В Университете Иннополис разработана универсальная система искусственного интеллекта для лучевой диагностики — «Инновит». Модель, созданная специалистами Института искусственного интеллекта, анализирует медицинские изображения, осуществляет автоматическую детекцию патологий различных органов и формирует текстовые описания выявленных изменений.
Большинство существующих систем искусственного интеллекта в медицинской диагностике являются специализированными. Каждая из них предназначена для работы с конкретным типом данных, таким как компьютерная томография (КТ) головного мозга, рентгенография легких и другие. Такие системы решают узконаправленные задачи, например, обнаружение пневмонии или новообразований. Для проведения полноценной диагностики врачу необходимо использовать несколько различных моделей, что требует значительных временных и материальных ресурсов.
Прототип системы «Инновит» основан на архитектуре Florence-2. В процессе обучения нейросети была использована база данных, содержащая более 100 тысяч медицинских изображений, включая КТ, МРТ, рентгенограммы, ультразвуковые исследования и маммограммы различных анатомических областей с различными патологическими изменениями. В результате обучения модель приобрела способность к обнаружению, выделению и классификации патологических изменений, а также к генерации текстовых описаний выявленных аномалий, аналогичных заключениям врачей-рентгенологов.
Разработчики планируют расширить базу данных, включив в нее более сложные клинические случаи. Кроме того, ведется работа по интеграции системы с большими языковыми моделями, что позволит учитывать результаты предыдущих исследований и данные из медицинской истории пациента, повышая тем самым точность диагностических выводов.
От зарубежных аналогов система «Инновит» отличается применением более легкой базовой модели, которая была дообучена с использованием новой функции потерь. Это позволяет создать высокоэффективную систему лучевой диагностики, требующую меньших затрат на обслуживание и обновление, при сохранении высокой точности диагностики.