Introducing CARE-X: Towards Clinically Useful Radiology VLMs with Auxiliary Supervision, Reward-Aligned Learning, and Tool-Augmented Measurement
Microsoft Research ha presentado CARE-X, un modelo de lenguaje de visión (VLM) diseñado para mejorar la interpretación clínica de radiografías de tórax. Este sistema unificado aborda una amplia gama de tareas clínicas, combinando la generación de informes expresivos con predicciones diagnósticas calibradas. CARE-X utiliza el aprendizaje por refuerzo para asegurar la corrección clínica en un entorno de múltiples tareas.
El modelo ha sido validado con datos clínicos reales de India, incluyendo patologías raras en unidades de cuidados intensivos y condiciones de agrandamiento confirmadas por tomografía computarizada. La diversidad de tareas, la flexibilidad y la fidelidad clínica son esenciales para un sistema de IA útil en radiología. Los radiólogos necesitan un sistema que pueda generar informes detallados, responder preguntas sobre hallazgos específicos y evaluar la colocación de dispositivos médicos.
A pesar de los avances, persisten brechas críticas en los modelos actuales de visión-lenguaje en radiología. La falta de confianza calibrada en las decisiones diagnósticas y la incapacidad para optimizar la fidelidad clínica son desafíos significativos. Los métodos de entrenamiento estándar no diferencian entre errores menores y aquellos con graves consecuencias clínicas, lo que limita la eficacia de los modelos en la atención al paciente.