Transition-Aware best-of-N sampling for Longitudinal Chest X-ray Reports

Sintesi Tecnica: Campionamento Best-of-N Consapevole della Transizione per Rapporti Radiologici di Torace Longitudinali

Definizione del Problema
Nella pratica clinica longitudinale, le radiografie del torace raramente vengono interpretate isolatamente; esse vengono lette nel contesto dei precedenti esami del paziente. I radiologi si concentrano fortemente sul cambiamento tra le visite (ad es., "stabilità intervallare", "nuova opacità", "miglioramento dell'aerazione"). Sebbene i moderni modelli vision-language (VLM) possano generare rapporti credibili per le radiografie del torace, le pipeline standard di campionamento Best-of-N trattano ogni immagine di test in modo indipendente. Queste pipeline tipicamente valutano i rapporti candidati rispetto a una distribuzione di rapporti di riferimento a singola immagine, ignorando la transizione temporale rispetto allo studio precedente. Di conseguenza, un rapporto candidato potrebbe apparire plausibile isolatamente, ma descrivere una transizione clinicamente invalida (ad es., allucinare un acuto peggioramento o omettere silenziosamente reperti cronici) rispetto alla storia del paziente.

Metodologia
Gli autori propongono un framework di Campionamento Best-of-N Consapevole della Transizione che non richiede addestramento. Questo metodo opera a valle del generatore, non richiedendo modifiche ai VLM pre-addestrati. La pipeline consiste in tre fasi principali:

1. Rappresentazione del Rapporto come Insieme di Frasi:
   Ogni rapporto (diviso nelle sezioni Findings [Reperti] e Impression [Impressione]) viene suddiviso in singole frasi. Un transformer per frasi congelato (specificamente all-mpnet-base-v2) incorpora ogni frase in un vettore a dimensione fissa ($d=768$). Il rapporto è rappresentato come un insieme non ordinato di questi embedding, garantendo l'invarianza alla permutazione, il che si allinea con la realtà clinica secondo cui l'ordine dei reperti non ha significato diagnostico.

2. Rappresentazione della Transizione Direzionale:
   Per un paziente con una visita precedente $r^{(k-1)}$ e una visita corrente $r^{(k)}$, il metodo calcola una distanza set-to-set direzionale tra gli insiemi di embedding delle frasi delle due visite. Ciò riduce la coppia a un singolo vettore a dimensione fissa ($g \in \mathbb{R}^{d'}$) che rappresenta il "cambiamento". Gli autori istanziano quattro specifiche progettazioni di distanza direzionale:

   • Mean-Shift (Spostamento della Media): Lo spostamento del baricentro dell'insieme corrente rispetto all'insieme precedente.
   • Novelty Residual (Residuo di Novità): Il residuo medio di ogni frase corrente rispetto al suo vicino più prossimo nell'insieme precedente (catturando ciò che è nuovo).
   • Directed-Hausdorff Anchor (Ancora di Hausdorff Direzionale): Lo spostamento nel punto peggio coperto dell'insieme corrente rispetto all'insieme precedente.
   • Cost-Weighted Optimal Transport (Trasporto Ottimale Pesato per il Costo - Cost-OT): Un vettore di spostamento pesato sia dalla massa di trasporto che dal costo del coseno, evitando il collasso banale.

3. Selezione Consapevole della Transizione:
   Un archivio di vettori di transizione della verità clinica (ground-truth) viene pre-calcolato dal corpus di addestramento. Al momento del test, per un dato paziente e $K$ rapporti candidati generati da un VLM, ogni candidato viene convertito in un vettore di transizione (confrontando il rapporto precedente reale del paziente con il rapporto corrente generato).

   • I candidati sono valutati in base alla distanza del coseno tra il loro vettore di transizione e l'archivio memorizzato dei vettori di transizione di addestramento.
   • Le strategie di aggregazione includono Min (il più vicino a qualsiasi singola transizione di addestramento) e k-Nearest Neighbors (kNN) (distanza media dalle $k$ transizioni di addestramento più vicine).
   • Il candidato con la distanza minima totale (sommata tra le sezioni Findings e Impression) viene selezionato.

Contributi Chiave

• Primo Selettore Longitudinale Senza Addestramento: Per quanto ne sappiano gli autori, questo è il primo schema di campionamento Best-of-N per generatori di radiografie del torace pre-addestrati che è esplicitamente consapevole della transizione longitudinale dal precedente al corrente.
• Valutazione nello Spazio di Transizione: A differenza dei metodi precedenti che valutano i candidati nello "spazio del rapporto" (somiglianza con un riferimento statico), questo metodo valuta nello "spazio di transizione". Ciò penalizza i candidati che descrivono cambiamenti clinicamente implausibili, anche se il testo stesso appare come un rapporto valido.
• Framework Modulare: L'approccio è agnostico rispetto al generatore e al prompt, dimostrato su tre diversi VLM (Gemini-2.5-Flash-Lite, Gemini-3.1-Flash-Lite-preview, Mistral-Small-2603) e tre regimi di prompting (zero-shot, few-shot e zero-shot condizionato sui rapporti precedenti).

Risultati Sperimentali
Il framework è stato valutato su una coorte AP/PA multi-visita derivata dal dataset ReXGradient-160K (22.745 transizioni di addestramento, 1.727 transizioni di test). Le prestazioni sono state misurate rispetto a un baseline di selezione casuale utilizzando metriche di sovrapposizione NLP (BLEU, ROUGE, METEOR, BERTScore) e metriche di contenuto clinico (RadGraph, CheX-14).

• Impression (Impressioni): Il metodo ha prodotto guadagni relativi sostanziali. Le configurazioni più forti hanno ottenuto fino a un miglioramento relativo del +8,5% in ROUGE-L, +13,6% in RadGraph averaged-F1 e +4,4% in METEOR. Gli autori osservano che la sezione Impression, essendo un riassunto breve orientato al cambiamento, è il regime in cui il segnale di transizione fornisce la maggior parte delle informazioni di ranking.
• Findings (Reperti): Ogni metodo di transizione (in tutte le tipologie di distanza e strategie di aggregazione) ha superato il baseline casuale in ogni metrica principale. La configurazione Cost-OT/min ha mostrato i risultati più forti per BERTScore-F1 (+3,1%) e RadGraph (+5,1%).
• Consistenza: L'approccio ha superato costantemente la selezione casuale in tutti e tre i VLM e in tutte e tre le strategie di prompting.

Significatività e Rivendicazioni
L'articolo sostiene che modellare il contesto longitudinale al livello di selezione è una via critica, precedentemente inesplorata, per migliorare la generazione di rapporti. Sfruttando un archivio di transizioni della verità clinica, il sistema fornisce un prior su come i rapporti cambiano tra le visite, piuttosto che solo su cosa i singoli rapporti sembrino. Ciò filtra efficacemente i candidati che, pur essendo linguisticamente fluidi, descrivono progressioni clinicamente impossibili (ad es., la scomparsa improvvisa di condizioni croniche senza spiegazione). Gli autori pongono questo approccio come uno strumento di scaling pratico e senza addestramento che migliora l'affidabilità della rendicontazione radiologica automatizzata in contesti longitudinali.