ChexFract：从通用到专业化 —— 提升骨折描述生成能力

从胸部X光图像生成准确且临床意义明确的放射学报告，一直是医学人工智能中的重要挑战。虽然最近的视觉语言模型在通用放射学报告生成方面取得了优异成绩，但常常未能充分描述如骨折等罕见但临床重要的病灶。本工作通过开发针对骨折病理检测与描述的专业化模型来解决这一问题。我们使用来自 MAIRA-2 和 CheXagent 的编码器训练骨折专用视觉语言模型，显著优于通用模型在生成准确骨折描述方面的表现。通过分析不同骨折类型、部位及年龄段下模型输出，揭示了当前视觉语言模型架构的distinct优势与局限。我们公开发布最佳表现的骨折报告模型，促进未来在准确报告罕见病灶方面的研究。