IA para análisis de radiografías de tórax: clasificación de seis patologías con RAD-DINO-MAIRA-2
Microsoft
Un investigador desarrolló un clasificador multietiqueta para seis patologías torácicas utilizando el codificador congelado RAD-DINO-MAIRA-2 y una pequeña cabezal entrenable. El modelo alcanzó un AUC macro de 0.9025 en el conjunto de validación, entrenado con 22.466 radiografías de VinBigData y OpenI. El proyecto costó unos $300 en RunPod y es un prototipo de investigación, no un dispositivo clínico.
Desde octubre de 2025 hasta abril de 2026, el autor construyó un prototipo de investigación que toma una radiografía de tórax y genera seis probabilidades independientes (0-1) para patologías: cardiomegalia, atelectasia, consolidación, derrame pleural, neumotórax y edema. El enfoque utiliza un codificador congelado Microsoft RAD-DINO-MAIRA-2 (DINOv2 preentrenado en aproximadamente 1,4 millones de radiografías) con una cabeza pequeña (LayerNorm → Lineal(768→256) → GELU → Dropout → Lineal(256→6)), entrenando solo 199,942 de los 86,8 millones de parámetros. El entrenamiento utilizó AdamW, tamaño de lote 64, precisión bf16 y costó alrededor de $300 en una A100 80 GB en RunPod. Los datos provinieron de VinBigData (15,000 imágenes) e OpenI (7,466 imágenes), con las etiquetas de OpenI extraídas mediante análisis basado en reglas de informes de radiología, totalizando 22,466 imágenes divididas 85/15. El autor primero intentó DenseNet121 pero lo abandonó debido a la falta de enfoque en la anatomía relevante; los mapas de calor mostraron atención en artefactos y regiones irrelevantes. El proyecto evita explícitamente la segmentación o generación de informes y no está certificado para uso clínico; el autor busca una organización para ensayos clínicos con el fin de registrar el dispositivo como Clase 3 en Rusia.
Fuente: Habr — хаб ИИ —
original