Skin-SOAP：基于弱监督的结构化 SOAP 病历生成框架

皮肤癌是全球最常见的癌症形式，年均花费超过 80 亿美元。早期诊断、准确且及时的治疗对于提高患者存活率至关重要。在临床实践中，医生会使用详细的 SOAP（Subjective, Objective, Assessment, Plan）病历记录患者就诊情况。然而，手动生成这些病历信息耗时且贡献于医疗工作负荷增加。本文提出 skin-SOAP，一个基于弱监督的多模态框架，用于从有限输入（包括皮肤病灶图像和稀疏临床文本）生成临床结构化 SOAP 病历。我们的 метод 减少了对手动标注的依赖，实现可扩展且临床导向的文档生成，减轻了医师负担，降低了大规模标注数据需求。我们的方法在关键临床相关性指标上达到与 GPT-4o、Claude 和 DeepSeek Janus Pro 相当的性能。为评估临床相关性，我们引入两个新指标 MedConceptEval 和临床连贯性得分（CCS），分别衡量与专家医学概念和输入特征之间的语义对齐程度。