CARDEA: Auditable Reasoning Grounded in Spatial Evidence for End-to-End Coronary Angiography Interpretation

Invasive coronary angiography (CAG) is the gold standard for diagnosing coronary artery disease, but interpretation varies substantially among observers. Existing AI systems can improve consistency but lack auditable decision processes and are limited in comprehensive open-ended assessment, undermining clinician trust and clinical adoption readiness. We developed CARDEA, a unified large vision-language model that serves as the inference core of a CAG pipeline. It was trained solely on public datasets and closed-ended tasks in three stages: visual feature alignment, a self-distilled Chain-of-Box (CoB) cold start, and reinforcement learning with verifiable rewards (RLVR) with a CoB reward encouraging bounding-box use in the reasoning trace. We assessed its two study-level diagnoses, dominance classification and complexity assessment, against a dedicated classifier and two interventional cardiologists. Report generation was excluded from training and evaluated zero-shot across stages on an external cohort using vessel-severity macro-F_1. CARDEA trailed the classifier on in-distribution dominance but drew level under domain shift (accuracy, 0.91 [95% confidence interval (CI), 0.86 to 0.95]) and was comparable to the cardiologists on complexity assessment (accuracy, 0.90 [CI, 0.82 to 0.97]). Only RLVR improved zero-shot report generation, raising its vessel-severity macro-F_1 (0.686 [CI, 0.664 to 0.707]) above the untuned base model (0.513) and over twice the always-normal floor (0.312). CARDEA runs an end-to-end CAG pipeline from raw multi-view videos through keyframe selection to study-level diagnosis while exposing auditable spatial evidence behind its conclusions. RLVR on verifiable closed-ended tasks surfaced open-ended reporting ability that supervised imitation did not. Clinical use requires prospective validation against expert cardiologists.

한 줄 요약

CARDEA는 강력한 시각-언어 모델과 Chain-of-Box 추론을 결합해 치료 결정을 지지하는 체계적 CAG 해석 파이프라인을 제공한다.

핵심 기여도

CARDEA는 단일 대규모 시각-언어 모델(Qwen3-VL-30B-A3B-Thinking)을 기반으로, CAG 영상 해석 파이프라인의 핵심 인퍼런스 코어로 사용됨.
세 단계 학습(visual feature alignment, self-distilled Chain-of-Box cold start, RLVR with CoB reward)을 통해 시각적 추론 능력과 검증 가능한 추론 추적을 결합.
병증 분류(accuracy 0.91)와 복잡도 평가(accuracy 0.90)에서 심장 전문의 수준에 근접.
RLVR 단계가 zero-shot 보고서 생성 성능을 기존 모델 대비 0.686 (CI 0.664–0.707)로 향상.

핵심 아이디어

CARDEA는 기존 CAG AI 시스템의 주요 한계, 즉 **검증 불가능한 추론 과정**과 **개방형 평가 부재**를 해결하기 위해 설계되었다. 기존 모델은 단일 레이블 또는 좌표만 출력하는 **판별적 모델**이거나, 보고서 생성은 추론 과정과 분리되어 있어 **검증 불가능**하다. CARDEA는 **Chain-of-Box (CoB)** 추론을 도입해, 각 결론에 **경계 상자(bounding box)**를 연결함으로써 **시각적 근거**를 제공한다. 이는 의사가 모델의 추론 과정을 **실제 영상과 비교하여 검토**할 수 있게 한다.

또한, **강화 학습 with Verifiable Rewards (RLVR)**를 통해 CoB 추론을 강화하고, **zero-shot 보고서 생성** 능력을 유도한다. 기존의 지도 학습은 보고서 생성 능력을 훈련시키지 못했지만, RLVR은 정확한 답변에 기반한 보상으로 **내재적 합성 능력**을 강화하여 보고서 생성 성능을 향상시킨다.

기술적 접근법

**모델 기반**: Qwen3-VL-30B-A3B-Thinking 기반의 대규모 시각-언어 모델.
**학습 단계**:

1. **Visual Feature Alignment**: 일반 영상-언어 도메인에서 CAG 도메인으로 특징 정렬.
2. **Self-Distilled Chain-of-Box Cold Start**: 기존 모델의 경계 상자 추론을 기반으로 CoB 추론 훈련.
3. **Reinforcement Learning with Verifiable Rewards (RLVR)**: CoB 기반 보상을 통해 추론 추적 강화.

**추론 파이프라인**:
**첫 번째 패스**: 각 영상에서 대표 키프레임 선택 및 뷰 분류.
**두 번째 패스**: 키프레임 집합에 대해 CoB 기반 다중 이미지 추론 수행.
**하이퍼파라미터**: 학습 스텝 400, 4× NVIDIA B200 GPU 사용, 텐서 병렬 처리.

주요 결과

**병증 분류 (Dominance Classification)**:
In-distribution 데이터에서 전용 분류기보다 낮은 성능 (accuracy 0.91 vs. 0.95),
도메인 쉬프트 시 동일 수준 (accuracy 0.91 [CI 0.86–0.95]).
**복잡도 평가 (Complexity Assessment)**:
심장 전문의와 유사한 정확도 (accuracy 0.90 [CI 0.82–0.97]).
**Zero-shot 보고서 생성**:
RLVR 단계에서 vessel-severity macro-F1 0.686 (CI 0.664–0.707) 달성,
기존 기반 모델 대비 0.513 → 0.686 향상,
항상 정상 판단 기준(0.312) 대비 2배 이상 향상.

의의 및 한계

CARDEA는 **단일 모델**로 CAG 영상 해석의 **전 단계**를 처리하며, **검증 가능한 추론 추적**을 제공하는 최초의 시스템이다. CoB 추론은 의사가 모델의 결론에 **시각적 근거**를 확인할 수 있게 하여 **신뢰도 향상**에 기여한다. RLVR를 통해 **개방형 보고서 생성** 능력을 유도한 점도 학술적·실용적 의의가 있다.

그러나 한계도 존재한다. 첫째, **임상 검증 미비**로 전문가와의 비교가 필요하다. 둘째, **학습 데이터가 혈관 및 협착에 집중**되어 다른 병변은 학습 부족. 셋째, **시간 동적 흐름 정보**는 키프레임 기반으로만 처리되어 잃어버림. 넷째, **도메인 쉬프트 시 CoB 사용률 감소** (65% → 92%)로 추론 신뢰도가 저하될 수 있음.

실용적 활용

CARDEA는 심장 전문 병원에서 CAG 영상 해석 자동화에 활용 가능하며, 의사의 판단을 보조하는 도구로 사용될 수 있다. 특히, 보조 진단 및 보고서 생성에서의 검증 가능성은 의료 AI의 임상 채택을 촉진할 수 있다. 또한, 교육 및 훈련 환경에서 모델의 추론 과정을 시각화해 학습자에게 해부학적 이해를