В КБГУ запатентовали новую программу для диагностики опухоли головного мозга по данным МРТ

Магистрант Института электроники, роботехники и искусственного интеллекта Кабардино-Балкарского государственного университета им. Х. М. Бербекова Мурат Киясов получил патент на программу MedicalAutomate — веб-сервис, который анализирует МРТ-снимки головного мозга, выявляет новообразования и оценивает риски осложнений. Система работает на основе нейросетей.

Архитектура веб-сервиса включает главную страницу с актуальными медицинскими новостями, систему отзывов, справочник заболеваний и блок распознавания. Предусмотрена ролевая модель доступа: авторизованным врачам открыт расширенный инструментарий для заполнения информационной базы и ее дальнейшего подтверждения специалистами.

Первые тестовые сборки появились в 2023 году, для создания стабильной онлайн-версии автору понадобилось около полутора лет. Мурат Киясов начал проект как выпускную квалификационную работу бакалавра, а теперь развивает идею в магистратуре. По словам автора, возможность внести реальный вклад в развитие медицины и получить опыт создания прикладного инструмента стала главным ориентиром при выборе темы ВКР.

—  Разработка интеллектуальных систем поддержки принятия врачебных решений способна свести вероятность диагностических ошибок к минимуму. Полное замещение специалистов алгоритмами пока остается далекой перспективой, но уже сейчас нейросети могут взять на себя рутинную первичную обработку данных, оставляя за доктором лишь финальную верификацию результата, — отмечает Мурат Киясов.

Процесс диагностики в MedicalAutomate начинается с загрузки снимка МРТ и заполнения клинической анкеты. Сначала изображение поступает в модель MobileNet для классификации патологии. При подтверждении заболевания подключается сеть U-Net, которая выполняет попиксельную сегментацию очага поражения. Параллельно многослойный перцептрон сопоставляет выявленный диагноз с анамнезом из анкеты и рассчитывает риск осложнений, включая вероятность неблагоприятного исхода. Итоговый отчет формируется автоматически: пользователь видит исходный снимок с наложенной контурной маской, установленный тип новообразования, прогнозы и рекомендации врача.

Говоря о сложностях, Киясов называет настройку, обучение и валидацию нейросетевых моделей, а также невозможность ограничиться типовой конфигурацией слоев или стандартным набором параметров в медицинских задачах.

— Архитектура, эффективно локализующая один тип патологии, нередко демонстрирует слабую обобщающую способность на других клинических случаях. Приходится балансировать между скоростью и точностью, ориентируясь при этом на различные метрики качества, — подчеркивает разработчик.

После защиты магистерской диссертации Мурат Киясов нацелен на развитие проекта в аспирантуре. Ключевой задачей станет повышение метрик качества и надежности алгоритмов. В дальнейшем маски сегментации будут использоваться для биометрической оценки реальной площади и объема опухоли с последующим разделением по стадиям. Это позволит передавать в прогностическую модель MLP точные метрические параметры очага новообразования, что улучшит качество оценки рисков и исходов.

В планах — перейти от академического прототипа к полноценным клиническим испытаниям, а также наладить сотрудничество с профильными медицинскими центрами, чтобы проверить MedicalAutomate на практике. В прикладной части сервис будет расширяться новыми видами патологий, возможностями кроссплатформенной интеграции с госпитальными информационными системами и регистрацией продукта в качестве ПО для здравоохранения. Приложение еще не запущено, но после наращивания серверных мощностей предполагается его размещение на популярных платформах.