NeuroSymb-MRG: Differentiable Abductive Reasoning with Active Uncertainty Minimization for Radiology Report Generation

Resumo Técnico: NEUROSYMB-MRG

1. Problema e Motivação

A geração automática de relatórios de radiologia visa reduzir a carga de trabalho dos clínicos e melhorar a consistência da documentação. No entanto, os métodos existentes (baseados em codificadores-decodificadores ou pipelines de geração aumentada por recuperação) enfrentam limitações críticas:

• Inconsistência Factual e Alucinações: Modelos puramente estatísticos tendem a gerar textos fluentes, mas clinicamente incorretos.
• Falta de Raciocínio Explicável: A ausência de cadeias de raciocínio explícitas e multi-hop dificulta a justificativa interpretável das afirmações diagnósticas.
• Viés e Esparsidade: Desequilíbrios em conjuntos de dados públicos (como MIMIC-CXR) e a escassez de casos raros comprometem a robustez.
• Incerteza Não Quantificada: Falta de mecanismos para identificar casos de alto risco que necessitam de revisão humana.

O objetivo do NEUROSYMB-MRG é criar um framework unificado que integre raciocínio neuro-simbólico abduzível diferenciável com minimização ativa de incerteza para produzir relatórios estruturados e fundamentados clinicamente.

2. Metodologia

O sistema propõe um pipeline de cinco módulos acoplados que mapeia uma imagem radiológica ($I$) para um relatório estruturado ($\hat{R}$) composto por conceitos probabilísticos, uma cadeia de raciocínio e um texto final.

A. Arquitetura Geral:

1. Codificador Visual e Projeção: Utiliza um codificador visual auto-supervisionado (ex: ConvNeXt-Tiny) para extrair características de "patches" da imagem, projetando-as no espaço de embeddings de tokens de um LLM.
2. Extração de Conceitos: Um cabeçalho baseado em Transformer mapeia as características visuais para ativações probabilísticas de conceitos clínicos ($\hat{c}$), utilizando focal loss para lidar com a esparsidade de classes positivas.
3. Camada de Lógica Diferenciável (O Núcleo Neuro-Simbólico):
   • Transforma as ativações de conceitos em cadeias de raciocínio multi-hop.
   • Utiliza operadores lógicos suaves (diferenciáveis): AND (produto t-norm), OR (soma probabilística) e NOT (complemento).
   • Constrói "árvores suaves" onde nós internos possuem pesos de gate aprendíveis, permitindo otimização end-to-end enquanto mantém a interpretabilidade lógica.
4. Decodificador de Regras e Preenchimento de Modelos:
   • Converte as ativações de regras suaves em cláusulas textuais canônicas usando um inventário de modelos (templates) pré-definidos.
   • Resolve conflitos de slots (ex: lateralidade, tamanho) através de votação ponderada pela ativação da regra e consistência com um Gráfico de Conhecimento Médico (UMLS).
5. Geração Aumentada por Recuperação (RAG) e Refinamento:
   • Recupera fragmentos de relatórios de alta qualidade de um banco de dados vetorial.
   • Um agente de verificação detecta contradições entre as regras derivadas e a evidência recuperada.
   • Um LLM com restrições realiza parafraseamento para garantir fluência e consistência factual.

B. Minimização Ativa de Incerteza e Aprendizado Ativo:

• Quantificação de Incerteza: Calcula a entropia preditiva das ativações das regras usando Monte Carlo Dropout (5 passagens estocásticas).
• Seleção Ativa: Seleciona casos de alto valor para revisão clínica combinando alta entropia (incerteza) e diversidade (usando uma estratégia k-center no espaço de embeddings).
• Simulador de Feedback: Um modelo T5-small, ajustado em pares de (rascunho, correção) do MIMIC-CXR, simula edições de clínicos para acelerar o ciclo de refinamento do promptbook e dos parâmetros do modelo.

C. Orquestração Multi-Agente:
O sistema emprega cinco agentes especializados (Evidência Visual, Conhecimento, Raciocínio, Geração e Verificador) que trocam mensagens estruturadas. Um coordenador resolve conflitos usando votação ponderada baseada na confiança do agente e prioridades de domínio.

3. Contribuições Principais

1. Mapeamento Estruturado: Formula a geração de relatórios como um mapeamento para uma tríade: conceitos probabilísticos, cadeia de raciocínio abduzível diferenciável e rascunho textual em modelo.
2. Lógica Diferenciável Médica: Implementa uma camada de lógica que permite a otimização de operadores booleanos suaves, gerando cadeias de raciocínio interpretáveis e justificáveis.
3. Pipeline Híbrido de Geração: Combina a decodificação de regras suaves em templates canônicos com evidência recuperada e refinamento restrito por LLM, incluindo um verificador de contradições.
4. Minimização Ativa de Incerteza: Introduz um mecanismo que prioriza a revisão humana para casos ambíguos ou de alto impacto, melhorando a eficiência de dados e a confiabilidade factual.
5. Validação Empírica: Demonstração consistente de melhorias em benchmarks padrão em comparação com baselines representativas.

4. Resultados Experimentais

Os experimentos foram conduzidos nos conjuntos de dados MIMIC-CXR e IU X-ray.

• Desempenho Quantitativo: O NEUROSYMB-MRG superou consistentemente todos os métodos de referência (incluindo Show-Tell, Transformer, R2Gen, M2Transformer e R2GenGPT) em todas as métricas padrão (BLEU-1 a BLEU-4, ROUGE-L e METEOR).
  • Exemplo no MIMIC-CXR: BLEU-1 de 0.487 (vs. 0.416 do melhor baseline anterior, R2GenGPT) e METEOR de 0.225 (vs. 0.163).
  • Exemplo no IU X-ray: BLEU-1 de 0.602 (vs. 0.529 do R2GenGPT).
• Estudos de Ablação:
  • A remoção da camada de lógica diferenciável causou a maior queda de desempenho (-12.1% em BLEU-1), confirmando o papel central do raciocínio explícito.
  • A remoção da minimização ativa de incerteza resultou em uma queda de 4.9%, destacando a importância da seleção ativa de amostras.
  • A ponderação dinâmica de perda (aprendendo os pesos $\lambda_i$) superou pesos fixos e GradNorm.
  • O uso de árvores suaves com operadores específicos (produto t-norm e soma probabilística) superou outras configurações lógicas (como T-norms de Łukasiewicz ou Gödel).

5. Significado e Conclusão

O NEUROSYMB-MRG representa um avanço significativo na interseção entre IA simbólica e aprendizado profundo para aplicações médicas. Ao integrar raciocínio lógico explícito com a fluência dos LLMs e uma estratégia ativa de gestão de incerteza, o sistema aborda diretamente o problema das "alucinações" e da falta de transparência em modelos de IA médica.

A capacidade de gerar explicações baseadas em regras e de direcionar a revisão humana para os casos mais críticos torna o sistema mais seguro e confiável para o fluxo de trabalho clínico. O trabalho sugere que a combinação de raciocínio estruturado, verificação de fatos e aprendizado ativo é o caminho para sistemas de suporte à decisão clínica verdadeiramente robustos.