В ЛЭТИ разработали устройство, которое может почти в 100 раз ускорить диагностику тяжелых инфекций
При лечении пациентов с бактериальной инфекцией критически важно оперативное назначение антибиотиков: от этого зависит выживаемость пациентов. Однако для подбора препарата необходимо провести ряд лабораторный обследований, в первую очередь, взять анализ антибиотикорезистености (АБР), который показывает, насколько конкретный возбудитель инфекции устойчив к разным антибиотикам. Его главная задача – подобрать для лечения наиболее эффективный и безопасный препарат, избегая тех, к которым бактерия заведомо нечувствительна. Сегодня даже самые быстрые лабораторные системы дают результат данного анализа только через 8-16 часов, а выделение чистой культуры бактерий занимает и вовсе больше суток. То есть время от взятия анализа до назначения антибиотика может занимать несколько суток, когда как при лечении тяжелых инфекций, как, например, пневмония, менингит, каждый час промедления напрямую влияет на то, выживет пациент или нет.
На международном рынке есть устройства, дающие результаты за 5-20 часов, на российском – за 18-24 часа. Поэтому даже при их наличии зачастую врачи просто не успевают спасти человека.
В Санкт-Петербургском электротехническом университете «ЛЭТИ» разрабатывают устройство, главное преимущество которого – применение метода спекл-анализа. Он позволяет получить данные об антибиотикорезистентности меньше, чем за час. Также устройство работает в паре с микрофлюидным чипом, имеющим функцию пробоподготовки, что позволяет проводить анализы с пробами, которые возможно получить лишь в малом количестве.
«Мы разработали лабораторный макет портативного устройства с оптической системой и сменным микрофлюидным чипом, на котором получили результаты анализа на тестовых образцах за 15 минут. Лаборант загружает пробу для исследования в чип, вставляет его в устройство и запускает процесс анализа. Внутри чипа микроорганизмы проходят пробоподготовку и смешиваются с разными антибиотиками. После данных процедур готовые суспензии облучаются лазером, вследствие чего формируются интерференционные картины, называемые спеклами. Данные картины изменяются во времени, отражая жизнеспособность бактерий в присутствии антибиотиков, что фиксируется матричным оптическим детектором, установленном после чипа. Затем при помощи разработанного нами программного обеспечения картины анализируются и по готовности выдается результат анализа».
Аспирант кафедры микро- и наноэлектроники СПбГЭТУ «ЛЭТИ» Рамис Сибгатов
Сейчас разработчики создают и тестируют опытный образец в портативном корпусе и программное обеспечение для обработки данных. В планах текущего года – создать рабочий прототип, оформить заявку на получение прав на результат интеллектуальной деятельности. В дальнейшем необходимо пройти сертификацию устройства как медицинского изделия. Проект стал победителем конкурса «Студенческий стартап (7 очередь)» Фонда Содействия Инновациям и получил грант в размере 1 млн рублей.
Разработка ведется в рамках акселерационной программы «Стартапы ЛЭТИ», которая реализуется при поддержке федерального проекта «Технологии» национального проекта «Эффективная и конкурентная экономика».
Учёные ЛЭТИ разработали подход для оценки точности работы нейросетей
Предложенная метрика позволяет определить минимально допустимую точность работы нейросетевых моделей.
Сегодня нейросети играют важную роль в жизни и экономике общества. Так, уже сейчас более 50% крупных компаний мира используют ИИ для автоматизации процессов и повышения эффективности. В медицине нейросети помогают повысить точность диагностики до 90–95% в некоторых областях, а также сократить время анализа снимков до 60%, что приводит к более быстрому лечению и спасает тысячи жизней ежегодно. В розничной торговле рекомендательные сервисы, основанные на нейросетях, позволяют увеличить продажи на 20–30%, а в финансовой сфере автоматизированные решения экономят корпорациям миллиарды долларов, снижая риски ошибок и мошенничества. В быту около 60% пользователей интернета сталкиваются с технологиями нейросетей через голосовых помощников, переводчики и фильтры спама, и таких сервисов становится всё больше.
