Resumo Técnico: Harrison.Rad 1.5 (HR1.5)

Problema

A força de trabalho da radiologia não consegue acompanhar o crescimento exponencial da demanda por exames de imagem, levando a atrasos nos laudos e à fadiga do leitor, o que degrada a precisão diagnóstica. Embora as soluções de IA existentes se destaquem em tarefas específicas, como detecção ou triagem, elas não abordam o gargalo central: o tempo e o esforço cognitivo necessários para que os radiologistas sintetizem o histórico clínico, estudos anteriores e achados de imagem em um laudo estruturado. Os modelos multimodais de propósito geral atuais e a IA radiológica especializada carecem do conhecimento de domínio denso necessário para o raciocínio complexo, enfrentam dificuldades com radiologia de filmes planos multimodais além de radiografias de tórax e falham em atender aos padrões de certificação estabelecidos para radiologistas humanos.

Metodologia

O Harrison.Rad 1.5 (HR1.5) é um modelo de linguagem de grande escala (MLLM) multimodal específico para radiologia, projetado para aceitar entradas de texto e visuais intercaladas (incluindo contexto clínico e estudos anteriores) para gerar laudos estruturados e não estruturados. O modelo segue um pipeline de treinamento de três estágios:

1. Adaptação de Domínio: Um modelo de linguagem base é adaptado especificamente em laudos radiológicos para estabelecer competência de domínio.
2. Treinamento de Codificador Visual Contrastivo: O codificador visual é alinhado com o texto usando uma abordagem baseada em currículo em aproximadamente 6 milhões de instâncias de imagem-laudo. Este estágio utiliza "negativos difíceis" construídos ao longo de eixos clinicamente significativos (amplitude) com dificuldade graduada (profundidade) para forçar o modelo a distinguir entre descrições que são lexicalmente semelhantes, mas clinicamente distintas.
3. Ajuste Fino de Resposta Visual a Perguntas (VQA): O modelo é ajustado finamente em conversas clínicas de múltiplos turnos elaboradas a partir de casos reais. Este conjunto de dados é projetado para sobreamostrar patologias sub-representadas e controlar a dificuldade, garantindo que o modelo aprenda a raciocinar através do histórico clínico, localização anatômica e comparação longitudinal, em vez de depender apenas de estatísticas superficiais.

Infraestrutura e Servimento:
O HR1.5 foi treinado em hardware da classe NVIDIA B200, exigindo um pipeline de carregamento de dados rearquitetado para eliminar gargalos de I/O. Para inferência, um stack de servimento bespoke construído sobre vLLM incorpora técnicas de decodificação contrastiva para reduzir alucinações. O sistema é implantado via um framework "agêntico" (HR1.5+) onde o HR1.5 atua como o consultor central, potencialmente coordenando-se com outros modelos especializados para tarefas complexas.

Estrutura de Avaliação:
O artigo critica métricas convencionais (BLEU, ROUGE, RadGraph-F1) por recompensar a sobreposição lexical em detrimento da correção clínica. Em vez disso, o HR1.5 é avaliado usando uma estrutura de pontuação de Achados-Diagnóstico que estende o RadGraph-XL com correspondência de sinônimos baseada em ontologia e detecção de contradição de polaridade. Para tarefas de formato aberto onde a correspondência automatizada é insuficiente, um LLM-como-juiz (Judge Findings-Diagnosis) é usado para adjudicar a aceitabilidade clínica.

