Lunguage：面向结构化与序列化胸部X光片解读的基准
计算与语言
2026-04-30 v2 人工智能
摘要
放射学报告传达了详细的临床观察结果，并捕捉了随时间演变的诊断推理。然而，现有的评估方法局限于单报告设置，并依赖于无法捕捉细粒度临床语义和时间依赖性的粗粒度指标。我们引入了 LUNGUAGE，一个用于结构化放射学报告生成的基准数据集，它同时支持单报告评估和跨多次研究的纵向患者级评估。它包含 1,473 份标注的胸部 X 光片报告，每份均由专家审查，其中 186 份包含用于捕捉疾病进展和研究间间隔的纵向标注，同样由专家审查。使用此基准，我们开发了一个两阶段结构化框架，将生成的报告转化为细粒度的、与模式对齐的结构化报告，从而实现纵向解读。我们还提出了 LUNGUAGESCORE，一种可解释的指标，它在实体、关系和属性层面对结构化输出进行比较，同时对患者时间线上的时间一致性进行建模。这些贡献建立了用于序列化放射学报告的首个基准数据集、结构化框架和评估指标，实验结果表明 LUNGUAGESCORE 能够有效支持结构化报告评估。代码可在以下地址获取：https://github.com/SuperSupermoon/Lunguage
引用
@article{arxiv.2505.21190,
title = {Lunguage: A Benchmark for Structured and Sequential Chest X-ray Interpretation},
author = {Jong Hak Moon and Geon Choi and Paloma Rabaey and Min Gwan Kim and Jung-Oh Lee and Hyuk Gi Hong and Eun Woo Doe and Hangyul Yoon and Jiyoun Kim and Harshita Sharma and Daniel C. Castro and Javier Alvarez-Valle and Edward Choi},
journal= {arXiv preprint arXiv:2505.21190},
year = {2026}
}
备注
CHIL (Conference on Health, Inference, and Learning) 2026