MedIQA：プロンプト駆動型医療画像品質評価のためのスケーラブルなファウンデーションモデル

医療画像技術の急速な進展により、診断の正確性を確保するための正確で自動化された画像品質評価（IQA）の重要性が強調されている。しかし、既存の医療IQA手法は、多様な画像モダリティや臨床状況において汎化することが困難である。これに対応して、本研究では医療IQAを目的とした最初の包括的なファウンデーションモデルであるMedIQAを紹介する。このモデルは、画像の寸法、モダリティ、解剖学的領域、種類の変動に対応するように設計されている。それに伴い、豊富な手動でアノテートされた品質スコアを含む大規模なマルチモダリティデータセットを開発した。本モデルは、診断的に重要な領域に焦点を当てた顕著なスライス評価モジュールを統合し、特徴の取得を行う。また、上流の物理的パラメータの前処理と下流の専門家によるアノテーションのファインチューニングを整合させる自動的なプロンプト戦略を採用している。広範な実験の結果、MedIQAは複数の下流タスクにおいてベースラインを大きく上回ることが示され、医療IQAのためのスケーラブルなフレームワークを確立し、診断ワークフローおよび臨床意思決定を前進させた。