Российский стартап «Диджитал Вижн Солюшнс» создал первого в стране медицинского помощника на основе искусственного интеллекта для анализа патологий глаз, который позволяет врачам точнее ставить диагнозы
Врачи нескольких офтальмологических поликлиник и федеральные центры уже ставят диагнозы с помощью облачной офтальмологической платформы Retina.AI — первой в России системы поддержки врачебных решений в офтальмологии на базе искусственного интеллекта. Изначально она создавалась для анализа снимков глазного дна у больных сахарным диабетом, которые подвержены большому риску снижения и полной потери зрения, но теперь умеет распознавать и другие патологии.
Согласно выводам ряда научных статей, за рубежом такие системы позволили снизить число ослепления при диабете на 11%. Российские врачи, использующие Retina.AI, утверждают, что платформа дает им возможность снизить число ошибочных толкований снимков глазного дна и благодаря этому вовремя выявлять патологии сетчатки глаза. Система также позволяет ставить диагноз быстрее, что весьма актуально при дефиците офтальмологов в стране. Но есть и скептики, которых смущает, что платформа «обучена» на слишком малом числе снимков глазного дна, а значит, высок риск ошибочных заключений.
В российском здравоохранении, как и в других странах, искусственный интеллект активно внедряется для выявления различных патологий. Несколько лет назад его официально стали использовать врачи-рентгенологи для анализа рентгеновских снимков и томографических изображений головного мозга, легких, сердца, печени, почек и других органов. Это, в частности, разработки таких компаний, как «К-Скай», «Цельс», «Визионеро», «Третье мнение», «Доктор рядом». Но созданием алгоритмов для офтальмологии в стране не занимался никто.
Первой за это взялась инновационная ИТ-компания и резидент «Сколково» «Диджитал Вижн Солюшнс», которая с 2021 года обучала алгоритм на снимках глазного дна, создав приложение Retina.AI. В прошлом году его запустили в коммерческое использование в клиниках. В компании работает всего 11 человек: врачи, инженеры-программисты, эксперты в области машинного зрения, специалисты по управлению.
«Мы изначально занимались программами машинного зрения, которые внедряли на разных предприятиях для оптимизации производства, — рассказывает генеральный директор “Диджитал Вижн Солюшнс” Дмитрий Каталевский. — В 2020 году в США были зарегистрированы первые программы искусственного интеллекта для анализа снимков глазного дна. Моя супруга, врач-офтальмолог, занималась исследованиями в этой области, и мы решили попробовать сделать это у нас. В результате Retina.AI успешно прошла клинические испытания на базе офтальмологического отделения Федерального научно-исследовательского клинического центра ФМБА России, и в 2024 году проект получил регистрационное удостоверение на медицинское изделие».
По словам Каталевского, в мире есть программы, которые анализируют снимки глазного дна, сделанные на фундус-камере (оптический прибор для цифровой фотографии глазного дна и сетчатки), либо на сканах оптической когерентной томографии (ОКТ). «Мы же сделали первое в мире приложение, которое реализовало принцип мультимодальной диагностики, работая как с фундус-изображениями глаза, так и со сканами ОКТ», — говорит он. Оптическая когерентная томография позволяет получать послойное изображение сетчатки глаза, с высокой точностью ставить диагноз, устанавливать форму и стадию заболевания, а также определять тактику лечения и наблюдения пациента. В сочетании с фундус-фотографией метод позволяет врачу получить максимально полную картину глазного дна, именно поэтому многие современные производители медицинского оборудования идут по пути объединения оптического когерентного томографа и фундус-камеры в одном приборе.
Основной сдерживающий фактор развития ИИ в медицине — отсутствие единой федеральной базы датасетов: снимков, историй болезни, диагнозов и прочих данных, организованных определенным образом
Retina.AI — это программное обеспечение, реализованное как в облачном сервисе, так и в формате десктопного приложения. Программа устанавливается на стационарный компьютер в медицинском учреждении. Пользователь загружает фотографию глазного дна или скан ОКТ, программа анализирует изображение, подсвечивает (выделяет цветом) в пользовательском интерфейсе обнаруженные признаки болезни и за считаные секунды создает отчет для врача. В отчете отображены информация о выявленных патологических изменениях, оценка рельефных параметров структур сетчатки, а также вероятный диагноз. Окончательный диагноз ставит врач. Наряду с отчетом для врача программа может сформировать отчет для пациента, в котором в доступной для понимания форме представлена информация о состоянии его глазного дна.
