Анализ медицинских изображений — область, где использован процесс извлечения значимой информации из рентгеновских снимков, компьютерных томограмм, магнитно-резонансных томограмм и ультразвуковых исследований. Цель — помочь врачам в ранней диагностике заболеваний, более эффективном планировании лечения и точном наблюдении за состоянием пациента. Анализ включает использование вычислительных методов, в первую очередь искусственного интеллекта (ИИ) и машинного обучения, для автоматизации задач, которые обычно выполняются человеческими экспертами (радиологами, патологоанатомами). Об этом сегодня мы и поговорим.

ИИ-зрение для медиков

Медицинская визуализация на основе искусственного интеллекта использует алгоритмы машинного обучения, которые обучены распознавать закономерности на медицинских изображениях. Анализируя тысячи аннотированных изображений, система учится обнаруживать аномалии, такие как опухоли, переломы или аномальные новообразования. После обучения система сможет быстро анализировать новые изображения и отмечать потенциальные проблемы для дальнейшего изучения медицинскими работниками.

Этот процесс включает в себя несколько этапов:

• Предварительная обработка изображений: системы искусственного интеллекта сначала очищают и улучшают изображения, чтобы обеспечить четкость и снизить уровень шума;

• Сегментация: ИИ идентифицирует конкретные области интереса на изображениях (например, выявление опухолей на компьютерной томографии);

• Извлечение функций: Из изображений извлекаются ключевые особенности, что позволяет системе обнаруживать закономерности и аномалии;

• Классификация: ИИ классифицирует эти особенности по категориям, например, доброкачественные или злокачественные, нормальные или ненормальные.

Для анализа медицинских изображений используются, например:

1. Сверточные нейронные сети (CNN) — автоматически извлекают пространственные признаки из изображений, решают задачи классификации, сегментации и детекции объектов;

2. Рекуррентные нейронные сети (RNN) — принимают во внимание последовательность медицинских изображений для анализа и классификации;

3. Алгоритм Канни — обнаруживает границы объектов на изображениях, позволяет выделить контуры объектов.

Анализ медицинских изображений используется в различных медицинских областях, например:

• Онкология — алгоритмы ИИ анализируют снимки (КТ, МРТ, ПЭТ) для обнаружения опухолей, оценки их размера и распространения, а также отслеживания реакции на лечение;

• Офтальмология — модели глубокого обучения анализируют изображения сетчатки глаза, чтобы обнаружить признаки таких заболеваний, как диабетическая ретинопатия, глаукома и возрастная макулярная дегенерация;

• Оптимизация рабочего процесса в радиологии — инструменты ИИ помогают определить приоритетность срочных случаев, отмечать критические находки на снимках, проводить стандартные измерения и создавать предварительные отчёты.

Рынок анализа медицинских изображений на основе искусственного интеллекта переживает быстрый рост, и аналитики прогнозируют, что размер рынка будет продолжать расширяться в ближайшие годы. По последним оценкам, ожидается, что совокупный годовой темп роста мирового рынка (CAGR) составит более 30%, а к следующему десятилетию его стоимость достигнет миллиардов долларов. Этот всплеск вызван несколькими факторами, включая растущий спрос на более быстрые диагностические процессы, растущую потребность в автоматизации здравоохранения, а также рост заболеваемости хроническими заболеваниями и старение населения. Например, было показано, что алгоритмы искусственного интеллекта обнаруживают определенные типы рака, такие как рак молочной железы и легких, с точностью, сравнимой с таковой у радиологов-людей, или превосходящей ее. Кроме того, системы искусственного интеллекта могут работать круглосуточно, обеспечивая доступность 24 часа в сутки, 7 дней в неделю и ускоряя получение результатов.

Последние достижения в области медицинской визуализации с использованием искусственного интеллекта привели к разработке узкоспециализированных инструментов, предназначенных для более точного обнаружения и диагностики конкретных заболеваний. Например, системы искусственного интеллекта теперь способны анализировать медицинские изображения для выявления ранних признаков болезни Альцгеймера, диабетической ретинопатии и сердечно-сосудистых заболеваний. Более того, способность ИИ быстро обрабатывать и анализировать большие наборы данных проложила путь к разработке персонализированных планов лечения, что делает здравоохранение более адаптированным к индивидуальным пациентам.

