《npj Digital Medicine》：Text-image alignment for ILD imaging: linking CXR evidence to CT quantification
编辑推荐：
本研究针对间质性肺疾病(ILD)评估中胸部X光片(CXR)与计算机断层扫描(CT)模态割裂导致的AI诊断幻觉问题，开发了ARCTIC-ILD框架。通过校准的CXR证据提取器生成结构化报告，并利用跨注意力适配器实现术语到掩模的转换，显著提升文本-图像对齐精度。该研究为ILD的临床分诊和纵向随访提供了可审计的量化工具。
在间质性肺疾病(Interstitial Lung Disease, ILD)的临床诊断路径中，胸部X光片(chest radiographs, CXR)因其便捷性常作为初筛工具，而高分辨率计算机断层扫描(computed tomography, CT)则是精确量化肺部病变的金标准。然而当前人工智能(AI)辅助诊断系统往往将这两种模态孤立处理：CXR报告生成模型可能产生与CT实际表现不符的文本描述（即"幻觉"现象），而CT量化分析结果又难与影像学报告形成互证。这种跨模态割裂不仅影响诊断可靠性，更阻碍了临床工作流的整合。
为解决这一难题，研究人员在《npj Digital Medicine》发表题为"Text-image alignment for ILD imaging: linking CXR evidence to CT quantification"的研究，提出ARCTIC-ILD框架。该研究通过三个核心技术模块实现突破：首先开发经过校准的CXR证据提取器，将胸片影像映射到ILD特异性术语体系；随后设计术语-掩模转换模块，通过轻量级跨注意力适配器生成肺叶感知的CT分割掩模；最后引入视觉-语言审计机制，强制文本描述与量化数据的一致性。
关键技术方法包括：基于配对CXR-CT队列的跨模态对齐技术、轻量级跨注意力适配器实现术语到掩模的转换、以及视觉-语言审计机制确保生成文本与定量数据的一致性。研究使用真实临床环境中的配对CXR-CT数据集进行验证。
结构化证据提取
通过校准的CXR证据提取器，将胸片影像转换为包含ILD特征术语的结构化文本，有效降低自由文本报告的主观偏差。
跨模态映射机制
利用术语到掩模的转换模块，通过跨模态注意力机制实现文本描述与CT影像的像素级对齐，生成肺叶级别的病变分布图。
量化一致性验证
引入视觉-语言审计流程，定量评估生成文本与CT量化指标（如病变负荷）的匹配度，显著降低跨模态不一致错误。
研究结论表明，ARCTIC-ILD框架在保持推理效率的同时，将文本幻觉现象降低约40%，短语-掩模对齐精度提升至92.7%。该成果的重要意义在于首次建立了可审计的CXR-CT跨模态关联协议，为ILD的智能分诊、结构化报告生成和纵向病情监测提供了端到端解决方案，推动医学AI从单模态分析向多模态协同决策的范式转变。
