A Microsoft Research apresentou o CARE-X, um modelo de pesquisa projetado para preencher lacunas nos atuais modelos de visão e linguagem da radiologia, combinando a geração de relatórios generativos com previsões diagnósticas calibradas. O sistema utiliza aprendizado por reforço (DAPO) para recompensar a correção clínica e emparelha o modelo Qwen3-VL-4B-Instruct com ferramentas de medição determinísticas para avaliar o desempenho em condições que exigem cálculos precisos.
- O CARE-X combina um codificador visual SigLIP2-so400M e um modelo de linguagem Phi-4-mini-instruct (3.8B), aumentado com cabeçotes auxiliares específicos da tarefa para classificação e fundamentação visual.
- O modelo emprega inferência dupla, produzindo respostas em texto livre e previsões estruturadas com escores de confiança em uma única passagem direta.
- O treinamento envolve um pipeline de ajuste fino supervisionado em três etapas seguido por aprendizado por reforço baseado em DAPO para otimizar as recompensas para relatórios clínicos e precisão diagnóstica.
- Um experimento separado emparelhou o Qwen3-VL-4B-Instruct com ferramentas de medição determinísticas para calcular larguras cardíacas e torácicas, comparando o cálculo direto contra a aproximação visual.
- O modelo foi validado em dados clínicos reais da Índia provenientes da Narayana Health, incluindo patologias raras de UTI e condições de alargamento confirmadas por TC.
O CARE-X visa fornecer uma abordagem unificada que apoie diversos fluxos de trabalho de radiologia enquanto mantém a fidelidade clínica, atendendo à necessidade tanto de geração expressiva de relatórios quanto de saídas diagnósticas precisas e ajustáveis por limiar.