Сфера здравоохранения сталкивается с комплексной проблемой диагностики орфанных заболеваний. Эти патологии, характеризующиеся низкой распространенностью, часто обладают неспецифической симптоматикой, которая маскируется под более распространенные недуги. Как следствие, период между первым обращением пациента и постановкой точного диагноза может растягиваться на многие годы. Для таких заболеваний, как болезнь Фабри, синдром Хантера и Т-клеточная лимфома, этот период, по данным различных исследований, составляет в среднем от трех до двадцати лет.
За это время заболевание прогрессирует, приводя к серьезным и часто необратимым повреждениям внутренних органов, инвалидизации пациента и значительному увеличению стоимости последующего лечения. Кроме того, путь к диагнозу связан с высокой нагрузкой на медицинскую систему: пациент успевает посетить в среднем около десяти различных специалистов, пройти множество обследований, что ведет к росту экономических издержек как для семьи пациента, так и для системы здравоохранения в целом.

До недавнего времени инструменты для упрощения и ускорения этого процесса были ограничены. Ситуацию изменил прогресс в области искусственного интеллекта и машинного обучения, которые находят применение в анализе медицинских изображений. Российская биотех-студия представила решение, призванное стать катализатором изменений в этой области, — сервис “Орфанскан”.
Технологическая инновация
Принципы работы платформы
“Орфанскан” представляет собой цифровую платформу, архитектура которой основана на мультимодальном анализе данных с применением передовых алгоритмов искусственного интеллекта. Ключевой особенностью сервиса является способность анализировать фотографические изображения кожных покровов, сделанные с помощью камеры стандартного смартфона, и выявлять внешние признаки, ассоциированные с конкретными орфанными заболеваниями.
Фундаментальной сложностью при разработке подобных систем для редких патологий является катастрофически малый объем доступных для обучения данных. В отличие от распространенных заболеваний, по которым можно собрать десятки и сотни тысяч подтвержденных случаев, изображения проявлений орфанных болезней крайне немногочисленны. Разработчики преодолели это ограничение за счет реализации оригинальной методологии многоступенчатого обучения.
Данный подход включает адаптивное извлечение информативных признаков, их проекцию в латентные пространства и последующую интеграцию в обобщенные диагностические модели. Обычно для обучения нейросети требуются тысячи изображений, но наш подход позволяет достичь высокой эффективности и точности даже с учетом ограниченности данных по целевым заболеваниям. Доступные изображения редких патологий использовались исключительно для финального независимого тестирования модели, которое подтвердило ее высокую диагностическую ценность.
Сервис реализован в виде двух модулей с дифференцированными интерфейсами: для медицинских работников и для конечных пациентов. Это разделение позволяет адаптировать процесс взаимодействия под нужды каждой группы пользователей.
- Пациентский модуль использует формулировки, понятные людям без медицинского образования. Пользователь заполняет упрощенный опросник, ключевые жалобы и симптомы. После этого система предлагает загрузить фотографию проблемного участка кожи. Алгоритм проводит анализ, сравнивая полученное изображение с обширной базой данных, содержащей более 350 тысяч медицинских изображений различной дерматологической патологии. На выходе система определяет степень риска (низкая, средняя или высокая) и предоставляет рекомендации по дальнейшим действиям: к какому специалисту целесообразно обратиться, где можно пройти углубленное обследование.
- Профессиональный врачебный модуль оснащен расширенным инструментарием. Он включает углубленные опросники, в том числе специализированную анкету для дифференциальной диагностики ангиокератом при болезни Фабри, а также блок выявления кожных Т-клеточных лимфом. Важным компонентом является встроенный лабораторно-генетический раздел. Он содержит краткие алгоритмы подтверждения диагноза и предоставляет прямые направления на бесплатное обследование (для болезни Фабри и синдрома Хантера), контакты профильных “горячих линий” и перечень региональных центров орфанных заболеваний.
Весь процесс работы с системой, от заполнения анкеты до получения предварительного заключения, занимает не более нескольких минут. Это создает условия для интеграции сервиса в рутинную клиническую практику врачей-терапевтов, дерматологов и педиатров, которые часто являются первым звеном в цепочке диагностики.
Разработчики рассматривают текущую версию сервиса как первую ступень в создании комплексной платформы для диагностики широкого спектра редких заболеваний. В планах — расширение базы алгоритмов для работы с другими нозологиями, имеющими специфические внешние проявления.
Однако развитие таких технологий сопровождается необходимостью решения ряда этических и юридических вопросов. Ключевыми аспектами являются обеспечение конфиденциальности и безопасности медицинских данных пациентов, а также юридический статус заключения, сформированного искусственным интеллектом. Важно понимать, что система формирует гипотезу и оценивает вероятность. Окончательный диагноз всегда остается за лечащим врачом, который использует заключение сервиса как один из инструментов в своем арсенале. Другим важным направлением работы является интеграция сервиса в государственную систему здравоохранения и его признание со стороны профессионального медицинского сообщества. Для этого необходимы дальнейшие клинические исследования, масштабирование базы данных и проведение образовательной работы среди врачей.