Инновации в архитектуре нейросетей считаются основой для улучшения кросс-институциональной обобщаемости моделей сегментации опухолей, но эта гипотеза редко проверяется напрямую. Авторы сравнили три семейства архитектур — сверточные (nnU-Net ResEnc-M), state-space (U-Mamba Bot) и трансформерные (SwinUNETR) — по единому leak-safe протоколу при сегментации гепатоцеллюлярной карциномы (ГЦК).

Модели обучили на датасете HCC-TACE-Seg (n=103, пациенты после ТАХЭ) с идентичным пятикратным разбиением, затем без адаптации применили к внешним когортам 3D-IRCADb (n=15) и LiTS (n=118). Оценивали дискриминацию (Dice), согласованность отказов на уровне случаев, зависимость от объёма поражения, калибровку и селективное предсказание.

Внутренняя производительность различалась (Dice 0.685, 0.662, 0.479; Friedman p=0.022), но внешняя была низкой и сходной: сверточная и state-space модели оказались формально эквивалентны на обеих внешних когортах (предзаданная граница ±0.05 Dice), тогда как трансформерная уступала на LiTS (0.222; p<0.0001) и была неубедительна на 3D-IRCADb.

Отказы на уровне случаев высоко коррелировали между всеми парами архитектур (Spearman ρ=0.84–0.96; 0.67–0.81 на LiTS после поправки на объём опухоли) — одни и те же случаи проваливались независимо от архитектуры.

Объём поражения предсказывал производительность во всех шести комбинациях архитектура×когорта: опухоли <5 мл полностью не распознавались в 61–76% случаев и составляли 1.9% обучающей когорты против 31.4% LiTS. Ни наложение маски печени, ни ансамблирование не восстановили производительность.

Селективное предсказание (отказ от 30% наименее уверенных случаев LiTS) повысило Dice до 0.516 (0.450 при удалении только пустых предсказаний).

При обучении на одноисточниковой когорте ГЦК после ТАХЭ кросс-датасетная неудача сегментации опухолей печени определялась преимущественно размером поражения, а не архитектурным семейством. Селективное предсказание на основе уверенности предлагает развёртываемую стратегию снижения риска.