BiomedXPro：面向可解释诊断的生物医学视觉语言模型提示优化
计算机视觉与模式识别
2025-10-20 v1 神经与进化计算
摘要
生物医学视觉语言模型的临床应用受限于提示优化技术，这些技术要么生成难以解释的潜在向量，要么仅生成单一文本提示。由于缺乏透明度以及未能捕捉临床诊断多维度特征——后者依赖于整合多样观察——限制了其在高风险场景中的可信度。为此，我们引入 BiomedXPro，一种演化框架，利用大型语言模型作为生物医学知识提取器和自适应优化器，自动生成用于疾病诊断的可解释、自然语言提示配对。实验表明，BiomedXPro 在多个生物医学基准测试中持续超越最新提示调优方法，尤其在数据稀缺的零样本设置中表现更佳。进一步分析显示，所发现的提示与统计显著临床特征之间存在强语义对齐，将模型性能置于可验证概念之中。通过生成可解释的提示组合，BiomedXPro 为模型预测提供可验证依据，标志着开发更可信且临床导向 AI 系统的关键一步。
引用
@article{arxiv.2510.15866,
title = {BiomedXPro: Prompt Optimization for Explainable Diagnosis with Biomedical Vision Language Models},
author = {Kaushitha Silva and Mansitha Eashwara and Sanduni Ubayasiri and Ruwan Tennakoon and Damayanthi Herath},
journal= {arXiv preprint arXiv:2510.15866},
year = {2025}
}
备注
10 Pages + 15 Supplementary Material Pages, 5 figures