Huidige medische visiemodellen beschikken over een basisbegrip van waar organen zich doorgaans bevinden, maar schieten tekort zodra er complexe ruimtelijke redeneringen vereist zijn binnen een specifieke patiëntscan. Terwijl een radioloog in staat is om structuren aan weerszijden van het lichaam te vergelijken en exacte afstanden tussen organen in te schatten, blijken AI-systemen deze vaardigheid grotendeels te missen.
In een studie getiteld "Do Medical Vision Models Reason About Anatomy?", gepubliceerd op 28 augustus 2026, onderzochten Naren Akash en Neeraja Ramanan de capaciteiten van medische visie-encoders. Om dit te toetsen introduceerden zij 'SPAR-Bench', een testset met acht verschillende probes die specifiek zijn gericht op abdominale CT-scans. Volgens de publicatie op arxiv.org maken deze tests een essentieel onderscheid tussen het simpelweg lokaliseren van coördinaten, relationeel redeneren en het beantwoorden van ruimtelijke vragen.
De resultaten van het onderzoek wijzen op een significante beperking: wanneer modellen gevraagd werden om vergelijkingen te maken binnen een specifieke scan-slice, waren de resultaten niet beter dan toevalstreffers. De auteurs stellen dat noch de architectuur van het model, noch finetuning of een grotere schaal van pretraining in staat was om dit gebrek aan ruimtelijk inzicht op te lossen. Dit suggereert dat de modellen niet actief berekeningen uitvoeren op het beeld, maar eerder een soort 'canonieke kaart' reproduceren van waar organen gemiddeld gezien liggen.
Een opvallende bevinding in de analyse op is het verschil in hoe informatie wordt uitgelezen. Wanneer bevroren kenmerken werden geanalyseerd met een 'pooled head' in plaats van de volledige set tokens, steeg het herstel van relationele informatie spectaculair van 0,7% naar 67,8%. Dit duidt erop dat de modellen wel degelijk meer informatie bevatten dan aanvankelijk gedacht, maar dat deze data niet efficiënt wordt benut voor actuele redeneringen.
Naast visie-encoders werden ook vier open-weight multimodale grote taalmodellen (MLLMs) getest. Hierbij bleek dat vragen die de visie-encoders nog enigszins konden beantwoorden, door de MLLMs op het niveau van toeval werden beantwoord. Dit bevestigt dat gespecialiseerde encoders wel een basisbegrip van locaties hebben, maar dat de stap naar echt ruimtelijk inzicht nog niet is gezet.
De noodzaak voor dergelijke precisie is in de klinische praktijk cruciaal. Voor een correcte diagnose zijn visuele hulpmiddelen en anatomische accuratesse onmisbaar, zoals ook blijkt uit de uitgebreide informatie over ziekten en chirurgische ingrepen in de medlineplus.gov. De toegang tot betrouwbare medische kennis via platforms zoals onderstreept het belang van correcte anatomische representaties.
De conclusie van de onderzoekers is dat medische AI-modellen momenteel fungeren als een statistische atlas. Ze kunnen weliswaar aangeven waar een orgaan gemiddeld bevindt, maar ze missen de noodzakelijke instrumenten om structuren binnen de unieke anatomie van een individuele patiënt correct te vergelijken en te analyseren.