跳到正文
arXiv cs.AI· Hyungyung Lee, Hangyul Yoon, Edward Choi·· 10 小时前AI 评分29

CXReasonAgent:面向胸部 X 光的证据锚定诊断推理智能体

CXReasonAgent: Evidence-Grounded Diagnostic Reasoning Agent for Chest X-rays

AI 导读

CXReasonAgent 将 LLM 与临床诊断工具结合,利用图像导出的诊断与视觉证据完成证据锚定的多步诊断推理,无需重新训练即可支持新诊断任务。团队同时发布 CXReasonDail 多轮对话基准,覆盖 12 项诊断任务、共 1,946 段对话,实验显示其回答比 LVLM 更忠实地锚定证据。该工作已被 ML4H 2026 接收,demo 已开放。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:胸部 X 光在胸部诊断中起着核心作用,其解读本质上需要多步骤、基于证据的推理。然而,大型视觉语言模型(LVLM)常常生成看似合理但并未忠实基于诊断证据的回复,且提供的可供核验的视觉证据有限,同时还需要昂贵的重新训练才能支持新的诊断任务,这限制了它们在临床环境中的可靠性和适应性。为解决这些局限,我们提出 CXReasonAgent,一个将大型语言模型(LLM)与临床依据的诊断工具相结合的诊断智能体,利用从图像中获得的诊断与视觉证据执行基于证据的诊断推理。为评估这些能力,我们推出 CXReasonDail,一个涵盖 12 项诊断任务、包含 1,946 段对话的多轮对话基准,并表明 CXReasonAgent 生成的回复比 LVLM 更忠实于证据。这些发现凸显了整合临床依据的诊断工具以实现可靠且可验证的诊断推理的重要性。演示见 \href{此 https URL}{此处}。
评论: 已被 ML4H 2026 接收
主题: 人工智能(cs.AI)
引用为: arXiv:2602.23276 [cs.AI]
  (或 arXiv:2602.23276v3 [cs.AI] 用于此版本)
  https://doi.org/10.48550/arXiv.2602.23276

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Hyungyung Lee [查看邮箱]
[v1] 2026 年 2 月 26 日星期四 17:51:21 UTC(18,344 KB)
[v2] 2026 年 3 月 24 日星期二 09:05:23 UTC(18,665 KB)
[v3] 2026 年 11 月 18 日星期三 05:55:38 UTC(20,090 KB)

来源:arXiv cs.AI · arxiv.org