Проблема современной медицины заключается в дефиците качественных данных. Врачи просто не успевают аннотировать каждое подозрительное пятно на тысячах компьютерных томограмм (КТ). Новый алгоритм обходит это ограничение, используя принцип поиска аномалий. Нейросеть изучает более 30 тысяч КТ-исследований здоровых тканей, формируя математический эталон «нормы». Любое статистическое отклонение от этого паттерна система классифицирует как потенциальную патологию.
Метод показал высокую точность при анализе 1820 исследований с онкологией легких, воспалением легких и опухолями печени и почек. По словам научного сотрудника Центра ИИ МГУ Марины Мунхоевой, такой подход позволяет выявлять широкий спектр заболеваний, даже если модель никогда раньше не видела их примеров в процессе тренировки.
Разработка представлена на International Conference on Learning Representations 2026 и может стать фундаментом для создания универсальных диагностических ассистентов, способных работать в любой клинике мира сразу после установки.
