Artigo

MedDream: world model radiográfico para diagnóstico e geração de evidência

Propõe o MedDream, um 'world model' radiográfico que aprende uma única representação do estado do raio-x de tórax e a usa tanto para diagnóstico quanto para gerar imagens a partir de laudos. Pré-treinado em ~2,65 milhões de pares imagem-texto, supera baselines diagnósticos e generativos em oito datasets e melhora a concordância de residentes com o consenso de radiologistas. Destaque: aumento sintético guiado por gaps de subgrupo melhorou o desempenho em pacientes asiáticos, enquanto aumento não guiado piorou.

Referência

Autores: Xi S, Hu S, Wang S, et al. (autor correspondente: Yang X)
Afiliações: University of Chicago, Emory University, Memorial Sloan Kettering
Ano: 2026
Venue: arXiv (cs.AI), preprint
DOI / URL: https://arxiv.org/abs/2609.07719

Problema e Contexto

IA em imagem médica costuma ser construída como dois sistemas separados: um que lê o radiograma e dá o diagnóstico, outro que gera imagens a partir de texto clínico. Os dois dependem do mesmo estado radiográfico subjacente. Achados raros e subgrupos sub-representados são escassos nos dados reais, e os objetivos diagnóstico e generativo puxam o pré-treino em direções opostas: mascaramento forte ajuda a geração, mas esconde os sinais sutis de que o diagnóstico precisa.

Hipótese / Objetivo

Aprender uma única representação visual contínua do raio-x de tórax (um "world model radiográfico") que sirva ao mesmo tempo para leitura diagnóstica e para simular evidência radiográfica condicionada ao laudo, e testar se isso ajuda em generalização, apoio ao leitor humano e equidade entre subgrupos.

Método

Objetivos conjuntos: alinhamento imagem-texto estilo CLIP + geração latente mascarada com reconstrução por difusão.
Currículo de mascaramento progressivo: mascaramento baixo preserva sinais de doença para o alinhamento; mascaramento alto força a recuperação de anatomia e patologia para a geração.
Seleção de trajetória semântica: best-of-K interno guiado pelo alinhamento na hora de gerar.
Imagens: 256×256 px.
Dados de pré-treino: ~4,40M pares candidatos; subconjunto com controle de vazamento de ~2,65M pares, sendo ~1,80M do PMC-CXR (minerado da literatura; auditoria estimou 94,8% de precisão CXR e ~10,7% de pares não conformes) e ~0,85M de repositórios clínicos públicos (MIMIC-CXR 331k, CheXpert Plus 223k, PadChest 161k, NIH ChestX-ray14 87k, BRAX 41k, IU X-Ray 7k).
Avaliação em 8 datasets: NIH ChestX-ray14, VinDr-CXR, RSNA Pneumonia, ChestDR (long-tail), CXR-LT (k-shot de...

MedDream: world model radiográfico para diagnóstico e geração de evidência

Referência

Autores: Xi S, Hu S, Wang S, et al. (autor correspondente: Yang X)
Afiliações: University of Chicago, Emory University, Memorial Sloan Kettering
Ano: 2026
Venue: arXiv (cs.AI), preprint
DOI / URL: https://arxiv.org/abs/2609.07719

Problema e Contexto

Hipótese / Objetivo

Método

Objetivos conjuntos: alinhamento imagem-texto estilo CLIP + geração latente mascarada com reconstrução por difusão.
Currículo de mascaramento progressivo: mascaramento baixo preserva sinais de doença para o alinhamento; mascaramento alto força a recuperação de anatomia e patologia para a geração.
Seleção de trajetória semântica: best-of-K interno guiado pelo alinhamento na hora de gerar.
Imagens: 256×256 px.
Dados de pré-treino: ~4,40M pares candidatos; subconjunto com controle de vazamento de ~2,65M pares, sendo ~1,80M do PMC-CXR (minerado da literatura; auditoria estimou 94,8% de precisão CXR e ~10,7% de pares não conformes) e ~0,85M de repositórios clínicos públicos (MIMIC-CXR 331k, CheXpert Plus 223k, PadChest 161k, NIH ChestX-ray14 87k, BRAX 41k, IU X-Ray 7k).
Avaliação em 8 datasets: NIH ChestX-ray14, VinDr-CXR, RSNA Pneumonia, ChestDR (long-tail), CXR-LT (k-shot de...