基于低剂量CT的可解释跨疾病推理心血管风险评估
计算机视觉与模式识别
2026-05-27 v5 人工智能
机器学习
摘要
低剂量胸部CT扫描能够同时捕获肺部和心脏结构，实现肺部和心血管健康的联合评估。现有方法通常独立建模这些领域，未明确表示其生理相互作用。我们提出了一种用于从低剂量CT进行心血管风险评估的可解释跨疾病推理框架。该框架遵循受限的临床信息通路：提取肺部发现，依据医学知识对跨器官机制进行 grounding，然后生成带自然语言依据的心血管预测。框架由四个组件组成：冻结的肺部风险先验、肺部感知模块、智能体推理模块和心脏亚体积特征提取器。其输出被融合，以整合局部心脏证据与机制级肺部背景。在国家肺部筛查试验队列上，该框架在CVD筛查中实现0.919的AUC，在CVD死亡率预测中达到最高0.838，优于心脏特定模型、单一疾病模型和基础模型。针对性控制表明，性能提升并非仅由额外胸部视觉特征、固定规则传播或单一推理后端所致。该框架因此提供了一种可审计的跨疾病心血管风险评估方法，从而实现从低剂量CT的心血管风险评估。
引用
@article{arxiv.2511.06625,
title = {Explainable Cross-Disease Reasoning for Cardiovascular Risk Assessment from Low-Dose Computed Tomography},
author = {Yifei Zhang and Jiashuo Zhang and Mojtaba Safari and Xiaofeng Yang and Liang Zhao},
journal= {arXiv preprint arXiv:2511.06625},
year = {2026}
}