ИИ-алгоритм повысил точность анализа микроорганизмов до 97,5%

Разработка команды под руководством Алексея Самарина опирается на открытый модуль управления, который устанавливается на серийную оптику. В отличие от дорогостоящих закрытых промышленных комплексов, эта система универсальна и не привязана к конкретной архитектуре оборудования. Ключевая особенность алгоритма заключается в способности нейросети анализировать объекты не на уровне отдельных пикселей, а по биологически значимым характеристикам — текстуре, прозрачности и форме.

Для обучения модели эксперты подготовили массив данных из 100 000 микропрепаратов, включая различные типы кокков и бацилл. Снимки делались при разном освещении, увеличении и методах окраски, что обеспечило высокую адаптивность ИИ к реальным условиям работы в лаборатории. Методолог проекта Елена Михайлова подчеркнула, что стабильное освещение и качественная фокусировка остаются критическими факторами для точности цифровой микроскопии, так как именно на размытых изображениях нейросеть допускала наибольшее количество ошибок.

В дальнейшем ученые намерены интегрировать разработку в мультимодальные нейросети и протестировать систему на различных типах лабораторного оборудования. Потенциал технологии охватывает не только медицинскую диагностику, но и образовательные процессы, где требуется автоматизированный анализ большого потока биологических данных.