Ученые из ИТМО и Genotek нашли способ делать МРТ коленного сустава с помощью ИИ за 5 минут

Технология строится на реконструкции изображений с помощью искусственного интеллекта. ИИ, обученный на тысячах медицинских снимках МРТ, «знает», как должна выглядеть анатомия. Модель для коленного сустава обучалась на полутора тысячах других исследований. В это число вошли как итоговые снимки в формате DICOM, так и «сырые» данные (K-space). Нейросеть не «дорисовывает» наугад, а интеллектуально реконструирует качественное изображение из ограниченных данных, опираясь на медицинскую базу данных.

ИИ-технология обучается восстанавливать на снимках реальные анатомические структуры, которые основаны на паттернах, выявленных из множества реальных снимков. Это сводит к минимуму риск «выдумывания» деталей. Качество реконструкций измеряется техническими метриками. Во время внутренних тестов модель достигла индекса структурного сходства (SSIM) в 0.815, что сопоставимо с результатами зарубежных аналогов на аналогичной стадии разработки. Следующий этап — клиническая валидация с участием врачей-рентгенологов, которая определит применимость технологии в медицинской практике.

Помимо реконструкции снимков, технология включает модуль автоматического скрининга. Алгоритм проверяет восстановленное искусственным интеллектом изображение на наличие патологий, например, повреждения хряща, мениска и связок.

«Существует два подхода к ИИ-реконструкции МРТ: на основе сырых данных (K-space) и на основе итоговых снимков (DICOM). Мы исследуем оба направления, чтобы создать решение, совместимое с оборудованием разных производителей. Это принципиально для внедрения в реальных клиниках, где парк аппаратов неоднороден», — рассказала студентка магистратуры Института прикладных компьютерных наук ИТМО Алина Миллер.

На первом этапе ученые протестировали ИИ-технологию на снимках коленного сустава из открытого набора fastMRI. Исследование показало, что восстановленные нейросетью изображения по качеству близки к стандартным МРТ-снимкам. Совместная разработка ускоряет МРТ в четыре раза. Кроме того, в систему интегрировали модуль автоматического диагностирования патологий. Он прошел верификацию на общедоступном бенчмарке MRNet.

«Мы делаем упор на модель, которая реконструирует изображения из сырых (K-space) данных, полученных с прибора. Зарубежные же аналоги используют технологию, которая обучается на итоговых (DICOM) снимках. В таком случае реконструированные снимки получаются хуже, чем на сырых данных. И действительно при таком подходе на снимке остаются артефакты, которые могут влиять на качество», — поделилась проектный менеджер Genotek Юлия Малова.

Проект был инициирован Genotek. Медицинский центр предоставлял места для практики магистрантам и уже имел концепцию ИИ-технологии для МРТ. От ИТМО собралась команда из четырех студентов программы AI Talent Hub: три ML-инженера и проект-менеджер. С октября 2025 года они работали над реконструкцией изображений с использованием разных архитектур нейросетей и разрабатывали модуль детекции патологий.

В России разработка ученых ИТМО и специалистов Genotek стала первым комплексным решением подобного рода. На международном рынке уже представлены подобные разработки. Например, проект Stanford fastMRI направлен на ускорение МРТ до 10 раз с помощью ИИ, CS-SuperRes сокращает время исследования на 57% без потери качества, а DNN-реконструкция делает исследование на 41% быстрее на аппаратах разных производителей.

На данный момент разработка находится на стадии воспроизведения базовых моделей. В ближайшее время ученые представят результаты реконструкции и детекции практикующим врачам-рентгенологам для получения клинической обратной связи. На основе их оценок команда определит направления доработки.