論文の概要: Does Language Shift Break Medical Vision-Language Models? Indonesian Radiology Visual Question Answering Case Study

• arxiv url: http://arxiv.org/abs/2606.03693v1
• Date: Tue, 02 Jun 2026 14:14:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.059321
• Title: Does Language Shift Break Medical Vision-Language Models? Indonesian Radiology Visual Question Answering Case Study
• Title（参考訳）: 言語シフトは医療ビジョン・ランゲージモデルを破るか? : インドネシアの放射線医学の視覚的質問応答ケーススタディ
• Authors: Pieter Christy Yan Yudhistira, Dzaki Rafif Malik, Novanto Yudistira,
• Abstract要約: 本稿ではインドネシアのVQA-RADを応用したIndoRad-VQAを紹介する。 一般目的, 東南アジア多言語, 医療特化VLMを英語で評価し, 設定を推し進めた。 以上の結果から,英語の医療用VQAベンチマークにおける強い評価は,必ずしもインドネシアの臨床的文脈におけるロバストな行動に結びつくとは限らないことが示唆された。
• 参考スコア（独自算出の注目度）: 2.8292841621378844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Medical Vision-Language Models (VLMs) are typically evaluated on English radiology visual question answering benchmarks, leaving their robustness under non-English clinical language largely unexplored. We introduce IndoRad-VQA, an Indonesian adaptation of VQA-RAD, to assess whether medical VLMs retain radiology reasoning ability when questions are asked in Bahasa Indonesia. Radiology question-answer pairs are translated into Indonesian with self-evaluation-based quality control to preserve clinical meaning, terminology consistency, and answer equivalence. We evaluate general-purpose, Southeast Asian multilingual, and medical-specific VLMs under English and Indonesian prompting settings. Beyond accuracy, we quantify the language robustness gap between English and Indonesian inputs. We also conduct an error analysis to identify failure modes of question answering, such as yes/no flips, laterality errors, and output-language mismatches. Our findings show that strong performance on English medical VQA benchmarks does not necessarily translate to robust behavior in Indonesian clinical contexts. We observe a performance gap of 8 to 25 percent between the English and Indonesian settings, depending on the evaluation metric. These results highlight the need for more inclusive multilingual evaluation of medical multimodal foundation models. The dataset is available at https://huggingface.co/datasets/Lab-IS/IndoRad-VQA.
• Abstract（参考訳）: 医用ビジョン・ランゲージモデル(VLM)は一般的に、英語の放射線学の視覚的質問応答ベンチマークで評価される。 本稿ではインドネシアのVQA-RADを応用したIndoRad-VQAを紹介する。 放射線学的質問応答対は、臨床的意味、用語の整合性、答えの等価性を維持するために自己評価に基づく品質管理によってインドネシア語に翻訳される。 我々は、英語とインドネシア語で、汎用、東南アジア多言語、医療特化VLMを評価した。 精度を超えて、英語とインドネシア語の入力間の言語頑健さのギャップを定量化します。 また、イエス/ノーフリップ、ラテラルエラー、出力言語ミスマッチなど、質問応答の失敗モードを特定するためにエラー解析を行う。 以上の結果から,英語の医療用VQAベンチマークにおける強い評価は,必ずしもインドネシアの臨床的文脈におけるロバストな行動に結びつくとは限らないことが示唆された。 評価基準によっては、英語とインドネシア語のセッティングの8～25%のパフォーマンスギャップを観察する。 これらの結果は、医療マルチモーダル基礎モデルのより包括的な多言語評価の必要性を浮き彫りにした。 データセットはhttps://huggingface.co/datasets/Lab-IS/IndoRad-VQAで公開されている。

