ИИ-навигатор в операционной: станет ли российская нейросеть вторым пилотом хирурга

В малоинвазивной хирургии каждый миллиметр имеет значение, а пространство для маневра ограничено диаметром эндоскопа. Новая нейросеть учится наблюдать за ходом операций, чтобы со временем стать умным помощником врача.

Пока система только анализирует видео, находя камень, лазерное волокно и зону воздействия. Но вопрос на перспективу – шире: сможет ли алгоритм однажды перейти от роли расшифровщика записей к статусу надежного ассистента хирурга в режиме реального времени.

Цифровой глаз: анатомия прототипа

Совместная команда KulakMirea, работающая над новым продуктом, объединила IT-специалистов и практикующих врачей. Задача перед ними стояла нетривиальная: научить компьютерное зрение работать не со статичным снимком МРТ или КТ, а с динамичным, «шумным» видеопотоком. В операционном поле инструменты дрожат, обзор перекрывается жидкостями, а ткани деформируются.

Алгоритм решает сразу несколько задач: выделяет камень и лазерное волокно, классифицирует цели и определяет, куда именно направлен луч. Цифры, заявленные разработчиками, выглядят многообещающе: точность распознавания объектов на тестах составила 91%, а направление лазера система определяет верно в 92 случаях из 100. Время анализа записи целой операции удалось оптимизировать, сократив его со 102 до 21 секунды.

Пока речь идет только о прототипе. Это не готовый медицинский ИИ-сервис. Нейросеть не управляет инструментом и не принимает решений за врача. Ее задача – исключительно визуальная поддержка и аналитика.

От разбора полетов - к подсказкам в реальном времени

На текущем этапе главная польза разработки – в том, что она помогает медикам разбирать сложные эпизоды, контролировать качество хирургических манипуляций и обучать молодых специалистов.

Но амбиции создателей простираются дальше. Перспективный сценарий заключается в интеграции программного модуля с эндоскопическим монитором. По замыслу авторов, на экране поверх реального изображения нейросеть будет подсвечивать камень графической меткой и рисовать вектор направления лазера, предупреждая врача, если луч уходит в потенциально опасную зону.

Путь к реализации этой идеи лежит через суровые клинические испытания. Алгоритм должен безупречно работать при кровотечениях, плохом освещении и движении камеры, не создавая при этом когнитивной нагрузки на хирурга ложными срабатываниями.

Российский контекст и мировой тренд

Разработка МИРЭА вписывается в мировой тренд на стыке IT и медицины. Мы уже видим, как отечественный ИИ-ассистент ArtInCol для колоноскопии прошел путь от идеи до регистрации в качестве медицинского изделия Росздравнадзором в 2024 году. Системы дополненной реальности, такие как Medgital Vision, успешно апробируются нейрохирургами.

Мировое сообщество также движется от простых алгоритмов к комплексным решениям. Зарубежные аналоги, такие как система AiFURS, уже проходят внешнюю клиническую проверку. При этом международные регуляторы, включая FDA, формируют жесткие рамки: точность на тестовой выборке – это лишь билет на вход. Главное – независимые клинические проверки и доказательство того, что ИИ реально снижает число осложнений.

Долгий путь из лаборатории в операционную

Прототип от KulakMirea – очень серьёзный шаг в развитии отечественного медицинского компьютерного зрения и формирования ниши специализированного ПО. Он доказывает, что российские команды способны создавать сложные алгоритмы для работы с динамическими данными в условиях повышенных требований к безопасности.

Станет ли эта система привычным интерфейсом в российских и зарубежных клиниках, покажет время. Впереди масштабные клинические проверки на независимых данных, адаптация под разное оборудование и долгий процесс регистрации медизделия. Экспортный потенциал также потребует подтверждения клинической пользы. Но вектор задан верно: будущее хирургии – это не замена врача машиной, а тандем, где человеческий опыт и интуиция усиливаются неутомимым цифровым зрением.

Мы решали задачу, где техническая точность напрямую связана с безопасностью пациента. Наш сервис помогает автоматически размечать видео, находить сложные эпизоды для обучения специалистов и анализировать качество наведения лазера. Важно, что мы работали вместе с практикующим врачом – это позволило учесть реальные потребности клиники, а не только технические возможности алгоритма

Вадим Кириллов

преподаватель кафедры технологий искусственного интеллекта Института искусственного интеллекта, инженер лаборатории ИИ в медицине РТУ МИРЭА