論文の概要: Performance vs Consistency: Evaluating a Foundation Model in Lung-RADS Screening

• arxiv url: http://arxiv.org/abs/2609.22281v1
• Date: Sun, 13 Sep 2026 02:43:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 03:38:27.362889
• Title: Performance vs Consistency: Evaluating a Foundation Model in Lung-RADS Screening
• Title（参考訳）: 肺-RADSスクリーニングにおける基礎モデルの評価
• Abstract要約: 肺がん検診では、Lung-RADSのような標準化されたフレームワークにもかかわらず、解釈的変異は持続する。 本研究では,Lung-RADS v2022の評価を行う放射線科医に対して,医療汎用基盤モデルであるMedGemmaの評価を行った。 微調整によりAUCは0.83に大幅に向上し、個々の放射線技師のパフォーマンスの低い範囲にモデルを配置した。
• 参考スコア（独自算出の注目度）: 1.998905700404716
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Foundation models have recently demonstrated strong capabilities across a wide range of medical imaging tasks. However, their performance in structured clinical interpretation settings remains insufficiently explored. In lung cancer screening, interpretative variability persists despite standardized frameworks such as Lung-RADS. In this study, we evaluate MedGemma, a medical general-purpose foundation model derived from Gemini and its fine-tuned version adapted for lung cancer detection and diagnosis, compared against radiologists performing Lung-RADS v2022 assessment on the NLST dataset. Twelve radiologists independently evaluated each case in a multi-reader design, enabling quantification of inter-reader variability. Radiologists achieved a mean AUC of 0.90, with substantial variability across readers (range: 0.80-0.94). The native foundation model achieved an AUC of 0.70, failing to reach clinically relevant performance. In contrast, fine-tuning significantly improved performance to an AUC of 0.83, placing the model within the lower range of individual radiologists performance. These findings highlight a trade-off between peak accuracy and prediction consistency. Unlike radiologists, under fixed conditions, the model produces deterministic outputs, removing inter-run variability under identical inputs, in contrast to inter-reader variability observed among radiologists. This supports the role of fine-tuned foundation models potential complementary tools for clinical decision support, particularly in settings with limited expertise. However, evaluation is performed on a case-enriched cohort from NLST and does not account for real-world prevalence or external validation, limiting direct clinical generalization.
• Abstract（参考訳）: ファンデーションモデルは、最近、幅広い医療画像タスクで強力な能力を示した。 しかし, 構造的臨床解釈設定におけるそれらの性能はいまだに十分に調査されていない。 肺がん検診では、Lung-RADSのような標準化されたフレームワークにもかかわらず、解釈的変異は持続する。 本研究では,ゲミニ由来の医用汎用基盤モデルであるMedGemmaを肺がんの診断・診断に応用した細調整版として評価し,NLSTデータセットを用いたLung-RADS v2022の評価を行った放射線科医と比較した。 12人の放射線学者は、それぞれをマルチリーダー設計で独立に評価し、リーダー間の変動の定量化を可能にした。 放射線学者は平均AUCが0.90で、読み手間ではかなりのばらつきがある(範囲は0.80-0.94)。 ネイティブファンデーションモデルは0.70のAUCを達成し、臨床的に関連するパフォーマンスに到達できなかった。 対照的に、微調整はAUCのパフォーマンスを0.83に改善し、個々の放射線技師のパフォーマンスの低い範囲にモデルを配置した。 これらの結果は,ピーク精度と予測整合性のトレードオフを浮き彫りにした。 放射線学者とは異なり、固定条件下では、このモデルは決定論的出力を生成し、同じ入力の下で実行間変動を除去する。 これは、特に限られた専門知識を持つ設定において、臨床決定を支援するための補完的なツールとして、微調整された基礎モデルの役割をサポートする。 しかし、NLSTのケースエンリッチコホートで評価され、直接臨床一般化を制限する現実世界の有病率や外部の妥当性を考慮しない。

関連論文リスト

• Trusting Right Predictions for Wrong Reasons: A LIME Based Analysis of Deep Learning Interpretability in Lung Cancer Diagnosis [0.0]
  肺がんはがん関連死亡の主な原因であり、毎年約250万件の新規感染者と18万件の死亡がある。 評価は主に予測精度に焦点を当てており、意思決定プロセスは十分に検証されていない。 本研究では, IQ-OTH/NCCD肺がんCTデータセットをトレーニングした, 畳み込みニューラルネットワーク(CNN), 事前訓練されたResNet50, ビジョントランスフォーマー(ViT)の3つのモデルを比較した。 ResNet50は98.61%の精度、CNN 97.91%の精度、ViT 93.75%の精度を達成した。
  論文  参考訳（メタデータ） (2026-06-14T22:08:31Z)
• A Reasoning-Enabled Vision-Language Foundation Model for Chest X-ray Interpretation [48.23500302185585]
  CXR解釈のための推論可能な視覚言語モデルであるCheXOneを提案する。 CheXOneは、診断予測と明示的で臨床的に根拠付けられた推論トレースを共同で生成する。 55%のケースでは,CheXOneドラフトレポートは常駐レポートと同等かそれ以上であることがわかった。
  論文  参考訳（メタデータ） (2026-04-01T05:19:09Z)
• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• 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)
• PathBench: A comprehensive comparison benchmark for pathology foundation models towards precision oncology [33.51485504161335]
  病理基盤モデル(PFM)の最初の包括的なベンチマークであるPathBenchを紹介する。 我々のフレームワークは大規模データを組み込んで,PFMの客観的比較を可能にする。 当院では10病院で8,549人の患者から15,888件のWSIを収集し,64件以上の診断・予後調査を行った。
  論文  参考訳（メタデータ） (2025-05-26T16:42:22Z)
• Vision-Language Model-Based Semantic-Guided Imaging Biomarker for Lung Nodule Malignancy Prediction [0.38698178563798113]
  本研究の目的は, 放射線技師による結節評価から得られた意味的特徴を統合し, 臨床的に関連性があり, 堅牢で, 説明可能な画像的特徴を肺がんの予測に役立てることである。 画像と意味的テキストの特徴を整合させ,1年間の肺がん診断を予測するためのパラメータ効率の良い微調整手法を用いて,事前訓練されたコントラスト言語画像訓練モデルを微調整した。
  論文  参考訳（メタデータ） (2025-04-30T06:11:34Z)
• 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。