ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-17
Мультизадачная система глубокого обучения для автоматического прогнозирования состояния здоровья по снимкам глазного дна с использованием гибридного внимания и объяснимого ИИ
Оригинальное название: A multi task deep learning framework for automated health condition prediction from retinal fundus images using hybrid attention and explainable AI
Существующие модели глубокого обучения для снимков глазного дна решают только одну задачу, обладают ограниченной интерпретируемостью и плохо справляются с различиями между наборами данных. Авторы предлагают мультизадачную сеть, которая за один прямой проход по одному снимку классифицирует тяжесть диабетической ретинопатии, глаукому, стадию ВМД и сердечно-сосудистый риск, а также формирует объяснения с помощью Grad-CAM. Она достигла точности 94.7% и AUC 0.978 на четырёх наборах данных, статистически превзойдя все однозадачные модели, а в zero-shot оценке на других наборах данных показала AUC не ниже 0.951.