Редкие заболевания трудно диагностировать, потому что нейросети не на чем учиться: реальных рентгеновских снимков таких патологий в мире накоплено крайне мало. В РТУ МИРЭА эту проблему решают не сбором данных, а их генерацией. Студент Института искусственного интеллекта Максим Фёдоров разработал технологию, которая создаёт синтетические рентгеновские снимки с заданными признаками по текстовому описанию. Система генерирует изображение за 15 миллисекунд, а специальный модуль проверяет его анатомическую достоверность — 94,5% снимков признаны клинически корректными. В эксперименте нейросеть, дообученная на таких данных, повысила точность выявления редких заболеваний на 9%. Проект реализован в рамках совместной программы РТУ МИРЭА и «Платформы Третье Мнение», где сегодня обучаются более 600 студентов. Научный руководитель проекта, профессор РТУ МИРЭА Андрей Горшенин, отметил: разработка решает одну из ключевых проблем медицинского ИИ — нехватку данных для обучения алгоритмов, работающих с редкими состояниями.
Без тысяч примеров нейросеть не научится распознавать болезнь. Но если заболевание встречается у одного человека на миллион, собрать такую выборку невозможно. Студент Института искусственного интеллекта РТУ МИРЭА Максим Фёдоров подошёл к проблеме с другой стороны — он создал генератор синтетических снимков.
Система работает на основе текстового описания. Врач задаёт нужные признаки: затемнение в лёгких, плевральный выпот, послеоперационные изменения или сочетание нескольких патологий. Программа создаёт изображение за 15 миллисекунд. Затем специальный модуль проверяет его на анатомическую согласованность — не оказались ли рёбра или органы в неестественном положении. Как пояснил автор разработки, «раньше нужно было собрать тысячи реальных снимков редкой патологии; а как это сделать, если их попросту нет в таком объёме? Теперь это возможно, потому что наша система комбинирует новые снимки, чтобы обучить с их помощью другую нейросеть».
В ходе испытаний система смогла создавать изображения с сочетаниями признаков, которых не было в исходной обучающей выборке — включая сложные случаи: послеоперационные изменения, последствия травм и комбинации нескольких патологий на одном снимке. Все сгенерированные изображения затем использовались для дополнительного обучения нейросетей. Результат: метрика качества ROC AUC выросла с 0,67 до 0,76 — точность диагностики повысилась на 9%.
Научный руководитель проекта, профессор РТУ МИРЭА Андрей Горшенин, подтвердил: разработка решает одну из ключевых проблем медицинского ИИ — дефицит данных для обучения алгоритмов, работающих с редкими состояниями.
Ректор РТУ МИРЭА Станислав Кудж подчеркнул: «Когда мы говорим о миссии РТУ МИРЭА, мы говорим о технологиях, которые спасают жизни. Сегодня более 600 наших студентов осваивают медицинский ИИ на принципиально новом уровне. Решая фундаментальную проблему нехватки клинических данных, наш университет не только создает передовые ИИ-решения, но и формирует новый технологический уклад в российской медицине».
