응급 흉부 X선(CXR) 중증도 분류(triage)에는 구조적인 모달리티 격차가 존재합니다. 즉 판독문은 분류 결정 이후에 도착하지만, 멀티모달 파운데이션 모델은 영상-텍스트 입력을 모두 필요로 합니다. 본 논문에서는 대규모 비전-언어 모델(LVLM)이 생성한 판독문 변형들을 잠재적 임상 해석의 몬테카를로(Monte Carlo) 샘플로 취급하는 지식 증류(distillation) 프레임워크인 변분 위험 최소화(Variational Risk Minimization, VRM)를 제안합니다. 단일 교사 모델의 타깃으로부터 증류하는 대신, VRM은 변분적으로 한계화된(variationally marginalized) 교사 분포로부터 학습하여 모달리티 누락 제약 조건 하에서도 불확실성을 인식하는 감독(uncertainty-aware supervision)을 가능하게 합니다. 동일한 인코더 패밀리 조건에서, VRM은 직접적인 미세조정 베이스라인보다 우수한 성능을 보이며 환각(hallucination) 감독으로부터 강력한 복원력을 보여 캘리브레이션을 개선합니다. 한계화된 감독은 판독문 선택의 불안정성을 완화합니다. 소형 엣지-학생 모델 구현에서, 신뢰도 게이팅 캐스케이드는 20.3%의 클라우드 이관율과 평균 103ms의 지연 시간으로 AUC 0.941을 달성하여, 클라우드-엣지 임상 워크플로우를 위한 명시적인 신뢰성-지연 시간 운용점을 제공합니다.
의료 비전-언어 모델(VLM) 평가는 워크플로 설계, 프롬프트 전략, 벤치마크 구성에 민감하지만, 대부분의 연구는 이러한 요인들을 개별적으로 다룹니다. 본 연구에서는 두 개의 균형 잡힌 데이터셋(비공개 보고서 기반 데이터셋 및 선별된 MIMIC 서브셋)을 기반으로 구축된 흉부 X선 판독을 위한 신뢰성 스트레스 테스트를 소개합니다. 세 가지 의료 VLM(CheXagent, MedGemma-4B, MedGemma-27B)을 세 가지 프롬프트 스타일과 두 가지 워크플로(단일 VLM 및 멀티 에이전트)에 걸쳐 평가하여 총 36개의 구성을 생성했습니다. 본 연구는 정확 일치(exact-match) 정확도만으로는 기본적으로 "정상(Normal)" 예측을 내놓는 보수적인 모델의 유효성이 과장될 수 있음을 보여줍니다. 진단 신뢰성 또한 모델 계열과 규모에 크게 의존하는데, 멀티 에이전트 추론은 일부 구성에는 도움이 되지만 다른 구성에는 오히려 해가 됩니다. 이러한 관찰을 바탕으로, 유익한 경우에만 멀티 에이전트 추론으로 선택적으로 이관하여 고정된 워크플로 대비 비용-품질 트레이드오프를 개선하는 결정 시점 라우팅(decision-time routing) 프레임워크를 제안합니다. 본 연구 결과는 임상 배포 전에 프롬프트 민감도, 실패 모드의 다양성, 워크플로 선택을 종합적으로 고려하는 평가 프로토콜의 필요성을 강조합니다.
