論文の概要: When Retrieval Hurts: Measuring and Explaining Retrieval-Induced Hallucination in Chest X-ray Report Generation
- arxiv url: http://arxiv.org/abs/2609.31733v1
- Date: Tue, 22 Sep 2026 15:04:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-08 13:19:54.658185
- Title: When Retrieval Hurts: Measuring and Explaining Retrieval-Induced Hallucination in Chest X-ray Report Generation
- Title（参考訳）: 検索ハルト:胸部X線診断における検索誘発幻覚の測定と説明
- Abstract要約: 検索増強世代は胸部X線レポートを改善する魅力的な方法である。
同じメカニズムが臨床上の誤りの原因であることを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Retrieval-augmented generation is an attractive way to improve chest X-ray reporting, because reports from similar prior studies supply clinical context a general vision-language model lacks. We show the same mechanism is a reliable source of clinical error. Over 100 MIMIC-CXR studies with a frozen LLaVA-1.5 generator and BioMedCLIP retrieval, CheXbert clinical F1 doubles under relevant retrieval (0.201 to 0.402) and collapses to 0.043 under clinically mismatched retrieval, a fifth of the image-only score; the retrieval-induced hallucination rate, counting only unsupported findings traceable to retrieved evidence, rises from 0.00 to 0.76 and 0.98. To show this is not an artefact of evidence-set coverage, we introduce a coincidental-overlap control that scores image-only generations against evidence they never saw, placing the chance base rate at 0.18, four to five times below the observed rates. The generator does not merely acquire findings, it transcribes text: 95% of reports produced under relevant retrieval contain an eight-word span occurring verbatim in the retrieved evidence but absent from the reference, against 0% without retrieval. We then explain the mechanism: a normal chest X-ray retrieves at least one abnormal precedent in 24 of 28 cases, because medical image-embedding similarity is dominated by anatomy and acquisition rather than by the presence of disease. This has a direct design consequence. Retrieval similarity does not predict harm (RIH rates 0.80/0.80/0.60/0.84 across similarity quartiles), so relevance gates conditioned on embedding similarity cannot work; gating on predicted pathology agreement removes 61% of unsupported evidence at no cost to useful coverage. We argue that retrieval-augmented clinical systems must be evaluated under retrieval failure, not only under retrieval success.
- Abstract（参考訳）: また, 胸部X線検査では, 一般的な視覚言語モデルが欠如していることから, 胸部X線所見の改善が期待できる。
同じメカニズムが臨床上の誤りの原因であることを示す。
凍結したLLaVA-1.5ジェネレータとBioMedCLIP検索で100以上のMIMIC-CXR研究を行い、CheXbert臨床F1は関連検索(0.201から0.402)で2倍になり、画像のみのスコアの5分の1である臨床ミスマッチ検索で0.043に崩壊する。
これはエビデンス・セット・カバレッジの成果ではないことを示すため、観測されたレートの4倍から5倍の0.18倍の確率で画像のみの世代を、これまで見たことのないエビデンスに対してスコア付けする偶然オーバーラップ制御を導入する。
関連検索で生成されたレポートの95%は、検索された証拠に8ワードスパンが発生し、検索なしで0%と、基準から外れている。
正常な胸部X線は,28例中24例において,少なくとも1例の異常例を回収する。
これは直接的な設計上の結果である。
検索の類似性は類似性四量体で0.80/0.80/0.60/0.84の値)を予測できないため、類似性を埋め込むことで条件付けられた関連ゲートは機能しない。
本研究は, 検索成功だけでなく, 検索失敗時にも, 検索機能を有する臨床システムの評価を行なわなければならないと論じる。
関連論文リスト
