Искусственный интеллект Cedars-Sinai превосходит специализированные модели в чтении сердечных сканов

      EchoPrime, опубликованный в журнале Nature в феврале 2026 года, превосходит как специализированные инструменты ИИ, так и предыдущие базовые модели по 23 кардиологическим критериям, а его код, веса и демонстрационная версия доступны для общественности.

      Эхокардиограмма — один из самых распространенных диагностических инструментов в кардиологии: ультразвук сердца, который показывает, как оно движется, как его камеры наполняются и опустошаются, и нарушена ли его структура. Интерпретация требует обучения, времени и специфического вида пространственного внимания, способности смотреть на движущиеся изображения бьющегося сердца и переводить их в клинический нарратив.

      Исследователи из медицинского центра Сидарс-Синай, работая с коллегами из Kaiser Permanente Northern California, Stanford Health Care, медицинского центра Beth Israel Deaconess в Бостоне и мемориальной больницы Чан Гунг на Тайване, создали ИИ-систему, которая может делать то же самое.

      EchoPrime, модель на основе видео и языка, анализирует видеозаписи эхокардиограммы и генерирует письменный отчет о форме и функции сердца. Его результаты были опубликованы в журнале Nature (том 650, страницы 970-977) в феврале 2026 года под заголовком «Комплексная оценка эхокардиограммы с помощью ИИ на основе языка с предварительным просмотром».

      Масштаб обучения — это то, что отличает EchoPrime. Модель была обучена на более чем 12 миллионах видеозаписей эхокардиографии, сопоставленных с письменными интерпретациями кардиологов, собранными из 275,442 исследований на 108,913 пациентах в Сидарс-Синай.

      Ни одна предыдущая модель ИИ для эхокардиографии не была обучена на данных такого объема.

      Что она может делать?

      Проверенная в пяти международных системах здравоохранения, EchoPrime достигла передового уровня производительности по 23 разнообразным критериям структуры и функции сердца, превосходя как специализированные подходы ИИ, модели, обученные делать одну вещь, например, измерять фракцию выброса, так и предыдущие базовые модели, которые стремились к более широким возможностям.

      Выходные данные модели предназначены для помощи клиницистам, а не для их замены: она создает устный обзор, который кардиологи могут просмотреть и на основе которого могут действовать, а не ставит диагноз автономно.

      Исследовательская группа сделала код модели, веса и рабочую демонстрацию общедоступными, что отражает более широкий сдвиг в исследовании ИИ к открытой публикации и позволит другим учреждениям протестировать EchoPrime на своих собственных популяциях пациентов.

      Контекст вокруг этого

      EchoPrime появляется в год, когда ошибочная диагностика ИИ была названа одной из главных угроз безопасности пациентов организацией ECRI, занимающейся безопасностью в здравоохранении. Этот контекст не умаляет обещания EchoPrime, скорее, он определяет стандарт, которому ей нужно соответствовать.

      Цель не в том, чтобы ИИ иногда точно читал эхокардиограммы, а в том, чтобы он делал это достаточно последовательно, чтобы снизить нагрузку на кардиологов, не вводя новые категории ошибок.

      Кардиология была продуктивной областью для диагностики с помощью ИИ именно потому, что данные, ультразвуковое видео, электрокардиограммы, изображения относительно структурированы и обильны.

      Работа Сидарс-Синай, возможно, является самой тщательной попыткой превратить это изобилие данных в обобщенный инструмент. Будет ли EchoPrime переходить от опубликованной модели к клиническому развертыванию в большом масштабе, зависит от факторов, таких как регуляторное одобрение, институциональное принятие, ответственность, которые статья в Nature не рассматривает.

      Но как демонстрация того, что теперь технически возможно в кардиологическом ИИ, она устанавливает новую планку.