Microsoftは2026年8月11日(現地時間)、放射線科における人工知能 (AI) の応用を目指し、胸部X線用ビジョン言語モデル (VLM) の研究モデル「CARE-X」を発表した。このモデルは、生成能力と構造化予測を統合し、自由形式の推論と確定的な診断出力を両立させる。放射線科医が必要とするタスクの多様性、柔軟性、臨床的忠実性を追求し、現在のモデルが抱える診断信頼度の欠如や測定依存の所見への対応不足といった課題の解決を目指す。
CARE-Xは、胸部X線画像の解釈において、表現豊かなレポート生成と調整された診断予測の両方を要求する多様なタスクに対応するため開発された。このシステムは、生成機能と識別機能、臨床的に整合した最適化、およびツールベースの推論を組み合わせ、幅広い放射線ワークフローを支援しつつ、臨床的忠実性を維持する。
現在の放射線VLMは、診断決定における調整された信頼度を提供せず、標準的なトレーニング方法では臨床的影響に関わらずトークンレベルのエラーを均等に扱うため、臨床的忠実性に対する最適化が不十分である点が課題となっている。また、心臓肥大などの測定に依存する所見に対して、正確な測定能力が不足している。CARE-Xは、これらの課題に対応するため、幅広いタスクカバレッジ、構造化予測、臨床的に整合した最適化、および直接測定が必要な場合の定量的ツールを組み合わせる。
CARE-Xは、SigLIP2-so400MビジョンエンコーダとPhi-4-mini-instruct (3.8B) 言語モデルを軽量アダプタで接続したアーキテクチャを採用している。タスク固有の補助ヘッドにより、分類と視覚的グラウンディングの調整された診断予測と空間的局所化信号を提供し、これらは生成言語モデルと表現を共有する。トレーニングは、3段階の教師ありファインチューニングの後、DAPOベースの強化学習によって行われ、レポート生成、診断精度、空間グラウンディング品質に対するタスク固有の報酬が最適化される。さらに、Qwen3-VL-4B-Instructと決定論的測定ツールを組み合わせた別の研究実験も行われ、測定依存の条件での性能向上が検証された。
CARE-Xは研究モデルであり、Microsoftの製品提供や医療機器ではない。規制当局による承認を受けておらず、臨床診断、スクリーニング、患者ケアを目的としていない。その結果はインドのNarayana Healthからの実世界の臨床データで遡及的に検証されている。
参考: Microsoft Research Blog (アーカイブ) — 2026年8月12日 01:00 (JST)
原文ハイライト"CARE-X is a unified chest X-ray VLM for diverse clinical interpretation tasks."