ThyroidXAgent делает ставку не на автономность, а на проверяемость

Главная ценность ThyroidXAgent — не в том, что он ещё один раз распознаёт узлы на УЗИ. Система связывает поиск образования, измерения, оценку риска и составление отчёта в один процесс, сохраняя результаты каждого шага в проверяемой записи случая.

Это важный сдвиг в подходе. В медицине врачу мало получить финальное «доброкачественное» или «злокачественное»: нужно понимать, где найден очаг, какие параметры учтены и почему появился такой вывод. В ThyroidXAgent можно вмешаться в процесс и скорректировать его, а не принимать ответ модели как чёрный ящик.

На 28 458 тестовых случаях система показала средний Dice 87,21% для сегментации узлов и AUROC 0,9466 для классификации доброкачественных и злокачественных образований. Она также оценивала вероятность метастазов в лимфоузлы и различала фолликулярную и папиллярную карциному: AUROC составил 0,864 и 0,805 соответственно.

Практический эффект оказался заметен не только в метриках моделей. По данным авторов, ThyroidXAgent повысил точность классификации врачей, увеличил согласованность диагностических отчётов с 70,3% до 86,2%, а время сегментации и подготовки отчёта сократил на 35,9% и 27,4%.

Но это не история про замену врача. Система рассчитана на клинициста, который проверяет и исправляет результат. Кроме того, в описании не раскрыты детали таких важных для внедрения вопросов, как причины ошибок на отдельных типах исследований, поведение при спорных случаях и практический процесс интеграции в клиническую работу. Поэтому представленные цифры — аргумент в пользу аудируемого помощника, а не доказательство готовности автономной диагностики.

Если выбирать между моделью с чуть лучшей итоговой метрикой и системой, где врач видит и может исправить цепочку доказательств, что для вас важнее в медицинском AI? Источник: cs.AI updates on arXiv.org