Amostragem do Melhor de N Consciente de Transições para Relatórios Longitudinais de Radiografias de Tórax

Resumo

Na prática clínica longitudinal, cada radiografia de tórax é interpretada no contexto do exame anterior do paciente, e grande parte do que o radiologista comunica é a mudança de uma consulta para a seguinte. Até onde sabemos, apresentamos o primeiro esquema de amostragem melhor-de-N livre de treinamento para geradores de relatórios de radiografia de tórax pré-treinados que está explicitamente ciente dessa transição de prior para corrente longitudinal. Chamamos isso de amostragem melhor-de-N ciente de transição: cada relatório é dividido em frases e incorporado em um conjunto não ordenado em R^d; cada par (prior, corrente) é reduzido a um vetor direcional de dimensão fixa por meio de uma distância conjunto a conjunto projetada para codificar a mudança entre os dois conjuntos; e os candidatos são pontuados pela distância do cosseno de seu vetor de transição candidato a um banco cacheado de vetores de transição de treinamento de referência, agregados como mínimo ou kNN. Instanciamos a estrutura com quatro distâncias direcionais conjunto a conjunto (deslocamento de média, resíduo de novidade, âncora de Hausdorff direcionada e transporte ótimo ponderado por custo) e avaliamos em uma coorte AP-PA de múltiplas visitas, executando inferência sob três prompts em três geradores visão-linguagem. A amostragem melhor-de-N ciente de transição supera a seleção aleatória de forma consistente, com os maiores ganhos relativos na seção de Impressão.

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.