DDX-TRACE：医学诊断轨迹在多模态大语言模型中的基准
计算机视觉与模式识别
2026-05-25 v1
摘要
医学诊断并非从完全指定的案例中进行单一预测。它是一个循序渐进的诊断过程：临床医生决定获取何种证据、修订差别诊断，并在诊断得到充分支持时停止。大多数医学AI基准相反，提前揭示相关背景信息，仅对最终答案进行评分，使不支持的正确猜测、过早的诊断闭合、低效的诊断过程以及不良的不确定性更新变得不可见。我们引入DDX-TRACE，一个由医生审核的、用于多模态神经放射学的基准，评估在隐藏证据下的诊断轨迹，涵盖211个具有挑战性的病例。每个病例开始时仅提供有限的临床史；模型以自由形式请求影像学检查，获得匹配的图像捆绑后，在每一步更新概率差别诊断，并以局部最终诊断结束。评估最先进的多模态大语言模型，我们发现最终诊断得分可能严重误导诊断质量：模型可能在缺乏关键证据的情况下进行合理猜测、请求有用检查但误解原始图像，或在获取证据效率低下且更新不确定性方面表现不佳。受控证据变体隔离了在规划、视觉证据提取和下游差别推理方面的瓶颈。DDX-TRACE将医学AI评估从最终答案转向依据证据支撑的诊断轨迹。
引用
@article{arxiv.2605.23629,
title = {DDX-TRACE: A Benchmark for Medical Diagnostic Trajectories in VLMs},
author = {Jiazhen Pan and Weixiang Shen and Jun Li and Julian Canisius and Felix Bitzer and Paula Roßmüller and Jiancheng Yang and Virginie Kreutzinger and Daniel Rueckert and Benedikt Wiestler},
journal= {arXiv preprint arXiv:2605.23629},
year = {2026}
}
备注
41 pages