IA para Análise de Radiografias de Tórax: Classificando Seis Patologias com RAD-DINO-MAIRA-2
Microsoft
Um pesquisador desenvolveu um classificador multirrótulo para seis patologias torácicas usando o encoder congelado RAD-DINO-MAIRA-2 e uma pequena cabeça treinável. O modelo alcançou uma AUC macro de 0,9025 no conjunto de validação, treinado em 22.466 imagens de raio-X de VinBigData e OpenI. O projeto custou cerca de 300 dólares no RunPod e é um protótipo de pesquisa, não um dispositivo clínico.
De outubro de 2025 a abril de 2026, o autor construiu um protótipo de pesquisa que recebe uma radiografia de tórax e gera seis probabilidades independentes (0-1) para as seguintes patologias: cardiomegalia, atelectasia, consolidação, derrame pleural, pneumotórax e edema. A abordagem utiliza um codificador congelado Microsoft RAD-DINO-MAIRA-2 (DINOv2 pré-treinado em aproximadamente 1,4 milhão de radiografias) com uma pequena cabeça (LayerNorm → Linear(768→256) → GELU → Dropout → Linear(256→6)), treinando apenas 199.942 dos 86,8 milhões de parâmetros. O treinamento usou AdamW, tamanho de lote 64, precisão bf16 e custou cerca de US$ 300 em uma A100 80GB na RunPod. Os dados vieram do VinBigData (15.000 imagens) e do OpenI (7.466 imagens), com os rótulos do OpenI extraídos por meio de análise baseada em regras de relatórios radiológicos, totalizando 22.466 imagens divididas 85/15. O autor tentou primeiro o DenseNet121, mas o abandonou devido à falha em focar na anatomia relevante; mapas de calor mostraram atenção em artefatos e regiões irrelevantes. O projeto evita explicitamente segmentação ou geração de laudos e não é certificado para uso clínico; o autor busca uma organização para realizar ensaios clínicos a fim de registrar o dispositivo como um equipamento médico de Classe 3 na Rússia.
Fonte: Habr — хаб ИИ —
original