NLPCC 2026において、研究チームは難易度考慮型医療指導ビデオ質問応答（DA-MIVQA）共有タスクを正式に発表しました。これは、NLPCC 2023年から2025年にかけて開催されたCMIVQA、MMI-VQA、M4IVQAの各チャレンジを発展させたもので、マルチモーダル医療ビデオ理解の評価において重要な一歩となります。DA-MIVQAの最大の特徴は、質問に答えるために必要な証拠の種類と複雑さに基づいて、難易度を明示的に区別する点です。具体的には、簡単な質問は字幕のテキスト情報から答えられるのに対し、複雑な質問は視覚的接地、手順の理解、モーダル間の証拠統合といった高度な能力を要求します。この難易度分類により、システムの認知的な強みと弱みを詳細に分析することが可能になります。
DA-MIVQAは3つのトラックで構成されています。1つ目は「単一ビデオ内の難易度考慮型時間的答え根拠付け（DA-TAGSV）」で、個々の教育ビデオ内で質問に関連する時間範囲を特定します。2つ目は「難易度考慮型ビデオコーパス検索（DA-VCR）」で、大規模なビデオコーパスから最も関連性の高いビデオクリップを検索します。3つ目は「ビデオコーパス内の難易度考慮型時間的答え根拠付け（DA-TAGVC）」で、検索と時間的根拠付けの両方を統合したチャレンジです。すべてのトラックは統一された難易度ラベルに基づいて評価され、公平な比較が可能となっています。
データセットは公開医療指導チャンネルから収集され、応急手当、緊急対応、リハビリテーション、看護、一般医学教育など多様なシナリオをカバーしています。各ビデオクリップは手動で検証され、難易度ラベルが付与されています。例えば、応急手当のビデオでは、簡単な質問として「患者はどの姿勢をとるべきか」、複雑な質問として「特定の状況で止血帯を使用してはいけない理由は何か」といった例が挙げられます。このような設計により、データセットは実際の医学教育現場の多様性を反映したものとなっています。
論文では、タスクの動機、データセット構築の詳細、評価プロトコル、参加チームの統計、および勝敗システムの技術的特徴が詳述されています。発表によれば、国内外の大学や企業から複数のチームが参加し、簡単な問題では高い性能を示したものの、複雑な問題ではまだ改善の余地があることが明らかになりました。DA-MIVQAは、医学ビデオ質問応答分野に標準化された評価基盤を提供するだけでなく、今後の研究の方向性——多様な推論要求に対応する強力なマルチモーダルモデルの開発——を示唆しています。論文は全21ページで、1つの図と5つの表を含み、タスクの全容を詳細に記述しています。