В исследовании, опубликованном в журнале npj Digital Medicine, представлена новая архитектура искусственного интеллекта, сочетающая общие и специализированные модели машинного обучения для оптимизации обработки нерезконтрастных компьютерных томограмм (КТ) головного мозга. Основная цель разработки — безопасное понижение приоритета (deprioritization) в рабочем списке радиологов для случаев, не требующих срочного вмешательства, что позволяет высвободить ресурсы для пациентов с критическими состояниями. Методология включает использование коллаборативной системы, где общая модель оценивает базовые признаки, а специализированная модель проводит углубленный анализ для исключения острых патологий. Ключевые результаты демонстрируют высокую точность алгоритма в идентификации не-критических случаев, что статистически значимо снижает время ожидания помощи для пациентов с неотложными состояниями. Исследование подтверждает, что внедрение такого ИИ-инструмента не только повышает эффективность работы отделений лучевой диагностики, но и улучшает показатели безопасности пациентов за счет более быстрого доступа к срочным исследованиям. Результаты указывают на потенциал масштабирования данного подхода в крупных медицинских центрах для автоматизации потоков обработки медицинских изображений.