Радиационный онколог смотрит на снимок брюшной полости и мысленно обводит область, которую нужно облучить. Эта область не видна как отдельный орган: её границы заданы протоколом, а не тканями. Поэтому врачу нужна карта окрестностей, чтобы не задеть здоровые структуры.

Модель nnU-Net начинает с той же задачи. Сначала она учится на десяти размеченных случаях, но этого мало: пациенты разные, сканы сделаны в разных центрах. Тогда ей дают карту анатомических ориентиров от TotalSegmentator — это как схема улиц, где подписаны все соседние здания. Модель видит, где желудок, где двенадцатиперстная кишка, и точнее прокладывает границу.

Активное обучение работает иначе: модель сама находит случаи, в которых она не уверена, и просит показать их врачу. Это как студент, который на экзамене признаётся, что не знает ответа, и получает разбор именно этих задач. После четырёх раундов такого дообучения точность выросла с 0.84 до 0.87 по коэффициенту Дайса — мере совпадения двух контуров.

Когда модель получает и карту, и дообучение, её результат почти не отличается от того, что нарисовали бы разные врачи: разброс между экспертами составляет 0.89, а у модели 0.87. Это значит, что модель можно использовать как черновой эталон в клинических испытаниях. Врач просматривает только те случаи, где контур модели вызывает сомнения, и экономит часы ручной проверки.

Карта окрестностей и умение признавать свои ошибки — два простых инструмента, которые делают проводника точным. Теперь он готов вести по незнакомым улицам брюшной полости.