2026年6月17日、論文「Scaling Generative Foundation Models for Chest Radiography with Rectified Flow Transformers」がarXivにプレプリントとして投稿された。識別子はarXiv:2606.19460v1で、コンピュータビジョンとパターン認識（cs.CV）に分類され、人工知能（cs.AI）および機械学習（cs.LG）にもまたがる内容となっている。著者はFabio De Sousa Ribeiro博士を筆頭に全10名で、投稿日時は協定世界時2026年6月17日18時01分18秒、全文のファイルサイズは約23,990KBである。
研究チームは要旨の中で、胸部X線画像の生成を目的とした初の生成的基盤モデルを、10億パラメータ規模でゼロから学習させたと述べている。既存の放射線画像AIモデルは、患者のサブポピュレーション間、医療機関間、さらには撮影設定の違いにおいて汎化性能が低く、実際の臨床現場での有用性が限られることが多いという課題がある。そのため、制御可能で高忠実度な胸部X線の合成は、臨床データセットの多様性を高め、診断モデルのロバスト性を評価するための有望な道筋と位置付けられている。
本モデルは、胸部X線に特化した生成的基盤モデルとして現時点で最大規模とされ、パラメータ数は13億を超える。1.6兆トークンにわたって学習され、そのデータセットは curation された異種性のあるもので、120万枚のX線画像と臨床専門家の指導によるメタデータを含む。モデルは複数の人口統計学的サブグループ、複数の撮影ビュー、そして12種類の病理にわたる制御可能なX線生成と編集をサポートする。さらに、X線合成の忠実度において最先端を大きく前進させ、生成画像は臨床専門家にとって実画像と区別がつかないと主張している。
論文ではプロジェクトページへのリンクが提供され、arXiv上でPDF版、実験的HTML版、TeXソースを閲覧できるほか、ライセンス情報も確認できる。DOIは10.48550/arXiv.2606.19460で、DataCiteにより発行され、現在登録待ちの状態にある。arXivのページには本文以外にも、NASA ADS、Google Scholar、Semantic Scholarといった引用ツールや、Connected Papers、Litmaps、scite.aiなどの文献関連・引用分析サービスへのリンクが掲載されている。また、alphaXiv、CatalyzeX、DagsHub、Gotit.pub、Hugging Face、ScienceCastといったコード・データ・メディア関連の入口や、Replicate、Hugging Face Spaces、TXYZ.AIなどのデモリソースも示されている。ページにはarXivLabsに関する説明も含まれ、arXivLabsは協力者がarXivのウェブサイト上で新機能を直接開発・共有できる実験的枠組みであり、参加者は開放性、コミュニティ、卓越性、ユーザーデータのプライバシーといった価値観に賛同する必要があるとしている。
研究の意義として、本研究の中心的な貢献は、生成的基盤モデルの規模を胸部放射線画像領域に拡張し、大規模で専門家が注釈を付けたデータと制御可能な生成能力によって、医用画像AIが長く抱えてきた汎化性とデータ多様性の課題に応答した点にある。著者は合成画像が専門家評価で実画像と区別できないと強調しているが、要旨では具体的な定量的評価指標、外部検証データセット、臨床展開の詳細は明らかにされていない。これらは論文全文を参照する必要がある。本プレプリントは現在v1版であり、今後の査読やコミュニティからのフィードバックに応じて改訂される可能性がある。