По фундус-изображениям диагностируется в основном диабетическая ретинопатия — это офтальмологическое осложнение сахарного диабета, ведущее к слабовидению, слепоте и инвалидности по зрению вследствие того, что избыточный сахар в крови поражает мелкие сосуды глаз и вызывает прочие патологии. Программа выявляет признаки диабетической ретинопатии, определяет стадию заболевания, а также находит признаки клинически значимого макулярного отека, который также является следствием сахарного диабета. В мире, по данным ВОЗ, сахарным диабетом страдают порядка 500 млн человек и число заболевших постоянно растет: ожидается, что к 2040 году их станет уже 650 млн. В России, по данным Российской диабетической ассоциации, насчитывается 12 млн больных сахарным диабетом 1-го и 2-го типа. Единственный эффективный метод борьбы со слепотой, вызванной сахарным диабетом, — организация регулярных скрининговых офтальмологических обследований с целью своевременного выявления и лечения болезни. При этом, согласно научным статьям, в западных странах внедренные относительно недавно ИИ-системы в офтальмологии позволили на 11% снизить случаи утраты зрения диабетиками, что считается очень хорошим результатом.
«Каждый пациент с сахарным диабетом нуждается в консультации офтальмолога от одного до двенадцати раз в год. Несвоевременная диагностика заболевания — одна из главных причин слепоты и слабовидения вследствие диабетической ретинопатии и диабетического макулярного отека, — говорит медицинский директор “Диджитал Вижн Солюшнс” Евгения Каталевская. — В условиях постоянного роста числа пациентов, страдающих сахарным диабетом, все более актуальной становится проблема дефицита врачей-офтальмологов, и не только в России, но и во всем мире». По ее словам, в государственной поликлинике у врача есть 12 минут на прием одного пациента. За это время надо проверить зрение, рефракцию, внутриглазное давление, расширить зрачок, посмотреть глазное дно, сделать ОКТ, проанализировать все полученные данные, поставить диагноз, заполнить медицинскую документацию и, наконец, выделить время для беседы с пациентом — разъяснить человеку суть его заболевания и возможные пути решения проблемы.
«В частной клинике времени, как правило, больше — тридцать-сорок минут, но и этого часто бывает недостаточно для полноценного приема пациента с сахарным диабетом. Хроническая нехватка времени, усталость, стресс, снижение уровня внимания к концу дня, недостаток опыта — все эти факторы увеличивают риск ошибок в диагностике. Задача нашей программы — помочь доктору, взяв часть его работы на себя. Наш алгоритм экономит в среднем от пяти до десяти минут на приеме», — говорит Евгения Каталевская.
По ее словам, программа помогает врачу выявить на фундус-снимках такие признаки начинающегося заболевания, как твердые и мягкие экссудаты (нарушения лимфообращения глаза), микроаневризмы (нарушение кровообращения), кровоизлияния, венозные аномалии, неоваскуляризация (разрастание сосудов роговицы) и прочие — всего девять признаков патологий. При этом все негативные признаки программа отмечает и выделяет прямоугольником наиболее рискованные места, что удобно для врача.
Еще боле широкие возможности дает анализ ОКТ-снимков. Изображения глазного дна, сделанные на томографе, также загружаются в приложение, и оно выдает объемные изображения и их описание. По ОКТ-снимкам можно выявить такие распространенные патологии сетчатки, как кистозный макулярный отек (скопление жидкости в сетчатке), возрастная макулярная дегенерация сетчатки, хориоидальная неоваскуляризация (новообразования сосудов), эпиретинальная мембрана (нарушения кристаллика глаза) и другие — всего семь признаков болезней. «Сейчас мы охватываем анализом 85 процентов центральной области сетчатки. В разработке также система анализа глаукомы, но ее мы пока не регистрировали», — говорит Евгения Каталевская.
