ИИ-диагностика болезней животных по медицинским снимкам
Клиника с тремя филиалами тратит до двух часов на описание одного торакального снимка — радиолог перегружен, очередь на МРТ растёт. Мы внедрили AI-ассистента для предварительного чтения. Система обучена на тысячах размеченных ветеринарных снимков и способна детектировать кардиомегалию, плевральный выпот, лёгочные паттерны на торакальных рентгенограммах, а также артефакты на УЗИ брюшной полости.
Мы используем архитектуры EfficientNet-B4, ResNet-50 и DenseNet-121 с fine-tuning на специализированных датасетах. Результаты сопоставимы с экспертной оценкой ветеринарных радиологов. Наш опыт в компьютерном зрении — более 15 проектов в медицинской и ветеринарной диагностике. Внедрение такой системы окупается в среднем за 4–6 месяцев за счёт сокращения времени на приём и уменьшения числа повторных визитов. Экономия на оплате работы внешних радиологов может достигать $450–650./мес. на одну клинику.
Почему AI-диагностика заболеваний животных по снимкам сложна?
Отличия от человеческой радиологии: вариабельность анатомии между видами (кошка, собака, кролик, лошадь, экзотика), размеров (чихуахуа vs немецкий дог — масса тела 1:60), проекций (дорсовентральная вместо антеропостериорной). Обученная на человеческих снимках модель не переносится напрямую.
Основные виды снимков:
- Рентгенограммы (торакс, абдомен, скелет)
- УЗИ-снимки (абдомен, сердце, щитовидная железа)
- МРТ/КТ (позвоночник, голова) — в крупных клиниках
Как AI-система диагностирует заболевания животных по снимкам?
Самая востребованная задача — оценка торакса собак и кошек: кардиомегалия, плевральный выпот, пневмония, опухоли.
Кардиомегалия — оценивается через Vertebral Heart Score (VHS): суммарный размер сердца в позвонках. Регрессионная модель предсказывает VHS напрямую. На датасете 1 200 торакальных снимков (собаки): MAE = 0.31 позвонка vs норма 9.7±0.5 для большинства пород. Сравнимо с межэкзаменаторской вариабельностью ветеринаров (0.4 позвонка).
Плевральный выпот — визуально очевидная патология (потеря чёткости диафрагмальных контуров), но в малых объёмах пропускается. Бинарный классификатор ResNet-50: AUC = 0.94 на тестовой выборке.
Лёгочные паттерны — бронхиальный, интерстициальный, альвеолярный паттерны требуют multi-label классификации (паттерны могут сочетаться). EfficientNet-B4 с multi-label head: micro F1 = 0.82 на 5 классах паттернов. EfficientNet-B4 лучше ResNet-50 на этой задаче на 5% F1.
| Патология | Модель (AUC/MAE) | Ветеринар (межэкспертная вариабельность) |
|---|---|---|
| Кардиомегалия (VHS) | MAE 0.31 позвонка | 0.4 позвонка |
| Плевральный выпот | AUC 0.94 | ~0.92 |
| Задача | Модель | Метрика | Время инференса |
|---|---|---|---|
| Классификация лёгочных паттернов | EfficientNet-B4 | micro F1 0.82 | 45 мс |
| Детекция кардиомегалии | DenseNet-121 | AUC 0.88 | 30 мс |
Подробнее о датасетах
- 1 200 торакальных снимков собак с разметкой VHS и патологий - 800 УЗИ-изображений брюшной полости кошек с разметкой артефактов - 200 МРТ позвоночника собак (грыжи, компрессии)Почему данные для ветеринарной CV — главная проблема?
Главная проблема ветеринарной CV — отсутствие публичных датасетов сравнимого с медицинским масштаба. Стратегия:
- Партнёрство с 2–5 клиниками (500–2 000 размеченных случаев за 3–6 месяцев)
- Transfer learning от ImageNet или медицинских датасетов (ChestX-ray14) + fine-tuning на ветеринарных данных
- Синтетика: аугментация с реалистичными патологическими наложениями на нормальные снимки
Transfer learning от человеческих торакальных снимков к собачьим работает: предобученный на ChestX-ray14 DenseNet-121 после fine-tuning на 800 собачьих снимках даёт AUC = 0.88 для кардиомегалии — лучше, чем обучение с нуля на том же объёме (AUC = 0.79).
Один из наших партнёров — сеть ветеринарных клиник — после внедрения системы сократил среднее время описания снимка с 40 до 12 минут. Это позволило увеличить поток пациентов на 30% без найма дополнительных радиологов.
Что входит в работу
- Документация: описание архитектуры, датасета, метрик и инструкция по разметке
- Обученная модель с весами и конфигурацией
- REST API для интеграции в существующую PACS или ВИС
- Скрипты для инференса и примеры кода (Python, PyTorch)
- Гарантийная поддержка 3 месяца
- Обучение сотрудников работе с системой (2–4 часа)
Сроки
Базовая система для торакальных снимков (собаки/кошки): 10–14 недель. Расширенный модуль с УЗИ и несколькими видами: 18–26 недель. Стоимость рассчитывается индивидуально под объём данных и требуемый функционал.
Свяжитесь с нами для оценки вашего проекта. Мы гарантируем прототип на ваших данных в течение 10 недель. Получите консультацию по адаптации модели под ваши задачи.