胸部X線読影向けVLM『CARE-X』、生成と構造化予測を統合し臨床タスクで最高性能

発表の概要

Microsoft Researchが公開した研究モデルCARE-Xは、胸部X線の読影に必要な多様なタスクを1つのモデルで扱うことを目指す。詳細な所見の記述や簡潔なサマリーの生成に加え、所見の有無や位置への質問応答、医療デバイスの確認と留置状態の評価などにも対応する。従来のradiology VLMが「流暢だが臨床的に不安」という課題に対し、生成と構造化予測を組み合わせる点が特徴だ。

CARE-Xは「二重推論」という仕組みを採用し、1回の順伝播で自由文の応答と信頼度付きの補助ヘッド出力の両方を得られる。これにより、レポート生成の柔軟さと、しきい値を調整できる診断予測を同時に実現する。

既存VLMの3つの課題

論文は、既存のradiology VLMが臨床現場で使いづらい理由として3点を挙げる。1点目は生成型VLMが診断を自由文で予測するため、校正された信頼度スコアを提供しないこと。2点目は標準的なクロスエントロピー損失がトークン単位の誤りをすべて同じ重みで扱い、臨床的な重大さを考慮しないこと。3点目は視覚的な認識だけでは判断できない測定依存の所見が存在することだ。

例えば、心拡大や縦隔拡大といった所見は、心胸部比などの正確な測定が必要になる。モデルがAP/PAビューの違いを認識できても、心臓と胸腔の幅を測定して比を計算できなければ診断には結びつかない。

構成と学習方法

CARE-XはSigLIP2-so400Mの視覚エンコーダとPhi-4-mini-instruct（3.8B）の言語モデルを、軽量アダプタで接続して構築される。分類と位置特定のための補助ヘッドを共有バックボーンに追加し、言語モデルの目的関数と同時に学習するのが特徴だ。この補助監視が生成性能を向上させるというのが中心的な発見のひとつである。

学習は3段階の教師ありファインチューニング（視覚事前学習、アダプタ/ヘッド訓練、LoRA適応）の後、DAPOと呼ばれる強化学習で臨床的報酬を最適化する。DAPOはレポート生成、診断精度、位置特定の品質をタスク固有の報酬として学習する。解剖学的位置合わせタスクでは、DAPOを適用した生成出力（mAP 0.868）が、教師あり学習で訓練した補助ヘッド（0.865）を上回った。

検証結果

論文内の比較では、MIMIC-CXR、IU-Xray、CheXpert-Plus、ReXGradientの各ベンチマークで、CARE-Xが報告された指標の多くで最も強い性能を示した。臨床的重症度で誤りを重み付けするCRIMSONという評価指標でも良好な結果が得られており、単なる報酬の最適化ではなく臨床的に意味のある改善であるとされている。

位置特定の精度では、Chest ImaGenomeでmAPが+28.2ポイント、mIoUが+6.2ポイント改善した。PadChestではmAPが+24.6ポイント、mIoUが+14.1ポイントといずれも大きな向上である。ReXVQAベンチマーク（41,007の質問応答ペア）では94%の精度を達成し、一般公開されている次点モデルより6ポイント高い。

インドのNarayana Healthが提供する実臨床データを用いた検証も行われた。1,047枚の胸部X線で有病率2.6%〜5.2%の5つの希少なICU疾患を対象に、3疾患で最高感度を記録した。CTで確定した122例の拡大所見では、測定ツールを組み合わせた変種が94.26%の再現率を示している。

注意点と位置づけ

CARE-Xは研究モデルであり、Microsoftの製品や医療機器ではない。規制当局による承認も受けておらず、臨床診断やスクリーニング、患者ケアを目的としたものではない。紹介された結果はすべて後ろ向き研究によるもので、安全性や有効性が確立されたわけではない点に注意が必要だ。

測定ツールを組み合わせた実験はCARE-Xとは別の研究で、Qwen3-VL-4B-Instructと決定的な測定ツールを交互に使い、画像理解と計算を組み合わせるパイプラインを検証したものだ。この手法は、胸部X線では通常定量化されない大動脈拡張のスクリーニングなど、新たな臨床ワークフローの研究につながる可能性がある。