ИИ-модель Penn Medicine выявляет скрытые риски на обычных КТ-снимках

Разработанная в Penn Medicine модель искусственного интеллекта Percival анализирует компьютерные томограммы и выявляет признаки заболеваний, не связанных с причиной назначения исследования. В статье в журнале NPJ Digital Medicine исследователи сообщают, что алгоритм обнаруживал, в частности, признаки мерцательной аритмии и хронической болезни почек.

Модель обучили примерно на 400 тысячах КТ-снимков около 50 тысяч пациентов. Для её разработки использовали данные Penn Medicine BioBank: сведения о более чем 350 тысячах человек, собранные в системе здравоохранения Университета Пенсильвании за два десятилетия.

В сравнении с другой ИИ-моделью, TotalSegmentator, Percival надёжнее выявлял признаки рака поджелудочной железы, цирроза печени и бактериальной пневмонии. Разработчики подчёркивают, что модель пока проходит доклиническую проверку.

«Мы надеемся развить так называемый оппортунистический скрининг: например, находить ранние признаки рака на снимке, который назначили для оценки пневмонии», — сказал старший автор исследования Уолтер Витчи, доцент кафедры радиологии Penn Medicine.

По словам соавтора работы, профессора радиологии Чарльза Кана, Percival может помогать выявлять ранее не распознанные заболевания, оценивать их дальнейшее развитие и предупреждать о серьёзных осложнениях со стороны сердца и печени. Обычная визуализация, добавил он, может дать возможность заметить проблемы раньше и своевременно принять меры.

Исследователи рассчитывают начать ранние испытания модели в начале следующего года, чтобы оценить возможность её регулярного применения в клиниках. Сейчас команда также изучает, смогут ли более крупные наборы данных и материалы нескольких медицинских учреждений повысить точность и устойчивость алгоритма. Код и описание обучения Percival опубликованы в открытом доступе.