Однако активное внедрение нейросетей в жизнь общества вызывает целый ряд трудностей, которые требуют создания эффективных инструментов для их преодоления, поскольку они могут приводить к моральному, физическому и экономическому ущербу для пользователей. В частности, одной из проблем, которая возникает в силу фундаментальных особенностей функционирования нейросетевых моделей, является высокая сложность прогнозирования результатов обработки информации. Например, нейросеть для анализа КТ-снимков, после двух обучений на одном и том же массиве данных в первом случае выдать успешность распознавания как 90% и более, а во втором – на несколько десятков процентов ниже.
«Разумеется, эта «болезнь» нейронных сетей вызывает большие вопросы об эффективности и достоверности их применения, например, в сфере медицины или экономики: когда система может непрогнозируемо выдать, скажем, практически абсолютную точность, а при повторном обучении — существенно меньше. В нашем исследовании мы предложили метрику, которая позволяет с высокой точностью определить минимальный порог точности, с которой нейросеть выполняет задачи по обработке информации».
Доцент кафедры математического обеспечения ЭВМ СПбГЭТУ «ЛЭТИ» Антон Юрьевич Филатов
В ходе исследования учёные ЛЭТИ показали, что стандартные подходы математической статистики не способны достоверно в общем виде описать минимальную точность нейросетей: результаты многократного обучения нейросетей на одном массиве данных давали непредсказуемые результаты.
Тогда исследователи решили пойти другим путём: они решили эмпирически найти метрику, которая бы могла описать и предсказать минимальную точность обработки информации нейросетью. Для этого три активно применяемых нейросети обучили около 30 раз на одном и том же объеме данных. Собранная информация позволила обнаружить закономерности обучения нейросетей и составить метрику (числовой показатель, используемый для измерения, оценки и анализа эффективности) для их оценки.
«Наша метрика находится в открытом доступе, и теперь любой разработчик программного обеспечения, использующего нейросетевые модели, может проверить – какова минимальная эффективность его продукта. Наш подход актуален для всех направлений применения ИИ-технологий: начиная от медицины, маркетинга и логистики, заканчивая банковским делом и промышленным производством».
Доцент кафедры математического обеспечения ЭВМ СПбГЭТУ «ЛЭТИ» Антон Юрьевич Филатов
Результаты исследования опубликованы в научном журнале «Известия ЮФУ. Технические науки». В будущем учёные планируют разработать математический аппарат, который позволит в общем случае описать минимальную точность обработки информации нейросетью.
Фокус на знания и научные результаты: в ЛЭТИ подвели итоги приемной кампании в аспирантуру
31 июля 2026 года в аспирантуру СПбГЭТУ «ЛЭТИ» были зачислены лица, поступающие на места в рамках контрольных цифр. Так, на 119 бюджетных мест было подано 444 заявления.
На программы подготовки научных и научно-педагогических кадров в аспирантуре ЛЭТИ прием осуществлялся по 13 направлениям: «Компьютерные науки и информатика», «Физические науки», «Химические науки», «Электроника, фотоника, приборостроение и связь», «Информационные технологии и телекоммуникации», «Энергетика и электротехника», «Машиностроение», «Энергетика и электротехника», «Экономика», «Социология», «Политология», «Философия», «Филология».
Прием в аспирантуру проходит на конкурсной основе. Поступающие сдавали два вступительных испытания: экзамен в устной форме по выбранной специальности и тестирование по иностранному языку. Каждое вступительное испытание оценивалось по 50-балльной системе.
«При поступлении также учитывались результаты индивидуальных достижений абитуриентов: опубликованные или принятые к публикации научные работы, доклады на международных и российских конференциях, свидетельства о государственной регистрации программ и баз данных, патенты на изобретения и полезные модели, а также рекомендательные письма от потенциальных научных руководителей. Таким образом мы отбираем в аспирантуру тех, у кого уже есть научные результаты в выбранном направлении, а не тех, кто просто ищет модное направление. Ежегодно в аспирантуре ЛЭТИ наблюдается стабильный конкурс на все научные направления, в результате которого принимаются 80% лэтишников».
Заведующий отделом докторантуры и аспирантуры СПбГЭТУ «ЛЭТИ» Андрей Вилевич Тумаркин
Работа приемной комиссии еще продолжается: поступающие на контрактную основу в аспирантуру СПбГЭТУ «ЛЭТИ» смогут подать документы до 18 сентября 2026 года.
Список зачисленных в аспирантуру можно посмотреть на сайте для абитуриентов.
