Реализованные проекты
Одно из направлений разработок – автоматизация оценки клинических рисков. Так, специалисты НМИЦ им. В.А. Алмазова создали программу автоматической сегментации таза на медицинских изображениях. Она позволяет выделять анатомические структуры, строить трехмерную модель таза матери и моделировать варианты вставления головки плода. На основе полученных данных рассчитываются количественные показатели риска тазово-плодовой диспропорции, которые могут использоваться при выборе тактики родоразрешения. По замыслу разработчиков, автоматизация анализа позволит сократить время обработки изображений и уменьшить влияние субъективных факторов.
Другой инструмент предназначен для выявления риска наследственного нарушения липидного обмена. В Медико-генетическом научном центре им. Н.П. Бочкова разработали калькулятор вероятности семейной гиперхолестеринемии, использующий два показателя стандартной липидограммы – уровень липопротеинов низкой плотности (ЛПНП) и индекс атерогенности. Модели логистической регрессии построили на данных 581 пациента в возрасте от семи месяцев до 76 лет, отдельно для детей и взрослых. По результатам оценки у пациентов младше 18 лет чувствительность модели составляет 0,74, а специфичность – 0,80. Для взрослых эти показатели достигают 0,80 и 0,68 соответственно.
Кроме того, в МГНЦ им. Н.П. Бочкова создали и зарегистрировали ИИ-программу OrganoMetric, автоматически анализирующую серии светлопольных изображений органоидов, полученных с помощью покадровой микроскопии, и определяющую их морфометрические характеристики, включая площадь, диаметр и форму. Это позволяет ускорить обработку экспериментальных данных. Программа обучена на изображениях органоидов дыхательных путей, однако разработчики допускают ее применение для анализа трехмерных структур других органов. Один из предполагаемых сценариев использования – функциональная оценка органоидов дыхательных путей с помощью теста форсколин-индуцированного набухания.
Еще одно решение для первичной оценки риска разработали в Смоленском государственном медицинском университете. Мобильное приложение «ОстеоРиск» предназначено для педиатров и детских эндокринологов и помогает оценивать вероятность развития остеопороза у детей. Алгоритм учитывает возраст и пол пациента, клинические факторы риска и результаты ультразвуковой денситометрии, представленные в виде Z-критерия. По итогам оценки приложение определяет низкий, умеренный или высокий риск и формирует профилактические рекомендации.
В числе готовых решений также разработка Башкирского ГМУ. Специалисты вуза создали программу для оценки приверженности лекарственной терапии экспресс-методом при массовом скрининговом исследовании населения, в том числе дистанционном. В приложение вводятся варианты ответов, выбранные респондентами на ряд вопросов, касающихся социально-демографического статуса, система производит автоматический расчет результата приверженности медицинскому сопровождению в виде количества баллов от 0 до 100 и в виде уровня приверженности: высокий, средний и низкий. По замыслу авторов, технологию можно будет использовать в учреждениях здравоохранения и научно-исследовательской работе.
Разрабатываемые технологии
Наряду с диагностическими инструментами ученые разрабатывают технологии для персонализации помощи пациентам. РГПУ им. А.И. Герцена совместно с НМИЦ онкологии им. Н.Н. Петрова создает цифровую платформу психологического сопровождения онкологических пациентов. Проект получил грант Российского научного фонда в размере 15 млн рублей, завершить работу планируется до июня 2029 года. В отличие от подхода, при котором психологическая помощь определяется преимущественно диагнозом, новая платформа будет учитывать преобладающие психологические симптомы, среди них – страх рецидива заболевания, астено-депрессивные состояния, нарушения образа тела и нутритивно-поведенческие расстройства. Предполагается, что система объединит библиотеку проверенных модулей психологической помощи, инструменты мониторинга с применением ИИ, алгоритмы персонализированной маршрутизации пациентов и панель управления для психолога.
Другой подход к психологической и психосоциальной реабилитации предложили специалисты НМИЦ психиатрии и наркологии им. В.П. Сербского. Ученые разработали программу тренировки социальных навыков с использованием виртуальной реальности для пациентов с расстройствами шизофренического спектра. Методика позволяет отрабатывать повседневные ситуации в контролируемой виртуальной среде, а затем разбирать поведение пациента вместе со специалистом. Программа включает вводный и диагностический этапы, пять основных тренировочных занятий и итоговую оценку. В числе сценариев – посещение городской поликлиники и магазина. Продолжительность занятия не превышает 60 минут, из которых на непосредственное погружение в виртуальную среду отводится 5–20 минут. Авторы также предусмотрели критерии отбора пациентов и протоколы действий в чрезвычайных ситуациях. Сейчас базовая версия программы проходит клинические испытания. В дальнейшем исследователи намерены оценить, влияет ли тренинг на социальное функционирование пациентов в реальной жизни, и изучить экономическую эффективность метода.
Еще одно направление исследований связано с автоматизацией работы с микроскопическими изображениями. Ученые МГУ им. М.В. Ломоносова до конца 2028 года планируют разработать нейросетевые методы формирования, обработки и анализа изображений сверхвысокого разрешения. Проект получил грант РНФ в размере 21 млн рублей. Разработки предполагается интегрировать в платформу PathScribe и применять для анализа данных из разных областей, в том числе медицины. Современная цифровая микроскопия позволяет получать изображения размером в гигапиксели, однако их подготовка и анализ требуют значительных ручных усилий и настройки алгоритмов. Кроме того, существующие решения не всегда эффективно работают с разнородными наборами данных. Для решения этих задач исследователи планируют создать ИИ-методы панорамирования и совмещения изображений с коррекцией геометрических и фотометрических искажений, интерактивной разметки и непрерывного обучения моделей. Также предполагается разработать методы на основе нейронных операторов и неявных нейронных представлений и мультимодальные модели для совместного анализа изображений и текстовой информации.
