CT-$\Delta$Bench: A Benchmark for Longitudinal 3D Medical Imaging Difference Reporting with Vision-Language Models
Di cosa parla
Si studia come far descrivere a modelli l’evoluzione tra due esami di tomografia computerizzata dello stesso paziente: il compito è prendere due scansioni fatte in momenti diversi e generare un referto che spieghi i cambiamenti clinicamente rilevanti. Per questo hanno messo a punto un insieme di valutazione con divisione per paziente, misure pensate per cogliere i cambiamenti, una validazione con medici e un modello di base addestrato su questi dati.
Cosa permette di osservare
Solleva domande pratiche: conviene far confrontare il modello direttamente le due scansioni o usare prima referti singoli e poi differenziarli? E come si valutano e si convalidano con i medici i cambiamenti che contano per la cura del paziente?
Dalla fonte
In medical imaging, the clinical value of Computed Tomography (CT) lies not only in depicting current disease status, but crucially in enabling longitudinal comparison of serial scans to determine disease evolution, a process that underpins response assessment, recurrence detection, and ongoing patient management. Yet, despite this central role of temporal comparison in clinical decision-making, existing medical foundation models remain largely confined to single-study understanding, leaving temporally grounded cross-examination insufficiently addressed. To address this gap, we study longitudinal imaging difference reporting, a task in which a model takes two temporally separated scans from the same patient and generates a clinically meaningful report describing interval changes between them. We introduce CT-$\Delta$Bench, a dedicated benchmark for this task with patient-level splitting…