ИИ Сбера помог выявить почти вдвое больше случаев рака при диспансеризации
Разработанная специалистами Сбера система искусственного интеллекта Can-SAVE показала результаты в пилотных проектах по выявлению онкологических заболеваний. По информации компании, применение алгоритма позволило обнаружить на 91% больше случаев злокачественных новообразований при сопоставимом количестве обследований.
Систему создали специалисты Центра практического искусственного интеллекта Сбербанка и Sber AI. Её основная задача заключается в анализе электронных медицинских карт и определении пациентов, которым необходимо уделить повышенное внимание при организации профилактических обследований.
Can-SAVE использует сведения о ранее установленных диагнозах и оказанных медицинских услугах. На основании этих данных алгоритм рассчитывает вероятность выявления онкологического заболевания в течение следующих 12 месяцев.
При этом нейросеть не устанавливает диагноз и не заменяет врача. Её функция заключается в оценке риска и помощи медицинским специалистам при определении приоритетности обследований.
По данным Сбера, тестирование технологии проводилось в пяти российских регионах. В исследованиях использовались сведения приблизительно о двух миллионах пациентов.
При формировании групп для обследования алгоритм продемонстрировал более высокую результативность отбора по сравнению со стандартными подходами. В отдельных группах из тысячи человек злокачественные опухоли выявляли в 3,8–9,9 раза чаще, чем среди пациентов, отобранных по традиционным медицинским протоколам.
Отдельный пилотный проект охватил более 426 тысяч человек. При использовании Can-SAVE удалось выявить 2148 случаев злокачественных новообразований, тогда как при традиционном подходе — 1123 случая.
Таким образом, по представленным компанией результатам количество выявленных заболеваний увеличилось на 91% при одинаковом объёме обследований.
Разработчики также сравнили Can-SAVE с 17 другими моделями машинного обучения и искусственного интеллекта. По заявлению Сбера, система продемонстрировала лучшие показатели в рамках проведённого сравнения.
Ещё одной особенностью технологии стала относительно невысокая потребность в вычислительных ресурсах. Как утверждают разработчики, анализ медицинских данных населения города с миллионом жителей может выполняться менее чем за три часа на обычном компьютере.
Результаты исследования представили на международной конференции по анализу данных KDD 2026.
При этом приведённые показатели требуют внимательной интерпретации. Увеличение количества выявленных заболеваний среди пациентов, отобранных алгоритмом, не означает, что технология самостоятельно диагностирует рак или доказанно снижает смертность от онкологических заболеваний.
Для определения практической эффективности Can-SAVE необходимо учитывать характеристики обследованных групп, особенности использованных медицинских данных и результаты дальнейшей клинической проверки.
Разработка демонстрирует один из возможных вариантов применения искусственного интеллекта в профилактической медицине — для более адресного распределения диагностических ресурсов и выявления пациентов с повышенным риском заболеваний.