Новости медицины

В Москве запустили пилотный сервис на базе искусственного интеллекта, который по эндоскопическим снимкам помогает распознавать заболевания уха и гортани. По словам Сергея Собянина, алгоритм различает наружный и острый средний отит, хронический средний отит, а также новообразования гортани. Система формирует предварительное заключение, а окончательный диагноз и тактику лечения определяет врач. Пилот внедрён на базе НИКИО им. Л. И. Свержевского, а также в ДКЦ № 1 и КДЦ № 4. Разработчики заявляют о планах обучить модель на патологиях полости носа и последовательно повышать точность распознавания. Ожидается, что автоматизация ускорит маршрутизацию пациентов и будет полезна для обучения специалистов.

Перспективы

С практической точки зрения такие решения могут закрыть «узкие места» маршрутизации: ускорить первичный разбор исследований, выделить случаи, требующие срочной очной консультации ЛОР-врача, помочь врачам первичного звена и молодым специалистам ориентироваться в типовых находках. В амбулаторной практике это особенно заметно при большом потоке пациентов с ушной болью или жалобами на голос — ИИ-подсказка экономит время на первичный разбор, а также помогает стандартизировать описания и снизить вариативность между разными специалистами. В учебном процессе модель можно использовать как тренажёр: показывать «эталонные» примеры и объяснять, какие признаки на изображении привели к тому или иному предположению.

Перспективы развития лежат в интеграции с электронной медкартой и телемедициной: автоматическое подхватывание снимков из эндоскопов, прикрепление к записи приёма, формирование краткого шаблона заключения и напоминаний о контрольном осмотре. По мере накопления учётных данных уместны и популяционные отчёты — например, мониторинг сезонности острых отитов в поликлиниках, отслеживание динамики после операций на гортани. Расширение множества классов — полость носа, носоглотка, дети — откроет путь к скрининговым проектам в школах и сельских пунктах, где нет постоянного ЛОР-врача.

При этом важны ограничения и «гигиена данных». Ключ к реальной эффективности — многоцентровые датасеты с разнообразной оптикой, освещением и анатомическими вариантами, обязательная внешняя валидация и понятная метрика качества для врача у кресла. Вопросы приватности, маркировки данных и объяснимости решений остаются критичными: врачу нужно видеть не только «вердикт», но и подсказку, какие зоны изображения повлияли на вывод, а пациенту — уверенность, что данные защищены. В таком формате ИИ остаётся инструментом поддержки, который помогает быстрее и точнее работать, не подменяя клиническое мышление.

Источник: канал в MAX Сергея Собянина