# ORGANIC3D test of CT-modellen de juiste anatomie herkennen

> Een nieuw framework test hoe vision-language-modellen voor 3D-CT scans bevindingen aan organen koppelen en traint ze om meer af te gaan op relevant scanbewijs.

Oossa · 2026-11-19 · https://oossa.com/nl/organic3d-tests-whether-ct-models-use-the-right-anatomy

Onderzoekers hebben ORGANIC3D geïntroduceerd, een framework om te testen en te verbeteren of AI-modellen die 3D-CT-scans analyseren, geschreven bevindingen aan de juiste anatomie koppelen. Bij de tests worden scans aangepast door organen te verwijderen, laesies te vervangen of de links-rechtsoriëntatie om te draaien. Zo komen fouten in de koppeling aan het licht, zelfs bij modellen met hoge classificatiescores.

Volgens de onderzoekers behaalde hun model, dat uitsluitend met openbare data is getraind, een nauwkeurigheid van 77% bij het bepalen van de lichaamszijde, tegenover maximaal 66% voor eerdere modellen. Wanneer bij tests een orgaan werd verwijderd, trok het model 96–99% van de bevindingen over dat orgaan in; andere modellen trokken er maximaal 69% in.

## De feiten

- De benchmark beoordeelde 12 checkpoints van vision encoders en 7 generatieve vision-language-modellen.
- Het artikel verscheen op arXiv op 2026-11-19.

## Waarom het ertoe doet

Voor radiologieteams die AI voor CT-scans beoordelen, biedt ORGANIC3D tests om na te gaan of bevindingen van een model afhangen van de relevante anatomie. Het artikel toont echter niet aan hoe de resultaten zich vertalen naar klinisch gebruik.

## Bronnen en referenties

1. [ORGANIC3D: Grounding 3D CT Vision Language Models in Organ Level Image Text Coupling](https://arxiv.org/abs/2611.23529) – arXiv cs.CV, 2026-11-19

Laatst bijgewerkt: 2026-11-19
