CXReasonAgent：基于证据的胸腔X光诊断推理智能体
人工智能
2026-03-25 v2
摘要
胸腔X光在胸部诊断中占据核心位置，其解释本质上需要多步骤、以证据为依据的推理。然而，大型视觉语言模型（LVLMs）常常会生成并不忠实地基于诊断证据的 plausible响应，并且为验证提供有限的视觉证据，同时需要高昂的retraining以支持新的诊断任务，这限制了其在临床环境中的可靠性和可适应性。为此，我们提出CXReasonAgent，一种将大型语言模型（LLM）与临床依据的诊断工具集成，以利用从图像中派生的诊断和视觉证据进行证据依据诊断推理的诊断智能体。为评估这些能力，我们引入CXReasonDial，一个覆盖12个诊断任务、包含1946个对话的多轮对话基准测试，展示了CXReasonAgent会产生忠实于证据的响应，使诊断推理更可靠、可验证，优于LVLMs。这些发现凸显了在安全关键的临床环境中集成临床依据诊断工具的重要性。该演示可用\href{https://ttumyche.github.io/cxreasonagent/#demo}{here}获取。
关键词
引用
@article{arxiv.2602.23276,
title = {CXReasonAgent: Evidence-Grounded Diagnostic Reasoning Agent for Chest X-rays},
author = {Hyungyung Lee and Hangyul Yoon and Edward Choi},
journal= {arXiv preprint arXiv:2602.23276},
year = {2026}
}