माइक्रोसॉफ्ट रिसर्च ने CARE-X का परिचय दिया है, जो एक शोध मॉडल है जिसे वर्तमान रेडियोलॉजी विज़न-लैंग्वेज मॉडल्स में अंतराल को दूर करने के लिए जनरेटिव रिपोर्ट लेखन और कैलिब्रेटेड निदान भविष्यवाणियों को जोड़कर डिज़ाइन किया गया है। सिस्टम क्लिनिकल सटीकता को पुरस्कृत करने के लिए रीइन्फोर्समेंट लर्निंग (DAPO) का उपयोग करता है और Qwen3-VL-4B-Instruct मॉडल को निर्धारक माप उपकरणों के साथ जोड़ता है ताकि सटीक गणनाओं की आवश्यकता वाली स्थितियों पर प्रदर्शन का आकलन किया जा सके।
- CARE-X में SigLIP2-so400M विज़न एन्कोडर और Phi-4-mini-instruct (3.8B) लैंग्वेज मॉडल शामिल हैं, जिन्हें वर्गीकरण और विज़ुअल ग्रौंडिंग के लिए कार्य-विशिष्ट सहायक हेड्स से बढ़ाया गया है।
- मॉडल डुअल इनफरेंस का उपयोग करता है, जो एकल फॉरवर्ड पास में मुक्त-पाठ प्रतिक्रियाओं और आत्मविश्वास स्कोर के साथ संरचित भविष्यवाणियाँ दोनों उत्पन्न करता है।
- प्रशिक्षण में तीन-चरणों वाला सुपरवाइज्ड फाइन-ट्यूनिंग पाइपलाइन शामिल है, जिसके बाद क्लिनिकल रिपोर्टिंग और निदान सटीकता के लिए पुरस्कारों को अनुकूलित करने के लिए DAPO-आधारित रीइन्फोर्समेंट लर्निंग आता है।
- एक अलग प्रयोग में Qwen3-VL-4B-Instruct को निर्धारक माप उपकरणों के साथ जोड़ा गया था ताकि हृदय और वक्ष की चौड़ाई की गणना की जा सके, जिसमें सीधी गणना का तुलन विज़ुअल अनुमान से किया गया।
- मॉडल का नारायण हेल्थ से वास्तविक भारतीय क्लिनिकल डेटा पर मान्यता प्राप्त की गई, जिसमें दुर्लभ ICU पॅथोलॉजी और CT-सत्यापित विस्तार स्थितियाँ शामिल हैं।
CARE-X का उद्देश्य एक एकीकृत दृष्टिकोण प्रदान करना है जो विविध रेडियोलॉजी कार्यप्रवाहों का समर्थन करता है जबकि क्लिनिकल निष्ठा बनाए रखता है, जिसमें अभिव्यंजक रिपोर्ट जनरेशन और सटीक, थ्रेशोल्ड-अनुकूलनीय निदान आउटपुट दोनों की आवश्यकता को दूर किया गया है।