Microsoft Research stellt CARE-X vor: Ein Radiologie-VLM mit Hilfssupervision, belohnungsorientiertem Lernen und werkzeuggestützter Messung

Microsoft Research hat CARE-X entwickelt, ein Forschungsmodell zur Interpretation von Röntgenaufnahmen des Brustkorbs, das generative und diskriminative Fähigkeiten kombiniert, um eine breite Palette radiologischer Aufgaben zu unterstützen, von der Befunderstellung bis zur Krankheitsklassifikation und anatomischen Verortung. CARE-X basiert auf einem SigLIP2-Visionsencoder und dem Phi-4-mini-Sprachmodell und fügt aufgabenspezifische Hilfsköpfe hinzu, die kalibrierte Konfidenzwerte liefern, sodass Kliniker den Kompromiss zwischen Sensitivität und Spezifität anpassen können. Das Modell wird in drei Phasen des überwachten Feintunings trainiert, gefolgt von DAPO-Verstärkungslernen, das aufgabenspezifische Belohnungen für klinische Befundung, diagnostische Genauigkeit und räumliche Verortung optimiert. Auf Benchmarks wie MIMIC-CXR, IU-Xray, CheXpert-Plus und ReXGradient erzielt CARE-X starke Leistungen und erreicht auf dem ReXVQA-Benchmark eine Genauigkeit von 94 %, womit es andere öffentlich berichtete Modelle übertrifft. In einem separaten Experiment kombinierte das Team Qwen3-VL-4B-Instruct mit deterministischen Messwerkzeugen, um quantitative Bewertungen wie Kardiomegalie und Aortenvergrößerung zu handhaben, was die rein visuelle Annäherung deutlich übertraf; beispielsweise verbesserte sich der F1-Wert für Kardiomegalie von 74,56 auf 96,00. Das Modell wurde anhand realer indischer klinischer Daten von Narayana Health validiert, einschließlich seltener Intensivpflege-Pathologien, ist jedoch ein Forschungsmodell und nicht für den klinischen Einsatz zugelassen.