Colon-X：推进智能结肠镜检查走向临床推理
计算机视觉与模式识别
2026-03-17 v2
摘要
在本研究中，我们提出了 Colon-X，一个旨在推进结肠镜检查中多模态智能的开放倡议。我们首先构建了 ColonVQA，这是有史以来最全面的结肠镜检查多模态数据集，涵盖 76 个临床发现和 18 个多模态任务，包含超过 110 万+视觉问答条目。除了作为社区范围的数据基础之外，我们进一步研究了结肠镜检查中一个关键但尚未被充分探索的转变：从多模态理解向临床推理的演进。（a）为了捕捉当前多模态理解行为的全貌，我们系统评估了 22 个多模态大语言模型的泛化能力，并检验其在人为扰动下的可靠性。结果表明，领先 MLLM 的临床输出远非稳健和可信。（b）为了缩小这一差距，我们进一步探索了针对结肠镜检查的以推理为核心的智能。具体而言，我们整理了 ColonReason，一个通过多智能体辩论流程标注的临床推理数据集，并开发了 ColonR1——首个 R1 风格模型，通过任务自适应奖励和梯度稳定策略优化来缓解奖励信息坍塌。在数据稀缺条件下，我们的 ColonR1 达到了 56.61% 的总体准确率，优于监督微调 25.22%，为多模态结肠镜分析设立了新的推理增强基准。所有数据和模型资源在 https://github.com/ai4colonoscopy/Colon-X 公开发布。
引用
@article{arxiv.2512.03667,
title = {Colon-X: Advancing Intelligent Colonoscopy toward Clinical Reasoning},
author = {Ge-Peng Ji and Jingyi Liu and Deng-Ping Fan and Huazhu Fu and Nick Barnes},
journal= {arXiv preprint arXiv:2512.03667},
year = {2026}
}
备注
Technical report (v2)