4 milliárd paraméteres AI-modell diagnosztizálhatja a sebfertőzéseket
A modell a vizuális adatok alapján értelmezhető magyarázatokat adhat a diagnózishoz, ezzel támogatva a klinikai döntéshozatalt.
Egy új, 4 milliárd paraméteres látás-nyelvi modell, az Infection-Reasoner segíthet a krónikus sebfertőzések diagnosztizálásában és indoklás generálásában — derül ki az arXiv-on előzetesen publikált kutatásból.
A krónikus sebfertőzések fényképek alapján történő felmérése eddig komoly kihívást jelentett, mivel a vizuális megjelenés a seb etiológiájától, anatómiai elhelyezkedésétől és a képkészítési körülményektől függően is változik. A korábbi kép alapú mélytanulási módszerek elsősorban a besorolásra fókuszáltak, korlátozott értelmezhetőséggel.
Az Infection-Reasoner éppen ezt a hiányosságot orvosolná, mivel célja, hogy bizonyítékokon alapuló magyarázatokat nyújtson a diagnózisokhoz, ezzel támogatva az azonnali klinikai döntéshozatalt. A modell egy kompakt, 4B-paraméteres érvelő látás-nyelvi modell, amely a sebfertőzés osztályozására és az indoklások generálására készült.
A kutatók kétlépcsős képzési folyamatot alkalmaztak, hogy kezeljék a szakértők által annotált, indoklással ellátott sebképek hiányát. Az első lépésben, az úgynevezett érvelés-desztilláció során a GPT-5.1 generált láncolt gondolatmeneteket (chain-of-thought rationales) címkézetlen sebképekhez, hogy inicializálja a seb-specifikus érvelést egy kisebb, Qwen3-VL-4B-Thinking nevű tanuló modellben. Ezt követően megerősítő tanulással (reinforcement learning post-training) finomhangolták a modellt a Group Relative Policy Optimization módszerrel.
Az Infection-Reasoner modell az arXiv:2604.19937v1 számon érhető el előnyomtatott formában.