충실성(faithfulness)과 해석 가능성(interpretability)은 의료 영상 분석과 같은 안전이 중요한(safety-critical) 영역에서 심층 신경망(DNN)을 배포하는 데 필수적이다. B-cos 네트워크는 합성곱 및 분류(classification) 층의 매개변수화(parameterization)를 수정하여 특징(feature)-가중치(weight) 정렬(feature-weight alignment)을 통해 클래스 근거(class evidence)를 측정하고, 사후(post-hoc) 설명 없이 내장된 클래스별 기여도 맵(contribution maps)을 제공한다. 최신(state-of-the-art) DNN과 경쟁력 있는 진단 성능을 유지하는 동시에, 표준 B-cos 네트워크는 설명 맵에서 심각한 aliasing 아티팩트를 보여 임상에서 명확성이 필수적인 용도에 부적합하다. 본 연구에서는 ASAP와 BlurPool(BP)을 이용한 anti-aliasing 전략을 도입하여 설명 품질을 크게 개선함으로써 이 한계를 해소한다. 흉부 X-ray 데이터셋(dataset)에 대한 실험에서, 수정된 $\text{B-cos}_\mathrm{ASAP}$ 및 $\text{B-cos}_\mathrm{BP}$는 다중 클래스(multi-class) 및 다중 레이블(multi-label) 설정에서 임상 적용에 적합한 충실하고 아티팩트 없는 설명을 제공하면서 강력한 예측 성능을 유지함을 보여준다. 코드는 다음에서 이용할 수 있다: https://github.com/shrebox/Artifact-free-B-cos-Networks.
반사실적(counterfactual) 이미지 생성은 소급적·가상적 시나리오에서 대상이 어떻게 보였을지에 대한 질문에 답한다. 최근 방법들은知覚 품질, 정체성 보존, 근본 인과 모델에 대한 충실도를 개선했지만, 주석 데이터 부족, 데이터셋 간 분포 이동(distribution shift), 사전학습된 생성 모델과 반사실적 추론(inference)에 필요한 모델 간 불일치로 인해 의료 분야에서의 채택이 제한된다. 우리는 분포 이동 하에서 사전학습된 비인과 생성 모델을 인과 메커니즘으로 적응시키는 데이터 및 매개변수 효율적 프레임워크인 특화(specialisation)를 제안한다. 이 프레임워크에 기반하여 잠재 flow matching을 사용해 RadCF라는 방사선학 반사실적 이미지 생성 모델을 학습한다. 서로 다른 데이터셋 이동, 데이터 규모, 반사실적 질문을 아우르는 세 개의 흉부 X-ray 데이터셋에서 접근법을 검증했으며, 이는 도전적이고 고도로 국소화된 개입과 연관된다. 결과는 RadCF와 특화가 데이터 및 매개변수 효율적이면서 기존 방법 대비 반사실적 타당성을 개선하고, 생성된 반사실적이 다운스트림 의료 분류기에서 shortcut learning을 탐지·완화할 수 있음을 보여준다. 코드는 https://github.com/GSK-AI/RadCF/ 에서 이용 가능하다.
흉부 X-ray(CXR) 판독은 병리 소견의 롱테일 분포(long-tailed distribution)와 임상 환경의 오픈월드(open-world) 특성으로 인해 어려움을 겪는다. 기존 벤치마크는 흔히 단일 기관의 폐쇄형(closed-set) 클래스에 의존하여, 희귀 질환의 유병률이나 새로운 소견의 출현을 포착하지 못한다. 이를 해결하기 위해 우리는 CXR-LT 챌린지를 제시한다. 첫 번째 대회인 CXR-LT 2023은 롱테일 다중 레이블(multi-label) CXR 분류를 위한 대규모 벤치마크를 구축하고 희귀 질환 인식에서의 주요 과제를 규명했다. CXR-LT 2024는 레이블 공간을 더욱 확장하고, 미확인 소견에 대한 일반화를 연구하기 위한 제로샷(zero-shot) 과제를 도입했다. CXR-LT 2023 및 2024의 성공을 바탕으로, 이 벤치마크의 세 번째 반복(iteration)은 PadChest 및 NIH Chest X-ray 데이터셋에서 가져온 14만 5천 개 이상의 이미지로 구성된 다기관(multi-center) 데이터셋을 도입한다. 또한 CXR-LT 2026의 모든 개발(development) 및 테스트 세트는 영상의학과 전문의(radiologist)가 주석을 달아, 보고서에서 도출된 레이블보다 더 신뢰할 수 있고 임상적으로 근거 있는 평가를 제공한다. 이번 챌린지는 두 가지 핵심 과제를 정의한다: (1) 30개의 기지(known) 클래스에 대한 강건한 다중 레이블 분류, (2) 6개의 미확인(unseen, 분포 외(out-of-distribution)) 희귀 질환 클래스에 대한 오픈월드 일반화. 본 논문은 CXR-LT 2026 챌린지의 개요를 요약한다. 우리는 데이터 수집 및 주석 절차를 설명하고, 참가 팀들이 채택한 해결 전략을 분석하며, 헤드(head) 대 테일(tail) 성능, 캘리브레이션(calibration), 그리고 기관 간(cross-center) 일반화 격차를 평가한다. 우리의 결과는 비전-언어(vision-language) 파운데이션 모델(foundation model)이 분포 내(in-distribution) 성능과 제로샷 성능을 모두 향상시키지만, 다기관 분포 변화(shift) 하에서 희귀 소견을 탐지하는 것은 여전히 어려운 과제임을 보여준다. 본 연구는 현실적인 롱테일 및 오픈월드 임상 조건에서 AI 시스템을 개발하고 평가하기 위한 기반을 제공한다.
