Разработчики из МГУ представили алгоритм Screener, который анализирует компьютерную томографию и выявляет патологии без предварительной ручной разметки. Система использует самообучающиеся модели, ищущие аномалии, статистически отличающиеся от нормы. Для обучения нейросети задействовали более 30 тысяч неразмеченных КТ-исследований. Алгоритм изучает распределение признаков на уровне отдельных участков снимка, что позволяет находить отклонения без подсказок от человека. Эффективность метода проверили на четырёх наборах данных, включая снимки с признаками рака лёгких, пневмонии, опухолей печени и почек. По словам авторов, Screener показал более высокую точность, чем существующие алгоритмы сегментации аномалий. Разработка может стать инструментом для предварительного анализа медицинских изображений и создания универсальных диагностических систем на основе ИИ. Об этом пишет издание Proulyanovsk.