Студент МИРЭА создал ИИ-технологию, которая помогает находить редкие заболевания — 21 июня 2026 г. в 08:46:50.519

Студент МИРЭА создал ИИ-технологию, которая помогает находить редкие заболевания Максим Фёдоров разработал ИИ-технологию, которая создаёт реалистичные рентгеновские снимки и помогает обучать другие нейросети распознавать признаки редких заболеваний. Проект реализован в результате совместной подготовки специалистов по медицинскому ИИ, которую РТУ МИРЭА и «Платформа Третье Мнение» ведут с 2023 года: сегодня на профильных программах обучаются более 600 студентов. «Раньше нужно было собрать тысячи реальных снимков редкой патологии; а как это сделать если их попросту нет в таком объеме? - говорит автор изобретения Максим Фёдоров. - Теперь это возможно, потому что наша система комбинирует новые снимки, чтобы обучить с их помощью другую нейросеть». Научный руководитель проекта, доктор физико-математических наук Андрей Горшенин утверждает, что разработка помогает решать одну из ключевых проблем медицинского ИИ - нехватку данных для обучения алгоритмов, которые работают с редкими заболеваниями и состояниями. В разработке Максима Фёдорова новое изображение формируется на основе текстового описания исследователя, который может задать нужные рентгенологические признаки: затемнение в лёгких, плевральный выпот и другие. Сгенерированный снимок проходит дополнительную проверку с помощью специального модуля, который оценивает согласованность анатомических структур и выявляет возможные ошибки, например неестественное расположение рёбер или внутренних органов. После такой проверки 94,5% сгенерированных изображений были признаны клинически корректными. Во время тестирования система смогла создавать изображения с сочетаниями признаков, которых не было в обучающей выборке, включая послеоперационные изменения, последствия травм и сложные случаи сочетания нескольких патологий на одном снимке. Это занимало около 15 миллисекунд. Все новые изображения затем использовались для дополнительного обучения нейросетей. В эксперименте нейросеть, которую дообучили на синтетических снимках, точнее выявляла редкие заболевания, чем аналогичная модель, обученная только на выборке из реальных изображений. Метрика качества ROC AUC выросла с 0,67 до 0,76, то есть примерно на 9%.