МРТ — это безопасный способ диагностики тела с использованием сильного магнитного поля и радиоволн. Он считается одним из самых точных методов выявления заболеваний суставов. Однако процедура сканирования занимает много времени (20-40 минут), из-за чего создается большая нагрузка на клиники. Совместная разработка ученых позволяет сделать это исследование более доступным за счет ускорения процесса без потери качества снимков и увеличения пропускной способности медучреждений.

Технология строится на реконструкции изображений с помощью искусственного интеллекта. Представьте, что вы слышите начало знакомой фразы. Ваш мозг, опираясь на опыт, может точно восстановить продолжение. Аналогично 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.