방사선 보고서 생성(RRG)에 사용되는 비전-언어 모델(VLM)의 현행 평가 프로토콜은 어휘적 중복이나 집계된 임상적 정확도를 측정하는 보고서 수준의 지표에 의존한다. 그러나 이러한 지표는 개별 진단 진술이 실제로 영상에서 관찰 가능한 병리학적 근거에서 도출되었는지를 검증하지 않는다. 이로 인해 모델이 학습된 사전 확률(prior)이나 허위 상관관계를 이용하여 경쟁력 있는 점수를 달성할 수 있으며, 우리는 이러한 실패 양상을 비전 숏컷(vision shortcut)이라 칭한다. 우리는 RRG에서 비전 숏컷 행동을 평가하기 위한 벤치마크인 SHOVIR를 소개한다. SHOVIR는 공간적으로 주석이 달린 두 흉부 X선 데이터셋인 MIMIC-CXR과 PadChest-GR을 바운딩 박스별 CheXpert 레이블로 확장하고, 깨끗한 영상에서의 기준선(baseline) 성능과 국소적·영역별 섭동(perturbation)을 대조하는 영상 수준 및 질환 수준의 가림(occlusion) 실험을 정의한다. 이러한 조건들 간의 예측을 비교함으로써 질환 클래스 수준에서 두 가지 실패 양상을 분리할 수 있다: 시각적 근거가 제거된 후에도 소견이 지속되는 직접 숏컷(direct shortcut)과, 대상 영역은 온전함에도 불구하고 공동 발생 병리가 가려지면 탐지 성능이 저하되는 문맥 숏컷(contextual shortcut)이다. 8개의 최신 VLM을 벤치마킹한 결과, 숏컷 행동이 아키텍처와 데이터셋에 따라 상당히 다양하게 나타남을 확인하였다. 기준선 보고서 품질이 가장 높은 모델이 공간적 그라운딩(spatial grounding)에서도 반드시 상위권에 있지는 않으며, 이는 임상적으로 유창한 생성이 시각적 근거에 대한 피상적 의존과 공존할 수 있음을 보여준다. 이러한 발견은 현행 RRG 평가의 맹점을 드러내며 영역 인식 기반의 평가 프로토콜을 동기화한다.
공개 흉부 X선(CXR) 데이터셋은 일반적으로 CheXpert-14와 같이 작고 고정된 레이블 스키마와 함께 공개된다. 그러나 기저의 자유 텍스트 보고서는 훨씬 더 많은 소견을 기술하며, 어떤 소견이 중요한지는 과제, 기관, 판독자에 따라 달라진다. 우리는 자유 텍스트 보고서를 다중 레이블 행렬로 변환한 뒤, 코퍼스를 재레이블링하지 않고, 즉 새로운 추론 패스 없이 사전 편집을 통해 레이블 스키마를 재구성하는 파이프라인을 공개한다. 이 일회성 처리 이후, 캐시된 어노테이션으로부터 MIMIC-CXR(223K 보고서)의 레이블 스키마를 재구성하는 데 API 비용 없이 196초가 걸리며, Claude Opus 4.7을 사용한 동등한 재레이블링 패스에는 $6.6K가 든다. 58개 레이블 분류체계를 사용하여 CXR 검사의 43%가 CheXpert-14 범위 밖의 소견을 적어도 하나 이상 포함함을 보였다. 이 레이블로 학습된 이미지 프로브는 공유 타깃에서 CheXpert-14 프로브와 성능이 맞먹는 동시에, CheXpert-14가 표현할 수 없는 전문가 검수 롱테일 레이블에서 0.78 AUROC에 도달한다. 이 결과는 방사선학 레이블링의 작업 단위가 달라져야 함을 시사한다. 보고서가 구조화되면 레이블 스키마는 재레이블링할 코퍼스가 아니라 편집할 설정이 된다.
