Microsoft Research показала CARE-X — модель для рентгена грудной клетки, которая считает, а не прикидывает на глаз

Microsoft Research представила CARE-X — модель, которая читает рентгенограммы грудной клетки. Она пишет текст заключения и одновременно выдаёт диагноз с числовой оценкой уверенности. Компания подчёркивает, что это исследовательская работа, а не продукт и не медицинское изделие: регуляторы модель не одобряли, и для диагностики пациентов она не предназначена.

Авторы исходят из простого наблюдения. Обычная модель, которая видит картинку и пишет текст, может выдать гладкий отчёт с грубой ошибкой: пропустить находку, перепутать «да» и «нет», указать не то место. При обычном обучении такая ошибка штрафуется не сильнее, чем неудачная формулировка. Поэтому CARE-X дообучили с подкреплением: модель получала награду за клиническую правильность, а не за совпадение слов. Кроме того, к языковой модели добавили отдельные блоки для классификации и поиска находок на снимке. Они дают вероятность диагноза, и врач может сдвинуть порог: ловить всё подозрительное при скрининге или требовать высокой уверенности для подтверждения.

Модель собрана из визуального кодировщика SigLIP2 и компактной языковой модели Phi-4-mini на 3,8 млрд параметров. На бенчмарке ReXVQA с 41 тыс. вопросов по снимкам она ответила верно в 94% случаев. Это на 6 процентных пунктов лучше ближайшего опубликованного результата, в рейтинге ReXrank на август 2026 года модель занимает первое место. Индийская сеть клиник Narayana Health проверила CARE-X на 1 047 обезличенных снимках с пятью редкими тяжёлыми состояниями. По чувствительности модель оказалась лучшей в трёх случаях из пяти.

Отдельный эксперимент касался диагнозов, которые ставят по размерам: увеличение сердца, расширение средостения или аорты. Здесь открытую модель Qwen3-VL-4B снабдили инструментами, которые находят анатомические ориентиры и точно вычисляют размеры, а не оценивают их на глаз. Без дополнительного обучения она нашла 94,26% из 122 случаев увеличения, подтверждённых компьютерной томографией. Это на 10,65 пункта больше, чем у лучшего варианта без инструментов. В связанной работе такой подход нашёл лёгкое расширение аорты в 40 случаях из 43. Рентгенологи при первичном чтении снимков заметили его только в пяти.

Сами авторы оговаривают главное ограничение: все эти цифры показывают только долю найденных больных. Модель, которая бьёт тревогу по каждому снимку, получила бы здесь идеальный результат и была бы бесполезна. Сейчас идёт исследование, где есть и здоровые пациенты, подтверждённые на КТ. Как часто метод ошибочно находит болезнь у здоровых, пока неизвестно.