NVIDIA Developer сообщает, что в области радиологии искусственный интеллект достиг значительных успехов в обнаружении аномалий на рентгеновских снимках грудной клетки и патологических срезах. Однако 3D компьютерная томография (КТ), одна из самых информативных и насыщенных данных модальностей, остается в значительной степени неохваченной современными языковыми моделями (VLM). Общеизвестные модели показывают плохие результаты на объемной визуализации, а большинство открытых медицинских AI моделей не обладают необходимой глубиной многослойного общения, что необходимо радиологам для доверия и проверки выводов, сгенерированных AI. NVIDIA решает эту проблему с помощью NV-Reason-CT, языковой модели, специально созданной для анализа 3D КТ. NV-Reason-CT расширяет рассуждения в цепочке мыслей на полные объемные КТ, генерируя структурированные диагностические отчеты, имитируя внутренние размышления радиолога и поддерживая многослойные последующие разговоры по грудной и абдоминальной областям. Модель основывается на методологии рассуждений, разработанной в NV-Reason-CXR, которая была подтверждена в клиническом исследовании, принятых на RSNA 2026, подтверждающем экономию времени радиологов при сохранении диагностической точности. NV-Reason-CT является открытой основой для исследований и разработки; это не автономная диагностическая система и не клинический продукт. Это модель AI, предназначенная для исследователей и разработчиков, создающих специализированные приложения для анализа КТ. Одной из причин, по которой для рассуждений 3D КТ требуется другой подход, является то, что одно исследование абдоминальной КТ может содержать от 300 до 600 аксиальных срезов, которые кодируют анатомический контекст в трех пространственных измерениях, что стандартный 2D энкодер просто не может реконструировать из независимых срезов. Эта объемная сложность создает ряд накопительных трудностей для медицинского AI в восприятии, рассуждении и глубине общения. Стандартные VLM рассматривают входные изображения как 2D сетку токенов. Обработка объема КТ как стека независимых 2D кадров отбрасывает пространственные связи между срезами, которые определяют такие структуры, как массы, выпоты и инфильтраты — структуры, форма, размер и плотность которых становятся клинически значимыми только в трех измерениях. Даже модели, которые правильно воспринимают аномалию, часто выдают диагностическую метку, не объясняя, почему. Радиологи не думают в метках — они думают в систематических анатомических обзорах, дифференциальных диагнозах и степенях уверенности. AI, который не может воспроизвести этот процесс рассуждений, не может быть проверен, обучен или безопасно интегрирован в клинические рабочие процессы. Радиолог, рассматривающий подозрительное обнаружение, не закрывает дело с первого взгляда. Они задают дополнительные вопросы, пересматривают различные диагнозы и сопоставляют находки по анатомическим регионам. Большинство существующих моделей не обладают многослойной диалоговой способностью, чтобы поддерживать такой итеративный клинический процесс рассуждения. NV-Reason-CT сочетает в себе специализированный 3D энкодер визуального трансформера (ViT) с языковой моделью, обученной генерировать рассуждения в цепочке мыслей, которые отражают, как радиологи систематически анализируют объемы КТ. В отличие от подходов, которые адаптируют 2D энкодеры к КТ, рассматривая срезы независимо, NV-Reason-CT обрабатывает объем КТ как истинный 3D вход. Это сохраняет анатомическую непрерывность и позволяет модели рассуждать о структурах целостно, как это делает радиолог, просматривая исследование. Основные возможности модели включают следующее: генерация структурированного отчета, имитирующего цепочку мыслей радиолога, и многослойное последующее общение. NV-Reason-CT генерирует подробные структурированные отчеты. Команда NVIDIA разработала онтологию КТ, охватывающую 30 аномалий грудной клетки и 29 аномалий абдоминальной области, чтобы направлять и оценивать модель. Модель может также генерировать рассуждения, имитирующие цепочки мыслей радиолога, производя пошаговое внутреннее мышление — систематически исследуя анатомические регионы, выявляя соответствующие находки, рассматривая дифференциальные диагнозы и выражая неопределенность в стиле опытного радиолога, работающего над исследованием. Клинические и исследовательские работники могут задавать дополнительные вопросы о конкретных находках, запрашивать разъяснения по дифференциальным диагнозам или исследовать рассуждения модели на любом этапе. Модель NV-Reason-CT достигает передовых результатов на ведущих публичных бенчмарках для понимания 3D КТ. На CT-RATE, первичном публичном бенчмарке для понимания 3D КТ, NV-Reason-CT превосходит все опубликованные базовые модели, включая 3D контрастные модели и смешанные 2D/3D модели. Это первый случай, когда одна открытая модель одновременно достигла конкурентоспособной классификации КТ и генерации отчетов. NV-Reason-CT получила положительные отзывы от радиологов Национальных институтов здравоохранения (NIH), которые подтвердили как качество структурированных отчетов, так и клиническую правдоподобность следов рассуждений. “NV-Reason-CT предоставляет тот тип систематического, пошагового рассуждения, который отражает, как мы на самом деле анализируем исследование КТ,” — сказал Барис Тюркбей, доктор медицины, старший клиницист NIH. “Возможность просмотреть процесс размышлений модели — не только её выводы — позволяет доверять и действовать по её находкам.” Материал подготовлен нейросетью на основе оригинальной публикации. ИИ может ошибаться в деталях (цифры, имена, даты, цитаты) — для важной информации сверяйтесь с первоисточником. Anthropic объявила о крупном открытии в биологической лаборатории Meta разрабатывает отдельное устройство для AI-агента Muse Исследование MIT о визуальном ИИ поднимает вопросы о загрязнении и предвзятости. Anthropic объявила о значительном открытии в своей биологической лаборатории, используя ИИ для исследований. NVIDIA представила инструмент для проверки готовности GPU-кластеров к задачам ИИ.