Microsoft CARE-X совмещает текстовый отчёт и оценку уверенности: новый подход в нейросетях для радиологии

Существующие нейросети для радиологии умеют либо генерировать текстовые описания снимков, либо выдавать структурированные диагнозы с числовой уверенностью, но не то и другое одновременно. Microsoft Research разработала CARE-X как исследовательскую модель, которая объединяет оба подхода. Модель валидирована на реальных клинических данных индийской сети больниц Narayana Health, включая редкие патологии из реанимационных отделений и состояния, подтверждённые компьютерной томографией.

Важная оговорка: CARE-X не является продуктом Microsoft, медицинским устройством и не одобрена ни одним регулятором. Все описанные результаты получены ретроспективно и не подтверждают безопасность или пригодность модели для клинического использования.

Что понадобится

• Понимание базовых принципов работы VLM (Vision-Language Model, модель, которая «видит» изображение и описывает его текстом)
• Доступ к публикации Microsoft Research для изучения архитектуры (модель не выпущена как продукт)
• Знакомство с метриками диагностической точности: чувствительность (sensitivity, доля выявленных больных среди всех больных) и специфичность (specificity, доля правильно определённых здоровых)
• Около 30 минут на разбор логики модели и применимости к вашим задачам

Три проблемы, которые CARE-X пытается решить

Прежде чем переходить к устройству модели, нужно понять, какие именно пробелы в нейросетях для радиологии она закрывает.

1. Отсутствие калиброванной уверенности. Генеративные модели выдают диагноз текстом, но не сообщают, насколько они в нём уверены. Врач не может настроить баланс между чувствительностью и специфичностью под конкретный случай. Дискриминативные модели (те, что классифицируют «да/нет») дают числовую уверенность, но не умеют писать развёрнутые отчёты.

2. Одинаковый штраф за разные ошибки при обучении. Стандартная функция потерь (cross-entropy) штрафует модель одинаково за безобидную замену слова и за пропуск жизнеугрожающей находки. Перепутать «да» и «нет» в диагнозе или пропустить пневмоторакс для алгоритма так же «плохо», как поменять синоним. Клинически это катастрофа.

3. Невозможность точных измерений. Некоторые диагнозы требуют не визуального впечатления, а конкретных замеров. Например, кардиомегалия (увеличение сердца) определяется по кардиоторакальному индексу: нужно измерить ширину сердца и грудной клетки, вычислить соотношение, учесть тип проекции снимка. Визуальная «прикидка» здесь недостаточна.

Как устроена CARE-X?

Модель построена на визуальном энкодере SigLIP2-so400M (компонент, который «читает» изображение) и языковой модели Phi-4-mini-instruct с 3,8 миллиарда параметров, соединённых через лёгкий адаптер.

Ключевая особенность: помимо генеративной «головы», которая пишет текст, модель оснащена вспомогательными «головами» для классификации и визуальной локализации. Они обучаются совместно с языковой частью, а не отдельно.

Двойной инференс (инференс, это процесс, когда обученная модель выдаёт результат на новых данных): за один проход модель генерирует и текстовый ответ, и структурированный прогноз с числовой оценкой уверенности. Врач получает и читаемый отчёт, и порог, который можно настраивать.

Для клинической корректности CARE-X использует обучение с подкреплением по методу DAPO, где вознаграждение привязано к клинической правильности, а не к «гладкости» текста. Пропуск опасной находки штрафуется сильнее, чем стилистическая неточность.

Инструментальное измерение вместо «на глаз»

В отдельном эксперименте исследователи Microsoft соединили модель Qwen3-VL-4B-Instruct с детерминированными измерительными инструментами. Задача: проверить, улучшает ли прямое вычисление (замер ширины сердца и грудной клетки в пикселях с последующим расчётом) результат по сравнению с визуальной аппроксимацией. Этот подход отделён от самой CARE-X и представляет отдельное направление исследований.

Что делать с этим прямо сейчас, по ролям

Автору медицинского или научно-популярного контента на Дзене: тема калиброванной уверенности ИИ-диагноза почти не раскрыта на русском языке. Объясните читателям разницу между «модель написала красивый отчёт» и «модель сообщила, насколько она уверена в каждом пункте». Это даёт понятный и честный материал.

Клиницисту или медицинскому IT-специалисту: обратите внимание на метрики, которые CARE-X ставит во главу угла. Уверенность диагноза и штраф за пропуск жизнеугрожающей находки, это критерии, по которым стоит оценивать любую нейросеть для радиологии, не только эту.

Предпринимателю в сфере MedTech в РФ: готовых российских аналогов CARE-X с двойным инференсом на рынке пока нет. Из работающих в РФ решений для анализа медицинских снимков можно отметить платформу Botkin.AI и систему «Третье мнение». Ни одна из них не заявляет о совмещении генеративного отчёта и калиброванной структурированной классификации в одном проходе.

Для тех, кто работает с медицинским ИИ или пишет о нём, CARE-X полезна не как готовый инструмент, а как исследовательский ориентир: какие метрики считать критичными, как совмещать текст и числа в одном проходе и почему визуальная «прикидка» при измерительных задачах уступает прямому вычислению.