Business Signature БРОЙ /// Мениджър 10/2026

Всяка година лечебните заведения генерират огромни количества медицински изображения. Обикновено те се използват за конкретната диагностична задача, но една вече съществуваща рентгенова снимка може да съдържа много повече информация за здравето на пациента.

В момента MY Synergy реализира пилотен научноизследователски проект съвместно с общинско лечебно заведение в София, който изследва този потенциал. В реална болнична среда се валидира AI алгоритъм за анализ на рентгенови снимки на гръден кош, който извлича образни характеристики, свързани с дългосрочен риск от редица хронични заболявания.

Проектът използва вече налични рентгенографии, направени в рамките на рутинната клинична практика без промяна на диагностичния или лечебния процес. Целта е да се оцени приложимостта на технологията за българската популация и потенциалът ѝ за ранно рисково профилиране, подпомагане на диагностичния процес и развитие на по-превантивен подход към здравеопазването.

От медицински образ към оценка на риска

В основата на проекта е CXR Insights Pro – алгоритъм, който анализира рентгенографии на гръден кош и търси образни характеристики с прогностична стойност, част от които не се използват в стандартния радиологичен опис.

От една и съща рентгенография могат да бъдат генерирани вероятностни оценки за различни здравни рискове. Пилотът изследва възможностите на алгоритъма за идентифициране на повишен риск, свързан с рак на белия дроб, хронична обструктивна белодробна болест и други хронични белодробни състояния, сърдечносъдови заболявания, диабет тип 2 и други метаболитни нарушения, хронично бъбречно заболяване и съдови рискови фактори, свързани с когнитивни нарушения.

Това създава възможност за т.нар. опортюнистичен анализ – извличане на допълнителна клинична и прогностична информация от медицински изображения, които вече съществуват, без допълнително изследване за пациента.

Важно е разграничението между оценка на риска и поставяне на диагноза. Алгоритъмът не диагностицира и не замества клиничната преценка на лекаря. Той служи като инструмент за рискова стратификация и може да насочи вниманието към пациенти, при които има основание за допълнителни изследвания.

Това означава, че потенциалът му не е само в превенцията. Ако анализът покаже например висок риск за определено заболяване, резултатът може да насочи вниманието на лекаря към необходимостта от допълнителна проверка. Медицинският специалист преценява дали са необходими последващи изследвания, чрез които състоянието да бъде потвърдено или отхвърлено и при необходимост да бъде поставена диагноза. Така AI предоставя допълнителна информация в подкрепа на лекаря, докато клиничната преценка и медицинските решения остават изцяло в неговите ръце.

Валидация в реална болнична среда

Проектът вече е в ход, като целта му е да провери доколко технологията, разработена и валидирана върху големи масиви от рентгенови изображения в САЩ, може да бъде приложена и върху данни от българската популация. Той включва анализ на над 50 000 рентгенографии на гръден кош. Целта е резултатите от AI модела да бъдат проверени спрямо реални медицински данни и така да се оцени доколко технологията може надеждно да идентифицира здравни рискове при българската популация.

Подходът е създаден така, че да използва съществуващата инфраструктура. Рутинните рентгенографии служат като входни данни, моделът извлича образни характеристики с прогностична стойност и генерира оценка на риска, а резултатите подлежат на клиничен контрол. Решението може да бъде интегрирано в PACS средата, без да създава допълнително натоварване за радиологичните звена.

Повече стойност от данните, които вече имаме

Значението на проекта надхвърля самата технология. Ако подходът бъде успешно валидиран, съществуващите медицински изображения биха могли да получат допълнителна роля – не само като инструмент за конкретната диагностична задача, заради която са направени, а и като източник на информация за по-ранно идентифициране на здравен риск.

Това е особено важно за хора, които могат да останат извън традиционните скринингови програми поради липса на пълна медицинска история, ограничен достъп до специализирани прегледи или защото не попадат в стандартните критерии за скрининг. Използването на вече налични образни данни потенциално позволява достигане до по-широки групи от населението, без да се изискват нови изследвания или допълнителна апаратура.

В по-дългосрочен план подобен подход би могъл да подпомага развитието на превантивни програми, планирането на целеви скринингови инициативи и по-ефективното разпределение на здравните ресурси. Проектът показва и друг важен аспект на дигиталната трансформация в здравеопазването – възможността нови технологии да бъдат валидирани в реална болнична среда, като използват съществуващите медицински данни и инфраструктура, без да създават допълнително натоварване за пациентите и медицинските специалисти.

Даниела Танева

„Бъдещето на здравеопазването не е просто в повече технологии, а в способността ни да превръщаме съществуващите медицински данни в навременна и приложима информация. С този проект проверяваме дали една рутинна рентгенография може да има стойност и отвъд първоначалната причина, поради която е направена – като помогне за по-ранното идентифициране на риск. За нас AI трябва да подпомага медицинските специалисти, а не да замества тяхната експертиза и клинична преценка“ – Даниела Танева, консултант здравни технологии, MY Synergy

Това е и по-голямата идея: медицината на бъдещето няма да зависи само от създаването на повече данни, а от способността ни да използваме по-добре данните, които вече имаме. Те могат да помогнат както за по-ранно разпознаване на здравни рискове и по-целенасочена превенция, така и за насочване на вниманието на лекаря към състояния, които изискват допълнително изследване. AI добавя още един източник на информация към клиничната картина, докато решението как да продължи диагностичният процес остава в ръцете на медицинския специалист.