Зачем это нужно

КТГ даёт врачу много шума и фрагментов сигнала, которые трудно интерпретировать «на лету». Наша система превращает непрерывный поток (ЧСС плода и маточная активность) в понятную динамическую оценку риска на ближайшие минуты — так, чтобы врач мог вовремя отреагировать, а не разбираться постфактум.

При этом система полностью соответствует логике работы классического фетального монитора: врач в реальном времени видит знакомые графики ЧСС и маточной активности, а также ключевые показатели (baseline, вариабельность, ускорения/декелерации и др.), на основании которых модель формирует прогноз. Эти же показатели врач обычно оценивает «на глаз» по ленте — мы просто автоматизируем и стабилизируем расчёты, убирая субъективность и экономя время.

Как и в клинической практике, доступен «режим истории»: можно вернуться к любой записи, просмотреть ленту исследования, динамику показателей и эволюцию риска. Вся лента и сопутствующие графики сохраняются в системе в виде готовой HTML‑страницы, поэтому этой историей легко делиться с коллегами как «реальной лентой» — достаточно открыть ссылку или выгрузить файл.

Кому это полезно

• Акушерские отделения и перинатальные центры.
• Команды, внедряющие цифровой мониторинг в родзалах и на ДО.
• Исследовательские группы, которым нужна прозрачная, воспроизводимая методика онлайн-оценки КТГ.

Как это помогает клинике

• Вовремя предупредить. Прогноз не только на 5 минут: поддерживаем несколько горизонтов (например, 5–15 минут), настраиваемых из интерфейса. Шаг инференса также параметризуем, чтобы подбирать частоту обновления под клиническую ситуацию.
• Клинически привычный монитор. Интерфейс повторяет фетальный монитор: непрерывные ленты ЧСС/МА, маркеры событий и цифровые показатели (baseline, STV, LF/HF и др.). Врач работает в знакомой парадигме, а модель выполняет расчёты «под капотом».
• Меньше ложных тревог. Порог и гистерезис снижают «мигание» сигнализации и уменьшают утомляющие ложные срабатывания.
• Пояснимо. Признаки опираются на привычные врачам события КТГ (децелерации, вариабельность, связь с сокращениями), их значения и динамика видимы в интерфейсе.

В чём новизна подхода

• Потоковая каузальная логика. Никаких «подглядываний в будущее»: оцениваем только то, что реально уже произошло.
• Окна вместо “средней по больнице”. Классифицируем короткие окна истории и обновляем прогноз каждую секунду — это сохраняет клинический смысл непрерывного мониторинга.
• Суррогатная разметка по правилам FIGO. Даёт быструю и прозрачную основу для обучения без ручной разметки всей записи.
• Мульти-горизонтный прогноз. Считаем риск на несколько горизонтов (например, 5/10/15 минут), чтобы врач видел «короткую» и «длинную» перспективу.
• Гибкая частота инференса. Шаг инференса (stride) настраивается из интерфейса и передаётся на бэкенд — баланс между чувствительностью и нагрузкой.
• Пояснимость на уровне признаков. Врач видит те же клинические признаки (baseline, STV, LF/HF, ускорения/декелерации, связь с UC), на которых работает модель: меньше «чёрного ящика» и больше доверия.
• Гибрид правил FIGO и ML-модели. Правила FIGO дают стабильную основу и «якорь» интерпретации, ML-модель (CatBoost) учит сложные зависимости и сглаживает шум.
• Анти-дребезг тревог. Порог, гистерезис и пост-обработка снижают «мигание» алертов при пограничных состояниях.
• Промышленный стриминг. Live-WS/SSE режимы, имитация датчика, запись в БД и «истинно реальное время» на фронтенде с минимальной задержкой.
• Шаринг клинической ленты. История сохраняется как HTML-страница и может быть передана коллеге как «реальная лента» с воспроизведением.
• Портируемость и офлайн-режим. Предусмотрен USB-мост для оборудования без WebSocket; деплой в Docker/Nginx, единые конфиги окружений.
• Воспроизводимость. Фиксированные окна, явные параметры H/stride, версионированные модели и пайплайны — одна и та же запись даёт одинаковый результат.

На страницу проекта