Точная сегментация печени и ее сосудов критична для диагностики, хирургии и трансплантации. Раньше это делали вручную — долго и с высоким риском ошибок. Как сообщает журнал Artificial Intelligence Review (2025), теперь врачи все чаще используют алгоритмы на основе глубокого обучения.
По данным обзора исследователей из нескольких стран, нейросети вроде U-Net и Swin Transformer обеспечивают высокую точность сегментации — до 98,9% на некоторых наборах данных. Они особенно хороши в распознавании сосудов и опухолей, с которыми раньше были сложности.
Сложнее всего сегментировать желчные протоки и гематомы — мало размеченных данных, изображения часто нечеткие. Ученые решают это с помощью гибридных методов: комбинируют нейросети с классическими алгоритмами, чтобы повысить точность даже в сложных случаях.
Сегодня такие алгоритмы уже применяются в клиниках. С помощью нейросетей создаются 3D-модели печени, которые помогают хирургам лучше ориентироваться во время операций. Это снижает риск и экономит время. В будущем планируется усилить универсальность моделей за счет мультимодальных данных и полуавтоматического обучения.
ИИ-сегментация делает медицину точнее и безопаснее — особенно там, где на карту поставлена жизнь пациента. Авторы статьи обращают внимание на то, что ускорение процесса сегментации для приложений в реальном времени для использования докторами жизненно важно для планирования и дальнейшего хирургического вмешательства.
Ранее мы рассказывали о том, что OpenAI наняла психиатра для доработки ИИ.