Resumo Técnico: CURE

Declaração do Problema

Modelos de Visão-Linguagem Médicos (VLMs) demonstraram potencial para automatizar a geração de laudos radiológicos, mas enfrentam limitações críticas em relação ao aterramento visual (visual grounding) e à consistência factual. Modelos de última geração existentes, como o MAIRA-2, frequentemente desalinham achados textuais com evidências visuais, levando a "alucinações", onde o modelo gera descrições clinicamente incorretas ou detecta patologias que não estão presentes na imagem. Essa falta de confiabilidade dificulta a adoção clínica, uma vez que os modelos devem produzir saídas factualmente precisas fundamentadas em regiões específicas da imagem para garantir a confiabilidade em fluxos de trabalho do mundo real. Além disso, estratégias de ajuste fino (fine-tuning) padrão frequentemente falham em transferir capacidades de aterramento visual para modelos que não as possuem nativamente, e as abordagens existentes de aprendizado multitarefa lutam contra distribuições de dados desbalanceadas, fazendo com que os modelos sofram overfitting em padrões frequentes enquanto negligenciam achados raros, porém clinicamente significativos.

Metodologia

Os autores propõem o CURE (CUrrriculum-guided Multi-task Training for REliable Anatomy Grounded Report Generation), um framework projetado para aumentar a confiabilidade e o aterramento visual de VLMs médicos sem exigir dados de treinamento adicionais. O CURE opera sobre um modelo base (MedGemma-4B-IT) e reformula o pipeline de treinamento por meio de três componentes principais:

1. Formulação de Tarefas de Grão Fino

O CURE unifica diversos sinais de supervisão (caixas delimitadoras, frases, rótulos anatômicos e sentenças descritivas) de conjuntos de dados públicos (MIMIC-CXR/Chest ImaGenome, MS-CXR, PadChest-GR) em um formato instrucional multitarefa consistente. O framework decompõe as tarefas em:

• Aterramento de Frases (PG - Phrase Grounding): Vincular frases do laudo a caixas delimitadoras (bounding boxes).
• Geração de Laudo com Aterramento (GRG - Grounded Report Generation): Gerar laudos completos com links de coordenadas explícitos.
• Geração de Laudo com Aterramento Anatômico (AGRG - Anatomy-Grounded Report Generation): Uma tarefa nova e detalhada derivada dos grafos de cena do Chest ImaGenome. Ela divide o processo de geração em três subtarefas para localizações anatômicas específicas: Localizar (localização espacial), Descrever (descrição contextual) e Localizar e Descrever (execução simultânea). Essa decomposição permite que o modelo aprenda o alinhamento espacial e semântico de forma independente e conjunta.

2. Aprendizado de Currículo Sensível ao Erro

Para lidar com o desbalanceamento de dados (inter-dataset e intra-dataset) e evitar que o modelo sofra overfitting em amostras fáceis, o CURE emprega uma estratégia de aprendizado de currículo dinâmica.

• Amostragem Dinâmica: Em vez de uma amostragem estática proporcional ao tamanho do conjunto de dados, o CURE ajusta as probabilidades de amostragem com base no desempenho atual do modelo.
• Granularidade de Dois Níveis:
  • Inter-Dataset: Re-pondera a contribuição de diferentes fontes de dados (ex: MS-CXR vs. Chest ImaGenome) com base em pontuações de desempenho agregadas.
  • Intra-Dataset: Re-pondera regiões anatômicas ou classes semânticas específicas dentro de um conjunto de dados com base em suas taxas de erro por classe.
• Métrica de Desempenho: Os pesos de amostragem são atualizados iterativamente usando uma pontuação composta ($s_i$) que combina a Interseção sobre União (IoU) para localização e a CXRFEScore para fidelidade textual. A taxa de erro ($e_i = 1 - s_i$) dita a probabilidade de amostragem para a próxima etapa, forçando o modelo a focar em amostras "mais difíceis" e categorias com baixo desempenho.

3. Pipeline de Treinamento

O processo de treinamento envolve um estágio de pré-treinamento no Chest ImaGenome para estabelecer uma base de aterramento, seguido por uma fase de ajuste fino multitarefa onde o mecanismo de aprendizado de currículo está ativo. O framework utiliza LoRA (Low-Rank Adaptation) para um ajuste de parâmetros eficiente e emprega aumentos de dados conscientes de caixas delimitadoras (ex: transformações espaciais, CLAHE) para melhorar a robustez.

Principais Contribuições

1. Framework CURE: A introdução de um framework de aprendizado de currículo sensível ao erro que ajusta dinamicamente as distribuições de amostragem com base no desempenho do modelo, aumentando o aterramento visual sem exigir dados adicionais.
2. Transferência Eficaz: Demonstrar que a estratégia de treinamento proposta transfere com sucesso as capacidades de aterramento para VLMs médicos (especificamente o MedGemma-4B-IT) que originalmente carecem de mecanismos de aterramento visual, permitindo que superem modelos de última geração atuais, apesar de serem treinados com menos dados.
3. Desempenho de Última Geração (SOTA): Alcançar um novo estado da arte na geração de laudos com aterramento visual, especificamente reduzindo alucinações e melhorando a precisão espacial em múltiplos benchmarks.

Resultados

O artigo avalia o CURE contra bases de comparação fortes, incluindo o MAIRA-2 e o MedGemma-4B-IT base, através de diversas tarefas e conjuntos de dados:

• Aterramento Visual: O CURE melhora a precisão do aterramento de frases em +0,35 IoU no conjunto de dados Chest ImaGenome em comparação ao MAIRA-2, efetivamente dobrando o desempenho de localização. Também alcança pontuações de Micro e Macro IoU mais altas no MS-CXR, PadChest-GR e no dataset zero-shot VinDr-CXR.
• Qualidade do Laudo: O framework impulsiona a qualidade do laudo em +0,192 CXRFEScore e atinge as pontuações mais altas em CheXbert F1-Micro, similaridade de cosseno e CXRFEScore na tarefa de Geração de Laudo com Aterramento Anatômico.
• Redução de Alucinação: O CURE reduz as alucinações de achados anormais em 18,6% em seis regiões anatômicas chave. Especificamente, ele reduz pela metade a taxa de contradições (17,44% vs. 33,22% para o MAIRA-2) e mais que dobra as taxas de implicação (entailment) (39,50% vs. 15,94%). A redução é particularmente significativa para estruturas ósseas como as clavículas, onde a taxa de alucinação do CURE cai para 1,00% comparado aos >59% do MAIRA-2.
• Generalização Zero-Shot: O modelo demonstra fortes capacidades de generalização, superando o MAIRA-2 em métricas de aterramento no dataset não visto VinDr-CXR, apesar do treinamento do MAIRA-2 em dados proprietários.

Significância e Alegações

O artigo afirma que o CURE representa um passo significativo para tornar os VLMs médicos confiáveis e dignos de confiança para implantação clínica. Ao priorizar amostras e regiões anatômicas com baixo desempenho através de um currículo sensível ao erro, o framework aborda o problema fundamental de alucinação e desalinhamento que assombra os modelos atuais. Os autores enfatizam que o CURE alcança essas melhorias sem exigir dados ou parâmetros de modelo adicionais, baseando-se, em vez disso, em um uso mais eficiente e adaptativo dos conjuntos de dados públicos existentes. O trabalho sugere que o aprendizado de currículo dinâmico e orientado pelo desempenho é uma estratégia viável e necessária para preencher a lacência entre modelos multimodais de propósito geral e as rigorosas demandas da imagem médica, promovendo, em última análise, maior transparência e confiança no diagnóstico auxiliado por IA.