arXiv cs.AI· Pengkai Wang, Wei-Wei Zhang, Yan Li, Min Tang, Zhitian Hou, Zeyu Liu, Guanghao Zhu, Yuanyi Wang, Yanggan Gu, Wenjun Wang, Minheng Ni, Congkai Xie, Zhijie Sang, Jianmin Wu, Ying Sun, Hongxia Yang·· 11 小时前AI 评分33
NPCBench：面向鼻咽癌多模态诊疗路径推理的临床学徒制基准
NPCBench: A Clinical Apprenticeship Benchmark for Multimodal Care-Pathway Reasoning in Nasopharyngeal Carcinoma
AI 导读
研究者提出 NPCBench，一个面向鼻咽癌的临床学徒制基准，包含 4,777 个组件与问诊条目，以及 100 名患者的 CarePath 队列、417 项计分诊断与诊疗任务。
正文 · AI 翻译
作者：Pengkai Wang、Wei-Wei Zhang、Yan Li、Min Tang、Zhitian Hou、Zeyu Liu、Guanghao Zhu、Yuanyi Wang、Yanggan Gu、Wenjun Wang、Minheng Ni、Congkai Xie、Zhijie Sang、Jianmin Wu、Ying Sun、Hongxia Yang
摘要：当前的医学基准通常将临床能力拆解为孤立的事实性问题、单图像任务或静态病例片段。这些测试对单个答案进行评分，但较少揭示模型能否将亚专科知识与多模态证据相结合，并在整个诊疗过程中追踪患者的病情。为弥补这一空白，我们提出了 NPCBench，一个面向鼻咽癌（NPC）的临床学徒制基准。NPCBench 模拟专科培训，涵盖从指南与基础知识到病例规划、纵向审查、CarePath 整合以及开放式问诊。它包含 4,777 个组件与问诊条目，以及一个由 100 名患者组成的 CarePath 队列，其中包含 417 个计分的诊断与照护任务。回合级评估检验诊断与照护答案在一条照护路径内是否同时正确。通过将分步任务与患者级照护轨迹相连接，NPCBench 评估模型能否将决策建立在视觉证据之上、解读患者状态的变化，并在问诊中满足临床要求。在 30 个被评估的模型中，我们观察到一种组合差距：在单个任务上的强劲表现并不能确保对同一患者给出同时正确的诊断与照护答案。在 21 个多模态模型中，严格的 CarePath 成功率最高仅达 23%。配对对照与医师校准进一步考察了证据依据、纵向修订与问诊评判。总体而言，NPCBench 将医学人工智能的评估从静态问答范式拓展至面向学徒制的临床工作流评估，从而为肿瘤照护中基于证据且时间连贯的推理提供了一个测试平台。
| 评论： | 已被第 40 届神经信息处理系统大会（NeurIPS 2026）评估与数据集分会接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2611.08369 [cs.AI] |
| （或本版本使用 arXiv:2611.08369v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2611.08369 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Wang Pengkai [查看邮箱]
[v1]
2026 年 11 月 5 日星期四 17:48:55 UTC（3,100 KB）
来源：arXiv cs.AI · arxiv.org