Исследователи из Медицинской школы Пенсильванского университета разработали модель искусственного интеллекта Percival, способную выявлять признаки хронических заболеваний на снимках компьютерной томографии, которые изначально назначались для других целей. Как сообщает News-Medical, алгоритм эффективно работает в фоновом режиме, обнаруживая скрытые паттерны, которые часто ускользают от внимания радиологов при рутинном осмотре.
Технология нацелена на развитие концепции «оппортунистического скрининга», когда в процессе обследования одного органа система находит ранние маркеры других патологий. Например, ИИ может заметить зачатки онкологического процесса на снимке, сделанном исключительно для оценки состояния легких при пневмонии. Это превращает стандартную визуализацию в инструмент проактивной и персонализированной диагностики.
Архитектура на базе биобанка и большие данные
В основе обучения Percival лежит Penn Medicine BioBank — массив данных, собиравшийся в течение двух десятилетий и охватывающий более 350 000 человек. Для тонкой настройки (fine-tuning) нейросети разработчики использовали около 400 000 КТ-сканов от 50 000 пациентов. Такая репрезентативная выборка позволяет модели адаптироваться к особенностям различных популяций и оборудования, что критически важно для внедрения в реальную клиническую практику.
В ходе сравнительных тестов Percival продемонстрировал превосходство над существующими аналогами, такими как TotalSegmentator. Модель не просто сегментирует изображения, а сопоставляет их с лабораторными показателями и клиническими исходами. Это позволяет ей с высокой точностью идентифицировать мерцательную аритмию, хроническую болезнь почек, цирроз печени и даже бактериальную пневмонию на ранних стадиях.
«Наши команды создали нечто, что широко обучается на данных визуализации и раскрывает связи между сканированием, лабораторными значениями, физиологией людей и клиническими результатами, чтобы потенциально давать более точные оценки здоровья или даже заблаговременно бить в колокола.»
Перспективы внедрения и открытый код
Разработчики планируют начать клинические испытания Percival уже в начале следующего года. Важным аспектом проекта является его открытость: спецификации модели и исходный код опубликованы в режиме open source. По мнению авторов, это позволит мировому сообществу быстрее верифицировать результаты и повысить устойчивость алгоритмов к редким клиническим случаям, которые сложно охватить в рамках одного института.
Обучение на данных одного биобанка, пусть и масштабного, неизбежно создает риск переобучения под конкретные протоколы оборудования. Percival впечатляет точностью сегментации, но реальная ценность возникнет лишь при интеграции с гетерогенными данными разных клиник. Пока это выглядит как мощный прототип, которому предстоит доказать, что его алерты не приведут к лавине ложноположительных диагнозов и избыточной нагрузке на врачей.
Параллельно с Percival в Пенсильванском университете развиваются и другие специализированные решения, такие как AInSights и модели для анализа МРТ сердца. Подобная диверсификация инструментов указывает на тектонический сдвиг в радиологии: от поиска конкретной проблемы по запросу лечащего врача к тотальному анализу всей доступной визуальной информации, где ИИ выступает в роли неутомимого и крайне внимательного ассистента.
Оставить комментарий