AI аналіз КТ: де ламається ручний контур описів
У відділенні потік, а не окремі знімки: за зміну через лікаря проходять десятки досліджень, у кожному — сотні зрізів у кількох фазах.
Поки розбір серій іде руками, черга на опис досліджень зростає швидше, ніж її розбирають: термінові знахідки лежать у спільній пачці з плановими, частина досліджень переходить на наступний день.
Друге вузьке місце — відтворюваність. Одну серію два лікарі опишуть по-різному: межі контуру, максимальний лінійний розмір і об'єм осередку залежать від того, де проведено межу й на якому зрізі взято вимір.
Для пацієнта це різниця в трактуванні, для відділення — відсутність метрик, які можна порівняти між дослідженнями.
Далі ціна лише зростає: динаміку доводиться відновлювати за текстом описів, а він не дає однакових чисел від візиту до візиту, тому про зростання чи зменшення утворення судять із формулювань.
Нейромережа для КТ тут працює не замість лікаря, а як шар, який сегментує структури одним і тим самим способом на всіх серіях.
AI аналіз КТ закриває три точки: розвантажує чергу на опис досліджень, прибирає розкид розмітки завдяки єдиному алгоритму й дає повторювані числові характеристики для порівняння в динаміці.
Автоматичний опис КТ у цьому контурі — чернетка з порахованими метриками, яку лікар перевіряє й доповнює, а не текст замість нього. Розбираємо, як це влаштовано в роботі.
Що дає автоматична обробка серій досліджень
Серія КТ — це сотні зрізів, які лікар обходить вручну: позначає межі осередків, переносить виміри в протокол.
Автоматика знімає цю рутину: сегментація КТ виділяє цільові структури по всіх зрізах, кількісний аналіз КТ рахує об'єми та щільнісні характеристики за єдиною методикою, а результат лягає в серію DICOM як звичайна розмітка, поверх якої лікар працює звичними інструментами.
Ключовий ефект — відтворюваність вимірювань. Один поріг, одна геометрія перерахунку, одна версія моделі: повторний розбір тієї самої серії дає той самий результат незалежно від того, хто і в яку зміну його дивився.
Зникає цілий клас повторних переглядів, коли вимір переробляють через сумніви в розмітці, а не через нові клінічні дані.
Контроль якості моделі — постійний контур, а не перевірка на старті.
Ми тримаємо регресійний набір досліджень з еталонними масками, за кожного оновлення прогоняємо його повністю й дивимося частку розбіжностей за кожним класом знахідок: зниження цієї частки зупиняє випуск, а не доходить до лікаря.
У сумі це стискає час циклу опису: чернетка розмітки та виміри готові на момент, коли лікар відкриває серію, і залишається перевірити й підтвердити.
Спірні випадки за порогом упевненості підіймаються нагору — пропуски, які раніше спливали на повторному прийомі, ловляться в першому проході.
Режими роботи моделі: пакетний, інтерактивний, потоковий
Пакетна обробка КТ — режим для масивів: нічне завантаження архіву, ретроспективний розбір накопичених досліджень, підготовка вибірок для аудиту якості. Модель рахує чергу без участі лікаря, результат лягає поруч із серією DICOM і розбирається вранці. Обмеження одне, але принципове: відповідь приходить через години, а не в момент огляду.
Інтерактивний розбір знімків вмикають прямо на робочому місці: лікар відкриває серію, модель віддає маску та кількісні метрики за секунди, він править контури й підтверджує висновок.
Тут вирішує не лише точність, а й час відгуку — якщо серія обробляється довше за кілька секунд, правки починають заважати, і режим тихо перестають використовувати.
Потокова обробка досліджень ставиться на вході до архіву: кожне нове дослідження йде в модель одразу після надходження, а результат повертається в карту пацієнта до того, як знімки відкриє рентгенолог.
Такий режим потребує запасу під пікові години та зрозумілої поведінки при збої — інакше черга зупиняється повністю.
| Варіант | Коли підходить | Обмеження |
|---|---|---|
| Пакетний | Ретроспектива, нічне завантаження архіву, набори для контролю якості | Висновок із затримкою в години; правки лікарем на місці не передбачені |
| Інтерактивний | Розбір складних серій у кабінеті, уточнення контурів, навчання фахівців | Чутливий до часу відгуку; потрібні робочі місця та навчені лікарі |
| Потоковий | Скринінг потоку, пріоритизація термінових знахідок, робота в зміну | Потрібні ресурси під пік і регламент дій при недоступності моделі |
Що вибрати під профіль відділення
Режими не конкурують, а поєднуються: потоковий закриває поточну зміну, пакетний — накопичений архів і переперевірку, інтерактивний — складні випадки.
Вибір режиму роботи визначається профілем потоку: скільки досліджень на добу, чи є виражені піки, чи готове відділення змінювати регламент. На розборі задачі ми зіставляємо ці параметри з конфігурацією й говоримо, який режим дасть результат, а який створить зайве навантаження.
