UNIRG؛ هوش مصنوعی که گزارش رادیولوژی می نویسد و با معیار بالینی سنجیده می شود

نوشتن گزارش تصاویر پزشکی — مثل عکس قفسه سینه — کاری زمان بر و دقیق است؛ رادیولوژیست باید هر یافته را ببیند، تفسیر کند و در قالب یک گزارش استاندارد بنویسد. مدل های هوش مصنوعی چندوجهی چند سالی است که می توانند چنین گزارش هایی تولید کنند، اما بیشترشان با روش معمول fine-tuning آموزش می بینند: یعنی یاد می گیرند متنی بنویسند که شبیه گزارش های واقعی باشد. مشکل اینجاست که متن روان، لزوما متن درست نیست؛ مدلی که فقط «شبیه گزارش» می نویسد، ممکن است یک یافته مهم را جا بیندازد یا چیزی را گزارش کند که در تصویر نیست — و وقتی به بیمارستانی دیگر با داده های متفاوت می رود، عملکردش افت می کند.

در ۱۲ نوامبر ۲۰۲۶، پژوهشگران مایکروسافت ریسرچ در مجله Nature Communications چارچوبی به نام UNIRG معرفی کردند که دقیقا همین نقطه ضعف را هدف می گیرد. به جای اینکه معیار آموزش فقط «شبیه بودن به گزارش واقعی» باشد، آن ها از یادگیری تقویتی (بهینه سازی سیاست نسبی گروهی، GRPO) استفاده کردند تا مدل مستقیما بر اساس معیارهایی با معنای بالینی آموزش ببیند؛ ترکیبی از دقت واژگانی، شباهت معنایی و — مهم تر از همه — خطای بالینی. مدل ساخته شده با این چارچوب، UNIRG-CXR، یک مدل بینایی–زبانی ۸ میلیارد پارامتری است که روی چهار مجموعه داده عمومی (MIMIC-CXR، CheXpert Plus، ReXGradient-160k و IU-Xray) آموزش دیده است.

نتایج چشمگیر است: UNIRG-CXR در بنچمارک ReXrank در چهار مجموعه داده و دو حالت تولید گزارش، از همه مدل های قبلی بهتر عمل کرد و در دو مجموعه آزمون بیش از ۵۰ درصد بهتر از بهترین مدل پیشین بود. خطاهای با اهمیت بالینی در گزارش هایش کمتر شد و عملکردش روی داده های دیده نشده و در زیرگروه های جمعیتی مختلف حفظ شد؛ کیفیت گزارش ها را رادیولوژیست های متخصص هم تایید کردند.

به نظرم نکته مهم این کار، عوض شدن معیار است: به جای اینکه از مدل بخواهیم «مثل یک رادیولوژیست بنویس»، از او خواسته شده «مثل یک رادیولوژیست درست بنویس». همین جابه جایی کوچک، تفاوت بین یک متن روان و یک ابزار پزشکی واقعی است. اگر چنین مدل هایی با اعتبارسنجی بالینی دقیق وارد بیمارستان ها شوند، می توانند بار کاری رادیولوژیست ها را کم کنند، گزارش ها را سریع تر و یکنواخت تر کنند و در مناطقی که متخصص کم است، به پزشکان کمک کنند. البته باید صادق بود: این مدل هنوز جایگزین پزشک نیست؛ گزارش نهایی باید زیر نظر رادیولوژیست تایید شود و خطای بالینی حتی اگر کمتر شده باشد، در پزشکی صفر نمی شود. اما مسیر روشن است: هوش مصنوعی پزشکی دارد از «متن روان» به «درستی بالینی» می رسد.

Liu, Q., Zhang, S., Qin, G. et al. (2026). Scaling medical imaging report generation with multimodal reinforcement learning. Nature Communications. DOI: 10.1038/s41467-026-78767-4 — https://www.nature.com/articles/s41467-026-787

67-4