자동 흉부 X선 보고서 생성은 최근 강화학습(RL)과 대규모 언어 모델(LLM)로부터 큰 혜택을 받고 있다. 그러나 RL 학습은 고정된 Kullback-Leibler(KL) 정규화와 시간이 지남에 따라 KL 압력이 누적되는 정적 참조 정책으로 인해 불안정성 또는 제한된 탐험 문제를 겪는 경우가 많다. 본 논문에서는 응답 가중 정규화(RER)와 검증 앵커 정책 리셋(VAPR)을 통해 장기 학습을 안정화하는 RL 프레임워크인 REVA-PO(Response-Weighted and Validation-Anchored Policy Optimization)를 제안한다. RER은 이점(advantage)과 참조 정책 엔트로피를 기반으로 응답별 KL 가중치를 동적으로 조정하여, 고품질 응답에 대해서는 제약을 완화하고 저품질 응답에 대해서는 제약을 강화한다. 이를 보완하는 VAPR은 참조 정책과 현재 정책을 최적 검증 체크포인트에 주기적으로 동기화함으로써 누적된 정규화 압력을 초기화하여 실효적인 탐험 공간을 확장한다. 견고한 시작점을 확보하기 위해 워밍업 학습, 분류기 유도 지도 미세조정, RL로 구성된 3단계 파이프라인을 적용한다. MIMIC-CXR 및 IU-Xray에 대한 광범위한 평가에서 REVA-PO는 언어 품질과 임상 정확도 모두에서 새로운 최첨단 벤치마크를 달성하였다. 특히 BLEU-4는 MIMIC-CXR에서 5.1%, IU-Xray에서 3.6% 향상되었으며, CheXpert F1과 RadGraph F1 점수는 기존 최고 방법 대비 각각 4.5%, 12.8% 증가하였다. 코드는 https://github.com/LiGuo12/REVA_PO/ 에서 공개되어 있다.
롱테일 흉부 X선(CXR) 분류 모델에서 높은 랭킹 성능에도 불구하고 희귀 양성 환자가 임계값 이하로 누락되는 서브그룹별 과소진단 문제를 분석하며, 그룹-테일 가중치(group-tail weighting)와 테일 인식 임계값(tail-aware thresholding)을 결합하여 VinDr-CXR 기준 테일 거짓 음성률(FNR)을 0.665에서 0.269로, 성별·연령 최악 그룹 FNR을 각각 0.157, 0.133까지 대폭 낮출 수 있음을 보인다. 이 연구는 CXR 공정성(fairness)이 레이블 빈도나 랭킹 지표만으로 결정되지 않고, 소견·서브그룹·운영 임계값의 조합에 공동으로 의존함을 VinDr-CXR 및 MIMIC-CXR/CXR-LT 두 코호트에서 실증적으로 확인한다.
흉부 X선 다중 레이블 분류에서 도메인 시프트 문제를 해결하기 위해, 모델 예측으로부터 병리 공동 발생(co-occurrence) 행렬을 추정하고 이를 신뢰도 신호로 활용해 구조적으로 일관된 샘플에 더 높은 가중치를 부여하는 테스트 시간 적응(TTA) 방법 CoWA를 제안한다. MIMIC-CXR, CheXpert, VinDr-CXR, NIH Chest X-ray 등 다양한 도메인 시프트 시나리오에서 TENT, EATA, RoTTA 등 기존 베이스라인 대비 일관된 AUROC 향상을 달성하며, 특히 저빈도 병리에서의 성능 저하를 방지하는 강건성을 보인다.