Етапи впровадження: від аудиту даних до передачі в роботу
Порядок етапів тут не формальність: модель із добрими цифрами на підготовленому наборі просідає на потоці конкретної клініки — інші апарати, укладання, товщина зрізів.
Тому впровадження AI в діагностику починаємо не з моделі, а з аудиту даних КТ, і закінчуємо прийманням на дослідженнях, яких вона не бачила.
Послідовність робіт
- Аудит даних КТ. Дивимося, що накопичено: серії досліджень, наявність висновків, розподіл за апаратами, протоколами й класами знахідок. На виході — карта прогалин: яких випадків мало і де розмітка суперечлива.
- Схема рішення та критерії приймання. Фіксуємо, що система рахує — контури, осередки, об'ємні показники, — і показники якості заздалегідь. Оцінюємо на рівні дослідження, а не окремого зрізу.
- Розмітка за єдиним протоколом. Спірні випадки йдуть на арбітраж, окремо вимірюємо згоду між лікарями. Якщо фахівці розходяться між собою, модель точнішою за них не стане.
- Налаштування на даних клініки. Доонавчання під місцевий парк апаратів і укладання, з контролем, що модель не запам'ятовує конкретний апарат замість ознак патології.
- Перевірка моделі на відкладеній вибірці. Тести на дослідженнях іншого періоду, розбір помилок за підгрупами: дрібні осередки, артефакти, стан після операцій.
- Вбудовування та приймання рішення. Результат з'являється там, де лікар дивиться знімки, з журналом і відміткою про якість; приймання — за узгодженими метриками.
- Передача в роботу. Регламент використання, навчання персоналу, розбір типових помилок і супровід — модель оновлюється на нових дослідженнях.
Артефакти й регламенти, які залишаються в замовника
Передача рішення — це не архів із вагами моделі, а комплект, за яким ваша команда зможе експлуатувати систему без нас: розгорнути, оновити, розібрати спірний випадок і пояснити перевіряльнику, звідки взялася цифра у висновку. Нижче — те, що фізично залишається в замовника після здачі.
- Документація на модель — на яких дослідженнях навчалася, на якій незалежній вибірці вимірювалися чутливість і частка хибних спрацювань, за яких умов якість падає.
- Схема потоків даних — шлях дослідження від сканера до робочої станції: де воно зберігається, що йде на обробку, на якому кроці виконується знеособлення.
- Інтеграція з робочим місцем лікаря — як розмітка та кількісні значення з'являються у звичному вікні перегляду і що бачить лікар, якщо сервіс аналізу недоступний.
- Політики доступу — ролі, кому видно вихідні дослідження й результати, хто може вивантажувати, журнал звернень до даних.
- Регламент роботи лікаря — на яких серіях запускати аналіз, як читати розмітку та оцінки об'єму, у яких випадках висновок обов'язково переперевіряється вручну.
- Регламент розбору помилок — як фіксується розбіжність, куди потрапляють спірні випадки і як вони впливають на наступну версію моделі.
- Конфігурації та відновлення — параметри розгортання, залежності, кроки повернення до попередньої версії, якщо нова показала себе гірше на ваших даних.
Додатково віддаємо коротку інструкцію для лікаря — одна-дві сторінки без технічних деталей — і проводимо сесію, де розбираємо реальні випадки на ваших дослідженнях.
Комплект оновлюється разом із моделлю: змінюється версія — змінюються документація й метрики, інакше за пів року ніхто не згадає, на чому рахувалися показники.
Кейс: сегментація осередків і звітність у потоці відділення
Клініка з потоком 70–90 досліджень грудної клітки за зміну: серії надходять у DICOM, читають їх по черзі три рентгенологи. Осередки розмічалися на зрізах вручну, протокол писався вільним текстом.
Розбіжності між лікарями за кількістю та розміром осередків сягали 18%, а майже кожен четвертий випадок повертався на перечитування — звітність відділення закривалася із затримкою.
Що змінили
Модель сегментації навчили на розмітці двох рентгенологів: спірні випадки розбиралися до старту, щоб еталон був узгоджений, а не «в середньому по лікарні».
Обробка йде поруч із робочим місцем — серія йде на аналіз одразу після надходження, маски та кількісні показники накладаються на зрізи. Чернетка висновку збирається в структурований шаблон, лікар править формулювання замість ручного набору.
| Метрика | До | Після |
|---|---|---|
| Час опису дослідження | 14 хв | 6 хв |
| Розбіжності між лікарями | 18% | 6% |
| Повторні перегляди серії | 24% | 9% |
| Протоколи в єдиній структурі | 30% | 96% |
Метрики до й після знімали на тому самому потоці: кейс сегментації КТ будувався так, щоб порівняння не розмивалося зміною обладнання чи протоколу сканування.
Модель при цьому не ставить діагноз — вона віддає виміряні об'єми, координати та динаміку щодо попереднього дослідження, а інтерпретація залишається за фахівцем.
