Checkup2Action：面向患者的临床检查报告数据集用于行动卡生成
计算与语言
2026-05-14 v2 计算机视觉与模式识别
摘要
临床检查报告是包含页面布局、表格、数值生物标志物、异常标志、影像发现和领域特定术语的多模态文档。此类异构证据对普通人而言难以解读且转化为具体的后续行动。虽然大型语言模型在医学摘要和分诊支持方面显示出前景，但其从多模态检查报告生成安全、优先级明确且面向患者的行动的能力尚未得到充分评估。我们提出Checkup2Action，一个用于结构化行动卡生成的多模态临床检查报告数据集和基准测试。每张卡片描述一个临床相关问题，指定其优先级、推荐科室、跟进时间窗口、患者友好解释以及医生提问，同时避免诊断性或治疗性表述。数据集包含2000份去标识化的真实检查报告，覆盖人口学信息、体格检查、实验室检测、心血管评估及影像相关证据。我们将检查报告到行动卡的生成定义为受限结构化生成任务，引入评估协议，涵盖问题覆盖与精度、优先级一致性、科室与时间推荐准确性、行动复杂度、有用性、可读性及安全合规性。实验表明，通用模型和医学大型语言模型之间存在问题覆盖、行动正确性、简洁性与安全对齐之间的明确权衡。Checkup2Action为评估临床检查报告上的面向患者推理提供了新的多模态基准。
引用
@article{arxiv.2605.11533,
title = {Checkup2Action: A Multimodal Clinical Check-up Report Dataset for Patient-Oriented Action Card Generation},
author = {Sike Xiang and Shuang Chen and Kevin Qinghong Lin and Jialin Yu and Yijia Sun and Philip Torr and Amir Atapour-Abarghouei},
journal= {arXiv preprint arXiv:2605.11533},
year = {2026}
}