Впрочем, говорить о законченности и совершенстве Retina.AI пока преждевременно, полагает главный врач Центра диагностики и хирургии заднего отдела глаза Джассер Дорошенко. «Сомнение вызвало то, что подобные мировые ИИ-системы обучены более чем на миллионе снимков. Retina, как говорят разработчики, обучена только на 40 тысячах снимков, а этого, на мой взгляд, мало. И дело в том, что такие снимки у нас редкость, у нас их просто мало очень скопилось, и в основном по случаям с диабетической ретинопатией. А это довольно узкая специфика», — говорит Дорошенко. При этом, по его словам, к разметке (толкованию) этих снимков предъявляются особые требования: «Например, при толковании снимка должно совпадать мнение трех врачей, иначе снимок в обучение ИИ не закладывается. Как обучали Retina.AI мне неизвестно». Тем не менее он считает, что эта система перспективна и ее надо развивать: «Дело в том, что в России во многих региональных клиниках, которые занимаются лечением диабета, нет офтальмологов, которые сразу проводили бы обследование сетчатки, а делать это на ранней стадии очень важно. И, по моим подсчетам, в зоне риска ухудшения зрения и слепоты находятся около пяти миллионов больных диабетом из 12 миллионов. Внедрение в таких клиниках ИИ могло бы частично решить проблему дефицита кадров и увеличить процент выявляемости патологий. Но вот мы, например, пока не рискуем использовать Retina.AI».
Директор по проектной деятельности Ассоциации разработчиков и пользователей ИИ в медицине «Национальная база медицинских знаний» (НМБЗ) Андрей Алмазов добавляет, что снимки имеют такие параметры, как освещенность, угол наклона линзы и еще массу всего, что составляет настройки конкретного аппарата и его характеристики. Этих данных во входной информации для анализа в описании Retina.AI нет, а они очень сильно влияют на результат.
По словам Евгении Каталевской, для обучения Retina.AI использовались изображения с разных типов фундус-камер и томографов, чтобы система могла корректно работать с приборами разных производителей. «В нашей системе имеются определенные требования к подаваемым на анализ изображениям. Если, например, разрешение снимка не соответствует требованиям, программа его не пропустит», — говорит она.
В целом, по словам разработчиков Retina.AI, есть два способа обучения ИИ — с учителем и без учителя. «Изначально для Retina.AI мы использовали обучение без учителя (unsupervised learning). В этом методе на вход нейросети подается массив неразмеченных данных и нейросеть должна сама обнаружить закономерности и зависимости. Однако потом мы отказались от этого подхода, поскольку он не позволяет получить необходимую точность диагностики, — говорит Евгения Каталевская. — Для определения формы и стадии заболевания необходим анализ биомаркеров, который возможен только при их точной сегментации. Метод unsupervised learning не дает таких возможностей».
Поэтому компания переключилась на метод обучения с учителем (supervised learning), то есть с врачом. «Наши врачи-офтальмологи размечают данные, затем специалисты по большим данным обучают нейросеть с использованием изображений сетчатки, где патологические изменения отмаркированы человеком, — продолжает Евгения Каталевская. — На основе многих примеров нейросеть постепенно обучается сама определять эти патологические признаки. Однако для этого требуется показать ей как можно больше вариаций заболевания».
Дмитрий Каталевский добавляет: «Общая практика такова, что при обучении ИИ 98 процентов времени тратится на работу с данными: на их подготовку, разметку и прочее. И всего два процента — на то, чтобы обучить программу. При подготовке данных каждый снимок анализировался врачом-офтальмологом, в наиболее сложных случаях решение принималось коллегиально тремя докторами. При анализе данных врачи опирались на российские национальные клинические рекомендации, а также на международные стандарты диагностики».
Retina.AI уже пользуются врачи нескольких клиник — это государственные Федеральное медико-биологическое агентство (ФМБА) России, Московский многопрофильный научно-клинический центр им. С. П. Боткина, НМИЦ эндокринологии им. академика И. И. Дедова Минздрава России, а также частные: клиника «Светодар» в Иваново, Глазная семейная клиника в Одинцово и Глазная клиника доктора Матюшечкина в Петрозаводске. Еще в нескольких клиниках система находится на апробации.
