В МФТИ создали нейросеть, которая повторяет принципы работы человеческого мозжечка
Ученые МФТИ разработали гибридную нейросеть cerebellar-inspired, архитектура которой основана на принципах работы человеческого мозжечка. Модель предназначена для анализа МРТ-снимков сердца и автоматической сегментации левого предсердия при подготовке операций по лечению фибрилляции предсердий.
Медицинская визуализация – это уникальное окно в человеческое тело, но зачастую это окно оказывается не очень прозрачным. Пациенты дышат, сердца бьются порой аритмично – и аппараты МРТ выдают шумы и смазанные реакции на движения. Для классического искусственного интеллекта такие помехи являются серьезным препятствием в работе, ведущим к сбоям и неточной диагностике. Ученые МФТИ нашли решение этих проблем, создав гибридную нейросеть, архитектура которой повторяет принципы работы человеческого мозжечка. Она позволяет повысить устойчивость алгоритмов к шумам и артефактам, часто встречающимся при проведении магнитно-резонансной томографии.
Как это работает?
Чтобы решить проблему стабильности, исследователи обратились за референсами к нейробиологии. Помимо основного модуля, отвечающего за автоматическую сегментацию левого предсердия на МРТ, в систему был внедрен специальный «мозжечковый» блок. В живом организме мозжечок отвечает за точную координацию движений и, что критически важно, предсказывает и корректирует моторные ошибки и прогнозирует будущие состояния коры головного мозга, выдавая корректирующие сигналы для предотвращения ошибок. В ИИ этот модуль работает как строгий контролер: он прогнозирует возможные искажения данных и заранее поправляет основную сеть, не давая ей ошибиться.
Точность сегментации на зашумленных данных (метрика Dice) выросла с 0,801 до 0,815. Казалось бы, цифры невелики, но в медицине они означают разницу между успешной операцией по лечению фибрилляции предсердий и фатальной врачебной ошибкой.
При этом алгоритм невероятно быстр и экономичен: обработка сложного трехмерного снимка занимает всего 18 миллисекунд, а «аппетиты» модели скромны – около 109 МБ видеопамяти, что позволит запускать ИИ на обычных компьютерах в клиниках.
Польза для клиник и граждан
Для российских больниц это настоящий технологический подарок. Разработка упрощает внедрение ИИ-инструментов без необходимости закупать дорогостоящие вычислительные комплексы. Разработка позволит более быстро обрабатывать данные МРТ-исследований и снизит нагрузку на врачей-рентгенологов, которые тратят часы на рутинную разметку снимков. ИИ берет на себя черновую работу, обеспечивая стабильный и надежный результат даже в неидеальных клинических условиях.
Эволюция биоморфного ИИ: от синапсов к логике мозга
Разработка МФТИ 2026 года по-настоящему блестящий и закономерный итог пятилетнего пути российской науки в области нейроморфных вычислений. В 2021 году РАН, «Росатом» и МГУ лишь закладывали фундамент, обсуждая, как заставить машины думать по законам биологии. Уже в 2022 году «Лаборатория Касперского» и «Мотив НТ» представили нейроморфный процессор «Алтай» и платформу для импульсных сетей.
К 2023–2024 годам фокус сместился на энергоэффективность и аппаратную базу. Исследователи МФТИ, ИТМО и Сколтеха создали гибкие искусственные синапсы и отечественные нейристоры – базовые элементы для компьютеров будущего. В 2025 году нейроморфные подходы шагнули в робототехнику, позволив автономным системам очень быстро обучаться. И вот в 2026 году российские ученые перешли от копирования отдельных «деталей» мозга к переносу его системной логики. Мозжечковая архитектура доказала: чтобы ИИ был надежным, он должен уметь сомневаться и исправлять ошибки.
Горизонты за пределами медицины
Сейчас модель находится на стадии исследований, до массового коммерческого экспорта еще предстоит пройти через клинические испытания и адаптацию под международные стандарты. Однако открытая публикация исходного кода уже позволяет научному сообществу изучать и развивать этот подход.
В перспективе технология выйдет далеко за пределы кардиологии. Принцип «предсказания и коррекции ошибок» идеально ложится на задачи промышленного ИИ (где датчики работают в условиях сильных помех), автономной робототехники и периферийных вычислений. Мы становимся свидетелями смены парадигмы. Эпоха «грубой силы» нейросетей, требующих гигантских энергозатрат, уступает место биоморфному ИИ. И этот ИИ обещает стать по-настоящему надежным помощником человека.