В данной статье нас интересует только патентный аспект.

Патентный аспект

На портале Google.Patents поиск по запросу Medical Image Analysis показывает более 100000 документов. По международной патентной классификации лидируют следующие темы:

• обработка или генерация данных изображения G06T — 63,4%;

• медицинские устройства или процедуры G16H — 46,9%;

• диагностика; хирургия; опознание личности A61B — 44,5%;

• компьютерные системы, основанные на специфических вычислительных моделях G06N — 36,2%;

• обработка цифровых данных с помощью электрических устройств G06F — 32,9%;

• распознавание изображений G06V — 30,7%;

• передача изображений H04N — 3,5%.

Видно, что в тематике лидирует тема «обработка или генерация данных изображения», код G06T. Google.patents показывает в этом случае более 84000 документов. Динамика мирового патентования по (Medical Image Analysis) (G06T) представлена на рис. 1.

Рисунок 1: Динамика мирового патентования изобретений на тему (Medical Image Analysis) (G06T) в 1992-2025 гг., усл. ед.

Видно, что с 2001 по 2016 год количество патентов на изобретения в мире публиковалось «на двоечку». В 2016-2022 годы произошёл резкий всплеск активности патентования по анализу медицинских изображений, которая сохраняется по сегодняшнее время. При этом нет безусловных лидеров. Рейтинг патентовладельцев следующий:

1. Konica Minolta Inc. — 3%;

2. Canon Medical Corp. — 2%;

3. Fujifilm Corporation — 1,3%;

4. Siemens Medical Solutions USA, Inc. — 1%;

5. International Business Machines Corporation — 1%;

6. Siemens Healthcare Gmbh — 0,9%;

7. General Electric Company — 0,8%.

Из подсчётов Google видно преобладание компаний из Японии, США и ФРГ. При этом ТОП-3 корпораций в этой сфере по числу патентов — это японские предприятия, чьи имена говорят сами за себя.

Относительное лидерство в патентах наблюдается у Konica Minolta, Inc. — японская компания, производитель офисной техники, типографского, медицинского и промышленного оборудования; возникла при слиянии японских фирм Konica и Minolta 7 января 2003 года. Пример патента в этой сфере: US20240193766A1 Image processing apparatus and image processing method. Код по МПК G06T7/0012 Biomedical image inspection. Реферат: Provided is an image processing device including a hardware processor. 

Патенты в России

Поиск патентов РФ на изобретения по теме оптические накопители проведён нами в базе ФИПС (табл.1).

Таблица 1: Количество патентов на изобретения РФ по анализу медицинских изображений

Источник: подсчет автора по базе данных ФИПС 

Почти все патенты, выдаваемые поисковой машиной ФИПС, относятся к нашей теме. Большинство из них выданы в 2016-2025 гг. Вот примеры:

№2793060 (2023) Способ выбора изображений на большом увеличении при помощи нейронных сетей при исследовании мазка костного мозга и система для осуществления способа. ООО «Медика Продакт» (Пермь). Предложен способ выбора изображений для анализа, полученных на большом увеличении, при исследовании мазка костного мозга, выполняемый с помощью автоматизированной цифровой микроскопической системы в два этапа, при котором на первом этапе получают цифровое изображение препарата костного мозга на малом увеличении, затем вводят цифровое изображение препарата костного мозга в первую нейронную сеть для выбора областей интереса, на втором этапе каждое изображение поля зрения, полученное на большом увеличении, вводят во вторую нейронную сеть для присвоения такому изображению коэффициента пригодности изображения для анализа. 

№2843800 (2025) Способ трехмерной реконструкции сердца для проведения неинвазивного электрофизиологического исследования при предсердных и желудочковых тахиаритмиях. Томский национальный исследовательский медицинский центр РАН. Предложен способ, в котором проводят безконтрастную обзорную компьютерную томографию, расшифровывают данные из международного стандарта передачи медицинских изображений DICOM и получают пространственную матрицу томограммы. Изобретение обеспечивает повышениеэффективности неинвазивного электрофизиологического исследования и дальнейшего катетерного лечения предсердных и желудочковых тахиаритмий.

