arXiv · 01.07.2026 ·Исследования и наука

Сравнение foundation-моделей и радиомики в диагностике рака легких

Исследователи провели комплексный бенчмарк, сравнивающий эффективность современных foundation-моделей и классических методов радиомики при анализе компьютерной томографии легких. Работа выявляет вклад отдельных компонентов — экстракторов признаков, классификаторов и методов сегментации — в точность диагностики, а также оценивает устойчивость моделей при работе с данными из разных медицинских когорт, что критически важно для клинического внедрения ИИ.

Традиционно радиомика считалась стандартом для фенотипирования рака легких на основе КТ-снимков. Однако появление универсальных визуальных моделей поставило вопрос об их преимуществе перед специализированными подходами. Авторы работы систематизировали архитектурные различия, протестировав пять типов экстракторов признаков, включая DINOv3 и специализированные радиомические модели, в сочетании с семью различными классификационными «головами», такими как TabPFN и XGBoost.

Результаты исследования подчеркивают важность выбора архитектуры классификатора и стратегии сегментации для достижения высокой точности. Особое внимание уделено кросс-когортной надежности алгоритмов: способность модели сохранять предсказательную силу на данных, полученных в других клиниках или на другом оборудовании, остается главным барьером для широкого применения ИИ в онкологии.

Ключевые факты

Протестировано 5 типов экстракторов признаков: Curia, Curia-2, DINOv3, Radiomics2D и Radiomics3D.
Оценено 7 классификационных архитектур, включая TabPFN, TabICL, XGBoost и CatBoost.
Исследование сфокусировано на изоляции вклада каждого компонента (экстрактор, классификатор, сегментация) в итоговую точность.
Проведен стресс-тест моделей на кросс-когортную устойчивость для проверки применимости в реальных клинических условиях.

Источник: arXiv

Обсудить с ИИ

Похожие материалы

arXiv · Исследования и наука Новый датасет для ИИ-диагностики рака молочной железы на основе цитологии Исследователи представили многоцентровой набор данных для обучения ИИ-моделей классификации цитологических снимков молочной железы. Датасет включает 470 полноразмерных слайдов (WSI) от 321 пациента, классифицированных по международной системе категорий от C1 до C5. Материалы собраны в индийских медицинских центрах и предназначены для обучения алгоритмов пофрагментной (patch-wise) диагностики патологий. Hacker News · ИИ в бизнесе Применение ИИ в кардиологической компьютерной томографии Использование алгоритмов машинного обучения в кардиологической компьютерной томографии (КТ) становится значимым инструментом для повышения точности диагностики сердечно-сосудистых заболеваний. Современные системы автоматизируют процесс сегментации структур сердца, что позволяет врачам быстрее оценивать объем миокарда, состояние коронарных артерий и выявлять признаки кальциноза. ИИ-модели способны обрабатывать большие массивы данных с высокой воспроизводимостью, снижая риск человеческой ошибки при анализе сложных анатомических изображений. arXiv · Исследования и наука Фотонные квантовые нейросети для диагностики рака на периферийных устройствах Исследователи представили архитектуру фотонных квантовых нейронных сетей с непрерывными переменными, оптимизированную для работы на периферийных устройствах. Метод позволяет эффективно выполнять сложные задачи классификации, такие как выявление рака полости рта, используя минимальное количество параметров. Технология предлагает альтернативу традиционным квантовым системам на кубитах, обеспечивая высокую точность диагностики в условиях ограниченных вычислительных ресурсов мобильного оборудования. arXiv · ИИ в бизнесе Гибридный подход к сегментации легочных узлов с помощью ИИ Исследователи представили методику совместной работы человека и нейросетей для анализа медицинских изображений, в частности, сегментации легочных узлов. Основная проблема текущих систем заключается в дефиците квалифицированных радиологов, способных проверять результаты работы алгоритмов, а также в рисках слепого доверия автоматизированным решениям. Авторы работы предлагают модель взаимодействия, в которой ИИ-инструменты дополняются участием менее опытных специалистов или даже сотрудников без профильного медицинского образования для верификации данных. arXiv · Исследования и наука TRACE: интерпретируемая модель для анализа динамики глиобластомы Исследователи представили модель TRACE — архитектуру типа Concept Bottleneck, предназначенную для оценки ответа глиобластомы на лечение по данным МРТ. В отличие от «черных ящиков», система анализирует изображения через призму клинических критериев RANO 2.0. Это позволяет врачам проверять промежуточные выводы модели, обеспечивая прозрачность диагностики и точность при отслеживании изменений опухоли во времени. arXiv · Машинное обучение Оценка надежности ИИ в медицинской диагностике Исследователи проанализировали эффективность метода Монте-Карло (MC) Dropout для оценки неопределенности моделей при сегментации опухолей головного мозга на МРТ-снимках. Традиционные метрики, такие как коэффициент Дайса, часто не способны выявить критические ошибки в работе алгоритмов, что создает риски для безопасности пациентов при планировании лечения. Авторы работы поставили под сомнение способность текущих методов оценки уверенности модели на уровне отдельных вокселей предсказывать реальные сбои в сегментации. Hacker News · ИИ в бизнесе ИИ-алгоритм выявил сердечную патологию, ошибочно принятую за астму Клинический случай продемонстрировал эффективность использования ИИ для уточнения диагнозов, которые традиционные методы диагностики интерпретировали неверно. Пациент, длительное время проходивший лечение от астмы, получил корректный диагноз благодаря анализу медицинских данных с помощью алгоритмов машинного обучения. Система выявила признаки серьезного сердечного заболевания, которые оставались незамеченными при стандартном осмотре и интерпретации симптомов лечащими врачами. Hacker News · Исследования и наука Глубокое обучение выявило новый ЭКГ-биомаркер внезапной сердечной смерти Исследователи применили методы глубокого обучения для анализа данных электрокардиограмм, что позволило обнаружить новый биомаркер, предсказывающий риск внезапной сердечной смерти. Модель анализирует тонкие паттерны в электрической активности сердца, которые остаются незаметными для традиционных методов диагностики, открывая новые возможности для раннего выявления пациентов из групп высокого риска и превентивной терапии сердечно-сосудистых заболеваний. arXiv · Исследования и наука TRCGL-Net: новый подход к классификации редких патологий на рентгеновских снимках Исследователи представили архитектуру TRCGL-Net для многоклассовой классификации рентгеновских снимков грудной клетки. Модель решает проблему дисбаланса данных, характерную для медицинской диагностики, где редкие заболевания представлены недостаточно. Система использует генеративную аугментацию и моделирование совместной встречаемости меток, что позволяет повысить точность распознавания патологий, которые ранее игнорировались алгоритмами из-за их низкой частотности в обучающих выборках. arXiv · ИИ в бизнесе Специализированная LLM для диагностики редких заболеваний Исследователи представили специализированную языковую модель, предназначенную для ускорения диагностики редких заболеваний. В ходе рандомизированного контролируемого исследования ИИ-ассистент продемонстрировал способность эффективно поддерживать врачей в условиях дефицита узкопрофильных специалистов. Система опирается на клинически обоснованные данные, преодолевая ограничения стандартных моделей, которые часто сталкиваются с нехваткой качественной обучающей выборки и недостаточной доказательной базой для медицинской практики.

← Все материалы