흉부 X선(CXR) 영상에서 흉부 질환을 정확하고 효율적으로 분류하는 것은 신속한 진단 및 치료에 매우 중요합니다. 그러나 시각적 특성이 겹치는 다수의 병리가 존재하면 자동 분류 시스템에 상당한 어려움이 발생합니다. 본 연구에서는 다양한 흉부 병리 간의 계층적 관계를 활용하여 이러한 문제를 해결하기 위해, 손실 기반(loss-based) 방법과 로짓 기반(logit-based) 방법이라는 두 가지 새로운 계층적 다중 레이블 분류 기법을 제안합니다. 손실 기반 기법은 계층적 정보를 최적화 과정에 직접 통합하며, 로짓 기반 방법은 질병 분류체계에서 각 클래스의 부모 클래스에 기반하여 예측 확률을 조정합니다. 세 가지 대규모 CXR 데이터셋인 CheXpert(224,316장), PADCHEST(160,000장), NIH(112,120장)를 사용하여 두 기법의 성능을 평가합니다. 실험 결과, 다양한 병리에 걸쳐 기준선 방법 대비 정확도, AUC, F1 점수에서 유의미한 향상이 나타났습니다. 로짓 기반 및 손실 기반 방법은 기준선 대비 각각 정확도를 12% 및 11%, AUC를 13% 및 10%, F1 점수를 24% 및 12% 향상시켰습니다. 이러한 결과는 기준선 방법 대비 실질적인 개선을 나타냅니다. 또한, 제안된 기법의 견고성과 신뢰성을 검증하기 위한 포괄적인 통계 분석을 수행합니다. 도메인 특화 계층 지식의 통합은 분류 성능을 향상시킬 뿐만 아니라 임상 의사결정 지원을 위한 보다 해석 가능한 출력을 제공합니다. 본 연구 결과는 흉부 방사선 촬영의 컴퓨터 보조 진단 시스템 발전에 있어 계층적 다중 레이블 분류의 잠재력을 강조합니다.
방사선과 의사들은 질병 진행을 추적하기 위해 현재 및 이전 흉부 X선을 일상적으로 비교하며, 해부학적 영역에 국소화되고 시간적 변화 상태가 표기된 다중 소견을 기술하는 추적 보고서를 작성한다. 기존 자동화 방법들은 시간적 맥락을 모델링하지 않고 단일 이미지에서 보고서를 생성하거나, 시간적 정보를 통합하되 출력을 공간적으로 그라운딩하지 않는다. 시간적 추론과 공간적 그라운딩을 결합하는 소수의 접근법은 단일 소견 설명에 국한되어, 변화 방향이 혼재된 다중 소견 보고서는 다루지 못한다. 우리는 다중 소견 환경에서 흉부 X선 쌍으로부터 그라운디드 보고서를 생성하기 위한 프레임워크인 GRCD를 제시한다. 먼저 원본 어노테이션의 두 가지 체계적 레이블링 오류를 식별하고 수정함으로써 엄밀하게 정제된 시간적 흉부 X선 쌍 데이터셋을 구축한다. 이후 해부학적 구조 전반에 걸쳐 영역별 시간적 변화를 인코딩하고, 공간 토큰 선행 삽입과 게이트 크로스 어텐션을 결합한 이중 경로 전략을 통해 이 신호를 언어 모델에 주입하는 Region-Guided Change Token 모듈을 도입한다. 다중 소견 테스트 세트에서 GRCD는 텍스트 생성 및 임상 정확도 지표에서 기존 베이스라인을 능가하며, 변화 감지에서도 성능 향상을 보인다. 소거 연구(ablation study)를 통해 이중 경로 설계가 텍스트 및 임상 지표 모두에서 각 통합 전략 단독보다 우수하며, 다중 소견 생성을 위해 영역 수준의 변화 인코딩이 필수적임을 확인한다. 코드는 https://github.com/UTSA-VIRLab/GRCD에서 확인할 수 있다.