Опрошенные нами врачи результатами довольны. Для них главное, что ИИ-помощник помогает снизить процент ошибочно истолкованных снимков. И все же платформа тоже пока несовершенна. «Мы оцениваем точность ее анализа в 8 баллов из 10, в то время как точность суждения среднестатистического врача можно оценить на 7 баллов, то есть в трех из десяти случаев он ошибается, — говорит врач-офтальмолог, офтальмохирург клиники “Светодар” Наталья Найденова. — Нам программа понравилась, очень удобно, мы ее используем с прошлого лета. Это удобно и пациенту, поскольку на снимке наглядно промаркированы отклонения от нормы и врач быстрее может ему объяснить, что с ним происходит». По словам Найденовой, по большей части с помощью ИИ врачи получают подтверждение того, что видят сами. «Если при этом возникают расхождения в толковании снимка, мы рассматриваем его коллегиально», — говорит она.
Врач заверила, что никто из пациентов не опасается применения ИИ, как это порой случается при диагностике других болезней: «Все реагируют позитивно, даже рекомендуют знакомым и родным, так что новая технология помогает также привлекать новых пациентов. Их привлекает как раз более точное трактование снимков. Да, опытный врач и сам видит патологии, но не всегда различает их на ранних стадиях, некоторые признаки малозаметны для глаза. Кроме того, изначальные патологические изменения мы можем не увидеть с помощью фунгус-камеры, только через ОКТ. А программа видит и через фунгус-камеру. Удобно также, что она маркирует признаки патологий, выделяя их цветом».
Врач-офтальмолог Боткинской больницы Анна Андрианова дает Retina.AI оценку точности в 4,8 балла из пяти, при том что верность суждения врача она в среднем оценивает в 3‒4 балла (20‒30% ошибочных мнений). «Поэтому многие используют коллегиальное суждение. С Retina.AI такая необходимость отпадает, число точных диагнозов повысилось. Мы сначала сами смотрим снимки с ОКТ со встроенной фундус-камерой, потом сверяемся с ИИ и коллегиально, как правило, соглашаемся с ним, — говорит Анна Андрианова. — У нас была идея вообще отстранить врача от необходимости анализа снимков, но пока, видимо, это преждевременно. Хотя для здравоохранения это очень актуально: во многих клиниках городской сети не хватает офтальмологов». Она также отмечает, что во всем мире еще не решен вопрос ответственности за неверный диагноз при использовании ИИ. «Не ясно, кто должен нести ответственность — врач или разработчик программы, поэтому полностью заменить врачей они не могут», — говорит Андрианова.
Евгения Каталевская добавляет, что проведенные в США исследования показали, что ИИ-системы анализируют глазное дно с точностью 74%, то есть 26% его суждений ошибочны. Для Retina.AI они добились примерно 90% точности. Команда Retina AI разработала и запатентовала ряд инновационных методов анализа изображений сетчатки.
«Мы ни в коем случае не претендуем на то, что наша программа заменит врачей, нет, — говорит Евгения Каталевская. — Но она помогает не только сэкономить время, но и повысить точность диагностики, осуществляя автоматический расчет ряда важных параметров. Хочу подчеркнуть, что в офтальмологии диагноз не может быть поставлен на основании данных лишь одного инструментального метода исследования. Окончательный диагноз ставит врач — клинически, основываясь на данных анамнеза, результатах лабораторных и инструментальных исследований. И только тогда принимается решение о тактике лечения».
Retina.AI обошлась разработчикам примерно в 100 тыс. человеко-часов и стоила около 150 млн рублей. Часть средств — около 40 млн — учредители Каталевские вложили сами, часть дали частные инвесторы, а почти половину привлекли за счет грантов Фонда содействия инновациям по программам «Старт-1» и «Старт-2» в 2021 и 2024 годах. В 2025-м компания вошла в топ-5 рейтинга российских компаний — производителей медизделий на основе искусственного интеллекта «ИИ-медтех».
Ежемесячная подписка на Retina.AI стоит от 40 до 90 тыс. рублей в зависимости от набора функций (не всем они нужны полностью). «Но пока это проект операционно убыточный, — признается Дмитрий Каталевский. — Потому что мы выходим на новый рынок, то есть сами создаем его, и еще далеко не все врачи готовы использовать наш ИИ. Многие предпочитают сначала присмотреться к опыту коллег, и это вполне закономерно. Кроме того, обучение продолжается и сейчас, что требует затрат. Но по мере расширения числа клиентов и подписка будет стоить дешевле, и мы, я уверен, выйдем на прибыль и сможем инвестировать в новые медицинские ИТ-проекты».