Principais Contribuições

• Modelo de Fundação Radiológico Generalista: O HR1.5 é apresentado como um sistema capaz de lidar com toda a amplitude da radiologia de filmes planos, incluindo tórax, musculoesquelético, abdômen, coluna, pelve e mamografia, indo além do foco exclusivo em tórax de seus predecessores.
• Desempenho em Benchmarks: O modelo é avaliado contra o exame simulado de Fellowship of the Royal College of Radiologists (FRCR 2B Short Case), um padrão utilizado para certificar radiologistas humanos.
• Explicabilidade e Confiança: O artigo introduz um motor de explicabilidade post-hoc que fornece:
  • Rastreamento de Conceito: Verificando que achados clínicos específicos são codificados como direções lineares nas ativações do modelo.
  • Localização de Conceito: Gerando mapas de calor Grad-CAM sensíveis a perguntas e mapas de atenção para mostrar quais regiões da imagem impulsionaram respostas específicas.
  • Estimativa de Confiança: Uma pontuação de confiança derivada da entropia de atenção, desacordo entre cabeças e trajetória de representação, corrigida para "sumidouros de atenção" (attention sinks) para fornecer um sinal de confiança mais confiável.
• Metodologia de Avaliação: Os autores propõem o Framework C6 (Cobertura, Correção, Abrangência, Cuidado, Coerência, Conformidade) como um padrão futuro para a avaliação multidimensional de laudos clínicos, abordando as limitações de pontuações escalares.

Resultados

• Simulação FRCR: Em um exame simulado de FRCR 2B Short Case (o novo padrão RCR), o HR1.5 e sua variante agêntica HR1.5+ foram os únicos sistemas avaliados a atingir o padrão de aprovação (limiares do método Angoff), enquanto o HR1.5+ alcançou uma taxa de aprovação de 62,5% nas folhas de exame, enquanto todos os outros modelos (incluindo GPT-5.4, Gemini-3, Claude Opus 4.7 e MedGemma) pontuaram abaixo de 50%, com a maioria falhando em passar em uma única folha.
• Questões de Formato Fechado: Em questões clínicas de formato fechado abrangendo diagnóstico, presença de achados e classificação normal/anormal, o HR1.5 alcançou a maior precisão (ex: 82,0% em Diagnóstico, 82,8% em Normal/Anormal) em tórax, musculoesquelético e outras partes do corpo.
• Geração de Formato Aberto: No benchmark de radiografia de tórax RexGradient, o HR1.5+ alcançou a maior pontuação de Judge Findings-Diagnosis (73,0%), indicando superioridade em correção clínica em comparação com modelos que pontuaram mais alto em métricas de sobreposição de texto de nível superficial.
• Análise Qualitativa: A revisão por radiologistas confirmou a capacidade do HR1.5 de detectar achados sutis (ex: fraturas de escafóide), realizar raciocínio longitudinal com estudos anteriores, localizar anatomia com precisão e adaptar-se a templates de relatório específicos sem o uso desnecessário de textos padronizados (boilerplate).
• Explicabilidade: O rastreamento de conceito mostrou alta separabilidade para achados clínicos (ROC-AUC > 0,85 para muitos conceitos). A taxa de acerto de localização foi alta (90,2% para CXR, 78,7% para MSK), indicando que o modelo presta atenção em regiões clinicamente relevantes mesmo quando a resposta final está incorreta (sugerindo erros de cognição em vez de erros de busca).

Significância e Alegações

O artigo afirma que o HR1.5 representa um passo significativo para resolver a crise de capacidade na radiologia, reduzindo o esforço necessário para produzir laudos. Sua principal significância reside no fato de ser o primeiro sistema avaliado a passar em um exame simulado de FRCR, demonstrando que um modelo de fundação pode atingir um desempenho de nível especialista em critérios diagnósticos padronizados.

Os autores enfatizam que o HR1.5 não possui liberação para uso clínico e é disponibilizado apenas para pesquisa e avaliação de capacidades. Eles argumentam que o cenário competitivo deve permanecer aberto para evolução coletiva, mas que os modelos de propósito geral atuais carecem do conhecimento de domínio específico necessário para o raciocínio radiológico complexo. O artigo conclui que, embora o HR1.5 se aproxime da qualidade de relatório especialista, ele ainda não a iguala totalmente, e o trabalho futuro focará no suporte a imagens 3D/volumétricas e no refinamento do framework de avaliação C6 para capturar melhor a segurança e a nuance clínica.