Smart Engines запатентовала методы компьютерной томографии, повышающие безопасность и эффективность диагностики

Бюро патентов и торговых марок США выдало два патента российской компании Smart Engines, специализирующейся на разработке систем компьютерного зрения на базе искусственного интеллекта (ИИ). Оба изобретения направлены на совершенствование компьютерной томографии (КТ) — одного из ключевых методов медицинской диагностики и промышленного контроля. Запатентованные технологии повышают точность и скорость обработки данных и значительно снижают дозу облучения пациента.

Первая технология позволяет снизить радиационную нагрузку на человека при проведении компьютерной томографии. В основе предложенного метода — контроль процесса сканирования специализированным ИИ, прерывающим облучение, как только собраны все необходимые данные. После получения каждой частичной реконструкции ИИ анализирует качество 3D-изображения, и, если информации для постановки диагноза достаточно, процедура завершается досрочно. Результаты тестирования показали, что метод позволяет снизить радиационную нагрузку в среднем на 15%, а в случаях раннего выявления патологий — до 25%. Это делает процедуру безопаснее для пациентов без ущерба точности диагностики.

Второй патент был выдан на метод построения высокопроизводительных алгоритмов, которые значительно ускоряют процесс реконструкции трехмерных изображений в компьютерной томографии. Традиционные методы реконструкции требуют значительных вычислительных ресурсов и времени. Новые алгоритмы, разработанные учеными Smart Engines, оптимизируют эти процессы, сокращая количество операций для обратного проецирования в сотни раз. Это открывает возможности для создания томографов нового поколения, которые будут быстрее, точнее и экономичнее существующих моделей.

О том, как сегодня используют искусственный интеллект в компьютерной томографии и других областях, «Ъ-Науке» рассказал один из авторов изобретений, технический директор Smart Engines, доктор технических наук Дмитрий Николаев.

— Какую проблему удалось решить при помощи предложенного подхода?

— Сегодня одной из ключевых проблем томографии остается дозовая нагрузка на пациента. Традиционные протоколы КТ предполагают фиксированное количество рентгеновских снимков независимо от индивидуальных особенностей пациента. Это может приводить к избыточной радиационной нагрузке, что особенно критично при частых обследованиях. По этой причине сегодня не рекомендуется проводить компьютерную томографию чаще, чем раз в год. Однако порой, если риск осложнений болезни высок, пациенту могут назначить дополнительные обследования. Более того, в некоторых случаях врачам приходится проводить несколько сканирований подряд, если пациент пошевелился в ходе КТ.

Предложенный нашими учеными подход позволяет говорить о принципиально новом уровне томографии. Он повышает эффективность процесса постановки диагноза, уменьшая дозовую нагрузку на пациента. Более того, ИИ точно фиксирует момент, в который процедура пошла не по протоколу, а значит полученные результаты будут неинформативными. В таком случае алгоритм останавливает обследование. В результате пациенты будут проходить обследования с минимально необходимой дозовой нагрузкой, что особенно важно при длительном наблюдении.

— Поможет ли снижение радиационной дозы при КТ в лечении известных болезней?

— Пандемия коронавирусной инфекции и вспышки пневмонии подтверждают необходимость разрабатывать эффективные методы диагностики, избавляющие пациентов с патологиями от лишней радиационной нагрузки. Во время пандемии заболевшим назначали по несколько процедур КТ с небольшими промежутками между ними, чтобы наблюдать за динамикой лечения.

Запатентованный нами метод открывает путь к созданию устройств принципиально нового класса, в котором томограф перестает быть лишь инструментом визуализации. Вместо этого он становится роботом, управляемым искусственным интеллектом, и самостоятельно останавливает сканирование, когда данных для постановки диагноза достаточно. Такой подход позволяет достигнуть высокой точности диагностики с использованием меньшего числа рентгеновских снимков.

— Какой прикладной эффект может дать ускорение процесса томографической реконструкции?

— Разработанные нами алгоритмы существенно превосходят по производительности все ранее известные методы реконструкции изображений и гораздо эффективнее справляются с обработкой больших объемов данных. В медицине это критически важно в экстренных ситуациях — при борьбе за жизнь пациента.

Новый способ также значительно снижает требования к вычислительной мощности процессоров в томографах, что позволяет повысить доступность оборудования для медицинских учреждений.

— Как алгоритмы реконструкции изображений могут быть применены за пределами медицины?

— Описанный нами метод можно применять в самых разных отраслях — например, в промышленности для дефектоскопии сложных деталей, двигателей или микросхем. Он позволяет производить неразрушающее исследование внутренней структуры объектов с высокой скоростью и точностью.

В основе предложенного подхода лежит универсальная идея автоматизации анализа данных и принятия решений с использованием искусственного интеллекта. Это дает возможность сократить время контроля качества, ускорить и удешевить многие производственные процессы.

— Какими новыми разработками вы занимаетесь сейчас помимо совершенствования КТ-технологий?

— Сфера применения технологий компьютерного зрения весьма широка. В данный момент мы активно развиваем системы распознавания паспорта и других документов на основе искусственного интеллекта. Эти решения уже успешно применяются в финансовом секторе, логистике и госучреждениях для автоматизации ввода данных и снижения рисков мошенничества. Созданные нашими учеными алгоритмы точно извлекают данные как из печатных, так и из рукописных полей. Особое внимание уделяется обработке документов с низким качеством изображения, например при плохом освещении или наличии искажений.

Помимо этого мои коллеги разработали новое ПО для распознавания анкет и форм с возможностью самостоятельной настройки по одному образцу. Оно позволит пользователям добавлять распознавание новых документов с жесткой структурой всего за несколько минут без участия компании-разработчика.

Подготовлено при поддержке Smart Engines