임베딩 병목을 넘어서: 적응형 검색 증강 3D CT 판독문 생성
Beyond the Embedding Bottleneck: Adaptive Retrieval-Augmented 3D CT Report Generation
3D CT 볼륨으로부터 방사선 판독문을 자동 생성하는 작업은 불완전한 병변 커버리지 문제로 어려움을 겪는 경우가 많습니다. 본 논문은 이러한 한계가 표현 병목(representational bottleneck)에서 비롯된다는 실증적 증거를 제시합니다. 대조 학습 기반의 3D CT 임베딩은 식별력 있는 병리학적 신호를 인코딩하지만, 512차원 중 유효 차원이 2개에 불과할 정도로 심각한 차원 집중(dimensional concentration)을 보입니다. 이를 뒷받침하듯 언어 모델의 규모를 키워도 유의미한 성능 향상이 나타나지 않았으며, 이는 병목이 생성기가 아닌 시각적 표현에 있음을 시사합니다. 이러한 병목 현상은 생성과 검색 모두를 제한하여, 단순한 정적 검색(naive static retrieval)은 임상적 효용성을 향상시키지 못하고 오히려 성능을 저하시키기도 합니다. 본 연구에서는 제어된 검색을 통해 보충 텍스트 정보를 도입하고 생성 과정에서 이를 선택적으로 통합함으로써 시각적 병목을 보완하는 적응형 증강 프레임워크인 AdaRAG-CT를 제안합니다. CT-RATE 벤치마크에서 AdaRAG-CT는 최고 수준의 임상적 유효성을 달성하여 Clinical F1을 0.420(CT-Agent)에서 0.480(+6%p)으로 향상시켰으며, 절제 연구(ablation study)를 통해 검색 및 생성 구성 요소 모두가 성능 향상에 기여함을 확인했습니다. 코드는 https://github.com/renjie-liang/Adaptive-RAG-for-3DCT-Report-Generation 에서 확인할 수 있습니다.