ИИ и сложнейшие проблемы мира · Медицина и разработка лекарств · Nature (computational biology) · 2026-10-23
Двухэтапный перенос обучения с синтетических данных на реальные для автоматического составления маммографических заключений с помощью визуально-языковых моделей
Оригинальное название: Two-stage synthetic-to-real transfer learning for automated mammography report generation using vision-language models
Статья посвящена нехватке парных данных «маммограмма — заключение»: модель MedGemma-4B предварительно обучается на синтетических заключениях, построенных на основе аннотаций BI-RADS, а затем дообучается на 407 реальных заключениях. Заранее зарегистрированная контролируемая оценка показала, что кажущийся прирост объяснялся неодинаковой ёмкостью адаптеров; при одинаковой ёмкости обе схемы обучения показали эквивалентные результаты. Диагностическое согласие ни разу не превысило κ = 0,14, что говорит о том, что главным препятствием для клинически полезного составления заключений является точность диагностики, а не связность текста.