25 сентября 2026 г.
В России разработали нейросеть для оценки риска 15 патологий по снимку сетчатки
Исследователи обучили нейросеть на 20 351 снимке глазного дна. Система оценивает риск 15 патологий, но пока остается исследовательским проектом и не заменяет диагноз врача.
Команда российских университетов при участии НИУ ВШЭ, Сбера и концерна ИИ Z-union разработала нейросеть, которая по одному снимку сетчатки оценивает риск 15 патологий. В их число входят заболевания глаз и нарушения, связанные с состоянием сердечно-сосудистой системы. Результаты исследования опубликованы в журнале Frontiers in Medicine.
Система предназначена для предварительного выявления признаков, после которых врач может назначить дополнительное обследование. Она не ставит диагноз и пока не применяется как самостоятельный клинический инструмент.
Модель обучили на 20 351 снимке
Разработчики использовали методы глубокого обучения и специально собранный набор изображений глазного дна. Алгоритм искал изменения сосудов, зрительного нерва и других структур сетчатки.
Одной из главных задач стало распознавание редких патологий, представленных небольшим числом снимков. Исследователи чаще показывали модели такие изображения, меняли их яркость и угол поворота, а также увеличивали вес ошибок при распознавании редких заболеваний.
| Параметр | Подтвержденный результат |
|---|---|
| Объем набора данных | 20 351 снимок |
| Число оцениваемых патологий | 15 |
| ROC AUC на модельных данных | От 0,95 до 0,99 |
| Текущий статус | Исследовательский проект |
Клиническая проверка показала ограничения
На модельных данных нейросеть продемонстрировала высокие показатели качества. При первичной проверке на реальных клинических случаях точность оказалась заметно ниже. Конкретные показатели этой проверки в сообщении университета не приведены.
Один из авторов разработки Андрей Савченко пояснил, что модель должна помогать замечать ранние признаки заболеваний. Окончательное решение при этом остается за врачом. Для редких патологий исследователям также потребуется накопить больше данных.
Следующим этапом должны стать масштабные клинические испытания с участием пациентов из разных клиник. До их завершения нельзя считать эффективность системы подтвержденной для широкой медицинской практики.
Как использовать исследование в учебной работе
Студентам, которые рассматривают эту разработку в курсовой, обзоре литературы или докладе, стоит разделять результаты на модельных данных и итоги клинической проверки. Перед цитированием нужно обратиться к статье в Frontiers in Medicine, проверить описание выборки, перечень патологий, метрики по каждому классу и ограничения эксперимента. Формулировка о «диагностике 15 заболеваний» будет неточной: система оценивает риск и требует врачебной интерпретации.
