Введение. Оценка костного возраста (КВ) является фундаментальным инструментом в педиатрии, детской эндокринологии и ортопедии для диагностики нарушений роста и развития. Традиционные мануальные методы оценки (атлас Грейлиха-Пайл, метод Таннера-Уайтхауса) характеризуются высокой субъективностью, низкой воспроизводимостью и значительными временными затратами рентгенолога. В Российской Федерации отсутствуют отечественные валидированные программные решения для автоматизации этого процесса, что делает актуальной разработку систем на основе искусственного интеллекта (ИИ).
Цель. Разработка и валидация нейросетевой модели для автоматизированной оценки КВ по рентгенограммам кисти, адаптированной к российской популяции, а также создание прикладного программного обеспечения для интеграции в клиническую практику.
Материалы и методы. Для обучения и тестирования модели использован комбинированный набор данных, включающий 12 611 рентгенограмм из открытого датасета RSNA Bone Age Challenge и 200 верифицированных исследований из Единой радиологической информационной системы (ЕРИС) ЕМИАС города Москвы. Пайплайн обработки данных включал детекцию кисти (YOLOv11), сегментацию (U-Net) и регрессионный анализ (ResNet50).
Результаты. Средняя абсолютная ошибка (MAE) разработанной модели на тестовой выборке составила 7,7 месяца для мальчиков и 8,2 месяца для девочек. Время анализа одного снимка не превышает 2 секунд. Точность модели превосходит показатели традиционной оценки по атласу Грейлиха-Пайл (ошибка до 18 месяцев) и сопоставима с экспертной оценкой (12 месяцев). Разработано программное обеспечение «MosMedSoft» (Свидетельство о госрегистрации № 202566158).
Выводы. Создана первая отечественная автоматизированная система оценки КВ, демонстрирующая высокую точность и скорость работы. Внедрение системы в клиническую практику позволит стандартизировать диагностический процесс, снизить нагрузку на врачей-рентгенологов и повысить качество диагностики эндокринных и ортопедических патологий у детей.
