When Does Synthetic CT Transfer? A Label-Free Donor/Host Diagnostic for Medical Vision-Language Model Routing on Real Lung CT

तकनीकी सारांश: सिंथेटिक CT कब स्थानांतरित होता है?

समस्या विवरण
सिंथेटिक मेडिकल इमेज सटीक लेबल और नियंत्रित हस्तक्षेप प्रदान करते हैं, जो उन्हें ज़ीरो-शॉट सेटिंग्स में मेडिकल विजन-लैंग्वेज मॉडल्स (VLMs) की सक्षमता मापने के लिए मूल्यवान बनाते हैं। हालाँकि, एक महत्वपूर्ण अंतर मौजूद है: सिंथेटिक डेटा से प्राप्त सक्षमता का मापन तभी उपयोगी है जब वह वास्तविक क्लिनिकल डेटा में संक्रमण के दौरान जीवित रहे। वास्तविक दुनिया की मेडिकल इमेजिंग में अक्सर उन ग्राउंड-ट्रुथ लेबल्स की कमी होती है जो इस स्थानांतरण को सत्यापित करने के लिए आवश्यक होते हैं। यह शोध पत्र इस खुले प्रश्न को संबोधित करता है कि क्या सिंथेटिक डेटा पर देखे गए सक्षमता रैंकिंग, वास्तविक लेबल्स तक पहुँच के बिना, वास्तविक CT स्कैन पर प्रदर्शन की भविष्यवाणी कर सकते हैं, और यदि हाँ, तो किन परिस्थितियों में यह स्थानांतरण बना रहता है।

कार्यप्रणाली (Methodology)
लेखक सिंथेटिक "डिजिटल ट्विन्स" पर दो अक्षों (axes) में मॉडल सक्षमता को विभाजित करके स्थानांतरणीयता (transferability) की भविष्यवाणी करने के लिए एक तंत्र प्रस्तावित करते हैं:

1. डोनर-संचालित सक्षमता (Donor-driven competence): प्रत्यारोपित नोड्यूल (transplanted nodule) के अंतर्निहित गुण (जैसे उपस्थिति, आकार) जो आसपास की शरीर रचना (anatomy) के बावजूद स्थिर रहते हैं।
2. होस्ट-संचालित सक्षमता (Host-driven competence): आसपास की शरीर रचना पर निर्भर गुण (जैसे लोब लोकलाइजेशन) जो होस्ट वातावरण बदलने पर बदल जाते हैं।

परिकल्पना यह है कि डोनर-संचालित सक्षमता सिंथेटिक से वास्तविक CT में स्थानांतरित होती है क्योंकि "डोनर" (नोड्यूल) सुसंगत है, जबकि होस्ट-संचालित सक्षमता स्थानांतरित नहीं हो सकती है क्योंकि सिंथेटिक से वास्तविक CT पर जाना "होस्ट" के परिवर्तन के समान है।

इसे संचालित करने के लिए, लेखक एक TrialCouncil पेश करते हैं, जो पाँच VLMs (BiomedCLIP, MedGemma, Lingshu, Qwen2.5-VL, LLaVA-Med) से बना एक ट्रेनिंग-फ्री रूटिंग सिस्टम है। यह काउंसिल पूरी तरह से सिंथेटिक CT (iTrialSpace डेटासेट का उपयोग करके) पर कैलिब्रेट किए गए एक कॉम्पिटेंस गेट (Competence Gate) के माध्यम से संचालित होती है और वास्तविक CT पर अपरिवत लागू होती है। गेट सिंथेटिक सक्षमता क्रम ($Q$) को पढ़ता है और प्रत्येक टास्क-कंडीशन सेल को तीन व्यवहारों में से एक में रूट करता है:

• चयन (Select): यदि एक सदस्य सक्षमता क्रम में हावी है, तो उस मॉडल को रूट करें।
• मिश्रण (Blend): यदि सक्षमता वितरित है, तो सिंथेटिक सक्षमता भार के आधार पर एक भारित बहुलता वोट (weighted plurality vote) लें।
• देfer (Defer): यदि सभी सक्षम सदस्य एक साथ विफल होते हैं (सहसंबद्ध विफलता/correlated failure), तो उत्तर देने से बचें।

महत्वपूर्ण रूप से, यह सिस्टम वास्तविक लेबल्स का उपयोग नहीं करता है, इसमें मॉडल वेट अपडेट नहीं होते हैं, और यह केवल सिंथेटिक प्रदर्शन के क्रम पर निर्भर करता है ताकि रूटिंग निर्णय लिए जा सकें।

मुख्य योगदान

1. एक लेबल-मुक्त स्थानांतरण मानदंड (A Label-Free Transfer Criterion): एक सिंथेटिक-ओनली डोनर/होस्ट अपघटन जो वास्तविक डेटा देखने से पहले ही भविष्यवाणी करता है कि क्या सक्षमता रैंकिंग स्थानांतरित होगी। यह परिणाम फिटिंग के बजाय एक यांत्रिक स्पष्टीकरण पर आधारित है।
2. तीन-टास्क प्रदर्शन: नोड्यूल उपस्थिति, आकार, और लोब लोकलाइजेशन जैसे तीन लंग-CT कार्यों के माध्यम से सत्यापन, जो डोनर-टू-होस्ट अक्ष को कवर करते हैं।
3. TrialCouncil इंस्ट्रूमेंट: एक रूटिंग पॉलिसी जो वहाँ सर्वश्रेष्ठ फिक्स्ड मॉडल लेबल-फ्री रिकवर करती है जहाँ डायग्नोस्टिक स्थानांतरण की भविष्यवाणी करता है, और उस सीमा की सही पहचान करती है जहाँ स्थानांतरण विफल हो जाता है।
4. सहसंबद्ध विफलता का परिमाणीकरण (Quantification of Correlated Failure): साक्ष्य कि मेडिकल VLMs अक्सर स्वतंत्रता की भविष्यवाणी से कहीं अधिक मामलों में एक साथ विफल होते हैं, जिससे साधारण वोटिंग के बजाय डिफरल (deferral) रणनीतियों की आवश्यकता होती है।

