SpineBench：基于 SpineMed-450k 语料库构建的临床相关、层级感知基准
计算机视觉与模式识别
2026-03-06 v3 人工智能
摘要
脊柱疾病影响全球 61900 万人，是致残的主要原因之一，但人工智能辅助诊断因缺乏面向层级的、多模态数据集而受限。临床决策需要在 X 光、CT 和 MRI 图像的特定椎骨层级上进行复杂的推理。然而，进展受限于缺乏可追溯、临床导向的指令数据以及标准化的脊柱专用基准测试。为此，我们引入 SpineMed，一个与实践中的脊柱外科医生共同设计的生态系统。其包含 SpineMed-450k，这是第一个专为实现椎骨层级推理而构建的大规模数据集，包含超过 45 万条指令实例；以及 SpineBench，一个临床导向的评估框架。SpineMed-450k 由多样化来源收集，包括教科书、指南、开放数据集以及约 1000 份去标识化的医院病例数据，并采用临床医生在环的管道，结合两阶段 LLM 生成方法（草稿与修订），确保高质量、可追溯的数据，用于问答、多轮咨询和报告生成。SpineBench 在临床相关维度上评估模型，包括层级识别、病灶评估和手术规划。我们对近期发展的多个大型视觉语言模型在 SpineBench 上的全面评估揭示了在细粒度、层级特定推理方面存在系统性弱点。相比之下，我们在 SpineMed-450k 上微调的模型在所有任务上均表现出一致且显著的改进。临床医生评估确认了我们模型输出的诊断清晰度和实际效用。
引用
@article{arxiv.2510.03160,
title = {SpineBench: A Clinically Salient, Level-Aware Benchmark Powered by the SpineMed-450k Corpus},
author = {Ming Zhao and Wenhui Dong and Yang Zhang and Xiang Zheng and Zhonghao Zhang and Zian Zhou and Yunzhi Guan and Liukun Xu and Wei Peng and Zhaoyang Gong and Zhicheng Zhang and Dachuan Li and Xiaosheng Ma and Yuli Ma and Jianing Ni and Changjiang Jiang and Lixia Tian and Qixin Chen and Kaishun Xia and Pingping Liu and Tongshun Zhang and Zhiqiang Liu and Zhongyan Bi and Chenyang Si and Tiansheng Sun and Caifeng Shan},
journal= {arXiv preprint arXiv:2510.03160},
year = {2026}
}