대규모 비전 언어 모델의 흉부 X선 추론을 위한 시각적 기여도 분석 재고
Rethinking Visual Attribution for Chest X-ray Reasoning in Large Vision Language Models
TL;DR AI
1분핵심 요약
연구진은 흉부 X-ray VQA에서 11개 기법, 6개 오픈소스 대형 비전-언어 모델, 2개 답변 모드를 대상으로 인과적 시각 설명을 평가했다.
그 결과 기존 속성 기법들은 모델이 실제로 사용하는 근거를 자주 제대로 잡아내지 못해, 의료 AI 설명의 신뢰성 격차가 드러났다.
연구팀은 임상적으로 의미 있는 부위를 강조하고 그 인과 효과를 더 신뢰성 있게 추정하는 MedFocus를 제안했다.
이번 연구는 LVLM의 답변이 흉부 X-ray에서 의사가 중요하게 보는 근거에 실제로 기반하는지 검증하는 데 목적이 있다.
같은 주제
