Neues Tutor-System IMACT-CXR verbessert Röntgeninterpretation bei Medizinstudenten

Das neu entwickelte IMACT-CXR ist ein interaktiver, mehragentiger Tutor, der Medizinstudenten beim Interpretieren von Thorax‑Röntgenbildern unterstützt. Durch die Kombination von räumlicher Annotation, Blickverfolgung, Wissensabruf und bildgestütztem Denken entsteht ein nahtloser Lernablauf, der auf der AutoGen‑Plattform basiert.

Während des Lernprozesses nimmt das System gleichzeitig die vom Lernenden eingegebenen Begrenzungsrahmen, Blickproben und freie Textbeobachtungen auf. Spezialisierte Agenten bewerten die Lokalisierungsqualität, geben socratische Coaching‑Hinweise, rufen PubMed‑Belege ab, schlagen ähnliche Fälle aus dem REFLACX‑Datensatz vor und aktivieren bei Bedarf das Vision‑Language‑Modell NV‑Reason‑CXR‑3B, wenn das Verständnis noch nicht ausreichend ist oder der Lernende explizit danach fragt.

Zur Messung des Fortschritts nutzt IMACT-CXR Bayesian Knowledge Tracing, das fachspezifische Meisterschafts­schätzungen liefert und sowohl die Wissensverstärkung als auch die Fall‑Ähnlichkeits­suche steuert. Ein mit TensorFlow U‑Net entwickeltes Lungenlappen‑Segmentierungsmodul ermöglicht anatomisch präzises Blick‑Feedback, während Sicherheits‑Prompt‑Mechanismen eine vorzeitige Offenlegung von Ground‑Truth‑Labels verhindern.

Die Systemarchitektur, die Implementierungsdetails und die Integration mit realen DICOM‑Fällen aus REFLACX werden im Artikel beschrieben. IMACT-CXR demonstriert schnelle, latenzbegrenzte Tutor‑Flows, kontrollierte Antwort‑Leckage und lässt sich leicht für den Einsatz in der klinischen Ausbildung erweitern. Erste Evaluationen zeigen, dass die Plattform die Lokalisierungs‑ und diagnostischen Fähigkeiten der Lernenden im Vergleich zu Standard‑Methoden deutlich verbessert.