흉부 X선 다중 레이블 분류에서 롱테일 분포로 인한 희귀 질환 인식 성능 저하 문제를 해결하기 위해, TRCGL-Net은 텍스트 유도 조건부 확산 모델 기반 데이터 증강, 채널 재가중 및 클래스 인식 어텐션을 통한 특징 강화, 레이블 공동 발생 기반 그래프 합성곱 네트워크를 통합한 프레임워크를 제안한다. PadChest 데이터셋 실험에서 꼬리 클래스 mAP 0.4904, 전체 mAP 0.4408, mAUC 0.8989를 달성하며 최신 기법들을 능가하였다.
흉부 X-ray(CXR) 공개 데이터셋은 오랫동안 헬스케어 분야에서 기계학습(ML) 컴퓨터 비전(CV) 모델을 개발하기 위한 인기 있는 벤치마크였다. 그러나 이러한 모델의 보고된 강력한 평균 케이스 성능은 이질적인 임상 환경에서 사용될 때 실제 유용성을 반드시 반영하는 것은 아니며, 의학적으로 중요한 시나리오에서의 더 낮은 성능을 가릴 수 있다. 본 연구에서는 CXR 진단을 위한 모델에 대한 보다 포괄적인 평가를 제공하기 위해 임상 맥락을 활용한다. 구체적으로, 각 CXR 이전에 기록된 퇴원 요약을 사용하여 각 CXR 라벨에 대한 ``pre-CXR'' 확률을 도출하며, 이는 CXR 해석 시 임상의에게 제공되는 기존 맥락적 지식의 대리 지표로 삼는다. 우리는 이 측정값을 사용하여 두 가지 차원에서 모델 성능을 탐구한다. 첫째, 층화 분석(stratified analysis)을 통해 pre-CXR 확률이 높은 개인들 사이에서 모델이 (AUROC 및 기타 지표로 측정할 때) 더 낮은 성능을 보이는 경향이 있음을 보인다. 둘째, 매칭(matching)과 재가중(re-weighting)을 통해 pre-CXR 확률을 통제함으로써, 사전 맥락과 현재 CXR 라벨 간의 상관관계가 깨질 때 성능이 저하됨을 보여 주며, 이는 모델 성능이 임상 맥락의 기저 분포에 매우 민감함을 시사한다. 특히, 사전 검사 확률(pre-test probability)이 높은 케이스는 근본적으로 더 어려운 시각적 분류 과제를 제시하며, 고위험 코호트(high-risk cohort)에 모델을 적용할 때 임상적 유용성의 격차를 부각한다.
본 연구에서는 흉부 X-ray 이미지에서 폐 결절 검출 및 위치 탐지를 다루는 챌린지 NoduLoCC2026을 제안한다. 두 과제 모두를 위한 데이터셋을 제공하였으며, 5개국 국제 팀으로부터 제출물을 받았다. 본 논문에서는 참가 팀들의 솔루션과 테스트에 사용된 외부 데이터셋에 대한 결과를 함께 제시한다. 제안된 방법들은 분류 과제에서 양호한 성능을 보인다. 최고 성능 방법은 균형 정확도(balanced accuracy) 0.72와 AUC-ROC 0.79를 기록하였다. 위치 탐지 과제에 대한 현재 접근법의 한계를 강조하며, 최고 접근법은 테스트 이미지의 53%에서 올바른 결절 수를 예측하였고 중앙 거리(median distance) 12.83mm를 보였다. 이는 첫 번째 과제보다 더 도전적인 과제임을 보여준다. 챌린지 웹사이트는 https://gt-i2mdp.github.io/website/nodule_challenge.html 에서 확인할 수 있다.
