Мультимодельный ИИ-ансамбль для морфологической диагностики образований кожи

Derma Morpho Check ‒ оригинальная российская система поддержки принятия врачебных решений (СППВР) на основе технологий искусственного интеллекта для морфологической диагностики образований кожи. Система объединяет три специализированных ИИ-модуля в единый иерархический диагностический конвейер.

Описание проекта

ОПИСАНИЕ ПРОЕКТА

Конкурс «ИИ-Пионеры ждут инвестиций»

Конгресс ОРГЗДРАВ 2026

1. Название и паспорт проекта

Название	Программа «Derma Morpho Check» для автоматизированной морфологической диагностики образований кожи
Подзаголовок	Мультимодельный ИИ-ансамбль для морфологической диагностики образований кожи
Организация	АНО ДПО «Московский медико-социальный институт имени Ф.П. Гааза», Москва
Стадия проекта	Работающие модели
Руководитель	Корабельников Даниил Иванович, к.м.н., доцент, почетный работник сферы образования РФ, ректор
Куратор проекта	Ламоткин Андрей Игоревич, к.м.н., ассистент кафедры
Контакт	mmsi-gaaza@mail.ru · info@mmsi-gaaza.ru ·  8-495-790-64-48; 8-903-790-64-48
Сайт	mmsi-gaaza.ru

2. Краткое описание проекта

Derma Morpho Check ‒ оригинальная российская система поддержки принятия врачебных решений (СППВР) на основе технологий искусственного интеллекта для морфологической диагностики образований кожи. Система объединяет три специализированных ИИ-модуля в единый иерархический диагностический конвейер, на выходе которого структурированное, заключение с указанием уровня уверенности и визуализацией зон внимания.

Система разработана как «второе независимое мнение» для врача-патологоанатома, но она не заменяет специалиста, а снижает когнитивную нагрузку, стандартизирует морфологическую диагностику и помогает верифицировать заболевания при пограничных и сложных случаях. Архитектура ансамбля программы ИИ обоснована теорией памяти-предсказания Дж. Хокинса, каждый модуль - это аналог специализированной колонки коры головного мозга, финальное заключение формируется через мягкое голосование (англ. Soft Voting).

3. Область применения

Система относится к классу СППВР и работает в области анализа медицинских изображений, гистологических препаратов кожи в формате Whole Slide Image (WSI). Обеспечивает автоматизированную дифференциальную морфологическую диагностику на основе технологий ИИ в программе компьютерного зрения.

4. Используемые технологии ИИ

Архитектура трёх модулей:

• Модуль 1 ‒ Бинарная классификация: CAMIL (Multiple Instance Learning) анализирует WSI-слайды. Выдаёт вероятность злокачественного/доброкачественного образования и меланомы, тепловую карту GradCAM.

• Модуль 2 ‒ Мультиклассовая диагностика: Vision Transformer (ViT-based), дообученный на 12 нозологиях кожи: меланомы, базальноклеточный рак кожи, плоскоклеточный рак, актинический кератоз, себорейный кератоз, карцинома внутриэпидермальная, диспластический невус, невусы (смешанный, пограничный), фибромы (акрохордон, дерматофиброма), гемангиомы, атеромы, липомы.

• Модуль 3 ‒ Сегментация слоёв кожи: выделение слоёв (эпидермис, папиллярная и ретикулярная дерма, гиподерма) и детектор ядер для подсчёта атипичных клеток в каждом слое.

• Агрегация ‒ взвешенное мягкое голосование (англ. Soft Voting) модулей формирует итоговое консенсусное заключение с разрешением конфликтов между модулями. При существенном расхождении подключается технология Morphology Fallback с автоматической передаче заключений модулей на дополнительное рассмотрение врачом-патологоанатомом.

• Объяснимость ‒ XAI: тепловые карты GradCAM для каждого модуля и послойная статистика атипичных клеток обеспечивает в итоге полностью понятный для врача-патологоанатома интерпретируемый результат.

