
Информация важнее архитектуры: в предсказании CIN2+ у женщин на кольпоскопии логистическая регрессия не уступила глубоким моделям
Ретроспективное сравнение 10 семейств моделей машинного обучения, включая self-supervised трансформеры и foundation-модели, показало, что ни одна не превзошла логистическую регрессию (AUROC 0.757) в прогнозе CIN2+ у 879 женщин, направленных на кольпоскопию. Shapley-атрибуция выявила идентичную иерархию предикторов во всех моделях: решающий вклад вносила оценка клинициста (39–50% дискриминации), затем цитология, ВПЧ-тестирование, данные кольпоскопии и анамнез.



















