24.12.2025Светина Майя

В Перми создали ИИ-помощника ветеринара

Ветеринария в России и во всем мире сталкивается с «цифровым разрывом»: в человеческой медицине искусственный интеллект уже несколько лет помогает анализировать снимки и прогнозировать результаты лечения, а у животных до недавнего времени все зависело только от опыта врача и дорогого оборудования. Теперь на помощь ветеринару приходит отечественный ИИ-инструмент, который помогает поставить правильный диагноз даже когда нет доступа к полному набору диагностических средств. Это особенно важно в приютах и питомниках, где сотни животных живут на маленькой площади, и одна ошибка может привести к массовым заболеваниям.

Пермские исследователи подошли к проблеме необычно. Вместо того, чтобы создать сложную нейросеть, требующую миллионов примеров для обучения, они решили систематизировать медицинские знания как иерархическое дерево. Для начала было принято решение ориентироваться на ветеринарную практику лечения собак. Первоначально выделили группы заболеваний — инфекции, заболевания внутренних органов, травмы. Затем разделили их на более узкие категории: вирусные инфекции отдельно от бактериальных, грибковые от паразитарных. В самых тонких ветвях указали определенные диагнозы и даже штаммы вирусов. Каждому элементу присвоили цифровой код — так медицинское знание стало понятным для прочтения машиной.

На основе этого дерева построили математическую модель, описывающую процесс как последовательность шагов. Система шаг за шагом уточняет предположение: начиная с общей «это инфекция», переходит к более конкретному «это вирусная инфекция», затем к ещё более точному «это коронавирус» и, наконец, к специфическому «это штамм CoV NTU336/F/2008». Все возможные переходы между уровнями были задокументированы в таблицах, которые стали основой для диагностического навигатора.

Когда прототип протестировали в реальных условиях, он справился без ошибок — правильно прошёл всю цепочку от общего подозрения к точному диагнозу, основываясь на введённых симптомах. Это подтвердило, что алгоритм работает именно так, как задумали разработчики. В финале для врачей подготовили пошаговую инструкцию.

В мире уже есть примеры, когда подобные системы реально помогают ветеринарам. В США исследователи разработали модель машинного обучения, которая по по стандартным анализам помогает рано заподозрить лептоспироз у собак: в тестах она показала 100% чувствительность.

Есть и другое зарубежное решение, которое не «предсказывает» болезнь по одному показателю, а дает врачу пошаговую подсказку, как действовать в ходе диагностики дальше. В рамках системы поддержки решений для собак с идиопатической эпилепсией рекомендации инструментария соответствовали или были близки к решениям профильного специалиста в 77,1% случаев

На этом фоне пермская разработка выглядит попыткой занять нишу, где важны не «черные ящики» и дорогое оборудование, а прозрачность и управляемость логики. По словам авторов, система не конкурирует со сложными моделями ИИ и экспресс-тестами: она работает в типичных случаях и при этом полностью прозрачна и контролируема. Ветеринар видит, по какому пути идет программа, и может проверить каждый шаг. Это делает ее идеальной для обучения студентов и для помощи специалистам, которые работают в условиях ограниченных ресурсов.

Естественно, следующий этап — клинические испытания на животных. Если всё пройдёт как надо, то продукт можно адаптировать не только к разным породам собак, но и к кошкам, лошадям и другим видам животных. Для этого необходимо будет проделать ту же работу по формированию классификаций. Звучит просто, но требует серьезной работы — у каждого вида своя анатомия, свои заболевания и свои симптомы.