Google Research расширяет применение моделей MedGemma и MedSigLIP для скрининга туберкулёза

Google Research представила результаты внедрения ИИ для анализа рентгенограмм грудной клетки и открытые модели, на основе которых разработчики могут создавать локальные системы медицинского скрининга.

Google Research 23 октября представила результаты перехода от экспериментальных алгоритмов распознавания туберкулёза к системам, которые применяются в медицинских учреждениях. Одновременно команда развивает MedSigLIP и MedGemma, чтобы разработчики могли адаптировать модели к локальным задачам медицинской визуализации.

Система анализирует рентгенограммы грудной клетки и помогает выявлять признаки, требующие дальнейшего обследования. Она предназначена для предварительного скрининга и сортировки пациентов. Окончательное решение принимает медицинский специалист, а предполагаемый туберкулёз необходимо подтверждать отдельным молекулярным тестом.

От исследования к работе в клиниках

Google сотрудничала с медицинской технологической компанией Nexus AI, которая превратила алгоритмы анализа рентгенограмм в сертифицированный диагностический инструмент. Обработка одного изображения занимает менее 45 секунд.

Система уже работает примерно в 40 медицинских учреждениях. Основные внедрения проходят в Южной Африке, Сьерра-Леоне и Кот-д’Ивуаре, а расширение готовится в Демократической Республике Конго, Замбии и Камеруне.

Показатель	Заявленный результат
Проанализированные рентгенограммы	более 25 000
Участвовавшие специалисты	более 90
Время анализа снимка	менее 45 секунд
Бесплатные обследования	более 3 000

Один из проектов действует в шахте Mponeng в Южной Африке. Переносной цифровой рентген и автономное программное обеспечение позволяют обследовать работников под землёй, где постоянное подключение к сети и быстрый доступ к радиологу затруднены.

MedSigLIP и MedGemma открывают основу для локальных решений

MedSigLIP сопоставляет медицинские изображения с текстовыми клиническими описаниями. Разработчики могут применять модель для классификации и поиска снимков по текстовым признакам, а также дообучать её на небольших локальных наборах примеров.

Семейство MedGemma включает мультимодальные модели с 4 и 27 млрд параметров. Они рассчитаны на работу с медицинскими изображениями, текстом и историей пациента. Открытые веса упрощают исследование и адаптацию моделей, но сами по себе не превращают экспериментальную разработку в готовое медицинское устройство.

Какие ограничения учитывать в учебных исследованиях

При использовании этой разработки в курсовой или исследовательской работе следует разделять три уровня: результаты алгоритма на тестовых данных, клиническую проверку и реальное внедрение. Показатель скорости анализа нельзя трактовать как время постановки окончательного диагноза.

Также необходимо отдельно проверять характеристики конкретной версии модели, состав выборки и условия испытаний. Данные одного региона или типа оборудования не гарантируют одинаковую точность в другой клинике без дополнительной валидации.