5. Ключевые метрики качества (тестовая выборка):

Модуль 1 (бинарная классификация)

Точность: 85,7%; AUC-ROC 0,91

Модуль 2 (мультиклассовая, 12 классов) 

Точность: 93,8%; AUC-ROC 0,85

Ансамбль (Soft Voting)

Точность: 100%; AUC-ROC 0,95

6. Где может применяться проект

• Патологоанатомические отделения мед. организаций всех уровней оказания медицинской помощи

• Централизованные патологоанатомические отделения и референс-центры

• Онкологические диспансеры и национальные медицинские исследовательские центры (НМИЦ)

• Телепатологические платформы

• Научные и образовательные организации

7. Основные пользователи и бенефициары

Прямые пользователи:

• Врачи-патологоанатомы ‒ основная целевая аудитория. Система снижает когнитивную нагрузку при рутинном скрининге, обеспечивает второе мнение при сложных случаях, стандартизирует протоколы заключений.

8.Бенефициары:

• Пациенты с образованиями кожи ‒ снижение риска диагностических ошибок, сокращение сроков верификации диагноза, повышение доступности специализированной патологоанатомической помощи.

• Система здравоохранения РФ и регионов РФ ‒ повышение производительности ПА-службы в условиях нарастающего кадрового дефицита

• Органы управления здравоохранением ‒ возможность включения ИИ-диагностики в клинические рекомендации и протоколы Минздрава РФ.

9. Актуальность и проблема, которую решает проект

Кадровый кризис патологоанатомической службы РФ

По данным отраслевых статистических исследований Минздрава России (2023–2024), патологоанатомическая служба работает в режиме хронического перегруза: укомплектованность штатов врачей-ПА составляет 73,8% (каждое четвёртое место пустует), средний коэффициент совместительства ‒ 1,61, а суммарная нагрузка на одного специалиста достигает 4,53 ставочных нормы. В 2023 году выполнено 8 209 526 случаев прижизненных патологоанатомических исследований ‒ рост на 8,2% по сравнению с 2022 годом. Централизованные подразделения (15,5% от общего числа) несут нагрузку в 2,5 раза выше, чем нецентрализованные.

10. Конкурентные преимущества и уникальность

• Российская ИИ-система с тремя специализированными модулями, объединёнными в единый диагностический конвейер, для морфологической диагностики образований кожи.

• Российский обучающий датасет, размеченный совместно с практикующими врачами-патологоанатомами

• Объяснимость ИИ как приоритет дизайна программы: тепловые карты GradCAM для каждого модуля и послойная сегментация слоёв кожи в результате чего врач-патологоанатомам получает не только заключение, но и аргументацию ИИ, что критично для доверия врачей-специалистов к инновационным технология ИИ.

• Архитектурное превосходство ансамбля модулей: прирост точности по сравнению с лучшей одиночной моделью

11. Партнёры и перспективы внедрения

• ГВКГ им. акад. Н.Н. Бурденко (Минобороны России), референц-центр ПАС ‒ клинические эксперты, планируемый пилот с доступом к цифровым WSI-слайдам.

12. Запрос к экспертному сообществу

• Инвестиции ‒ для доработки системы до уровня регистрируемого программного медицинского изделия

• Клинический партнёр ‒ медицинская организация с цифровым WSI-сканером и патологоанатомическим отделением для запуска пилота и публикации верифицированных результатов.

• Доступ к данным ‒ размеченные гистологические датасеты кожи для расширения нозологического покрытия и повышения обобщаемости модели.

Организация

АНО ДПО "МОСКОВСКИЙ МЕДИКО-СОЦИАЛЬНЫЙ ИНСТИТУТ ИМ. Ф.П. ГААЗА"

Адрес сайта: https://www.ммси-гааза.рф/

Авторы проекта

Материалы