MedAD-R1：通过一致性强化策略优化实现可解释医学异常检测中的一致推理
计算机视觉与模式识别
2026-02-03 v1
摘要
医学异常检测（MedAD）为利用大型多模态模型（LMM）提高诊断准确性提供了重要机遇，但依赖于针对简单且碎片化数据集的监督微调（SFT），已阻碍了具备合理推理和鲁棒多模态泛化能力的模型发展。为克服此问题，本文引入MedAD-38K，首个大规模、多模态和多中心的医学异常检测基准，包含诊断链式思考（Chain-of-Thought, CoT）注释及结构化视觉问答（VQA）配对。在此基础上，本文提出两阶段训练框架。第一阶段为认知注入（Cognitive Injection），使用SFT以建立医学知识并对齐结构化思考-回答范式。鉴于标准策略优化可能产生与最终答案不连贯的推理，第二阶段引入一致性组相对策略优化（Consistency Group Relative Policy Optimization, Con-GRPO）。该新型算法纳入关键一致性奖励，以确保生成的推理过程与最终诊断结果相关且逻辑连贯。我们提出的模型MedAD-R1在MedAD-38K基准上实现了状态最佳（SOTA）性能，相较于强基线提升超过10%。这种卓越性能源于其能够生成透明且逻辑一致的推理路径，为提升临床决策支持系统的可信度和可解释性提供了有前景的方案。
引用
@article{arxiv.2602.01081,
title = {MedAD-R1: Eliciting Consistent Reasoning in Interpretible Medical Anomaly Detection via Consistency-Reinforced Policy Optimization},
author = {Haitao Zhang and Yingying Wang and Jiaxiang Wang and Haote Xu and Hongyang Zhang and Yirong Chen and Yue Huang and Xinghao Ding},
journal= {arXiv preprint arXiv:2602.01081},
year = {2026}
}
备注
9 pages, 4 figures