Одобрение FDA для Aidoc CARE: 11 показаний для КТ
Одобрение FDA для Aidoc CARE, объявленное 22 января 2026 года, добавляет 11 новых показаний к решению Aidoc для ИИ-сортировки и превращает его в инструмент сортировки КТ всего тела для отделений неотложной помощи и амбулаторных учреждений. Все 11 показаний работают на CARE, собственной базовой модели Aidoc, и показали среднюю чувствительность 97% и среднюю специфичность 98% в исследовании, которое рассматривало FDA. Для больниц программа меняет очередь в радиологии так, чтобы снимки самых тяжелых пациентов читали первыми.
Почему отделениям неотложной помощи нужна другая очередь снимков
Случай Aidoc начинается с очереди, а не со сканера. Компания утверждает, что узкое место отделений неотложной помощи это система очередей, а не сама визуализация, потому что большинство организаций все еще читают снимки по принципу «первым пришел, первым обслужен».
При таком порядке КТ тяжелого пациента может ждать за плановыми исследованиями, пока до него не дойдет радиолог. Aidoc, компания клинического ИИ, основанная в 2016 году, взялась устранить перегрузку, которую это создает в отделениях неотложной помощи и в кабинетах врачей.
Что FDA одобрило 22 января 2026 года
22 января 2026 года Aidoc объявила, что Управление по санитарному надзору за качеством пищевых продуктов и медикаментов одобрило 11 новых показаний для ее решения сортировки. До этого решения у компании было три одобренных показания для КТ. Теперь она предлагает то, что называет комплексным решением сортировки КТ всего тела для отделений неотложной помощи и амбулаторных учреждений.
Новые показания работают на CARE, сокращенно от Clinical AI Reasoning Engine, которую Aidoc создала сама и описывает как первую одобренную базовую модель в здравоохранении. CARE объединяет в одном рабочем процессе 14 показаний, так что больнице больше не нужно подшивать отдельный инструмент к каждой острой находке.
Как ИИ-сортировка работает в радиологическом отделении
Программа читает каждый снимок первой. Вместо порядка «первым пришел, первым вышел» решение Aidoc расставляет приоритеты по снимкам на основе первоначального просмотра изображений, а исследования с подозрением на острые находки поднимаются в очереди для радиологов.
Диагноз по-прежнему ставит радиолог. ИИ меняет порядок работы так, чтобы тяжелые пациенты быстрее доходили до специалиста. Сортировка работает на Aidoc aiOS, корпоративной платформе ИИ компании, которая выявляет широкий круг острых состояний для отделений неотложной помощи и амбулаторных поставщиков. На европейском сайте Aidoc говорит, что aiOS встраивается в существующие системы больницы, такие как PACS, электронная карта, RIS и расписание, и не требует от радиологов дополнительного клика.
«Возможность собрать ключевые острые состояния в одном рабочем процессе фундаментально меняет работу радиологических отделений». Хайди Бейлис, доктор медицины, директор по диагностике WellSpan Health
Что измерило исследование, рассмотренное FDA
Измеренный результат взят из исследования, которое рассматривало FDA. Новейшие показания Aidoc достигли средней чувствительности 97% и средней специфичности 98%, по данным компании.
Aidoc говорит, что это делает новые показания точнее других решений на рынке и что они дают меньше ложных тревог. Это сравнение самой компании. В источниках нет времени обработки в больницах США, использующих новые показания. На европейском сайте Aidoc приводится сокращение времени обработки на 5,2 дня и говорится, что платформа анализирует 60 млн снимков в год, но не сказано, где эти цифры измерены.
Что это меняет для радиологических отделений больниц
Для системы здравоохранения CARE упорядочивает список чтения по медицинской необходимости. Это важнее всего там, где объем снимков превышает число радиологов на смене и где пропущенная острая находка дорого обходится пациенту и больнице.
Ложная тревога стоит времени радиолога, поэтому специфичность 98% важна не меньше чувствительности: меньше ложных срабатываний означает меньше исследований, перескочивших вперед без причины. Одна одобренная модель на 14 показаний также означает одну проверку поставщика и одну интеграцию вместо многих. WellSpan Health говорит, что интегрировала множество инструментов ИИ в своей визуализации и что это решение отвечает на то, как она управляет рабочим процессом и временем до диагноза при острых состояниях.
Что дальше с планами Aidoc по КТ и рентгену
Aidoc планирует в ближайшие 18 месяцев распространить свои решения для визуализации на основе ИИ на все рабочие процессы КТ и рентгена, заявили руководители в пресс-релизе компании. Она также разрабатывает решение, которое составляет отчеты для врачей. Оба пункта планы, а не результаты.
У компании есть деньги на эту работу. В июле она привлекла новое финансирование в 150 млн долларов при поддержке General Catalyst и Square Peg, с участием NVentures, венчурного подразделения Nvidia, и американских систем здравоохранения Sutter Health, Hartford, Mercy и WellSpan.
Вопросы и ответы
Что такое Aidoc CARE?
CARE, Clinical AI Reasoning Engine, это собственная базовая модель Aidoc для медицинской визуализации. Компания говорит, что это первая одобренная базовая модель в здравоохранении, и сейчас она обеспечивает 14 показаний сортировки в одном рабочем процессе.
Насколько точно решение Aidoc для сортировки?
В исследовании, которое рассматривало FDA, 11 новых показаний достигли средней чувствительности 97% и средней специфичности 98%, по данным Aidoc.
Заменяет ли ИИ радиолога?
Нет. Программа сначала просматривает изображения и поднимает в очереди подозрительные острые случаи, а радиологи просматривают снимки и ставят диагноз.
Взгляд MOZGII
Как бы мы это построили
Часть медицины, где программы помогают сегодня больше всего, это очередь работы: какой снимок, какой пациент и какое сообщение дойдет до врача первым. Случай Aidoc чистый пример. Модель не ставит диагноз. Она решает, в каком порядке смотрят люди, а такое решение больница может проверять.
Если бы мы это строили, мы бы начали с данных, которые уже есть в списке чтения: снимок, время поступления, направляющее отделение и итоговое заключение, подписанное радиологом. По подписанным заключениям мы бы размечали, какие исследования были действительно острыми, и каждый месяц дообучали и перепроверяли бы модель на них. Радиологи просматривали бы каждый отмеченный случай, а руководитель отделения отвечал бы за правила того, насколько далеко отмеченное исследование может обогнать очередь.
Схема сломается в двух местах. Ложная тревога ставит плановый снимок впереди тяжелого пациента, а пропущенная находка оставляет острый случай ждать в старом порядке. Оба риска растут, когда больница меняет сканеры или протоколы и изображения отходят от того, что модель видела при обучении. Одну метрику мы бы отслеживали: время от снимка до заключения для подтвержденных острых случаев, измеренное до включения и после.
Следующим шагом мы бы построили шаг после чтения: инструмент, который отправляет подтвержденную находку нужному специалисту на дежурстве и фиксирует, когда тот ее увидел.
Источники
Откуда взяты факты этой новости.