用于临床推理与证据生成的X射线影像世界模型

医学成像人工智能 (AI) 通常被开发为从射线照片到诊断输出或从临床描述到生成图像的单独映射，尽管两者都源于相同的底层射线照相状态。相反，世界模型公式寻求学习这种状态的内部表示，该表示可以支持临床读数和放射线观察的条件模拟。在这里，我们介绍 MedDream，这是一种射线照相世界模型，它从配对的胸部射线照相文本观察中学习共享的连续潜在状态，以进行诊断推理和报告条件证据生成。 MedDream 对 440 万名候选者中收集的 265 万个泄漏控制胸部 X 光片-文本对进行了预训练。在八个临床数据集和两个独立的读者群体中，MedDream 的表现优于领先的诊断和生成比较器。对于诊断推理，MedDream 在疾病识别、标签稀缺适应、严重性评估和定位方面表现出很强的概括性，而 MedDream 支持的审查将住院医师与独立放射科医生共识的平均一致性从 56.3% 提高到 63.0%。为了生成证据，MedDream 制作的放射线照片保留了临床相关的病理学，并改善了保留真实数据的下游性能，合成增强将外部 VinDr-CXR 宏观 AUROC 从 76.4% 增加到 81.4%。更重要的是，根据预先指定的亚组表现差距进行调节生成可以实现有针对性的证据构建，使亚洲患者的加权 F1 增加 3.1 个百分点，而匹配体积无引导增强则使其减少 2.3 个百分点。这些发现建立了放射摄影世界模型，作为通向医学人工智能的道路，该人工智能可以学习具有临床意义的内部状态，以解释、模拟和构建临床使用的证据。