Вдвое больше выявленных злокачественных опухолей: ИИ-модель Сбера проверили на пациентах при диспансеризации
- В пилоте с более чем 426 тыс. человек выявили 2148 опухолей против 1123 при традиционном подходе — на 91% больше при том же числе обследований.
- В испытаниях в пяти регионах участвовали около 2 млн пациентов; среди отобранных моделью опухоли находили в 3,8–9,9 раза чаще, чем среди выбранных по стандартным протоколам.
- Can-SAVE оценивает риск онкологического заболевания на ближайшие 12 месяцев по электронным медкартам и помогает врачам расставлять приоритеты, но не ставит диагноз.
Почему это важно: Модель помогает выявлять больше злокачественных новообразований при том же количестве обследований.
Разработанная Сбером модель Can-SAVE анализирует электронные медицинские карты и помогает врачам определять пациентов, которым обследование необходимо в первую очередь. В ходе пилотного проекта система позволила обнаружить почти вдвое больше злокачественных новообразований при том же количестве обследованных. Об этом сообщили в пресс-службе Сбера.
Can-SAVE создали специалисты Центра практического искусственного интеллекта Сбербанка и Sber AI. Алгоритм использует сведения о диагнозах и медицинских услугах из электронных медкарт, чтобы оценить риск выявления онкологического заболевания в течение следующих 12 месяцев. При этом модель не ставит диагноз, а помогает врачам расставлять приоритеты при проведении диспансеризации.
В испытаниях в пяти регионах России участвовали около 2 млн пациентов. В группах из 1000 человек, которых алгоритм отбирал для обследования, злокачественные опухоли обнаруживали в 3,8–9,9 раза чаще, чем среди пациентов, выбранных по стандартным медицинским протоколам.
В отдельном пилоте с участием более 426 тыс. человек Can-SAVE помогла выявить 2148 случаев злокачественных новообразований против 1123 при традиционном подходе. Таким образом, число обнаруженных случаев выросло на 91% при одинаковом количестве обследований.
По данным Сбера, модель также показала лучшие результаты по сравнению с 17 другими решениями на основе машинного обучения и ИИ. Она способна обработать данные населения города-миллионника менее чем за три часа на обычном компьютере. Результаты исследования представили на международной конференции по анализу данных KDD 2026.
© iXBT
