ИИ-модель Сбера помогла выявить почти вдвое больше злокачественных образований при диспансеризации

Команда Центра практического искусственного интеллекта Сбербанка вместе с командой Sber AI разработали ИИ-модель Can-SAVE, которая помогает находить пациентов с повышенным риском онкологических заболеваний. При ежегодной диспансеризации она помогла выявить на 91% больше случаев злокачественных новообразований, чем это происходит при традиционном подходе. Результаты исследования были представлены на ведущей  конференции по анализ данных KDD 2026.

Can-SAVE использует информацию, которая уже есть в электронной медицинской карте: данные о диагнозах и медицинских услугах. На их основе модель оценивает риск выявления злокачественного новообразования в течение ближайших 12 месяцев и помогает определить, кому стоит уделить больше внимания при диспансеризации.

Модель не ставит диагноз и не заменяет врача. Её задача — помочь среди большого числа людей заранее выделить тех, кому обследование может быть особенно важно.

В пилотах в пяти регионах России с охватом около двух млн пациентов исследователи проверили, насколько точно Can-SAVE умеет находить людей с самым высоким риском. Для этого модель формировала группы из 1000 пациентов, которых считала наиболее приоритетными для обследования. Злокачественные новообразования в таких группах выявляли в 3,8–9,9 раза чаще, чем среди 1000 пациентов, отобранных по традиционным медицинским протоколам.

В отдельном пилоте Can-SAVE проверили уже в реальной диспансеризации более 426 тыс. человек. Модель помогала определять, кого стоит пригласить на обследование в первую очередь. При одинаковом числе реально обследованных пациентов с помощью Can-SAVE выявили 2148 случаев злокачественных новообразований против 1123 при традиционном подходе — на 91% больше.

Сергей Рябов, старший управляющий директор, директор по ИИ-трансформации Сбербанка:

«Когда речь идёт об онкологических заболеваниях, время особенно важно: чем раньше обнаружена болезнь, тем больше возможностей помочь человеку. Мы хотели сделать технологию, которую можно использовать в обычной медицинской практике. Can-SAVE работает с данными, которые уже есть в электронной медкарте, и помогает врачу понять, кому из пациентов стоит уделить особое внимание. В пилоте такой подход помог выявить почти в два раза больше случаев злокачественных новообразований при диспансеризации. Для нас это главный результат — технология приносит практическую пользу там, где решения напрямую влияют на здоровье людей».

Can-SAVE рассчитана на работу с большими массивами медицинских данных. Информацию о населении города-миллионника модель может обработать менее чем за три часа на стандартном ПК. Исследователи также сравнили Can-SAVE с 17 другими моделями на основе машинного обучения и искусственного интеллекта. Решение Сбера показало лучшее качество определения пациентов с повышенным риском. Под руководством исполнительного директора по исследованию данных Центра практического ИИ Сбербанка Марины Хрисановой продолжаются исследования в этой области и разработка продуктовых решений.