Pesquisa da Microsoft apresenta CARE-X: um modelo de visão-linguagem para radiologia com supervisão auxiliar, aprendizado alinhado a recompensas e medição aumentada por ferramentas

A Microsoft Research desenvolveu o CARE-X, um modelo de pesquisa para interpretação de radiografias de tórax que combina capacidades generativas e discriminativas para apoiar uma ampla gama de tarefas de radiologia, desde a geração de laudos até a classificação de doenças e o ancoramento anatômico. Construído sobre um codificador de visão SigLIP2 e o modelo de linguagem Phi-4-mini, o CARE-X adiciona cabeças auxiliares específicas para tarefas que fornecem pontuações de confiança calibradas, permitindo que os clínicos ajustem os trade-offs de sensibilidade-especificidade. O modelo é treinado em três estágios de ajuste fino supervisionado, seguidos por aprendizado por reforço DAPO, que otimiza recompensas específicas de tarefas para laudos clínicos, precisão diagnóstica e ancoramento espacial. Em benchmarks como MIMIC-CXR, IU-Xray, CheXpert-Plus e ReXGradient, o CARE-X alcança desempenho forte, e atinge 94% de precisão no benchmark ReXVQA, superando outros modelos publicamente relatados. Em um experimento separado, a equipe emparelhou o Qwen3-VL-4B-Instruct com ferramentas de medição determinísticas para lidar com avaliações quantitativas, como cardiomegalia e aumento aórtico, o que superou significativamente a aproximação visual sozinha; por exemplo, o F1 para cardiomegalia melhorou de 74,56 para 96,00. O modelo foi validado em dados clínicos indianos reais da Narayana Health, incluindo patologias raras de UTI, mas é um modelo de pesquisa, não aprovado para uso clínico.