परिणाम
अध्ययन का मूल्यांकन पाँच सार्वजनिक VLMs, चार स्पेशियल-गाइडेंस स्थितियों (प्लेन, बाउंडिंग बॉक्स, कंटूर, दोनों), और सात वास्तविक लंग-CT डेटासेट्स पर किया गया।

• क्रम का स्थानांतरण (Transfer of Ordering): डोनर-संचालित कार्यों (उपस्थिति और आकार) के लिए, सिंथेटिक सक्षमता क्रम वास्तविक दुनिया के प्रदर्शन की मजबूती से भविष्यवाणी करता है ($R^2 \ge 0.96$)। सिंथेटिक-सर्वश्रेष्ठ सदस्य लगातार वास्तविक-सर्वश्रेष्ठ सदस्य होता है। फलस्वरूप, इन कार्यों के लिए "ट्रांसफर गैप" (सिंथेटिक-कैलिब्रेटेड और रियल-कैलिब्रेटेड रूटिंग के बीच प्रदर्शन का अंतर) प्रभावी रूप से शून्य (0.000) है।
• सीमा (The Boundary - Lobe): होस्ट-संचालित कार्य (लोब लोकलाइजेशन) के लिए, क्रम स्थानांतरित नहीं होता है ($R^2 = 0.83$)। सिंथेटिक-सर्वश्रेष्ठ सदस्य, वास्तविक-सर्वश्रेष्ठ सदस्य नहीं है, और एक महत्वपूर्ण ट्रांसफर गैप मौजूद है। डायग्नोस्टिक ने इस कार्य को 'ट्रांसफर-रिस्की' के रूप में सही ढंग से चिह्नित किया।
• TrialCouncil का प्रदर्शन:
  • आकार (Size) पर: TrialCouncil एक शुद्ध सेलेक्टर के रूप में कार्य करता है, जो सिंथेटिक-सर्वश्रेष्ठ सदस्य (MedGemma) से मेल खाता है और प्लुरैलिटी वोटिंग की तुलना में मैक्रो-F1 को तीन गुना कर देता है।
  • लोब (Lobe) पर: जहाँ क्रम अस्थिर है, TrialCouncil मिश्रण (blending) का उपयोग करके सिंथेटिक-सर्वश्रेष्ठ सदस्य से बेहतर प्रदर्शन करता है, हालांकि यह वास्तविक लेबल्स के बिना ओरकल रियल-बेस्ट (BiomedCLIP) का मुकाबला नहीं कर सकता।
  • अनएडेड प्रेजेंस (Unaided Presence) पर: सिस्टम एक "सहसंबद्ध-विफलता कोर" (correlated-failure core) की पहचान करता है जहाँ सभी मॉडल एक साथ विफल होते हैं। इन मामलों में डिफर (defer) करके, यह कॉन्फिडेंस-आधारित या एंट्रॉपी-आधारित डिफरल की तुलना में चयनात्मक जोखिम को काफी कम कर देता है।
• मजबूती (Robustness): परिणाम "लीव-सोर्स-आउट" कैलिब्रेशन के तहत भी बने रहते हैं, जो सिंथेटिक और वास्तविक डेटासेट्स के बीच साझा सार्वजनिक स्रोतों से डेटा लीकेज की संभावना को खारिज करते हैं।

महत्व और दावे
यह शोध पत्र दावा करता है कि इसका प्राथमिक योगदान स्वयं राउटर नहीं है, बल्कि यह निष्कर्ष है कि स्थानांतरण अनुमानित, लेबल-मुक्त और केवल सिंथेटिक डेटा से प्राप्त करने योग्य है।

लेखक तर्क देते हैं कि सिंथेटिक माप केवल तभी उपयोगी हैं यदि वे वास्तविक डेटा में जाने के बाद भी जीवित रहें। डोनर और होस्ट अक्षों में सक्षमता को विभाजित करके, वे यह प्रदर्शित करते हैं कि कोई वास्तविक लेबल देखे बिना भी, यह भविष्यवाणी की जा सकती है कि कौन से सिंथेटिक माप स्थानांतरित होंगे। यह "डायग्नोस्टिक" वास्तविक लेबल देखे बिना भी स्थानांतरण की सीमा (लोब लोकलाइजेशन को विफलता बिंदु के रूप में पहचानना) को स्थानीयकृत करता है।

इसका महत्व लक्षित लेबल एकत्र करने और फाइन-ट्यूनिंग के विकल्प के रूप में है: यदि एक निष्ठावान सिम्युलेटर मौजूद है, तो एक सिंथेटिक डेटा पर निर्णय नीति को कैलिब्रेट किया जा सकता है और उसे बिना किसी बदलाव के तैनात किया जा सकता है। यह शोध विनम्रतापूर्वक नोट करता है कि काउंसिल मौजूदा सक्षमता को पुनर्वितरित (reallocate) करती है न कि नई सटीकता बनाती है, और पूर्ण प्रदर्शन सीमाएँ (जैसे, आकार पर कम मैक्रो-F1) अभी भी एक चुनौती बनी हुई हैं। यह कार्य यह समझने के लिए एक ढांचा स्थापित करता है कि सिंथेटिक-टू-रियल स्थानांतरण कब मान्य है, जो विशिष्ट कार्यों के लिए सिंथेटिक कैलिब्रेशन पर भरोसा करने या न करने का एक लेबल-मुक्त कारण प्रदान करता है।