PofoliaPofolia ile paylaşıldı

Applied Sciences· 2026Q2

Cevap Doğruluğunu Aşmak: Göğüs Röntgeni Soru-Cevaplamada Çok Modlu Geri Getirme Destekli Üretimin Talep Düzeyinde Sadakat Değerlendirmesi İçin Bir Denetim Odaklı Çerçeve

Beyond Answer Accuracy: An Audit-First Framework for Claim-Level Faithfulness Evaluation of Multimodal Retrieval-Augmented Generation in Chest X-Ray Question Answering

Becky Firomssa Gudeta, Saurabh Singh

Kısa özet

Yeni bir denetim odaklı çerçeve, geri getirme izlerini ve talepleri kanıtlara eşleyen bir haritayı izleyerek göğüs röntgeni S-C'de sadakati değerlendirir; geri getirme ile 0.724-0.760 Talep Destek Puanı elde eder ve Halüsinasyon Oranını %0.148-0.210'a düşürür.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Sadakat değerlendirmesi için geri getirme izlerini ve talep başına alıntı haritalarını kaydeden bir denetim odaklı çerçeve önerir.
  • Talep Destek Puanı (geri getirme ile 0.724-0.760) ve Halüsinasyon Oranı (en yüksek destek bandında %0.148-0.210) tanıtır.
  • Üç radyoloji vizyon-dil modeli omurgası üzerinde kimliği doğrulanmış bir göğüs radyograf veri kümesi kullanılarak değerlendirilmiştir.
  • Bulgular, kanıt kapsamının halüsinasyonları azaltmada önemli bir faktör olduğunu göstermektedir.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Radiology vision–language models can generate fluent chest X-ray answers that contain unsupported assertions when individual claims are not verifiably grounded in retrieved evidence. Answer-level similarity and coarse label agreement cannot detect such failures because they do not preserve the evidence chain behind each output. This paper proposes an audit-first evaluation framework that logs, for each query, the retrieval trace, a per-claim citation map, schema enforcement actions, and system telemetry. Claim-level faithfulness is measured by a Claim Support Score and a Hallucination Rate that sum to one by construction over the claims actually delivered. On a de-identified, credentialed-access chest radiograph dataset with three radiology vision–language model backbones, reference-aligned Claim Support Score without retrieval ranges from 0.605 to 0.655, and evidence-linked Claim Support Score with retrieval ranges from 0.724 to 0.760. These use different reference standards and are reported as complementary measurements, not compared directly. With retrieval, Hallucination Rate falls from 0.332 to 0.388 in the lowest retrieval-support band to 0.148 to 0.210 in the highest, suggesting evidence coverage as a candidate lever. The automated support labels have not yet been validated by independent clinical expert annotation, so findings are evaluation results rather than clinical safety evidence.

Yazarların özeti; kaynağından alınmıştır. Applied Sciences, 2026 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Alan: Bilgisayarlı Görü ve Örüntü Tanıma

Computer Vision and Pattern RecognitionComputer Science