ИИ научили находить скрытые заболевания на обычных КТ-снимках
20.10.2026
В отличие от систем, настроенных на поиск конкретной патологии, Percival обучена выявлять широкий спектр закономерностей. Она сопоставляет данные медицинских изображений с лабораторными показателями, физиологическими особенностями пациентов и сведениями об их дальнейшем состоянии здоровья. Это позволяет не только обнаруживать возможные заболевания, но и оценивать риски будущих осложнений.
Для обучения модели исследователи использовали около 400 тысяч КТ-снимков примерно 50 тысяч пациентов. Данные взяли из биобанка Penn Medicine, который содержит медицинскую информацию более чем о 350 тысячах человек.
В ходе исследования Percival выявила признаки нескольких хронических заболеваний, в том числе фибрилляции предсердий — нарушения сердечного ритма — и хронической болезни почек. При сравнении с другой моделью искусственного интеллекта, TotalSegmentator, новая система также показала более высокие результаты при выявлении рака поджелудочной железы, цирроза печени и бактериальной пневмонии.
По словам исследователей, такой подход может помочь обнаруживать заболевания на ранних стадиях и прогнозировать серьезные сердечно-сосудистые и печеночные осложнения.
Главное преимущество Percival — возможность находить дополнительные признаки заболеваний во время обследований, которые изначально проводятся по другой причине. Например, КТ назначают для оценки состояния легких при подозрении на пневмонию, а алгоритм параллельно анализирует изображение на предмет других возможных патологий.
Этот подход называют оппортунистическим скринингом: уже полученные медицинские изображения используют для поиска дополнительных признаков заболеваний без необходимости сразу назначать новые обследования.
Разработчики считают, что подобные технологии помогут врачам раньше замечать проблемы со здоровьем и подбирать более персонализированное лечение.
Пока Percival проходит доклинические испытания и не готова к повседневному использованию в медицинской практике. Исследовательская команда планирует приступить к ее дальнейшему тестированию, чтобы оценить возможность внедрения в клиники.
Ученые также изучают, поможет ли обучение на данных из нескольких медицинских учреждений повысить точность и надежность модели. Код и спецификации обучения Percival опубликованы в открытом доступе, чтобы другие исследователи могли изучать и совершенствовать технологию.
Если дальнейшие испытания подтвердят эффективность Percival в реальных клинических условиях, искусственный интеллект сможет стать дополнительным инструментом для врачей: помогать выявлять скрытые риски и извлекать больше диагностической информации из обследований, которые пациенты уже проходят.
ИИ научили находить скрытые заболевания на обычных КТ-снимках
Компьютерная томография может рассказать о здоровье пациента гораздо больше, чем предполагалось ранее. Исследователи из Penn Medicine разработали модель искусственного интеллекта Percival, которая анализирует КТ-снимки и обнаруживает признаки заболеваний, способные остаться незамеченными при обычном обследовании.В отличие от систем, настроенных на поиск конкретной патологии, Percival обучена выявлять широкий спектр закономерностей. Она сопоставляет данные медицинских изображений с лабораторными показателями, физиологическими особенностями пациентов и сведениями об их дальнейшем состоянии здоровья. Это позволяет не только обнаруживать возможные заболевания, но и оценивать риски будущих осложнений.
Для обучения модели исследователи использовали около 400 тысяч КТ-снимков примерно 50 тысяч пациентов. Данные взяли из биобанка Penn Medicine, который содержит медицинскую информацию более чем о 350 тысячах человек.
В ходе исследования Percival выявила признаки нескольких хронических заболеваний, в том числе фибрилляции предсердий — нарушения сердечного ритма — и хронической болезни почек. При сравнении с другой моделью искусственного интеллекта, TotalSegmentator, новая система также показала более высокие результаты при выявлении рака поджелудочной железы, цирроза печени и бактериальной пневмонии.
По словам исследователей, такой подход может помочь обнаруживать заболевания на ранних стадиях и прогнозировать серьезные сердечно-сосудистые и печеночные осложнения.
Главное преимущество Percival — возможность находить дополнительные признаки заболеваний во время обследований, которые изначально проводятся по другой причине. Например, КТ назначают для оценки состояния легких при подозрении на пневмонию, а алгоритм параллельно анализирует изображение на предмет других возможных патологий.
Этот подход называют оппортунистическим скринингом: уже полученные медицинские изображения используют для поиска дополнительных признаков заболеваний без необходимости сразу назначать новые обследования.
Разработчики считают, что подобные технологии помогут врачам раньше замечать проблемы со здоровьем и подбирать более персонализированное лечение.
Пока Percival проходит доклинические испытания и не готова к повседневному использованию в медицинской практике. Исследовательская команда планирует приступить к ее дальнейшему тестированию, чтобы оценить возможность внедрения в клиники.
Ученые также изучают, поможет ли обучение на данных из нескольких медицинских учреждений повысить точность и надежность модели. Код и спецификации обучения Percival опубликованы в открытом доступе, чтобы другие исследователи могли изучать и совершенствовать технологию.
Если дальнейшие испытания подтвердят эффективность Percival в реальных клинических условиях, искусственный интеллект сможет стать дополнительным инструментом для врачей: помогать выявлять скрытые риски и извлекать больше диагностической информации из обследований, которые пациенты уже проходят.
