arXiv cs.CVは2026年10月7日(現地時間)、X線画像に基づく放射線レポート生成（RRG）分野において、新たにリリースされたCheXpert Plusデータセットに対する標準化されたベンチマークを構築したと発表した。同研究では、既存のRRGモデルと大規模言語モデルを対象とした包括的な評価基盤を確立し、さらにMambaXray-PRBと称する新しいフレームワークを提案している。
X線画像に基づく放射線レポート生成（RRG）は、医療人工知能（medical artificial intelligence）における重要な研究テーマの一つである。この技術は、臨床医の診断負荷を軽減し、患者の待機時間を短縮する大きな可能性を秘めている。
近年、RRG分野は著しい進展を遂げているものの、標準化されたベンチマークの不足や、汎用的な大規模モデルのドメイン適応が不十分であるといった課題に直面している。特に、新たにリリースされたCheXpert Plusデータセットには、ベースライン実装や評価結果が付属しておらず、その後のアルゴリズム間の標準化されたトレーニング、定量的評価、および公正な比較が困難であった。
この課題を軽減するため、今回の研究では既存のX線レポート生成モデルと大規模言語モデルをCheXpert Plusデータセット上で網羅する、包括的なベンチマークを確立した。このベンチマークは、今後提案される手法に対する信頼できる比較基盤を提供し、研究者がこの分野の最先端アプローチを迅速に特定することを可能にする。
ベンチマーク構築に加え、研究チームは大規模モデルのパラダイムの下でX線RRGを再考し、MambaXray-PRBと呼ばれる新しいフレームワークを提案している。このフレームワークは、マルチステージの大規模モデル事前学習とマルチモーダルChain-of-Thought reasoning（推論）を通じて、レポート生成性能を向上させ、モデルの解釈可能性を高めることを目指す。
MambaXray-PRBのパイプラインは、自己教師あり自己回帰モデリング、X線レポート対照学習、および推論とレポート生成のための後訓練最適化という3つの連続したフェーズで構成される。IU X-ray、MIMIC-CXR、およびCheXpert Plusデータセットを用いた広範な実験により、MambaXray-PRBの放射線レポート生成における有効性が検証された。この論文のソースコードは公開されている。
参考: arXiv cs.CV (アーカイブ) — 2026年10月8日 13:00 (JST)