Зачем медицинскому ИИ нужны размеченные КТ, МРТ и рентген-снимки?
Модель компьютерного зрения не «видит» патологию на снимке сама по себе — она учится находить закономерности только на примерах, где границы очага, опухоли или органа уже размечены человеком. Размеченные КТ, МРТ и рентген-снимки формируют обучающую выборку, на которой модель учится отличать норму от отклонения, а без такой разметки даже большой массив необработанных снимков бесполезен для обучения.
Чем точнее и последовательнее размечена обучающая выборка, тем стабильнее модель работает на новых снимках из других клиник и с других аппаратов — это ключевая причина, почему в медицинских ИИ-проектах качество разметки важнее её объёма.
Модель, обученную на снимках одной клиники и одного протокола съёмки, часто называют переобученной под конкретный источник данных: она хорошо решает задачу на знакомых снимках, но резко теряет точность на новых аппаратах или другом контрастировании. Разнообразная и последовательно размеченная выборка снижает этот риск.
Кто размечает медицинские снимки — врачи или асессоры?
Клинически значимую разметку — патологии, новообразования, гистологические структуры — выполняют врачи-эксперты профильных специальностей: радиологи, рентгенологи, патоморфологи. Универсальные асессоры без медицинского образования не могут корректно отличить артефакт снимка от реальной находки, поэтому в регулируемых медицинских проектах разметку и валидацию всегда ведут практикующие или сертифицированные врачи.
Вспомогательные задачи — например, разметку служебных областей снимка или технических параметров — иногда делегируют подготовленным техническим специалистам, но финальную клиническую оценку в любом случае подтверждает врач.
Состав команды подбирают под тип снимка и клинический протокол: КТ грудной клетки размечает рентгенолог с профильным опытом в торакальной диагностике, гистологические слайды — патоморфолог, а МРТ головного мозга — невролог-радиолог. Такая специализация снижает число ошибок, характерных для узкой и редкой патологии.
Что такое консенсус врачей в медицинской разметке?
Консенсус — это процедура, при которой один и тот же снимок независимо размечают несколько врачей, а затем сравнивают результаты и согласовывают итоговую версию. Такой подход снижает влияние субъективности одного специалиста и спорных клинических случаев на качество эталона: если два-три врача расходятся в оценке, случай эскалируется на дополнительное обсуждение, а не остаётся решением одного человека.
Уровень согласия между экспертами измеряют метрикой межэкспертной согласованности (IAA, inter-annotator agreement) — она показывает, насколько воспроизводима разметка на конкретном классе патологий, и помогает заранее выявить сложные, неоднозначные категории находок.
Число экспертов в консенсусе обычно подбирают под цену ошибки: для массовых, хорошо изученных патологий часто достаточно двух врачей с эскалацией расхождений на третьего, а для редких или клинически критичных находок с самого начала привлекают трёх и более специалистов. Такой подход балансирует скорость и надёжность разметки, не раздувая команду там, где это не нужно.
Что показывает метрика Dice при разметке снимков?
Коэффициент Dice — это метрика перекрытия двух масок сегментации, которая показывает, насколько совпадают контуры, размеченные разными врачами или моделью и эталоном. Значение варьируется от 0 (маски не пересекаются) до 1 (полное совпадение); в медицинской сегментации значение выше 0,85–0,9 обычно считают признаком высокого согласия между разметчиками на большинстве типов патологий.
Метрику Dice считают как на этапе контроля качества разметки между врачами, так и позже — при оценке точности уже обученной модели относительно эталонной разметки на контрольной выборке.
Какие типы разметки применяют на медицинских снимках?
На медицинских снимках чаще всего применяют три типа разметки: попиксельную сегментацию патологий и органов, детекцию новообразований bounding box или точкой и классификацию снимка целиком по клиническому протоколу — «норма» или конкретный тип находки. Для цифровых гистологических слайдов (WSI) отдельно размечают клеточные структуры и участки патологии на изображениях высокого разрешения.
Выбор типа разметки зависит от задачи модели: сегментация нужна там, где важна точная граница патологии — например, для планирования лучевой терапии, — детекция хорошо подходит для скрининговых моделей, которые ищут подозрительные участки на большом потоке снимков, а классификация ускоряет сортировку снимков по приоритету просмотра врачом. Нередко в одном проекте комбинируют несколько типов разметки: сначала классификация отсеивает явную норму, затем детекция и сегментация детально размечают снимки с подозрением на патологию.
Как регулируется разметка медицинских данных в России?
Работа с медицинскими изображениями в России подпадает под 152-ФЗ «О персональных данных», поскольку DICOM-снимок вместе с метаданными идентифицирует конкретного пациента. Перед разметкой данные деперсонализируют — удаляют ФИО, дату рождения и другие идентификаторы, — а хранение и обработку обезличенных датасетов ведут на инфраструктуре в России с ограниченным и протоколируемым доступом.
Дополнительно проекты с медицинскими данными обычно сопровождают NDA с каждым врачом-экспертом и внутренним протоколом деперсонализации, который согласуют с заказчиком до начала работы над снимками.
Доступ к обезличенным датасетам ограничивают по ролям и протоколируют, а процессы работы с данными в зрелых командах дополнительно сертифицируют по международным стандартам информационной безопасности и менеджмента качества — это отдельный сигнал доверия для медицинских заказчиков, работающих с чувствительными данными.
Какие этапы проходит проект разметки медицинских снимков?
Типовой проект начинается с брифа с врачом-экспертом и деперсонализации исходных данных, затем идёт пилотная разметка небольшой выборки для согласования гайдлайна, далее — основной объём с независимой разметкой нескольких врачей и консенсусной проверкой спорных случаев, и завершается аудитом качества с отчётом по метрикам согласованности.
Такая последовательность снижает риск переделок: гайдлайн и целевые метрики качества фиксируют на пилоте, а не после того, как размечен уже весь массив снимков. Готовую разметку обычно выгружают в формате, совместимом с пайплайном обучения модели: DICOM-SEG, NIfTI, RT Struct или COCO JSON.
Для больших проектов этапы пилота и промышленной разметки нередко повторяют итерациями: после первой партии заказчик и врачи-эксперты пересматривают гайдлайн с учётом накопленных спорных случаев, а следующие партии размечают уже по уточнённой инструкции — так итоговое качество датасета растёт от партии к партии, а не остаётся фиксированным с первого дня проекта.
Подробнее о формате DICOM, из которого чаще всего исходит такая разметка, — в отдельном материале о том, что такое DICOM.