Z-med Eye AI: оценка рисков 15 патологий по снимку глазного дна

Задача

По снимкам глазного дна исследуются признаки офтальмологических патологий и проявлений системных заболеваний. В Eye AI мы разрабатываем многоклассовую оценку рисков, которая помогает выделять изображения для дальнейшей проверки специалистом.

Данные и модель

Исследование проведено совместно со Sber AI Lab, Сколтехом и другими научными партнёрами. Подготовлен корпус из 20 351 снимка: 12 000 из открытых наборов и 8351 из клинических архивов. Разметка опиралась на работу медицинских экспертов. Для классификации использована гибридная архитектура CAFormer B36.

Результат модели относится к признакам на изображении. Врач сопоставляет их с обследованием и клиническим контекстом. Это сценарий поддержки оценки риска, в котором интерпретация снимка остаётся частью работы специалиста.

Результаты исследования

Во внутреннем тесте с разделением по изображениям ROC AUC по классам составил от 0,9524 до 0,9971. При более строгой проверке снимки группировали по предполагаемому пациенту: средний AUC составил 0,934. В отдельной поисковой клинической оценке на 68 случаях общая доля верных классификаций была 64,7%.

Эти испытания проверяют разные условия работы модели. Для перехода к медицинскому применению исследовательский подход требует дальнейшей проспективной проверки на нескольких площадках. Результаты и методика опубликованы в Frontiers in Medicine.

Результат разработки

Создан исследовательский алгоритм и веб-сервис для апробации в направлении Z-med. Для тестирующих врачей добавлены мобильный интерфейс и обратная связь. Такой процесс связывает разработку модели с профессиональной проверкой; медицинские сервисы представлены на платформе Z-med.