中文

CR3G:放射学报告生成中以患者为中心的因果推理解释

机器学习 2025-12-16 v1 人工智能

摘要

自动胸部X光报告生成是旨在提高诊断准确性和帮助医生更快做出决策的重要研究领域。当前AI模型擅长在医学图像中发现相关性(或模式),但往往难以理解这些模式与患者病情之间的深层因果关系。因果推断是一种强大的方法,它超越识别模式,揭示X光中某些发现为何与特定诊断相关。在本文中,我们将探索提示驱动的框架——以患者为中心的放射学报告生成因果推理解释(CR3G),将其应用于胸部X光分析,通过关注因果关系、推理并生成以患者为中心的解释来改善对AI生成报告的理解。旨在提高AI驱动诊断的质量,使其在临床实践中更具实用性和可信度。CR3G在5种异常中的2种上展示了更好的因果关系能力和解释能力。

关键词

引用

@article{arxiv.2512.11830,
  title  = {CR3G: Causal Reasoning for Patient-Centric Explanations in Radiology Report Generation},
  author = {Satyam Kumar},
  journal= {arXiv preprint arXiv:2512.11830},
  year   = {2025}
}

备注

8 pages, 5 figures, 1 table