Система поддержки принятия врачебных решений по скрининговой модели маммографии

Система поддержки принятия врачебных решений по скрининговой модели маммографии (СППВР Маммография) — это AI-сервис, разработанный компанией СБЕРМЕДИИ, предназначенный для анализа маммографических изображений и поддержки врачей-рентгенологов при диагностике рака молочной железы. Система использует современные технологии глубокого обучения и компьютерного зрения для автоматического анализа цифровых маммограмм, оценки качества исследований, выявления подозрительных образований и формирования предварительных диагностических заключений. Алгоритм обеспечивает точность более 80% при оценке качества маммографических снимков по международной системе PGMI.

История разработки:

• Компания разработчик - СБЕРМЕДИИ (СберМедИИ), дочерняя компания Сбербанка
• Опыт разработки - многолетний опыт в разработке AI-решений для здравоохранения
• Регистрация - свидетельство о государственной регистрации программ для ЭВМ №2021665094
• Статус - собственная разработка компании

Основное назначение:

• Анализ маммографических снимков - автоматическая обработка цифровых маммограмм
• Контроль качества - оценка качества выполненного исследования по PGMI
• Выявление патологии - обнаружение доброкачественных и злокачественных образований
• Классификация по BI-RADS - оценка степени риска по международной шкале
• Поддержка принятия решений - предварительное заключение для врача-рентгенолога
• Обучение персонала - анализ ошибок лаборантов и врачей для их подготовки

Функциональные возможности:

• Загрузка маммографических исследований - прием цифровых маммограмм для анализа
• Оценка качества укладки молочной железы - анализ по классификации PGMI
• Технический контроль изображений - проверка качества полученных снимков
• Автоматическая разметка снимков - выделение зон интереса контурами
• Выявление образований - обнаружение новообразований молочной железы
• Выявление кальцинатов - определение микрокальцификаций (микровключений кальция)
• Выявление асимметрии - обнаружение неравномерных участков
• Выявление нарушений архитектоники - определение искажений нормального строения
• Выявление образований кожи - обнаружение кожных очагов
• Оценка по шкале BI-RADS - классификация уровня риска для скрининга
• Формирование предварительного заключения - генерация текстового отчета врачом-ассистентом

Процесс работы системы:

• 1. Загрузка исследования - врач загружает маммографическое исследование в систему
• 2. Анализ качества PGMI - алгоритм оценивает качество укладки молочной железы
• 3. Определение необходимости переделки - для некачественных снимков генерируется рекомендация по переделке
• 4. Автоматическая разметка - система выделяет зоны с потенциальной патологией
• 5. Выявление характеристик - алгоритм определяет доброкачественные и злокачественные признаки
• 6. Оценка по BI-RADS - система выставляет класс риска по международной шкале
• 7. Формирование заключения - генерация предварительного текстового заключения
• 8. Представление врачу - предоставление результатов анализа врачу-рентгенологу

Классификация PGMI:

• P (Perfect) - превосходное качество изображений
• G (Good) - хорошее качество укладки молочной железы
• M (Moderate) - удовлетворительное качество
• I (Inadequate) - неудовлетворительное качество, требуется переделка

Классификация BI-RADS:

• BI-RADS 0 - исследование неполное, необходимо дополнительное обследование
• BI-RADS 1 - отрицательный результат, изменений не выявлено
• BI-RADS 2 - доброкачественные изменения
• BI-RADS 3 - вероятно доброкачественные изменения (требуется контрольное исследование)
• BI-RADS 4 - подозрение на злокачественность (необходимо уточнение диагноза)
• BI-RADS 5 - высокое подозрение на злокачественность (требуется биопсия)
• BI-RADS 6 - известный рак молочной железы

Выявляемые характеристики:

• Кальцинаты - микрокальцификации различной морфологии
• Образования (массы) - опухолевидные образования молочной железы
• Асимметрия - локальное увеличение плотности ткани
• Нарушение архитектоники - искажение нормального строения молочной железы
• Образования кожи - очаги, расположенные в коже

