ИИ-модель выявляет на КТ скрытые заболевания и будущие риски для здоровья
ИИ-модель выявляет на КТ скрытые заболевания и будущие риски для здоровья В медицинской системе Пенсильванского университета (США) разработана ИИ-модель Percival, которая анализирует КТ-снимки и находит признаки заболеваний и потенциальные риски, не связанные с первоначальным поводом исследования. В отличие от моделей, которым нужно заранее указать искомое состояние, Percival работает в фоновом режиме и связывает данные визуализации с лабораторными показателями, физиологией и клиническими исходами. Модель обучена на данных биобанка Penn Medicine, охватывающего более 350 тысяч человек за два десятилетия. Для настройки использовали около 400 тысяч КТ-снимков примерно 50 тысяч пациентов. Разработчики подчеркивают, что обучение на крупных и разнообразных наборах данных повышает производительность и создает основу для адаптации модели к разным больницам и популяциям пациентов. Percival выявляла признаки фибрилляции предсердий и хронической болезни почек, а по надежности обнаружения рака поджелудочной железы, цирроза и бактериальной пневмонии превзошла сопоставимую модель TotalSegmentator. По словам авторов, модель может помогать распознавать невыявленные заболевания, прогнозировать их прогрессирование и предупреждать осложнения. Сейчас Percival проходит доклинические испытания; тестирование в клинике планируется в начале следующего года. Код и спецификации обучения открыты.