Cerebra：用于多模态痴呆特征刻画与风险评估的多学科 AI 板
人工智能
2026-03-25 v2 计算机视觉与模式识别
摘要
现代临床实践越来越依赖于对异构、动态且不完整患者数据的推理。尽管近期的多模态基础模型进展提升了在各种临床任务上的性能，但大多数现有模型仍然是静态的、不可解释且未与真实世界临床工作流程对齐。我们提出Cerebra，一个交互式多智能体 AI 团队，协调专门的智能体进行 EHR、临床笔记和医学影像分析。这些输出被整合到面向临床工作人员的仪表板中，该仪表板结合了可视化分析与对话界面，使临床医生能够在就诊时检验预测结果并对风险进行背景化。Cerebra 通过在结构化表示上运行，支持隐私保留部署，同时在模态缺失时仍能保持稳健。我们使用覆盖4个独立医疗机构、涉及300万患者的大型多机构数据集对Cerebra进行了评估。Cerebra 在所有任务上均 consistently 优于最新的单模态模型和大型多模态语言模型基线。在痴呆风险预测中实现最高达到0.80的 AUROC，而最强的单模态模型为0.74，语言模型基线为0.68。在痴呆诊断中实现0.86的 AUROC，在生存预测中实现0.81的 C-index。在经验丰富的医生进行的读者研究中，Cerebra显著提升了专家性能，在预测性痴呆风险估计中准确率提升了17.5个百分点。这些结果表明Cerebra在临床护理中实现可解释、稳健的决策支持具有潜力。
引用
@article{arxiv.2603.21597,
title = {Cerebra: A Multidisciplinary AI Board for Multimodal Dementia Characterization and Risk Assessment},
author = {Sheng Liu and Long Chen and Zeyun Zhao and Qinglin Gou and Qingyue Wei and Arjun Masurkar and Kevin M. Spiegler and Philip Kuball and Stefania C. Bray and Megan Bernath and Deanna R. Willis and Jiang Bian and Lei Xing and Eric Topol and Kyunghyun Cho and Yu Huang and Ruogu Fang and Narges Razavian and James Zou},
journal= {arXiv preprint arXiv:2603.21597},
year = {2026}
}