Чим відрізняється детекція від сегментації та вимірювань?
Детекція осередків відповідає на питання «чи є знахідка і де»: модель повертає координати, рамку або карту ймовірності.
Геометрії вона не дає — об'єм за такою розміткою не порахувати, але пріоритизацію потоку вирішує: дослідження з підозрілим вузлом іде до лікаря першим, а серія без знахідок не займає чергу. Це найкоротший шлях до ефекту, бо не потребує попіксельної розмітки на навчанні.
Сегментація проти детекції — це різниця між «де» та «якої форми». Модель обводить контур структури й віддає маску, з якої рахуються площа, об'єм і розподіл щільності.
Розмітку робить експерт, а спірні межі — біля судини, плеври, на м'яких тканинах — розходяться навіть між розмітниками, тому ми окремо перевіряємо відтворюваність: два прогони на одному дослідженні мають давати близький контур, інакше об'єм у динаміці нічого не означає.
Вимірювання об'ємів і динаміка — третій шар. Він з'являється, коли є маски мінімум на двох дослідженнях пацієнта: об'єм рахується за кожною серією, потім серії суміщаються, щоб порівняння йшло за одними анатомічними орієнтирами, а не за різницею укладання.
Тут важлива не абсолютна цифра, а повторюваність — саме вона визначає, чи можна відрізнити зростання утворення від похибки методу.
Вибір методу диктує клінічне питання, а не якість моделі. Для скринінгу та сортування потоку достатньо детекції; для планування втручання, оцінки відповіді на лікування та спостереження потрібна сегментація з вимірюванням об'ємів.
Найчастіше працює каскад: детекція відсікає зайве й запускає сегментацію тільки там, де вона потрібна — якість вища, обробка швидша.
Обмеження методів і технічні сумніви
Розкид апаратів і протоколів — головне джерело деградації якості. Модель, навчена на одному парку сканерів, на іншому втрачає чутливість: змінюються товщина зрізу, рівень шуму, контрастування, укладання пацієнта.
Тому ми починаємо не із запуску готової моделі, а зі статистики за вашим парком і перевірки якості даних на вибірці досліджень.
Хибні спрацювання вимірюємо не абстрактно, а за ціною для лікаря: скільки зайвих знахідок припадає на одне дослідження і скільки часу йде на їх розбір.
Поріг детекції — керований параметр: його зсувають або в бік повноти, щоб нічого не пропустити, або в бік точності, щоб звіт не тонув у шумі. Під кожну задачу підбирається свій режим, і це фіксується в прийманні.
Що робити, якщо модель помиляється на наших дослідженнях?
Доонавчаємо на ваших розмічених випадках — зазвичай достатньо кількох сотень досліджень, розмітка має бути узгоджена між лікарями, інакше модель вивчить розбіжність у трактуванні. Перед цим чистимо вибірку: артефакти руху, метал, низький контраст псують і навчання, і оцінку.
Де обробляються персональні дані?
Контур узгоджуємо до старту: інференс усередині вашого периметра або на виділеному контурі зі знеособленням на вході — з дослідження прибираються ідентифікатори, залишається серія зображень. Доступи, журналювання та строки зберігання описуємо в регламенті.
Обговоримо задачу: як вбудувати AI у ваш потік досліджень
Щоб оцінка проєкту спиралася на ваші дані, а не на загальні припущення, розмову починаємо з постановки задачі.
Надішліть зріз потоку досліджень і те, як він улаштований зараз — за цим видно варіативність протоколів, якість серій і те, де AI дає виграш, а де додає лікарю зайву роботу.
Що надіслати, щоб ми повернулися з планом впровадження:
- Вибірку досліджень за період — 20–50 серій достатньо, щоб оцінити розкид протоколів, товщину зрізів і типові артефакти.
- Опис поточного потоку: звідки надходять дослідження, де зберігаються, у якій системі пишеться висновок і що відбувається з ним далі.
- Формулювання клінічної задачі — сегментація структури, детекція осередків або кількісний аналіз динаміки — із зазначенням, яка відповідь вважається правильною.
- 5–10 прикладів висновків лікаря: за ними збираємо еталон і домовляємося про метрику приймання, а не про «схоже чи не схоже».
- Вимоги до обробки: робота всередині вашої мережі, знеособлення на місці або передача назовні, хто отримує доступ до результатів.
- Обсяг потоку та строки: скільки досліджень на день, чи потрібен розбір у реальному часі або підходить пакетна обробка.
- Відповідального з вашого боку, хто підтверджує еталон і приймає результат за кожним етапом.
У відповідь надсилаємо план впровадження: склад етапів, метрики приймання на кожному з них, схему інтеграції з вашим архівом і переглядачем, перелік ризиків і порядок відкату до ручного опису, якщо якість на конкретному зрізі даних не підтвердиться. Опишіть задачу — повернемося з оцінкою та планом робіт.