№2839531 (2025) Способ и система для выявления объемных образований почек на компьютерных томограммах брюшной полости. НМИЦ онкологии им. Н.Н. Блохина. Технический результат заключается в выявлении с высокой точностью образований почек по результатам анализа изображений , полученных как с введением, так и без введения контрастного вещества, а также в автоматическом измерении их характеристик. Способ включает этап отбора из исходного пакета DICOM изображений целевого органа пациента изображений ; препроцессинг загруженных изображений , в результате которого получают единое 3D- изображение исследуемой области; анализ изображений с испол��зованием алгоритма на основе нейронных сетей, на этапе которого формируют пакеты изображений , которые далее подают в предварительно обученные U-Net-подобную сеть для сегментации патологий и U-net-подобную сеть для сегментации сегментов почек с получением масок вероятностей для классов патологий, после чего полученные маски вероятностей объединяют с получением усредненных 3D-маски вероятностей классов патологий и 3D-маски анатомических зон почек; постпроцессинг, на этапе которого на основе полученных масок с помощью алгоритмов кластеризации и классификации определяют анатомическую локализацию ограничивающих поверхностей. 

Помимо указанных патентообладателей на изобретения ещё стоит отметить следующие:

• БИО-РАД ИННОВАСЬОН (FR); 

• БЭЙЦЗИН ВЕМЕД МЕДИКАЛ ЭКВИПМЕНТ КО., ЛТД. (CN); 

• ДИАМЕД ГМБХ (CH);

• ООО «МЛМЕДИЦИНА» (Москва);

• ЗИНТЕС ГМБХ (CH);

• КОНИНКЛЕЙКЕ ФИЛИПС Н.В. (NL);

• МВГ ИНДАСТРИЗ (FR);

• Московский государственный медико-стоматологический университет имени А.И. Евдокимова; 

• Национальный медицинский исследовательский центр имени В.А. Алмазова; 

• Национальный медицинский исследовательский центр радиологии; 

• НОВАРТИС АГ (CH); 

• и т.д. 

Видно, что иностранные медицинские компании проявляли высокую активность в патентовании своих изобретений в России, правда, западные коллеги до начала СВО.

В РФ действующих патентов на полезные модели по теме «анализ медицинских изображений» нет. 

Зарегистрировано несколько баз данных по тематике анализа медицинских изображений, например, №2025623009 База данных по отслеживанию взгляда рентгенологов во время анализа медицинских изображений и обучения моделей искусственного интеллекта. Правообладатель — Университет Иннополис.

Имеется 287 (!) программ для ЭВМ по запросу «анализ медицинских изображений» за период 2013-2025 гг. Пример: №2021612984 JEMYS: ТЕЛЕМЕДИЦИНА с системой поддержки принятия решений при анализе рентгеновских изображений стандарта DICOM по ТУ 58.29.32-010-45327610-2020. АО «ЮСАР+».

Заключение

Компьютерный анализ медицинских изображений, в частности с применением элементов искусственного интеллекта, в медицине активно развивается, трансформируя диагностику, лечение и управление данными пациентов. Современные ИИ-системы применяются для анализа медицинских изображений, предсказания ходя течения заболеваний, разработки персонализированных планов лечения и автоматизации административных процессов. Технологии ИИ позволяют ускорить диагностику, повысить точность интерпретации данных и снизить нагрузку на врачей, особенно на территориях с ограниченным доступом к высококвалифицированным специалистам. 

Как пример применения алгоритмов ИИ в Центре Блохина (Москва) является выявление опухолей почек и дифференциация злокачественных и доброкачественных новообразований, включая группу пациентов с противопоказаниями к введению йодсодержащих контрастных веществ, для которых диагностика может быть проведена с помощью анализа нативных компьютерных томограмм. 

Патентование компьютерного анализа медицинских изображений, создание соответствующих программ для ЭВМ, в мире и в России идёт активно. Однако возможности и качество разных систем анализа медицинских изображений варьируются в широких диапазонах.