МОСКВА, 3 декабря. /ТАСС/. Разработанная исследователями из России модель машинного обучения вошла в топ-5 международного соревнования MIDRC XAI Challenge, чьи участники должны были разработать максимально надежную систему ИИ, способную выявлять связанные с пневмонией и другими болезнями легких затенения на рентгенограммах грудной клетки. Об этом сообщила пресс-служба Института искусственного интеллекта AIRI.

       "Международные соревнования, подобные MIDRC XAI Challenge, помогают проверять свои технологии на глобальных данных, обеспечивая их универсальность и надежность. Это ценно не только для научного сообщества, но и для общества, поскольку ускоряет внедрение передовых решений в практику", - пояснил руководитель научной группы в лаборатории "Сильный ИИ в медицине" AIRI Ярослав Беспалов, чьи слова приводит пресс-служба института.

       Как отмечается в сообщении, конкурс MIDRC XAI Challenge был запущен в 2024 году американским Центром медицинских изображений и данных (MIDRC) для стимуляции развития надежных медицинских моделей искусственного интеллекта, результаты чьей работы поддаются интерпретации. В рамках этого соревнования его участники должны были разработать и обучить систему ИИ для анализа фронтальных рентгенограмм грудной клетки.

       По итогам анализа изображения эти алгоритмы должны были не только определить вероятность того, что пациент страдает от пневмонии или других заболеваний легких, но и создать так называемую "карту объяснимости", которая объяснила бы вероятность наличия затемнений в легких в каждом пикселе на изображении.

       Российские исследователи из Института AIRI разработали три варианта решения этой проблемы и вошли в пятерку лучших наряду с командами из Университета Джона Гопкинса (США), Бернского университета (Швейцария), Женского госпиталя в Бирмингеме (Великобритания), а также Стэнфорда (США) и Тюбингенского университета (Германия). Все эти разработки, как надеются исследователи, помогут автоматизировать решение рутинных задач рентгенологами, в том числе выявление потенциальных очагов пневмонии при развитии коронавирусной инфекции.