CWCD：構造化医療レポート生成のためのカテゴリ別コントラストデコーディング

要旨: 胸部X線の解釈は、本質的に困難です。解剖学的構造の重なりに加えて、多くの臨床的に重要な病理の微妙な所見が存在するためです。その結果、経験豊富な放射線科医であっても正確な診断には時間がかかります。LLaVA-Rad や Maira-2 のような放射線科に特化した最近の基盤モデルは、多モーダル大規模言語モデル（MLLM）を、自動放射線レポート生成（RRG）の最前線に押し上げてきました。 しかし、こうした進展にもかかわらず、現在の基盤モデルは単一のフォワードパスでレポートを生成します。このデコーディング戦略は、視覚トークンへの注意を低下させ、生成が進むにつれて言語事前知識への依存を高めます。その結果、生成されたレポートには、病理の同時出現が根拠のない形で混入（スパリアスな併発）することが生じます。これらの制約を緩和するために、本研究では、構造化放射線レポート生成（SRRG）を改善することを目的とした、新規かつモジュール化された枠組みである Category-Wise Contrastive Decoding（CWCD）を提案します。提案手法では、カテゴリ固有のパラメータ化を導入し、カテゴリ固有の視覚プロンプトを用いて、正常X線とマスクされたX線を対比（コントラスト）することで、カテゴリ別のレポートを生成します。実験結果は、CWCD が、臨床的有効性と自然言語生成の両方の指標において、ベースライン手法を一貫して上回ることを示しています。さらにアブレーション研究により、各アーキテクチャ要素が全体の性能に寄与する度合いが明らかになります。