面向医学影像的治理就绪型小型语言模型：提示工程、回避与PACS集成
计算机视觉与模式识别
2025-11-19 v3
摘要
小型语言模型（SLMs）是医学影像窄化、工作流程相关的实用选项，此时隐私、延迟和成本占主导地位。我们提出了一种治理就绪型配方，结合提示脚手架、校准回避以及符合标准的集成到Picture Archiving and Communication Systems（PACS）。我们的关注点是胸部X光片的正位/侧位视图标记辅助任务。我们在NIH Chest X-ray数据集上使用四个可部署的SLMs（Qwen2.5-VL、MiniCPM-V、Gemma 7B、LLaVA 7B），提供示范性证据：反思导向的提示对较轻模型有益，而更强的基线则不那么敏感。除了准确率外，我们还操作化了回避机制、预期校准误差和监督负担，并将输出映射到DICOM标签、HL7 v2消息和FHIR ImagingStudy。我们的贡献是一种以提示为导向的部署框架、一种用于校准、日志记录和变更管理的操作手册，以及从试点实用程序到读者研究的清晰路径，而无需过度承诺临床验证。我们另外指定了人因学RACI、分层校准以适应数据集漂移，以及一个可审计的证据包，以支持当地治理审查。
引用
@article{arxiv.2508.13378,
title = {Governance-Ready Small Language Models for Medical Imaging: Prompting, Abstention, and PACS Integration},
author = {Yiting Wang and Ziwei Wang and Di Zhu and Jiachen Zhong and Weiyi Li},
journal= {arXiv preprint arXiv:2508.13378},
year = {2025}
}
备注
Under Review