CheXagent: Towards a Foundation Model for Chest X-Ray Interpretation

本文是LLM系列文章，针对《CheXagent: Towards a Foundation Model for Chest X-Ray Interpretation》的翻译。

摘要

胸部X光片（CXR）是临床实践中最常见的影像学检查。视觉语言基础模型（FM）开发的最新进展带来了执行自动CXR解释的可能性，这可以帮助医生做出临床决策并改善患者的预后。然而，由于（1）医学图像领域中大规模视觉语言数据集的可用性有限，（2）缺乏能够捕捉医学数据复杂性的视觉和语言编码器，以及（3）缺乏用于基准测试FMs对CXR解释能力的评估框架，开发能够准确解释CXR的FMs具有挑战性。在这项工作中，我们通过首先引入CheXinstruct来应对这些挑战——这是一个由28个公开可用的数据集策划的大规模指令调优数据集。然后，我们向CheXagent介绍一种能够分析和总结CXR的指令调整FM。为了构建CheXagent，我们设计了一个用于解析放射学报告的临床大型语言模型（LLM）、一个用于表示CXR图像的视觉编码器，以及一个连接视觉和语言模态的网络。最后，我们介绍了CheXbench，这是一种新的基准，旨在系统评估8项临床相关CXR解释任务中的FMs。由五位放射科医生进行的广泛定量评估和定性审查表明，CheXagent在CheXbench任务上优于先前开发的通用和医学领域FM。此外，为了提高模型的透明度，我们对性别、种族和年龄等因素进行了公平性评估，以突出潜在的性能差异。我们的项目位于https://stanford-aimi.github.io/chexagent.html.

1 引言

2 相关工作