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

Resumo Técnico: Amostragem Best-of-N Consciente de Transição para Relatórios Longitudinais de Radiografia de Tórax

Definição do Problema
Na prática clínica longitudinal, as radiografias de tórax raramente são interpretadas isoladamente; elas são lidas no contexto dos exames anteriores do paciente. Os radiologistas focam intensamente na mudança entre as visitas (ex: "estável no intervalo", "nova opacidade", "melhora da aeração"). Embora os modelos de visão-linguagem (VLMs) modernos possam gerar relatórios de radiografia de tórax credíveis, os pipelines padrão de amostragem Best-of-N tratam cada imagem de teste de forma independente. Esses pipelines tipicamente pontuam relatórios candidatos contra uma distribuição de relatórios de referência de imagem única, ignorando a transição temporal do estudo anterior. Consequentemente, um relatório candidato pode parecer plausível isoladamente, mas descrever uma transição clinicamente inválida (ex: alucinar um agravamento agudo ou omitir silenciosamente achados crônicos) em relação ao histórico do paciente.

Metodologia
Os autores propõem um framework de Amostragem Best-of-N Consciente de Transição que não requer treinamento. Este método opera a jusante do gerador, não exigindo modificações nos VLMs pré-treinados. O pipeline consiste em três estágios principais:

1. Representação de Relatório por Conjunto de Sentenças:
   Cada relatório (dividido nas seções de Achados e Impressão) é dividido em sentenças individuais. Um transformador de sentenças congelado (especificamente o all-mpnet-base-v2) incorpora cada sentença em um vetor de dimensão fixa ($d=768$). O relatório é representado como um conjunto não ordenado desses embeddings, garantindo a invariância de permutação, o que se alinha à realidade clínica de que a ordem dos achados não possui significado diagnóstico.

2. Representação de Transição Direcional:
   Para um paciente com uma visita anterior $r^{(k-1)}$ e uma visita atual $r^{(k)}$, o método computa uma distância direcional de conjunto-para-conjunto entre os conjuntos de embeddings de sentenças das duas visitas. Isso reduz o par a um único vetor de dimensão fixa ($g \in \mathbb{R}^{d'}$) que representa a "mudança". Os autores instanciam quatro designs específicos de distância direcional:

   • Deslocamento de Média (Mean-Shift): O deslocamento do centroide do conjunto atual em relação ao conjunto anterior.
   • Resíduo de Novidade (Novelty Residual): O resíduo médio de cada sentença atual em relação ao seu vizinho mais próximo no conjunto anterior (capturando o que é novo).
   • Âncora de Hausdorff Direcionada (Directed-Hausdorff Anchor): O deslocamento no ponto de pior cobertura do conjunto atual em relação ao conjunto anterior.
   • Transporte Ótimo com Custo Ponderado (Cost-Weighted Optimal Transport - Cost-OT): Um vetor de deslocamento ponderado tanto pela massa de transporte quanto pelo custo de cosseno, evitando o colapso trivial.

3. Seleção Consciente de Transição:
   Um banco de vetores de transição de verdade fundamental (ground-truth) é pré-computado a partir do corpus de treinamento. No momento do teste, para um determinado paciente e $K$ relatórios candidatos gerados por um VLM, cada candidato é convertido em um vetor de transição (comparando o relatório anterior real do paciente com o relatório atual gerado).

   • Os candidatos são pontuados com base na distância de cosseno entre seu vetor de transição e o banco de vetores de transição de treinamento armazenados em cache.
   • As estratégias de agregação incluem Mínimo (mais próximo de qualquer transição de treinamento individual) e k-Vizinhos Mais Próximos (kNN) (distância média para os $k$ vizinhos mais próximos das transições de treinamento).
   • O candidato com a distância mínima total (soma através das seções de Achados e Impressão) é selecionado.

Principais Contribuições

• Primeiro Seletor Longitudinal Livre de Treinamento: Tanto quanto os autores sabem, este é o primeiro esquema de amostragem Best-of-N para geradores de radiografia de tórax que é explicitamente consciente da transição longitudinal do anterior para o atual.
• Pontuação no Espaço de Transição: Diferente de métodos anteriores que pontuam candidatos no "espaço do relatório" (similaridade com uma referência estática), este método pontua no "espaço de transição". Isso penaliza candidatos que descrevem mudanças clinicamente implausíveis, mesmo que o texto em si pareça um relatório válido.
• Framework Modular: A abordagem é agnóstica ao gerador e ao prompt, demonstrada através de três VLMs (Gemini-2.5-Flash-Lite, Gemini-3.1-Flash-Lite-preview, Mistral-Small-2603) e três regimes de prompting (zero-shot, few-shot e zero-shot condicionado aos relatórios anteriores).

Resultos Experimentais
O framework foi avaliado em uma coorte multi-visita AP/PA derivada do dataset ReXGradient-160K (22.745 transições de treinamento, 1.727 transições de teste). O desempenho foi medido contra um baseline de seleção aleatória usando métricas de sobreposição de NLP (BLEU, ROUGE, METEOR, BERTScore) e métricas de conteúdo clínico (RadGraph, CheX-14).

• Impressões: O método rendeu ganhos relativos substanciais. As configurações mais fortes alcançaram até +8,5% de melhoria relativa em ROUGE-L, +13,6% em RadGraph averaged-F1 e +4,4% em METEOR. Os autores observam que a seção Impressão, sendo um resumo curto e orientado à mudança, é o regime onde o sinal de transição fornece a maior informação de classificação.
• Achados: Cada método de transição (em todos os tipos de distância e estratégias de agregação) superou o baseline aleatório em todas as métricas principais. A configuração Cost-OT/min mostrou os resultados mais fortes para BERTScore-F1 (+3,1%) e RadGraph (+5,1%).
• Consistência: A abordagem superou consistentemente a seleção aleatória em todos os três VLMs e em todas as três estratégias de prompting.

Significância e Alegações
O artigo alega que modelar o contexto longitudinal no estágio de seleção é um caminho crucial e anteriormente inexplorado para melhorar a geração de relatórios. Ao alavancar um banco de transições de verdade fundamental, o sistema fornece um prior sobre como os relatórios mudam entre as visitas, em vez de apenas o que os relatórios individuais parecem. Isso efetivamente filtra candidatos que, embora linguisticamente fluentes, descrevem progressões clinicamente impossíveis (ex: o desaparecimento súbito de condições crônicas sem explicação). Os autores posicionam isso como uma ferramenta de escalonamento prática e livre de treinamento que aumenta a confiabilidade do relato radiológico automatizado em contextos longitudinais.