Microsoft Research công bố CARE-X: Mô hình thị giác-ngôn ngữ X-quang với giám sát phụ trợ, học tăng cường theo phần thưởng và đo lường tăng cường công cụ

Microsoft Research đã phát triển CARE-X, một mô hình nghiên cứu để giải thích X-quang ngực, kết hợp khả năng sinh và phân biệt (generative and discriminative) để hỗ trợ nhiều tác vụ X-quang, từ tạo báo cáo đến phân loại bệnh và xác định giải phẫu (anatomical grounding). Được xây dựng trên bộ mã hóa thị giác SigLIP2 và mô hình ngôn ngữ Phi-4-mini, CARE-X thêm các đầu phụ trợ theo tác vụ (task-specific auxiliary heads) cung cấp điểm số độ tin cậy đã hiệu chuẩn, cho phép bác sĩ lâm sàng điều chỉnh sự đánh đổi giữa độ nhạy và độ đặc hiệu. Mô hình được huấn luyện qua ba giai đoạn tinh chỉnh có giám sát (supervised fine-tuning) theo sau là học tăng cường DAPO (DAPO reinforcement learning), tối ưu hóa các phần thưởng theo tác vụ cho báo cáo lâm sàng, độ chính xác chẩn đoán và định vị không gian. Trên các bộ chuẩn như MIMIC-CXR, IU-Xray, CheXpert-Plus và ReXGradient, CARE-X đạt hiệu suất mạnh mẽ và đạt độ chính xác 94% trên bộ chuẩn ReXVQA, vượt qua các mô hình công khai khác. Trong một thí nghiệm riêng, nhóm đã kết hợp Qwen3-VL-4B-Instruct với các công cụ đo lường xác định (deterministic measurement tools) để xử lý các đánh giá định lượng như tim to (cardiomegaly) và phình động mạch chủ (aortic enlargement), vượt trội hơn hẳn so với chỉ dùng ước lượng trực quan; ví dụ, chỉ số F1 cho tim to được cải thiện từ 74,56 lên 96,00. Mô hình đã được xác thực trên dữ liệu lâm sàng thực tế tại Ấn Độ từ Narayana Health, bao gồm các bệnh lý ICU hiếm gặp, nhưng đây là mô hình nghiên cứu, chưa được phê duyệt sử dụng trong lâm sàng.