NS: ученые создали систему диагностики болезней у собак для помощи ветеринарам

Исследователи Пермского Политехнического университета создали прорывное решение для автоматизации диагностики патологий у собак. Данная разработка представляет собой значительный шаг вперёд в области ветеринарной медицины, особенно в контексте её применения в условиях питомников и приютов, где высокая плотность животных увеличивает вероятность распространения инфекционных заболеваний.

В отличие от человеческой медицины, где цифровые технологии активно используются для анализа медицинских изображений, в ветеринарной практике подобные инструменты пока не получили широкого распространения. Процессы диагностики и доступ к экспертным медицинским знаниям в значительной степени зависят от квалификации специалиста и наличия дорогостоящего оборудования, что ограничивает возможности ветеринарной диагностики в удалённых и малонаселённых районах.

Разработанная система базируется на иерархической структуре патологий у собак. Основные группы заболеваний формируют «ствол» дерева, от которого отходят более специфические категории, а на самых концах ветвей находятся конкретные диагнозы. Каждому заболеванию присвоена уникальная цифровая кодификация, что позволяет представить медицинские знания в виде формализованной технической модели.

Прототип системы был успешно протестирован в виртуальной среде. Исследователи провели валидацию всех этапов диагностического процесса, начиная с первичного выявления симптомов и заканчивая постановкой точного диагноза. Например, при вирусных инфекциях, таких как коронавирус, система продемонстрировала высокую точность на всех этапах диагностики.

Доцент Сергей Костарев подчеркнул, что разработанная система представляет собой прозрачный и контролируемый инструмент, который способствует повышению качества принятия диагностических решений ветеринарными специалистами. Кроме того, система может служить эффективным обучающим симулятором для студентов ветеринарных факультетов. Ввод клинических симптомов животного позволяет получить готовый диагностический вывод, что значительно снижает риск диагностических ошибок.

Следующий этап разработки включает клиническое тестирование системы на реальных животных. Благодаря гибкой архитектуре системы, её можно адаптировать для диагностики заболеваний у других видов животных, включая сельскохозяйственных и экзотических, путём создания аналогичных классификационных «деревьев». Это создаёт перспективы для широкого применения технологии в ветеринарной практике и открывает новые горизонты для научных исследований в области ветеринарной медицинской информатики.