В МГУ создали ИИ для поиска патологий на КТ без размеченных данных

В основе подхода лежит поиск аномалий. Самообучающаяся система Screener определяет участки снимков, которые статистически отличаются от нормальных тканей. Для обучения модели использовали более 30 тыс. неразмеченных КТ-исследований, что позволило отказаться от подготовки наборов данных с заранее отмеченными заболеваниями.

Разработку проверили на четырех крупных медицинских наборах данных с признаками рака легких, пневмонии, опухолей печени и почек. По данным университета, метод показал более высокую точность по сравнению с существующими решениями для сегментации аномалий на КТ. В МГУ считают, что технология может применяться для предварительного анализа медицинских изображений и создания более универсальных систем ИИ для диагностики.