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

Technische Samenvatting: Transitie-bewuste Best-of-N Sampling voor Longitudinale Borstkasröntgenverslagen

Probleemstelling
In de longitudinale klinische praktijk worden borstkasröntgenfoto's zelden geïsoleerd geïnterpreteerd; ze worden gelezen in de context van eerdere onderzoeken van een patiënt. Radiologen richten zich sterk op de verandering tussen bezoeken (bijv. "stabiel interval", "nieuwe opaciteit", "verbeterde ventilatie"). Hoewel moderne Vision-Language Models (VLM's) geloofwaardige borstkasröntgenverslagen kunnen genereren, behandelen standaard Best-of-N sampling-pipelines elk testbeeld onafhankelijk. Deze pipelines scoren kandidaatverslagen doorgaans tegen een distributie van enkelvoudige referentieverslagen, waarbij de temporele transitie van de eerdere studie wordt genegeerd. Bijgevolg kan een kandidaatverslag in isolatie plausibel lijken, maar een klinisch ongeldige transitie beschrijven (bijv. het hallucineren van acute verslechtering of het stilzwijgend laten vallen van chronische bevindingen) ten opzichte van de medische geschiedenis van de patiënt.

Methodologie
De auteurs stellen een training-vrije, Transitie-bewuste Best-of-N Sampling framework voor. Deze methode werkt stroomafarts van de generator en vereist geen aanpassingen aan de vooraf getrainde VLM's. De pipeline bestaat uit drie hoofdfasen:

1. Sentence-Set Report Representatie:
   Elk verslag (verdeeld in de secties Findings en Impression) wordt opgesplitst in individuele zinnen. Een bevroren sentence transformer (specifiek all-mpnet-base-v2) embedt elke zin in een vector met een vaste dimensie ($d=768$). Het verslag wordt gerepresenteerd als een ongeordende verzameling van deze embeddings, wat permutatie-invariantie waarborgt, wat overeenkomt met de klinische realiteit dat de volgorde van bevindingen geen diagnostische betekenis heeft.

2. Directional Transition Representatie:
   Voor een patiënt met een eerder bezoek $r^{(k-1)}$ en een huidig bezoek $r^{(k)}$, berekent de methode een directionele set-naar-set afstand tussen de sentence embedding sets van de twee bezoeken. Dit reduceert het paar tot een enkele vector met een vaste dimensie ($g \in \mathbb{R}^{d'}$) die de "verandering" representeert. De auteurs hebben vier specifieke directionele afstandontwerpen geïnstantieerd:

   • Mean-Shift: De verschuiving van het zwaartepunt van de huidige set ten opzichte van de eerdere set.
   • Novelty Residual: De gemiddelde residu van elke huidige zin ten opzichte van de dichtstbijzijnde buur in de eerdere set (wat het nieuwe vangt).
   • Directed-Hausdorff Anchor: De verplaatsing bij het slechtst gedekte punt in de huidige set ten opzichte van de eerdere set.
   • Cost-Weighted Optimal Transport (Cost-OT): Een verplaatsingsvector gewogen door zowel transportmassa als cosinus-kosten, om triviale instorting te voorkomen.

3. Transitie-bewuste Selectie:
   Een bank van grondwaarheid-transitievectoren wordt vooraf berekend uit de trainingscorpus. Tijdens de testfase, voor een gegeven patiënt en $K$ kandidaatverslagen gegenereerd door een VLM, wordt elk kandidaatverslag omgezet in een transitievector (door de werkelijke eerdere rapportage van de patiënt te vergelijken met het gegenereerde huidige rapport).

   • Kandidaten worden gescoord op basis van de cosinusafstand tussen hun transitievector en de gecachte bank van trainings-transitievectoren.
   • Aggregatiestrategieën omvatten Min (dichtstbijzijnde bij een enkele trainings-transitie) en k-Nearest Neighbors (kNN) (gemiddelde afstand tot de $k$ dichtstbijzijnde trainings-transities).
   • Het kandidaatverslag met de minimale totale afstand (som over de Findings en Impression secties) wordt geselecteerd.

Belangrijkste Bijdragen

• Eerste Training-vrije Longitudinale Selector: Naar weten van de auteurs is dit de eerste Best-of-N sampling-methode voor vooraf getrainde borstkasröntgen-generatoren die expliciet bewust is van de longitudinale prior-naar-huidige transitie.
• Transitie-ruimte Scoring: In tegen tegenstelling tot eerdere methoden die kandidaten scoren in "rapport-ruimte" (gelijkenis met een statische referentie), scoort deze methode in "transitie-ruimte". Dit straft kandidaten af die klinisch onwaarschijnlijke veranderingen beschrijven, zelfs als de tekst zelf een geldig verslag lijkt te zijn.
• Modulair Framework: De aanpak is generator-agnostisch en prompt-agnostisch, gedemonstreerd over drie verschillende VLM's (Gemini-2.5-Flash-Lite, Gemini-3.1-Flash-Lite-preview, Mistral-Small-2603) en drie prompting-regimes (zero-shot, few-shot, en zero-shot geconditioneerd op eerdere rapporten).

Experimentele Resultaten
Het framework werd geëvalueerd op een multi-visit AP/PA cohort afgeleid van de ReXGradient-160K dataset (22.745 trainings-transities, 1.727 test-transities). Prestaties werden gemeten ten opzichte van een random selectie baseline met behulp van NLP overlap-metrieken (BLEU, ROUGE, METEOR, BERTScore) en klinische inhoudelijke metrieken (RadGraph, CheX-14).

• Impressions: De methode leverde substantiële relatieve winsten op. De sterkste configuraties behaalden tot wel +8,5% relatieve verbetering in ROUGE-L, +13,6% in RadGraph averaged-F1, en +4,4% in METEOR. De auteurs merken op dat de Impression sectie, zijnde een korte, veranderingsgeoriënteerde samenvatting, het regime is waar de transitie-signaal de meeste ranking-informatie biedt.
• Findings: Elke transitie-methode (over alle afstandstypes en aggregatiestrategieën heen) presteerde beter dan de random baseline op elke headline metriek. De Cost-OT/min configuratie toonde de sterkste resultaten voor BERTScore-F1 (+3,1%) en RadGraph (+5,1%).
• Consistentie: De aanpak presteerde consistent beter dan random selectie over alle drie de VLM's en alle drie de prompting-strategieën.

Betekenis en Claims
Het artikel claimt dat het modelleren van de longitudinale context in de selectiefase een cruciale, voorheen onbenutte weg is voor het verbeteren van rapportgeneratie. Door gebruik te maken van een bank van grondwaarheid-transities, biedt het systeem een prior over hoe rapporten veranderen tussen bezoeken, in plaats van alleen over wat individuele rapporten bevatten. Dit filtert effectief kandidaten uit die, hoewel taalkundig vloeiend, klinisch onmogelijke progressies beschrijven (bijv. het plotseling verdwijnen van chronische aandoeningen zonder verklaring). De auteurs positioneren dit als een praktische, training-vrije schaalbaarheidstool die de betrouwbaarheid van geautomatiseerde radiologische rapportage in longitudinale settings verhoogt.