Описание проекта
Цель проекта: Создание прототипа программного обеспечения на основе искусственного интеллекта (ИИ), способного классифицировать предраковые состояния слизистой желудка (атрофический гастрит, кишечная метаплазия) по стандартным эндоскопическим изображениям с точностью не менее 75%.
Задачи:
1. Сформировать репрезентативный датасет эндоскопических изображений.
2. Разработать алгоритм машинного обучения для автоматического выделения патологий.
3. Провести валидацию модели на независимой выборке с участием врачей-эндоскопистов.
4. Провести клинические испытания ПО
Ожидаемые результаты:
Рабочий прототип алгоритма, интегрированный в простой интерфейс.
Чувствительность ПО не ниже 85%.
Специфичность ПО - не ниже 85%
Области применения: системы поддержки принятия врачебных решений (СППВР), научные исследования
Потенциальные потребители: онкодиспансеры и гастроэнтерологические центры
Продукт включает программный модуль с элементами искусственного интеллекта, включающий в себя:
1. Ядро анализа изображений: Алгоритм, обученный выявлять предраковые изменения слизистой желудка.
2. Пользовательский интерфейс: Веб-приложение на базе Streamlit или десктоп-версия (Python + PyQt).
Форматы выходных данных:
- Текстовый отчет с маркировкой подозрительных зон;
- Визуальная разметка в формате JPEG/DICOM с наложением тепловой карты.
Основная функция: автоматический анализ эндоскопических изображений желудка с последующей классификацией патологий или, наоборот, нормы
Приоритизация случаев: выделение пациентов с высоким риском злокачественных патологий для направления на дополнительные обследования
Сценарии использования: либо во время гастроскопии, либо при ретроспективном анализе полученного во время исследования снимка с подозрительным на патологию участком слизистой
Ресурсы проекта:
Людские ресурсы
Исполнитель – аспирант по направлению 3.1.6. Онкология, лучевая терапия с опытом разработки ML-моделей для медицинской диагностики. Основные обязанности: создание и обучение алгоритма, разработка интерфейса, управление проектом.
Врач-консультант – эндоскопист из ОД, который будет проверять разметку данных и оказывать клиническую экспертизу.
Материалы и данные
Эндоскопические изображения – 300–500 анонимизированных снимков из архива ОД с гистологически подтвержденными диагнозами.
Инструменты для разметки – бесплатные программы (LabelImg, CVAT), которые будут использоваться для подготовки датасета.
Оборудование
Рабочая станция – персональный компьютер с GPU, на котором будет проводиться обучение модели.
Облачные ресурсы – аренда GPU в Google Colab Pro
Программное обеспечение
Бесплатные ML-библиотеки – PyTorch, TensorFlow, OpenCV для разработки алгоритма.
Инструменты для интерфейса – Streamlit или PyQt для создания пользовательской оболочки.
Основной состав команды
Руководитель и ключевой исполнитель (Данилин Тимофей Андреевич, заявитель)
Роль: Разработка алгоритма машинного обучения, создание интерфейса, управление проектом
Квалификация: Аспирант 1 года направления 3.1.6 Онкология, лучевая терапия с дипломом по направлению 30.05.03 Медицинская кибернетика
Условия: Работа по основному месту
Врач-консультант (гастроэнтеролог/эндоскопист)
Роль: Клиническая экспертиза, валидация разметки данных, медицинская интерпретация результатов
Квалификация: врач-гастроэнтеролог ОД со стажем от 5 лет
Условия: Безвозмездное участие (мотивация - соавторство в публикациях)
