Назад
Внедрение ИИ Здравоохранение, физическая культура и социальное обеспечение
MammoAI - анализ снимков маммографии
Решаемые проблемы
1) Высокая заболеваемость и смертность - рак молочной железы занимает первое место среди онкологических заболеваний у женщин по данным ВОЗ
2) Высокий уровень ошибочных диагнозов. Например согласно одному из исследований 27% случаев рака остаются незамеченными при аналитике снимков маммографии
3) Отсутствие "второго мнения", в том числе, из-за высокой загруженности специалистов и оборудования и необоснованно продолжительной аналитики результатов. Среднее время обработки - 11 минут, а первое описание происходит через 10 часов после проведения теста
Особенности внедрения
  • Микросервисная архитектура Triton Inference Server (ONNX) + Flask REST API-оркестратор; вертикальное внедрение или раздельные микросервисы; on‑prem в контуре ЛПУ интеграция с PACS/RIS; пакетная обработка исследований DICOM
  • REST API, JSON; ETL-препроцессинг (VOI LUT, нормализация, унификация ориентации, кроп/ресайз); масштабирование по моделям (сегментация/классификация независимо); контейнеризация через Docker Compose
Описание кейса
Микросервис для анализа маммографических снимков с возможностью интеграции в платформу по анализу медицинских и лабораторных данных. Сервис обеспечивает перепроверку диагноза с методов компьютерного зрения на основе классификации снимков на норму/патологию и сегментации образований в тканях молочной железы. Определяет признаки онкологии молочной железы с чувствительностью диагностического теста выше 81%, помогая врачам в постановке более точного диагноза и минимизируя время обработки маммографических исследований.
Базовый функционал:
1) Выбор dicom исследований и отображение полномасштабных снимков
2) Детализированная информация о каждой проекции
3) Сегментация 10 типов патологий и выделение контуров на снимке
4) Классификация распределений кальцинатов на 7 типов, в том числе проводится оценка 10–летнего риска атеросклеротического сердечно-сосудистого заболевания на основе сосудистых кальцинатов в молочной железе
5) Определение вероятности признаков онкологии молочной железы
6) Определение плотности груди по шкале ACR
7) Определение квадрантов груди, в которых находятся злокачественные патологии
Читать целиком
Эффекты от внедрения
Количественные:
  • Снижение финансовых затрат на проведение одного исследования на 35+%
  • Сокращение временных затрат на проведение одного исследования до 1 минуты
  • Увеличения общего количества обработанных исследований за день в 10 раз
Качественные:
  • Повышение качества медицинского обслуживания за счет персонализированного подхода к лечению и обеспечения “второго мнения”
  • Оптимизация деятельности медицинских работников и освобождение времени для сложных или нестандартных случаев
  • Снижение вероятности врачебной ошибки за счет повышения точности исследований
Модельная практика
Автоматизация производственных процессов в здравоохранении
Анализ изображения с помощью компьютерного зрения
Соответствие бизнес функциям
Производство или предоставление услуг
Регион внедрения
  • Вся Россия
Период внедрения
  • с 29.07.2025 по 21.08.2025
Интегратор-поставщик
  • 2130004426
Заказчик решения
  • 3329056612
Дата актуализации информации
  • 28.08.2025