- Training-Free Clinical Reasoning through Medical Ontologies and Cognitive Mapping: A Symbolic-Probabilistic Knowledge Graph Framework [4.1457422356798155]
ほとんどの臨床予測システムは、患者可変アウトカム関連を学習する。
患者観察を明確な医療知識にマッピングする無トレーニング診断パラダイムについて検討する。
CKG Reasonerは、候補固有のEvidence Feature Nodes、患者参照マッチング、境界情報ゲート、知識重み付けされたエビデンス蓄積、疾患類似性、決定的な臨床規則を統合している。
論文 参考訳（メタデータ） (2026-09-28T14:39:34Z) - Seeing Beyond the Lesion: Disease Recognition from Reactive CNS Tissue [1.2182821723492487]
我々は4つの病理基盤モデルを、共有注意に基づく学習フレームワーク内の凍結パッチエンコーダとしてベンチマークする。
まず,スライドサイズだけで粗い疾患カテゴリー予測が再現可能であることを示す。
驚くべきことに、パフォーマンスはすべての基礎モデルエンコーダ間で統計的に区別できない。
論文 参考訳（メタデータ） (2026-09-02T10:02:43Z) - Epistemic Sybil Resistance: Multiplying AI Agents Without Multiplying Evidence [0.0]
エージェントの生成とレポートの合成により、マルチエージェントAIシステムは推論を改善する。
しかし、どうやら独立した報告は、同じ証拠に由来するかもしれないし、真に独立した証拠は、ほぼ同一の報告を生成することができる。
一般に、レポートのみのアグリゲータは、複製と独立のコロンボレーションを区別できない。
論文 参考訳（メタデータ） (2026-09-01T21:11:27Z) - A Vision-language Framework for Comparative Reasoning in Radiology [68.52471827773482]
我々は,放射線学的比較を実体認識のクロスイメージ推論問題として定式化する。
我々は,日常的な画像とレポートのペアから得られた大規模比較画像資源を構築した。
臨床類似症例の検索を制御可能なエンティティ対応ビジュアルエンコーダであるMedReCoを開発した。
論文 参考訳（メタデータ） (2026-06-04T17:12:47Z) - Cross-modal linkage risk in clinical vision-language models [1.828619151598757]
視覚言語モデル(VLM)は、ペアの胸部X線写真と放射線学レポートに基づいて訓練され、インスタンスレベルの画像レポート対応を保存できる共有埋め込み空間を学習する。
これは、ラジオグラフとレポートが買収後に意図的に分離された設定でプライバシー上のリスクを生じさせる。
我々はこれをイメージ・ツー・レポート検索として定式化し、プライバシーシナリオとしてではなく、パブリック・ペアのコホートを使用してリスクを監査した。
論文 参考訳（メタデータ） (2026-06-01T14:01:46Z) - HalluCXR: Benchmarking and Mitigating Hallucinations in Medical Vision-Language Models for Chest Radiograph Interpretation [7.512887610816016]
HalluCXRは、856個の胸部X線写真から6つのアーキテクチャ的に多様な視覚言語モデルを評価するベンチマークである。
61.9--82.3%のアウトプットには幻覚が含まれており、臨床的に危険なエラーは最大80.2%である。
これらの結果から, 幻覚検査, 冗長性に基づくリスクモニタリング, アンサンブルに基づく安全層が臨床展開の前提条件であることが確認された。
論文 参考訳（メタデータ） (2026-05-19T20:30:32Z) - Correct block-design experiments mitigate temporal correlation bias in
EEG classification [68.85562949901077]
[1]の主主張は極めて過大評価されており、他の分析は間違った方法論的選択によって深刻な欠陥を負っていることを示す。
脳波の時間相関が2つの実験環境で同じモデルをテストすることによって分類精度に及ぼす影響について検討した。
論文 参考訳（メタデータ） (2020-11-25T22:25:21Z) - Grading Loss: A Fracture Grade-based Metric Loss for Vertebral Fracture
Detection [58.984536305767996]
自動椎骨骨折検出のための表現学習型アプローチを提案する。
本稿では,Genantのフラクチャーグレーディングスキームを尊重する,学習表現のための新しいGrading Lossを提案する。
一般に利用可能なスピーンデータセットでは、提案された損失関数が81.5%のフラクチャー検出F1スコアを達成する。
論文 参考訳（メタデータ） (2020-08-18T10:03:45Z) - Predicting COVID-19 Pneumonia Severity on Chest X-ray with Deep Learning [57.00601760750389]
前頭部胸部X線画像の重症度予測モデルを提案する。
このようなツールは、エスカレーションやケアの非エスカレーションに使用できる新型コロナウイルスの肺感染症の重症度を測定することができる。
論文 参考訳（メタデータ） (2020-05-24T23:13:16Z) - Joint Prediction and Time Estimation of COVID-19 Developing Severe
Symptoms using Chest CT Scan [49.209225484926634]
術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。
提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。
提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
論文 参考訳（メタデータ） (2020-05-07T12:16:37Z)
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。