Новая ИИ-модель для анализа УЗИ плода

Врождённые пороки сердца (ВПС) — одна из главных причин смертности новорождённых. Ежегодно около 8 миллионов детей рождаются с врождёнными аномалиями, но лишь половина случаев выявляется ещё до рождения. Главная трудность — ультразвуковые снимки плода сложны для интерпретации, а результат сильно зависит от опыта врача.

Учёные из Университета искусственного интеллекта им. Мохамеда бин Заида (MBZUAI) вместе с коллегами из Corniche Hospital (Абу-Даби) создали модель FetalCLIP — первый специализированный алгоритм для работы с фетальными УЗИ, который объединяет анализ изображений и текстовых описаний.

Как работает FetalCLIP?

Это мультимодальная модель — она «видит» снимки и «понимает» текстовые описания к ним. FetalCLIP обучена исключительно на данных пренатальной ультрасонографии, что делает её более точной в этой области, чем универсальные системы.

Для обучения использовали более 210 тысяч пар «изображение – текстовое описание» — это самый большой размеченный набор фетальных УЗИ-снимков на сегодняшний день. Текстовые подписи генерировались автоматически с помощью языковой модели GPT‑4o, что позволило создать массив данных без затрат на ручную разметку.

Что умеет модель?

FetalCLIP помогает врачам в нескольких задачах:

Классификация срезов – определяет, какой именно стандартный срез плода запечатлён на снимке.

Выявление патологий – например, модель способна отличать нормальное сердце от врождённых пороков по видеозаписям УЗИ.

Оценка гестационного возраста – по изображениям головного мозга плода.

Сегментация анатомических структур – автоматически выделяет границы органов на снимках.

По данным разработчиков, модель показывает высокую точность:

Для выделения анатомических областей средний показатель Dice Score достигает 84,22 % (чем выше, тем точнее совпадение с реальными границами).

При выявлении врождённых пороков сердца по видео AUROC составляет 78,7 % — это означает, что модель хорошо отличает норму от патологии.

В классификации стандартных УЗИ-срезов F1-мера (показатель баланса точности и полноты) доходит до 97 % (при дополнительной настройке на конкретные данные). В режиме «с нуля» (без дообучения) этот показатель также остаётся высоким — более 87 %.

Важно: все эти результаты получены на исследовательских наборах данных и требуют дальнейшей проверки в реальной клинической практике.

Почему это важно?

Пренатальная ультразвуковая диагностика — одна из самых сложных областей медицины. Плод мал, анатомия изменчива, а качество снимков может сильно различаться. Ошибки в измерениях достигают нескольких процентов даже у опытных врачей.

FetalCLIP может стать помощником врача — особенно в регионах, где не хватает квалифицированных специалистов. Модель не принимает решений за доктора, но помогает стандартизировать оценку, снизить влияние субъективного фактора и быстрее находить подозрительные участки.

Текущие ограничения

Авторы подчёркивают, что модель пока не готова к самостоятельной диагностике в клиниках. Основной массив данных собран во втором триместре беременности, поэтому для других сроков нужны дополнительные исследования и валидация.

Тем не менее, проект уже поддержали GE Healthcare и благотворительный фонд Sandooq Al Watan (Erth Zayed Philanthropies), а данные предоставил Департамент здравоохранения Абу‑Даби.

Открытый код — шаг к совместному развитию

Важный момент: исходный код и обученные веса модели доступны бесплатно для всех исследователей и врачей. Это значит, что любой специалист может:

- использовать FetalCLIP в своих задачах;

- адаптировать модель под местные данные;

- дообучать её для новых диагностических целей.

Взгляд в будущее

FetalCLIP — пример того, как междисциплинарное сотрудничество может ускорить внедрение передовых технологий в практическое здравоохранение. В мире, где ежегодно происходит более 130 миллионов родов, а доступ к узким специалистам ограничен, такие инструменты способны повысить качество пренатальной диагностики и спасти тысячи жизней.

Главное — помнить, что ИИ лишь помогает врачу, но не заменяет его опыт и ответственность.

 

      Больше интересного в наших социальных сетях. Подписывайся!

 

Материал подготовлен по данным исследования, опубликованного в журнале npj Digital Medicine, журнала "МЕДВЕСТНИК" и открытым источникам.