Исследователь разработал ИИ-модель для поиска кровоизлияний на КТ головы, используя выборку из 82 пациентов. В датасет вошли 36 пациентов с кровоизлияниями и 46 без них, всего около 2500 срезов, из которых 318 содержали очаги поражения. Обучение проводилось с использованием пятикратной кросс-валидации.
Базовая модель показала результат AUC 0.931. Добавление сегментации повысило показатель AP с 0.70 до 0.83, при этом AUC практически не изменился. В основе решения лежит архитектура EfficientNet-B0. Использованные изображения были представлены в формате JPG, что исключило возможность работы с исходными единицами Хаунсфилда.
Тестирование показало, что модель не достигает целевой полноты 95% на уровне пациентов. Система пропускала от 2 до 3 пациентов из 36, а количество ложных срабатываний варьировалось от 8 до 18 на 46 исследований без патологий. Модель также показала неожиданно высокую эффективность на костном окне с AUC 0.86.
Автор подчеркивает, что проект является исследовательским прототипом и не прошел клиническую валидацию. Результаты зависят от состава выборки, где преобладали эпидуральные кровоизлияния, и не могут быть перенесены на медицинскую практику без дополнительной проверки и регистрации в надзорных органах.