흉부 X-ray(CXR) 분석을 위한 비전-언어 모델(VLM) 평가는 대부분 시각적 그라운딩(visual grounding) 없이 질병 존재 여부 분류에 국한되어 왔다. 이러한 평가는 VLM의 임상적 신뢰성을 보장하는 데 필요한 전문가 수준의 병변 인지를 검증하지 못한다. 이 한계를 해결하기 위해, 우리는 방사선 전문의의 인지적 작업 흐름을 거친(coarse-level) 탐지, 세밀(fine-level) 수준의 윤곽 평가 및 수정, 의미(semantic-level) 수준의 속성 추출을 반영하는 순차적 다층 인지 벤치마크인 CheXpercept를 소개한다. 대규모로 높은 임상적 충실도를 보장하기 위해, 우리는 6명의 의료 전문가 검토와 함께 반자동 생성 파이프라인을 사용하여 데이터셋을 구축했다. CheXpercept는 2,100건의 CXR에서 파생된 10,400개의 QA 항목을 포함하며, 임상적으로 중요한 7가지 폐·심장 병변을 다룬다. VLM 인지의 현재 지형을 보여주기 위해, 우리는 CheXpercept에서 14개의 일반 및 의료 VLM을 벤치마크했다. 모델들은 coarse 수준에서만 충분한 성능을 보이며, 더 깊은 시각 과제에서 정확도가 급격히 저하된다. 특히 의료 VLM은 일반 도메인 대응 모델에 비해 거의 인지적 이점을 보이지 않으며, 이는 현재 도메인 적응의 체계적 결함을 부각한다. 코드와 데이터셋은 공개 예정이다.
추론 시점 공학(inference-time engineering)은 미세조정 없이 모델 행동을 바꿀 수 있다. 그러나 의료 비전-언어 모델(VLM)에서 진단 성능을 개선하는 데 있어 그 유용성은 아직 불분명하다. 우리는 대조적 활성화 추가(Contrastive Activation Addition, CAA)가 모델 가중치를 갱신하지 않고도 흉부 방사선 영상 VLM에서 폐렴 분류를 개선할 수 있는지 평가하는 것을 목표로 한다. 세 가지 동결(frozen) 흉부 방사선 영상 VLM(MedGemma-4B-IT, NV-Reason-CXR-3B, CheXOne-3B)을 공개 Kermany 폐렴 테스트 세트에서 평가했다. 분류는 이진 프롬프트 하에서 Yes 및 No 토큰의 로짓(logits)에 기반했다. 조향 벡터(steering vectors)에는 30쌍의 답변 바이어스(answer-bias) 제어, 30쌍의 폐렴 텍스트 대조, 30장의 폐렴 및 30장의 정상 개발(development) 영상에서 도출한 영상 조건부 대조가 포함되었다. 층 및 스케일 선택(100장)과 임계값 교정(100장)에는 결정론적 200장 개발 세트를 사용했다. 성능은 ROC-AUC, PR-AUC, F1 점수, 임계값 분석, 역벡터 제어, 무작위 벡터 제어, 조건부 부트스트랩 신뢰구간으로 평가했다. 고정 임계값 F1 개선은 빈번히 관찰되었으나 진단 성능의 개선을 일관되게 나타내지는 않았다. MedGemma-4B-IT의 경우. NV-Reason-CXR-3B에서 가장 큰 이점이 관찰되었다: 교정 F1은 제로샷(zero-shot) 설정에서 0.7692에서 폐렴 텍스트 조향으로 0.8619, 영상 조건부 조향으로 0.8727까지 개선되었다. CheXOne-3B의 경우, 폐렴 텍스트 조향으로 교정 F1이 0.8528에서 0.8666으로 증가했으나 신뢰구간이 0을 가로질렀다. 이 공개 폐렴 벤치마크에서 CAA는 미세조정 없이 예측 점수 분포와 운영 특성을 상당히 변경했다. 평가된 세 VLM 중 하나에서 의미 있는 성능 향상이 관찰되었으며, 이는 활성화 조향(activation steering)이 의료 VLM 행동을 적응시키는 경량 접근법으로 작용할 수 있음을 시사한다.