа, таких как компьютерная томография (КТ), магнитно-резонансная томография (МРТ), рентгенография, ультразвуковое исследование (УЗИ) и маммография различных анатомических областей с различными патологиями. В процессе обучения модель обучалась идентифицировать, выделять и классифицировать патологические изменения, а также генерировать текстовые описания выявленных аномалий.

В Институте искусственного интеллекта подчеркивают, что прототип системы способен выявлять все патологические изменения на медицинском снимке, выделять зоны аномалий и формировать полное текстовое заключение, аналогичное описанию, которое мог бы предоставить врач-рентгенолог.

В перспективе разработчики планируют расширить базу данных системы сложными клиническими случаями и интегрировать её с большими языковыми моделями, что позволит учитывать предыдущие исследования пациента и данные из медицинской карты, улучшая точность диагностики.

Отличительной особенностью данной разработки по сравнению с зарубежными аналогами является использование более легковесной базовой модели, обученной с применением новой функции потерь. Это делает систему более экономичной в плане обслуживания и обновления, сохраняя при этом высокий уровень точности, сообщает "Компьюттера".