論文の概要: Astra: a generalizable report generation foundation model for 3D computed tomography
- arxiv url: http://arxiv.org/abs/2605.31437v1
- Date: Fri, 29 May 2026 15:35:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-01 20:56:50.703578
- Title: Astra: a generalizable report generation foundation model for 3D computed tomography
- Title（参考訳）: Astra:3次元CTのための一般化可能なレポート生成基盤モデル
- Abstract要約: 90, 胸腹部CT-Report pairs (CTRgDB) を訓練し, 8臓器系に353,671の異常を認めた。
Astraは44.1%の詳細な診断基準で、最先端の完全性を達成している。
- 参考スコア（独自算出の注目度）: 39.400488843314946
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: CT interpretation requires radiologists to review hundreds of volumetric slices per examination, making reporting time-consuming and highly expertise-dependent. Automated CT report generation offers a promising route to improving clinical efficiency, yet the field still lacks a generalizable CT report generation foundation model that supports multi-region reporting and remains robust across external real-world cohorts. Intrinsic inconsistencies in reporting style and diagnostic terminology across cohorts make naive joint training prone to noisy textual supervision, thereby limiting model generalizability. Here we present Astra, a generalizable CT report generation foundation model trained on 90,678 thoracoabdominal CT-report pairs (CTRgDB) with 353,671 abnormalities spanning eight organ systems. By harmonizing report style and further refining diagnostic consistency via reinforcement learning, Astra achieves style-consistent and diagnostically accurate report generation across diverse anatomical regions and institutions. Evaluating on CTRgDB and six external cohorts, Astra achieves state-of-the-art performance with a 44.1% average improvement in fine-grained diagnostic metrics (P<0.001). In real-world clinical workflows, Astra assistance accelerates chest report drafting by 29.6% and improves abdominal report completeness by 11.3% (P<0.001). Furthermore, Astra also demonstrates broad utility as a foundation for CT AI development, improving downstream diagnostic performance and scaling vision-language pretrain through high-quality report synthesis. Overall, Astra serves as a broadly accessible clinical assistant and a pivotal infrastructure for the next generation of AI-powered healthcare.
- Abstract（参考訳）: CTの解釈では、放射線学者は検査ごとに数百のボリュームスライスをレビューし、レポートの時間と専門性に依存している。
自動CTレポート生成は、臨床効率を改善するための有望なルートを提供するが、多領域レポートをサポートしながら、外部の現実世界コホートに対して堅牢な、汎用的なCTレポート生成基盤モデルがいまだに欠けている。
コホートにまたがる報告スタイルや診断用語における本質的な矛盾は、ナイーブな共同訓練をノイズの多いテキスト管理にしやすくし、モデル一般化可能性を制限する。
胸腔鏡下CT-Report pairs (CTRgDB) を訓練し, 8臓器系に353,671の異常を認めた。
レポートスタイルの調和と、強化学習による診断整合性の向上により、Astraは多様な解剖学的領域や機関にわたって、スタイル一貫性と診断精度を両立させる。
CTRgDBと6つの外部コホートを評価したAstraは、詳細な診断基準(P<0.001)で44.1%の平均的な改善を達成している。
実際の臨床ワークフローでは、Astraは胸部レポートのドラフト作成を29.6%加速し、腹部レポートの完成度を11.3%向上させる(P<0.001)。
さらに、AstraはCT AI開発の基礎として幅広いユーティリティを示し、下流診断性能を改善し、高品質なレポート合成を通じて視覚言語を事前訓練する。
全体として、Astraは広くアクセス可能な臨床アシスタントとして機能し、次世代のAI駆動ヘルスケアにとって重要な基盤となっている。
関連論文リスト
- Disease-Centric Vision-Language Pretraining with Hybrid Visual Encoding for 3D Computed Tomography [75.7789001619107]
ビジョン言語による事前トレーニングは、汎用医療AIにとって大きな可能性を秘めている。
3つの主要なコンポーネントを特徴とするフレームワークを提案する。
診断対応プロンプト戦略では、トレーニング前の推論ギャップを埋めるために、実際の臨床用語と集約された疾患プロトタイプを用いている。
論文 参考訳（メタデータ） (2026-06-24T08:24:45Z) - A Multi-Center Benchmark for Abdominal Disease Diagnosis and Report Generation from Non-Contrast CT [15.152662172359355]
腹部病変の鑑別には多核性造影CT(CECT)が広く用いられている。
コントラスト誘発性腎症の固有のリスクを負い、取得負担を増大させ、放射線医の作業負荷に大きく貢献する。
多臓器性腹部疾患の診断と自動放射線診断レポート作成のための新しいマルチセンターベンチマークを導入する。
論文 参考訳（メタデータ） (2026-06-15T17:29:32Z) - EXACT: an explainable anomaly-aware vision foundation model for analysis of 3D chest CT [29.0378459959757]
EXACTは3次元胸部CTの異常認識基盤モデルである。
2つの臨床スキャンと放射線学レポートから空間的に解決された表現を学習する。
EXACTは臨床的に関係のあるCTタスクに対して一貫した改善を示す。
論文 参考訳（メタデータ） (2026-04-27T07:57:47Z) - Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment [56.62016795093786]
CerebraはインタラクティブなマルチエージェントAIチームで、ERH、臨床ノート、医療画像分析のための特殊エージェントをコーディネートする。
構造化された表現を操作することで、プライバシ保護デプロイメントをサポートし、モダリティが不完全であれば、堅牢である。
Cerebraは、有識者のパフォーマンスを著しく改善し、前向き認知症リスク推定において精度を17.5ポイント向上させた。
論文 参考訳（メタデータ） (2026-03-23T05:46:45Z) - Scaling medical imaging report generation with multimodal reinforcement learning [24.35950918794035]
改良された微調整は性能を大幅に向上させるが、表面的なボイラープレートパターンに過度に適合する傾向がある。
医用画像レポート生成の一般的な枠組みとしてユニバーサルレポート生成(UniRG)を紹介する。
論文 参考訳（メタデータ） (2026-01-23T20:14:21Z) - A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。
本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文 参考訳（メタデータ） (2025-12-23T13:26:13Z) - A Synthetic Data-Driven Radiology Foundation Model for Pan-tumor Clinical Diagnosis [21.212976987658415]
PASTAは、PASTA-Genをベースとしたパン腫瘍基礎モデルである。
PASTAは46の腫瘍学タスクのうち45の最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2025-02-10T05:45:03Z) - CT-AGRG: Automated Abnormality-Guided Report Generation from 3D Chest CT Volumes [0.0]
既存の方法では、観察された異常に明示的に焦点をあてることなく、3D CT画像から直接レポートを生成するのが一般的である。
本稿では,まず異常を予測し,それぞれが対象とする記述を生成する,新たな異常誘導型レポート生成モデルを提案する。
論文 参考訳（メタデータ） (2024-08-21T19:36:27Z) - RadGenome-Chest CT: A Grounded Vision-Language Dataset for Chest CT Analysis [56.57177181778517]
RadGenome-Chest CTはCT-RATEに基づく大規模3次元胸部CT解釈データセットである。
私たちは、最新の強力なユニバーサルセグメンテーションと大きな言語モデルを活用して、元のデータセットを拡張します。
論文 参考訳（メタデータ） (2024-04-25T17:11:37Z) - ChatRadio-Valuer: A Chat Large Language Model for Generalizable
Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。
本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。
ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
論文 参考訳（メタデータ） (2023-10-08T17:23:17Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。