関連論文リスト

• Adapting Self-Supervised Speech Representations for Cross-lingual Dysarthria Detection in Parkinson's Disease [72.0406069194794]
  音声表現は、しばしば言語に依存した構造を符号化する。 本稿では,ソース言語による自己教師型音声表現とターゲット言語分布とを一致させる表現レベル言語シフトを提案する。 チェコ語,ドイツ語,スペイン語におけるパーキンソン病音声データセットの経口DDK記録に対するアプローチについて検討した。
  論文  参考訳（メタデータ） (2026-03-23T17:23:39Z)
• MedErrBench: A Fine-Grained Multilingual Benchmark for Medical Error Detection and Correction with Clinical Expert Annotations [4.451052650309736]
  我々はMedErrBenchを紹介した。MedErrBenchは、エラー検出、ローカライゼーション、修正のための最初の多言語ベンチマークである。 MedErrBenchは10種類の一般的な誤りの分類に基づいて、英語、アラビア語、中国語をカバーしている。 その結果、特に英語以外の設定では、顕著なパフォーマンスのギャップが明らかとなった。
  論文  参考訳（メタデータ） (2026-02-05T14:18:20Z)
• Cross-Lingual Empirical Evaluation of Large Language Models for Arabic Medical Tasks [12.886024273517556]
  大規模言語モデル(LLM)は、臨床診断支援、医学教育、医療質問応答などの医療応用で広く使われている。 しかし、これらのモデルはしばしば英語中心であり、言語的に多様なコミュニティに対する頑丈さと信頼性を制限している。 最近の研究は、様々な医療タスクのための低リソース言語のパフォーマンスの相違を強調しているが、その根本原因はよく分かっていない。
  論文  参考訳（メタデータ） (2026-02-05T06:52:46Z)
• ASR Under the Stethoscope: Evaluating Biases in Clinical Speech Recognition across Indian Languages [3.3753770857559826]
  我々は,カナダ,ヒンディー語,インド英語にまたがる実世界臨床面接データに基づいて,ASRのパフォーマンスを初めて体系的に評価した。 Indic Whisper、Whisper、Sarvam、Google Speech to text、Gemma3n、Omnilingual、Vaani、Geminiといった主要なモデルを比較します。 結果は、モデルや言語間でのかなりの変動を示し、一部のシステムはインド英語で競争的に機能するが、混成言語や垂直言語では機能しない。
  論文  参考訳（メタデータ） (2025-11-30T06:37:40Z)
• SwasthLLM: a Unified Cross-Lingual, Multi-Task, and Meta-Learning Zero-Shot Framework for Medical Diagnosis Using Contrastive Representations [0.4077787659104315]
  SwasthLLMは、医用診断のための統一、ゼロショット、クロスランガル、マルチタスク学習フレームワークである。 英語、ヒンディー語、ベンガル語で、言語固有の微調整を必要としない。 SwasthLLMは97.22%、F1スコア97.17%という高い診断性能を達成している。
  論文  参考訳（メタデータ） (2025-09-24T21:20:49Z)
• MORQA: Benchmarking Evaluation Metrics for Medical Open-Ended Question Answering [11.575146661047368]
  我々は,NLG評価指標の有効性を評価するために,新しい多言語ベンチマークであるMORQAを紹介する。 従来のメトリクスと大規模言語モデル(LLM)ベースの評価器(GPT-4やGeminiなど)をベンチマークする。 本研究は,医学領域におけるNLG評価の総合的,多言語的質的研究である。
  論文  参考訳（メタデータ） (2025-09-15T19:51:57Z)
• Do LLMs Understand Your Translations? Evaluating Paragraph-level MT with Question Answering [68.3400058037817]
  本稿では,TREQA(Translation Evaluation via Question-Answering)について紹介する。 我々は,TREQAが最先端のニューラルネットワークとLLMベースのメトリクスより優れていることを示し,代用段落レベルの翻訳をランク付けする。
  論文  参考訳（メタデータ） (2025-04-10T09:24:54Z)
• Delving Deeper into Cross-lingual Visual Question Answering [115.16614806717341]
  標準学習装置に簡単な修正を加えることで、モノリンガル英語のパフォーマンスへの移行ギャップを大幅に減らすことができることを示す。 多言語マルチモーダル変換器の多言語間VQAを多言語間VQAで解析する。
  論文  参考訳（メタデータ） (2022-02-15T18:22:18Z)
• CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
  中国初のバイオメディカル言語理解評価ベンチマークを提示する。 名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。 本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-15T12:25:30Z)

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。