低用量コンピュータ断層撮影から心臓血管リスク評価のための解釈可能なクロス疾患推論

arXiv:2511.06625v4 Announce Type: replace Abstract: 低用量胸郭コンピュータ断層撮影（LDCT）は、呼吸器系および心臓両方の構造を内在的に捉えるため、肺と心血管健康の共同評価の独自の機会を提供します。しかし、既存の大部分のアプローチはこれらのドメインを独立したタスクとして処理しており、生理学的相互作用や共有イメージリングバイオマーカーを見過ごしています。当論文では、単一 LDCT スキャンから解釈可能な心肺リスク評価を可能にする「解釈可能なクロス疾患推論フレームワーク」を提案します。本フレームワークは、臨床的诊断的思考を模倣するエージェント推論プロセスを導入しており、まず肺の所見を認識し、次に確立された医療知識を通じて推論し、最後に自然言語に基づく有理を伴って心血管判断を導出します。このフレームワークは、肺の異常を要約する「肺の認識モジュール」、心肺への心血管的帰結を推論する「エージェント型肺から心臓への推論モジュール」、構造的バイオマーカーを符号化する「心臓特徴抽出モジュール」の 3 つの構成要素を統合します。それらの出力は融合され、正確で生理学的根拠に基づいた包括的な心血管リスク予測を生成します。NLST コホートでの実験は、提案されたフレームワークが心血管疾患スクリーニング（AUC=0.919）および死亡率予測（AUC=0.838）において、個別疾患および純粋なイメージベースのベースラインを上回る最良の性能を示すと示しています。定量的な向上を超えて、本フレームワークは心臓学的理解と整合し、人間が検証可能である論理的推論を提供しており、肺の異常と心臓のストレス機構との間の統合的なリンクを明らかにします。通して、本作業は LDCT からの心血管解析における統一かつ解釈可能なパラダイムを確立し、イメージベースの予測とメカニズムベースの医療解釈の間のギャップを埋めます。

arXiv:2511.06625v4 Announce Type: replace Abstract: Low-dose chest computed tomography (LDCT) inherently captures both pulmonary and cardiac structures, offering a unique opportunity for joint assessment of lung and cardiovascular health. However, most existing approaches treat these domains as independent tasks, overlooking their physiological interplay and shared imaging biomarkers. We propose an Explainable Cross-Disease Reasoning Framework that enables interpretable cardiopulmonary risk assessment from a single LDCT scan. The framework introduces an agentic reasoning process that emulates clinical diagnostic thinking: first perceiving pulmonary findings, then reasoning through established medical knowledge, and finally deriving a cardiovascular judgment with a natural-language rationale. It integrates three components: a Pulmonary Perception Module that summarizes lung abnormalities, an Agentic Pulmonary-to-Cardiac Reasoning Module that infers their cardiovascular implications, and a Cardiac Feature Extractor that encodes structural biomarkers. Their outputs are fused to produce a holistic cardiovascular risk prediction that is both accurate and physiologically grounded. Experiments on the NLST cohort demonstrate that the proposed framework achieves state-of-the-art performance for CVD screening (AUC=0.919) and mortality prediction (AUC=0.838), outperforming single-disease and purely image-based baselines. Beyond quantitative gains, the framework provides human-verifiable reasoning that aligns with cardiological understanding, revealing coherent links between pulmonary abnormalities and cardiac stress mechanisms. Overall, this work establishes a unified and explainable paradigm for cardiovascular analysis from LDCT, bridging the gap between image-based prediction and mechanism-based medical interpretation.