Результаты хорошие, но между .99 и .925 - пропасть, которая объясняется только оверфитом на маленькой выборке. Возможно конечно, что covid настолько другой, что там и ворона отделить сможет, но тогда вопрос в значимости проекта.
Как вы видите идельный датасет по ковиду? 200 000 снимков допустим. Сколько ковида?