dumaiНейросеть для МРТ и КТ стала точнее в нейродиагностике
Кратко
Модель NeuroVFM обучили на 5,24 миллиона обычных снимков МРТ и КТ, собранных в клиниках. В задачах по нейровизуализации она обошла передовые ИИ-модели, а в паре с открытыми языковыми моделями писала более точные радиологические отчёты с меньшим числом выдуманных находок и серьёзных ошибок.
Как это использовать
Это показывает, что больничные архивы снимков могут стать основой для более сильных медицинских ИИ-систем. Для реальных клиник такие модели ещё нужно отдельно проверять на безопасности и надёжности.
Разбор
Обычные «универсальные» ИИ-модели хорошо учатся на огромном количестве открытых данных из интернета, но с медицинскими снимками это не срабатывает так же легко: в МРТ и КТ часто есть приватные данные, поэтому в публичных наборах таких изображений мало. Авторы решили пойти другим путём — учить модель прямо на архиве снимков, которые уже накопились в больницах во время обычной работы. Они назвали это «обучением на данных системы здравоохранения» и проверили, может ли такой подход дать более сильную модель именно для нейровизуализации.
Ключевые цифры
Можно ли доверять
Это рецензируемая статья в Nature Medicine, так что работу уже оценили другие учёные. Проверяли модель не на игрушечной задаче, а на реальных нейроснимках и клинических сценариях, но всё равно это в первую очередь оценка одной системы на данных из медицинской среды, поэтому для других больниц результат ещё нужно подтверждать отдельно.
Пересказано ИИ по научной статье. Как это устроено