CARE-X: новый ИИ от Microsoft для точной интерпретации рентгеновских снимков

Microsoft Research представила CARE-X — систему искусственного интеллекта для анализа рентгеновских снимков грудной клетки, которая сочетает гибкие рассуждения, калиброванные прогнозы и инструменты измерения. Разработка обещает повысить точность диагностики и снизить нагрузку на радиологов.

Искусственный интеллект в радиологии движется от простой генерации отчетов к системам, которые действительно помогают врачам. Microsoft Research представила CARE-X — новый подход к созданию визуально-языковых моделей (VLM) для интерпретации рентгенограмм грудной клетки. Система объединяет три ключевых компонента: вспомогательное обучение с супервизией, обучение с подкреплением на основе клинических предпочтений и инструменты измерения, встроенные в модель. Это позволяет CARE-X не только описывать снимки, но и проводить точные измерения, которые критически важны для диагностики.

CARE-X разработана для решения давней проблемы: модели ИИ часто галлюцинируют или дают неточные ответы, что неприемлемо в медицине. Исследователи Microsoft применили подход, который заставляет модель учиться на основе обратной связи от радиологов, а не только на размеченных данных. В результате система демонстрирует более высокую точность и надежность по сравнению с предыдущими моделями, такими как MAIRA-2 и CXR-Agent.

Что такое CARE-X и как она работает

CARE-X — это не просто очередная модель, а целая методология, которая меняет подход к обучению ИИ для медицинской визуализации. Вместо того чтобы полагаться только на статические наборы данных, исследователи использовали комбинацию методов: вспомогательное обучение с учителем (auxiliary supervision) для улучшения понимания анатомических структур, обучение с подкреплением на основе вознаграждений (reward-aligned learning) для согласования ответов модели с клиническими предпочтениями, и инструменты измерения, которые позволяют модели выполнять количественный анализ, например, измерять размеры узлов или степень затемнения легких.

Ключевая инновация заключается в том, что CARE-X может переключаться между режимами: отвечать на открытые вопросы, давать структурированные прогнозы и выполнять измерения с помощью встроенных инструментов. Это делает модель универсальной и более полезной в реальной клинической практике, где врачам нужны не только описания, но и конкретные цифры для принятия решений.

Предыстория и контекст

Разработка CARE-X не возникла на пустом месте. За последние годы Microsoft Research активно работала над моделями для медицинской визуализации, включая MAIRA-2, которая уже показывала хорошие результаты в генерации отчетов по рентгенограммам грудной клетки. Однако MAIRA-2 имела ограничения: она не могла выполнять измерения и была менее гибкой в ответах на нестандартные вопросы. CARE-X развивает эту базу, добавляя инструментальную поддержку и более сложные механизмы обучения.

Проблема точности в радиологии особенно остра: по данным исследований, до 30% первоначальных интерпретаций рентгенограмм могут содержать ошибки, и ИИ может помочь снизить этот процент. Но для этого модель должна быть не только точной, но и объяснимой, что и пытаются достичь разработчики CARE-X.

Чем CARE-X отличается от предыдущих моделей?

Главное отличие CARE-X от предшественников — это способность к инструментальному измерению. Предыдущие модели, такие как MAIRA-2, генерировали текстовые отчеты, но не могли проводить количественный анализ. CARE-X использует специализированные инструменты для измерения размеров патологий, что критически важно для диагностики, например, при оценке пневмонии или опухолей. Кроме того, CARE-X обучена с использованием метода DPO (Direct Preference Optimization), который позволяет модели учиться на предпочтениях радиологов, что повышает клиническую значимость ответов.

Технические детали и результаты

CARE-X построена на базе предобученной модели Phi-3.5-vision, которая была дообучена на медицинских данных. Исследователи использовали набор данных, включающий более 1,5 миллиона пар «снимок-отчет» из различных источников, включая MIMIC-CXR и CheXpert. Модель обучали в несколько этапов: сначала на стандартных задачах визуального понимания, затем с использованием вспомогательной супервизии для сегментации анатомических структур и патологий, и наконец с помощью DPO для согласования с клиническими предпочтениями.

Результаты тестирования показали, что CARE-X превосходит MAIRA-2 по ряду метрик, включая точность генерации отчетов (на 12% выше по метрике RadGraph) и точность измерений (средняя ошибка составила менее 5% по сравнению с ручными измерениями радиологов). Модель также показала лучшую калибровку прогнозов: при оценке уверенности модели в своих ответах, точность соответствовала заявленной уверенности, что редко встречается в ИИ-системах.

Кого затронет и как

CARE-X ориентирована в первую очередь на радиологов и медицинские учреждения. Внедрение такой системы может сократить время анализа снимков, уменьшить число ошибок и помочь в обучении молодых специалистов. Для разработчиков медицинского ПО это открывает новые возможности для интеграции ИИ в диагностические рабочие процессы. В России и СНГ, где радиология сталкивается с нехваткой кадров, такие инструменты могут стать особенно востребованными, хотя их внедрение потребует адаптации к местным стандартам и регуляторным требованиям.

Однако есть и ограничения: CARE-X пока работает только с рентгенограммами грудной клетки, и ее использование в других областях радиологии требует дополнительного обучения. Также модель не заменяет врача, а лишь помогает ему, и окончательное решение всегда остается за специалистом.

Что будет дальше

Microsoft Research планирует продолжить развитие CARE-X, расширяя ее возможности на другие типы медицинских изображений, такие как КТ и МРТ. Также ведутся работы по интеграции модели в клинические информационные системы, чтобы врачи могли использовать ее непосредственно в своей повседневной практике. Вероятно, в ближайшие годы мы увидим коммерческие продукты на основе CARE-X, которые пройдут клинические испытания и получат одобрение регулирующих органов.

Эксперты ожидают, что подобные инструменты станут стандартом в радиологии в течение пяти лет, особенно если будут решены вопросы регулирования и конфиденциальности данных. Для России и других стран СНГ важно следить за этими разработками, чтобы не отстать в технологической гонке.

Итог

CARE-X от Microsoft Research — значительный шаг вперед в применении ИИ в радиологии. Сочетание гибких рассуждений, точных измерений и согласования с клиническими предпочтениями делает модель более практичной и надежной. Хотя до широкого внедрения еще есть препятствия, такие как регуляторика и адаптация к локальным условиям, потенциал этой технологии огромен. Радиологам и медицинским IT-специалистам стоит внимательно следить за развитием CARE-X, чтобы быть готовыми к изменениям в индустрии.