Авторы отмечают, что качество обучающих данных остается одним из ключевых факторов, определяющих эффективность медицинских ИИ-сервисов. Даже современные нейросетевые модели не смогут демонстрировать высокую точность в клинической практике при использовании неполных, неструктурированных или ошибочно размеченных данных, поэтому исследование было сосредоточено на создании единой методологии контроля качества набора, используемого при разработке программного обеспечения.
В основу исследования легли результаты магнитно-резонансной томографии органов брюшной полости пациентов, проходивших обследование в НМИЦ им. Н.Н. Блохина в 2021–2025 годах. В первичную выборку вошли исследования пациентов с доброкачественными и злокачественными очаговыми образованиями печени, выполненные на томографах с напряженностью магнитного поля 1,5 и 3 Тесла.
Подготовка датасета включала шесть этапов: сбор и структурирование информации, обезличивание персональных данных, аннотацию изображений, формирование файлов данных и создание сопроводительной документации. Для извлечения исследований использовалась медицинская информационная система «БАРС» и специализированное программное обеспечение «Махаон», а для анонимизации DICOM-файлов – приложение Dicom Anonym Application. Разметка изображений выполнялась в программном комплексе 3D Slicer врачами-рентгенологами, после чего каждый случай проходил обязательную экспертную проверку специалистом с более чем 20-летним опытом работы.
Авторы подчеркивают, что особое внимание уделялось стандартизации информации. Для каждого исследования формировался структурированный реестр, содержащий сведения о пациенте, диагнозе, морфологической верификации, количестве и размере очагов, характеристиках паренхимы печени, результатах лабораторных исследований, параметрах МРТ и данных о процессе аннотации. Такой подход позволяет не только контролировать полноту и качество информации, но и использовать единый набор данных при подготовке публикаций, отчетов и обучении алгоритмов ИИ.
На первом этапе проекта исследователи сформировали первичный набор из 500 МР-исследований, включая 81 обследование без патологических изменений печени и 419 – с очаговыми образованиями различного происхождения. В дальнейшем датасет был разделен на тренировочную, тестовую и валидационную выборку в соотношении 80%, 10% и 10% соответственно.
Отдельный раздел исследования посвящен контролю качества аннотации изображений. Специалисты проанализировали наиболее распространенные ошибки при ручной и полуавтоматической разметке, среди которых неполная или избыточная сегментация печени, пропуск опухолевых очагов, неправильное определение границ новообразований, ошибки при маркировке артефактов и выбор неверных объектов для сегментации. Все выявленные дефекты исправлялись на этапе экспертной валидации. По мнению авторов, разработанная методология позволяет существенно повысить воспроизводимость данных и надежность последующего обучения нейросетевых моделей.
В перспективе разработчики считают необходимым автоматизировать процессы формирования медицинских датасетов и развивать специализированные платформы, объединяющие поиск, обезличивание, разметку и контроль качества медицинских данных в едином цифровом контуре.
Разработка стала продолжением работы центра по развитию медицинского ИИ. В 2023 году НМИЦ онкологии им. Н.Н. Блохина вошел в число шести российских отраслевых исследовательских центров в сфере искусственного интеллекта, которые получили государственную поддержку. Одним из направлений программы стало создание ИИ-решений для раннего выявления онкозаболеваний, включая разработку программного обеспечения и формирование медицинских датасетов.
