MedRCube：用于医学影像中 MLLMs 精细深入评估的多维框架
计算与语言
2026-04-16 v1 计算机视觉与模式识别
摘要
多模态大语言模型（MLLMs）在医学影像领域的潜力提升了系统且严谨评估框架的需求，这些框架需与实际医学影像实践相吻合。现有做法仅报告单一或粗糙的指标，缺乏专门临床支持所需的细粒度，无法评估推理机制的可靠性。为此，我们提出一种向多维、细粒度和深入评估范式的转变。基于为此范式设计的两阶段系统构建管道，我们以 MedRCube 实例化。我们对 33 个 MLLMs 进行基准测试，Lingshu-32B 取得领先表现。关键在于，MedRCube 揭示了在先前评估设置下无法察觉的若干显著洞见。此外，我们引入了可信度评估子集，用于量化推理可信度，发现捷径行为与诊断任务性能高度显著正相关，这对临床可信部署提出了警惕。本工作的资源可在 https://github.com/F1mc/MedRCube 查阅。
引用
@article{arxiv.2604.13756,
title = {MedRCube: A Multidimensional Framework for Fine-Grained and In-Depth Evaluation of MLLMs in Medical Imaging},
author = {Zhijie Bao and Fangke Chen and Licheng Bao and Chenhui Zhang and Wei Chen and Jiajie Peng and Zhongyu Wei},
journal= {arXiv preprint arXiv:2604.13756},
year = {2026}
}