L'intelligenza artificiale sta rivoluzionando la produzione di referti radiologici clinicamente significativi a partire da immagini mediche come radiografie del torace. La generazione automatica di referti può alleggerire il carico di lavoro e migliorare l'efficienza per i professionisti sanitari. Oltre ai vantaggi pratici, la generazione di referti è diventata un banco di prova cruciale per valutare il ragionamento multimodale nell'AI applicata alla sanità.

UniRG: Un nuovo approccio con Reinforcement Learning

Microsoft Research ha presentato Universal Report Generation (UniRG), un framework basato su reinforcement learning per la generazione di referti di imaging medico. Questo prototipo di ricerca mira a far progredire la ricerca sull'AI medica e non è validato per l'uso clinico. UniRG utilizza il reinforcement learning per ottimizzare direttamente i segnali di valutazione clinici, allineando l'addestramento del modello alla pratica radiologica reale anziché a obiettivi di generazione di testo approssimativi. Con questo framework, è stato addestrato UniRG-CXR, un modello all'avanguardia per la generazione di referti di radiografie del torace su larga scala, comprendente oltre 560.000 studi, 780.000 immagini e 226.000 pazienti provenienti da più di 80 istituzioni mediche.

Performance e Generalizzazione

UniRG-CXR raggiunge performance superiori in termini di metriche a livello di referto, accuratezza diagnostica a livello di malattia, generalizzazione tra istituzioni, generazione di referti longitudinali e sottogruppi demografici. I risultati dimostrano che il reinforcement learning, guidato da segnali di ricompensa clinicamente significativi, può migliorare notevolmente l'affidabilità e la generalità dei modelli di visione-linguaggio in ambito medico.

Un framework unificato per scalare la generazione di referti di immagini mediche

UniRG crea modelli di generazione di referti all'avanguardia combinando il fine-tuning supervisionato con il reinforcement learning, che ottimizza una ricompensa composita che integra metriche basate su regole, metriche semantiche basate su modelli e segnali di errore clinici basati su LLM. Questo approccio consente al modello UniRG-CXR di imparare da diverse fonti di dati, superare i modelli di reporting specifici del dataset e apprendere rappresentazioni che si generalizzano tra istituzioni, metriche e contesti clinici. In particolare, UniRG-CXR stabilisce un nuovo stato dell'arte nella autorevole ReXrank leaderboard, una classifica pubblica per l'interpretazione delle immagini di radiografie del torace, superando i precedenti modelli migliori con margini sostanziali.

Miglioramenti universali tra metriche ed errori clinici

Piuttosto che eccellere in una metrica a scapito di altre, UniRG-CXR offre miglioramenti equilibrati in molte diverse misure di qualità del referto. Ancora più importante, produce referti con un numero notevolmente inferiore di errori clinicamente significativi. Ciò indica che il modello non sta solo imparando a sembrare un referto radiologico, ma sta catturando meglio i fatti clinici sottostanti. L'ottimizzazione esplicita per la correttezza clinica aiuta il modello a evitare modalità di errore comuni in cui un linguaggio fluente maschera risultati errati o mancanti.

Forte performance nella generazione di referti longitudinali

Nella pratica clinica, i radiologi spesso confrontano le immagini attuali con gli esami precedenti per determinare se una condizione sta migliorando, peggiorando o è invariata. UniRG-CXR è in grado di incorporare efficacemente queste informazioni storiche, generando referti che riflettono cambiamenti significativi nel tempo. Ciò consente al modello di descrivere nuovi risultati, progressioni o risoluzioni della malattia in modo più accurato, avvicinandosi al modo in cui i radiologi ragionano attraverso le storie dei pazienti piuttosto che trattare ogni esame isolatamente.

Generalizzazione robusta tra istituzioni e popolazioni

UniRG-CXR mantiene una forte performance anche quando applicato a dati provenienti da istituzioni che non ha mai visto prima. Ciò suggerisce che il modello sta apprendendo modelli clinici generali piuttosto che memorizzare stili di reporting specifici dell'istituzione. Inoltre, la sua performance rimane stabile tra diversi sottogruppi di pazienti, tra cui età, sesso e razza. Questa robustezza è fondamentale per il deployment nel mondo reale, dove i modelli devono funzionare in modo affidabile tra diverse popolazioni e ambienti sanitari.

Per chi valuta deployment on-premise, esistono trade-off da considerare. AI-RADAR offre framework analitici su /llm-onpremise per valutare questi aspetti.