Исследователи представили систему на базе deep learning, способную выявлять нарушения в работе желудочно-кишечного тракта по акустическим сигналам. В основе разработки - анализ так называемых кишечных звуков (bowel sounds), которые фиксируются с помощью чувствительных датчиков и обрабатываются нейросетью.
Модель обучалась на тысячах записей, включая как нормальные физиологические шумы, так и паттерны, характерные для различных состояний - от функциональных расстройств до воспалительных процессов. Архитектура сочетает сверточные и рекуррентные нейронные сети, что позволяет учитывать как спектральные характеристики звука, так и временную динамику сигналов.
В тестах точность классификации превышает 85–90% в зависимости от типа патологии. Особенно высокие результаты зафиксированы при выявлении нарушений моторики кишечника и ранних признаков воспаления. При этом система работает неинвазивно: пациенту достаточно носимого датчика или короткой записи, что делает технологию потенциально удобной для домашнего мониторинга.
Разработчики подчеркивают, что такой подход может сократить необходимость в инвазивных процедурах и ускорить первичную диагностику. Кроме того, ИИ способен отслеживать изменения состояния в динамике, что важно для хронических заболеваний ЖКТ.
Фактически речь идет о переходе к новому формату диагностики - когда нейросеть анализирует не изображения или анализы, а акустические сигналы организма, превращая их в медицинские данные.
Новости нейросетей
02.05.2026