Исследователи Рохит Каушик и Ева Каушик 5 января 2026 года представили на arXiv фреймворк CutisAI для автоматической дерматологии и скрининга рака кожи. Их система Conformal Bayesian Dermatological Classifier (CBDC) сочетает статистическую теорию обучения, топологический анализ данных и байесовский вывод.
Ключевая особенность CBDC — предоставление теоретических гарантий, критически важных для клинического применения. Фреймворк предлагает границы обобщения, учитывающие вариабельность дерматологических данных, и гарантирует инвариантность признаков нейросети к фотометрическим и морфологическим искажениям. Это обеспечивает калиброванные оценки неопределённости для каждого прогноза.
Проблема существующих моделей глубокого обучения в медицине — отсутствие надёжных оценок уверенности, что делает их непригодными для реальной клинической практики. CutisAI решает эту проблему, предлагая интерпретируемые с медицинской точки зрения прогнозы с гарантированным покрытием.
Эксперименты на наборах данных HAM10000, PH2 и ISIC 2020 подтвердили высокую классификационную точность и калиброванность прогнозов. Разработка представляет собой значительный шаг в сближении теории машинного обучения и клинической применимости в дерматологической диагностике.
