Muestreo best-of-N con conciencia de transiciones para informes longitudinales de radiografías de tórax

Resumen

En la práctica clínica longitudinal, cada radiografía de tórax se interpreta en el contexto del examen previo del paciente, y gran parte de lo que el radiólogo comunica es el cambio de una visita a la siguiente. Hasta donde sabemos, presentamos el primer esquema de muestreo best-of-N sin entrenamiento para generadores de informes de radiografías de tórax preentrenados que es explícitamente consciente de esta transición de lo previo a lo actual. Lo denominamos muestreo best-of-N consciente de la transición: cada informe se divide en oraciones y se incrusta en un conjunto no ordenado en R^d; cada par (previo, actual) se reduce a un vector direccional de dimensión fija mediante una distancia entre conjuntos diseñada para codificar el cambio entre los dos conjuntos; y los candidatos se puntúan mediante la distancia coseno desde su vector de transición candidato hasta un banco almacenado de vectores de transición de entrenamiento de verdad fundamental, agregados como mínimo o kNN. Implementamos el marco con cuatro distancias direccionales entre conjuntos (desplazamiento medio, residual de novedad, ancla de Hausdorff dirigida y transporte óptimo con costo ponderado) y lo evaluamos en una cohorte AP-PA de múltiples visitas, ejecutando inferencia bajo tres indicaciones en tres generadores visión-lenguaje. El best-of-N consciente de la transición supera a la selección aleatoria en todos los aspectos, con las mayores ganancias relativas en la sección de Impresión.

English

In longitudinal clinical practice, every chest X-ray is read in the context of the patients prior exam, and much of what the radiologist communicates is the change from one visit to the next. To the best of our knowledge, we present the first training-free best-of-N sampling scheme for pre-trained chest X-ray report generators that is explicitly aware of this longitudinal prior to current transition. We call it transition-aware best-of-N sampling, each report is split into sentences and embedded into an unordered set in Rd; each (prior, current) pair is reduced to a fixed-dim directional vector via a set-to-set distance designed to encode the change between the two sets; and candidates are scored by cosine distance from their candidate transition vector to a cached bank of ground-truth training transition vectors, aggregated as min or kNN. We instantiate the framework with four directional set distances (mean-shift, novelty residual, directed-Hausdorff anchor, and cost-weighted optimal transport) and evaluate on a multi-visit AP-PA cohort, running inference under three prompts on three vision-language generators. Transition-aware best-of-N outperforms random selection across the board, with the largest relative gains on the Impression section.