Неочевидная окупаемость новых проектов на основе ИИ в здравоохранении — основная проблема их развития. «Если у новых систем в финтехе или в телекоммуникациях на основе ИИ вполне понятные модели выхода на прибыльность, то в медицине никто не понимает, как и когда они будут окупаться, — говорит генеральный директор Ассоциации разработчиков и пользователей искусственного интеллекта в медицине «Национальная база медицинских знаний» Борис Зингерман. — Это создает трудности с привлечением инвесторов, при том что идей полно. Например, нет механизма оплаты таких сервисов из Фонда обязательного медстрахования».
И все-таки Борис Зингерман отмечает, что ИИ-системы с машинным обучением активно развиваются, и в этом мы не сильно отстаем от других развитых стран. В целом разрабатываемые системы делятся на два класса: цифровые помощники врачей, которые анализируют снимки и прочие исследования пациентов для большей точности — и административные, которые помогают упорядочить лечебный процесс, освободить врачей от рутинной работы, то есть в целом оптимизируют работу медучреждений, помогают контролировать качество медпомощи. По данным НМБЗ, первых зарегистрировано в стране уже 54, только в прошлом году появилось 15 новых, в этом появится еще пять. Вторых систем больше десятка.
При этом консерватизма у врачей, которые еще несколько лет назад опасались таких инноваций, становится все меньше: эффективные решения в области ИИ сегодня охотно берут на вооружение. В пример можно привести цифровую медицинскую платформу «Meдсенджер», разработанную Борисом Зингерманом и его командой еще в 2017 году. По одну ее «сторону» находится врач, по другую — пациент, которые всегда на связи. Платформа анализирует данные с внешних устройств — персональных медицинских помощников, которые замеряют параметры состояния пациента и передают данные в систему. Далее включаются ее основные функции — сценарии-алгоритмы для анализа разных патологий у конкретных пациентов и выдача рекомендаций им и врачам о дальнейших действиях, степени опасности состояния или, напротив, прогресса в лечении. Сценариев анализа разных патологий и данных в «Мессенджере» уже более ста. «Если в начале пути у нас были десятки врачей-энтузиастов, которые пользовались платформой, то теперь их тысяча. Подключаются целые регионы», — говорит Борис Зингерман. — Например, все беременные женщины Орловской области к ней подключены, и врачи государственных и частных клиник дистанционно ведут их беременность, оперативно реагируя на любые отклонения от нормы. В Самаре то же самое с кардиологическими больными. Есть проекты в других регионах по больным диабетом, онкобольным, нейрохирургическим пациентам, инфекционным и прочим».
Андрей Алмазов отмечает, что сейчас основным сдерживающим фактором развития ИИ в медицине является отсутствие единой федеральной базы датасетов — тех самых снимков, историй болезни, диагнозов и прочих данных, организованных по специфичным блокам. «Сейчас взять их в достаточном количестве попросту негде, и разработчики добывают обрывочные сведения: кто в клиниках по личной договоренности, кто в малочисленных открытых зарубежных базах. А без доступа к огромному массиву таких данных системы обучаются медленнее либо не совсем корректно», — говорит Андрей Алмазов.
Минздрав еще в 2020 году по поручению президента начал создавать такие хранилища данных по многим нозологиям на базе Единой государственной информационной системы в сфере здравоохранения (ЕГИСЗ), но пока есть лишь несколько датасетов на ее основе на платформе ai.minzdrav.gov.ru. Впрочем, более мощная база данных из сотен датасетов с миллионами записей собрана Московским центром телемедицины (сайт mosmed.ai) благодаря многочисленным региональным экспериментам с продуктами AI в медицине и законодательным послаблениям. С прошлого года платформа стала доступна разработчикам и врачам из других регионов.
На федеральном же уровне основная проблема в том, что по закону о защите персональных данных нельзя вносить в систему даже обезличенные данные пациентов без их согласия. «Мы не можем добиться автоматического сбора таких данных и обеспечения доступа к ним разработчикам ИИ уже много лет, а когда сможем, то будет каждый год появляться больше решений с ИИ в здравоохранении, и организация лечебного процесса и оказания медпомощи преобразится, став более эффективной», — заключает Борис Зингерман.