Разработка ИИ для диагностики неврологических заболеваний: новые достижения учёных

ИИ научился выявлять неврологические заболевания по МРТ за секунды Учёные Мичиганского университета в США разработали систему искусственного интеллекта Prima которая анализирует МРТ головного мозга и диагностирует неврологические заболевания с точностью до 97 5 Модель обучили на более чем 220 тысячах исследований а затем протестировали почти на 30 тысячах реальных снимков Результаты работы опубликованы в журнале Nature Biomedical Engineering Алгоритм не только выявляет патологии но и определяет срочность случая Например при подозрении на инсульт или кровоизлияние система может автоматически оповестить врачей и ускорить начало лечения Кроме того ИИ способен рекомендовать специалиста для дальнейшего наблюдения пациента Особенность Prima многомодальный подход Она анализирует медицинскую историю пациента вместе с МРТ изображениями имитируя работу радиолога Это особенно важно на фоне глобального дефицита специалистов и роста количества диагностических исследований Исследователи считают что в будущем подобные технологии смогут применяться и для анализа рентгена маммографии и УЗИ значительно расширяя возможности медицинской диагностики БиоТехнологии

В России внедряют ИИ для оценки МРТ мозга младенцев и ускорения экспертизы документов клинических исследований Yandex Cloud переводит ИИ технологии из плоскости экспериментов в практическую медицину запустив в 2025 году два крупных проекта автоматизированный анализ МРТ головного мозга младенцев и систему ускоренной экспертизы документов для этических комитетов Эти решения направлены на стандартизацию операционных процессов и снижение нагрузки на систему здравоохранения позволяя врачам Москвы Санкт Петербурга и регионов быстрее принимать критически важные решения Цифровизация индустрии сегодня фокусируется на трех ключевых направлениях онкологии кардиологии и перинатальной медицине Совместно с ведущими научными центрами НМИЦ АГП им В И Кулакова Сеченовский университет Yandex Cloud реализует модель разделения ответственности врачи формируют клиническую задачу а компания берет на себя технологический стек Что именно реализовано и как это работает Диагностика в педиатрии ИИ система за минуты сегментирует структуры мозга новорожденных на снимках МРТ Это помогает выявлять риски ДЦП и других нарушений на ранних стадиях значительно ускоряя работу диагностов Автоматизация КИ С помощью YandexGPT реализована первичная проверка документов для клинических исследований За 5 месяцев система проанализировала более 11 тысяч страниц взяв на себя рутинную сверку с чек листами и подготовку предварительных заключений для экспертов Безопасность и точность Для исключения ошибок галлюцинаций нейросетей используется метод RAG поиск по проверенным медицинским источникам и дообучение моделей на верифицированных данных Рынок ИИ ассистентов демонстрирует пятикратный рост потребления генеративных моделей с начала 2025 года Несмотря на консервативность отрасли и дефицит данных облачные платформы становятся связующим звеном позволяющим клиникам внедрять сложные ИТ инструменты без капитальных затрат на собственную инфраструктуру Основной приоритет переход от общей автоматизации к адресной поддержке врача в точках принятия решений Источник

Ученые Массачусетского общего госпиталя им Бригама разработали надежную базовую модель ИИ способную анализировать данные МРТ головного мозга для решения множества медицинских задач в том числе определения возраста мозга прогнозирования риска развития деменции выявления мутаций в опухолях головного мозга и прогнозирования выживаемости при раке мозга Инструмент под названием BrainIAC превзошел другие модели ИИ ориентированные на решение более узких задач и был особенно эффективен при ограниченном объеме обучающих данных BrainIAC может успешно обобщать полученные знания на здоровых и аномальных изображениях и впоследствии применять их как для простых задач таких как классификация типов МРТ снимков так и для очень сложных таких как определение типов мутаций при опухолях головного мозга Модель также превзошла другие системы ИИ ориентированные на конкретные задачи в этих и других областях применения Фото Divyanshu Tak Mass General Brigham Подробнее на портале Научная Россия ии опухоли

ИИ МРТ Магистранты института инженерно экономического и гуманитарного образования Иван Белов и Егор Бекиш создали программно исследовательскую платформу ДатаСкульпт на основе ИИ технологий для генерации и анализа синтетических МРТ снимков головного мозга Она предназначена для специалистов в области медицинских информационных технологий и позволяет обучать нейросетевые модели Руководитель проекта старший преподаватель кафедры Высшая математика Андрей Пенский В настоящее время ИИ разработки в области медицины имеют один нюанс доступ к МРТ данным для обучения и валидации систем диагностики существенно затруднен из за множества законодательных и этических ограничений Реальные данные недоступны и дороги а стандартные генеративные модели дают правдоподобные но клинически некорректные изображения без контроля патологий Сегодня нет инструмента который сочетал бы точную разметку этическую безопасность и давал бы возможность задавать тип локализацию и выраженность патологий Для решения этой проблемы политеховцы разработали программный прототип основу которого составили генеративные нейронные сети Их обучают на реальных медицинских изображениях и затем они создают новые синтетические МРТ снимки Специалисты из Самарского государственного медицинского университета предоставили нашим студентам необходимые данные для работы над проектом последовательные двумерные срезы головного мозга Уникальность политеховской платформы в сочетании генерации и автоматической проверки качества и структурной согласованности полученных изображений с использованием вычислительных и нейросетевых метрик Пользователь может управлять процессом генерации получать готовые данные и использовать их для обучения и тестирования других ИИ моделей в области анализа медицинских изображений Андрей Пенский Мы учим нейросеть создавать медицинские изображения похожие на реальные но не содержащие персональных данных пациентов говорит руководитель проекта Наша платформа решает проблему дефицита и труднодоступности медицинских данных при этом получаемые изображения отличаются разнообразием и могут включать признаки различных патологий что в дальнейшем позволяет использовать их для обучения диагностических ИИ систем Основная польза программы в возможности безопасно быстро и легально получать большие объемы данных для исследований и разработки медицинских технологий В разработке также принимали участие и другие студенты Иван Петров Ксения Горбатова Юлия Хабибуллина и Маргарита Шипилова МАХ ВК ДЗЕН