Сервис интеллектуального анализа и интерпретации маммограмм
Сервис для выявления заболеваний органов грудной клетки
Сервис для выявления признаков 10 патологий
Сервис для выявления признаков кровоизлияний в головной мозг
Искусственный интеллект в лучевой диагностике уже перестал быть технологией «будущего». Сегодня ИИ помогает врачу-рентгенологу быстрее находить патологические изменения, сортировать исследования по срочности, снижать рутинную нагрузку и делать описания более стандартизированными. Важно подчеркнуть: речь не о замене врача, а о клиническом инструменте поддержки принятия решений — «втором мнении», которое анализирует медицинские изображения и передаёт результат специалисту в привычной рабочей среде.
Лучевая диагностика — одна из самых зрелых областей применения медицинского ИИ. Причина проста: рентген, флюорография, маммография и компьютерная томография изначально формируют цифровые изображения, а значит, подходят для анализа алгоритмами компьютерного зрения. По данным систематического обзора FDA-авторизованных AI/ML-устройств, к июню 2024 года в США было разрешено 950 медицинских ИИ-решений, из них 723 относились к радиологии — около 76% [1]. Это показывает, что именно визуализация стала главным направлением практического внедрения ИИ в здравоохранении.
Рынок также подтверждает переход от пилотов к промышленной эксплуатации. В обзоре MarketsandMarkets глобальный рынок Radiology AI оценён в $0,61 млрд в 2024 году и прогнозируется на уровне $2,27 млрд к 2030 году при среднегодовом темпе роста 24,5% [2]. Основные драйверы — рост объёмов исследований, дефицит специалистов, потребность в раннем выявлении заболеваний и автоматизация маршрута пациента.
Первый практический сценарий — триаж исследований. Алгоритм заранее отмечает исследования с вероятными критическими находками: признаками инсульта на КТ головного мозга, выраженными изменениями в лёгких, подозрительными участками на маммограммах. Это помогает врачу быстрее переходить к наиболее срочным случаям, что особенно важно в экстренной медицине, онкоскрининге и при массовых профилактических обследованиях.
Второй сценарий — скрининг и раннее выявление заболеваний. Наиболее убедительная доказательная база накоплена в маммографии. В рандомизированном исследовании MASAI ИИ-поддержка скрининга рака молочной железы позволила снизить нагрузку на врачей примерно на 44% без ухудшения безопасности подхода [3]. Для практики это означает, что алгоритм может взять на себя часть предварительного анализа, а врач сосредоточится на клинически значимых и спорных случаях.
Третий сценарий — количественная оценка. В КТ органов грудной клетки ИИ может не только подсветить область интереса, но и рассчитать объём поражения, локализацию изменений, помочь сравнивать исследования в динамике. Это особенно ценно при большом потоке данных, когда врачу нужно быстро оценить степень изменений и принять решение о маршрутизации пациента.
Четвёртый сценарий — стандартизация качества. Алгоритмы работают по единым правилам и не устают, поэтому помогают уменьшить вариативность первичного анализа. Для медицинской организации это означает более управляемый поток исследований, возможность ретроспективного анализа архива и поддержку отделений, где нагрузка на рентгенологов растёт быстрее, чем кадровые ресурсы.
Цельс разрабатывает медицинские ИИ-сервисы для ключевых направлений лучевой диагностики: маммографии, флюорографии и рентгена органов грудной клетки, КТ органов грудной клетки и КТ головного мозга. Сильная сторона Цельс — сочетание клинически ориентированных алгоритмов и интеграции в реальный рабочий процесс. Решения компании используются в 44 регионах РФ, интегрированы с ЕРИС Москвы и применяются более чем в 200 отделениях лучевой диагностики [4].
Важный принцип — ИИ не должен создавать врачу дополнительный «экран» и новую рутину. Цельс может интегрироваться с PACS, РИС и МИС через API, поддерживает HL7/FHIR, а результаты анализа передаются в привычное рабочее место врача [5]. Такой подход повышает шансы на реальное использование технологии: врач получает подсказку там, где уже работает с исследованием.
Цельс.Маммография детектирует злокачественные и доброкачественные образования, кальцинаты, лимфоузлы, фиброзно-кистозную мастопатию, оценивает плотность ткани молочной железы по ACR и интерпретирует результат по BI-RADS [4]. Это помогает стандартизировать описание и поддерживает врача при скрининговых потоках. В 2026 году были опубликованы результаты ретроспективного исследования Маммологического центра L7: анализ включал 24 150 женщин, проходивших цифровую маммографию с января 2020 года по июнь 2025 года; уровень ложноотрицательных результатов для системы Цельс составил 0,28% [6].
Для флюорографии Цельс анализирует изображения на предмет патологических изменений в соответствии с кодами 1–23 «Цифровых кодов описания флюорографии»; на сайте компании указана точность 93% и статус промышленной эксплуатации [4]. В массовом скрининге сильная сторона такого решения — быстрая сортировка нормы и исследований, требующих внимания врача. Это особенно важно для регионов, мобильных кабинетов, телемедицинских маршрутов и учреждений с высоким потоком профилактических исследований.
Цельс.КТ ОГК анализирует КТ-исследования лёгких, выявляет признаки патологий, рассчитывает объём поражения и локализацию. На странице решения указано, что одно исследование обрабатывается около 60 секунд, точность выявления патологий превышает 95%, а сценарии использования включают триаж, диагностику, скрининг, ретроспективный анализ и дистанционную диагностику [5]. Для клиники это означает не просто «подсветку» находок, а поддержку маршрута пациента от поступления исследования до передачи результата врачу.
В КТ головного мозга Цельс помогает анализировать исследования на предмет признаков кровоизлияний, ишемического инсульта и выполнять основные морфометрические измерения [4]. Это направление особенно важно для экстренной медицины: при подозрении на инсульт время принятия решения критично, а ИИ может помочь быстрее выделить исследования, требующие первоочередного внимания.
Эффективность ИИ зависит не только от точности модели. Не менее важны качество исходных данных, валидация на реальной популяции пациентов, мониторинг после внедрения, понятный интерфейс и обратная связь от врачей. ИИ должен быть встроен в клинический регламент: кто видит результат, как он учитывается, как разбираются расхождения и как оценивается влияние на сроки описания, выявляемость и нагрузку специалистов.
Искусственный интеллект уже работает в лучевой диагностике там, где есть конкретная клиническая задача: найти подозрительную область, расставить приоритеты, измерить объём поражения, ускорить скрининг, снизить риск пропуска. Именно такой подход реализует Цельс: ИИ становится не экспериментальной технологией, а практическим инструментом для врача, медицинской организации и пациента.