Характеристики образований, анализируемые AI:

• Форма образования - анализ контуров (овальная, округлая, неправильная и т.д.)
• Плотность - определение относительной прозрачности
• Контуры - оценка четкости границ образования
• Размеры - расчет линейных размеров образования
• Морфология - определение структурных особенностей

Сценарии применения:

• Массовые профилактические мероприятия - диспансеризация, профилактические осмотры населения
• Скрининговые программы - выявление рака молочной железы на ранних стадиях
• Рассортировка архивных исследований - ретроспективный анализ старых маммограмм
• Аудит качества - контроль качества работы лаборантов и врачей
• Анализ на мобильных маммографах - автоматизация работы с портативным оборудованием
• Персонализированное обучение - анализ ошибок при укладке молочных желез

Преимущества использования:

• Повышение точности диагностики - более чем 80% точность оценки качества PGMI
• Снижение времени анализа - автоматический анализ вместо ручного
• Контроль качества - автоматическое выявление некачественных исследований
• Персонализированное обучение персонала - анализ типичных ошибок
• Снижение количества ложно-отрицательных случаев - улучшение выявления рака на ранних стадиях
• Снижение смертности - более ранняя диагностика рака молочной железы
• Повышение пропускной способности - ускорение обработки исследований
• Освобождение времени врача - исключение рутинных операций анализа

Результаты пилотного проекта:

• Место проведения - Сибирский государственный медицинский университет (СибГМУ)
• Объем тестирования - 1400 маммографических изображений (350 исследований по 4 снимка)
• Точность оценки PGMI - более 80%
• Результат - успешное внедрение в клинический процесс

Область применения:

• Рентгенологические отделения больниц и клиник
• Центры амбулаторно-поликлинической помощи
• Диагностические центры
• Онкологические учреждения
• Мобильные маммографические кабинеты
• Системы скрининга рака молочной железы
• Медицинские центры

Категории пользователей:

• Врачи-рентгенологи - основные пользователи системы
• Рентген-лаборанты - специалисты при выполнении исследований
• Тренеры и супервизоры - для обучения персонала
• Руководители медицинских учреждений - для контроля качества

Интеграция и совместимость:

• Цифровые маммографические системы - совместимость с современным оборудованием
• ДИКОМ стандарт - поддержка стандартного формата медицинских изображений
• Электронные медицинские карты (ЭМК) - интеграция с системами ведения пациентов
• ЕГИСЗ - интеграция с единой государственной информационной системой здравоохранения

Платформа СберМедИИ:

• Название - Медицинский цифровой диагностический центр (MDDC)
• Статус - платформа объединения ИИ-сервисов для поддержки диагностики
• Охват - 70+ регионов РФ используют решения
• Объем обслуживания - 86+ млн обращений к сервисам
• Покрытие заболеваний - алгоритмы покрывают 90% наиболее распространенных заболеваний

Другие сервисы на платформе MDDC:

• ТОП-3 - анализ данных первичного приема, выдача 3 вероятных диагноза
• КТ Инсульт - поиск острого нарушения мозгового кровообращения
• КТ Легких - выявление поражений при респираторных заболеваниях
• Короткое ЭКГ - анализ электрокардиографии в онлайн режиме

Технические характеристики:

• Тип ПО - средства поддержки принятия решений (DSS)
• Архитектура - облачный сервис на базе искусственного интеллекта
• Используемые технологии - глубокое обучение, компьютерное зрение, машинное обучение
• Интеграция - API для подключения к медицинским системам
• Масштабируемость - обработка большого количества исследований

Разработчик:

• СБЕРМЕДИИ (СберМедИИ)
• ИНН: 9731065465
• Материнская компания: Сбербанк
• Направление: разработка ИИ-решений для здравоохранения
• Спеиализация: системы поддержки принятия врачебных решений
• Опыт: многолетняя история разработки медицинских AI-сервисов

Альтернативные названия:

• СППВР Маммография
• Маммография. Техконтроль
• ИИ-сервис маммография
• Система анализа маммографии СберМедИИ