微软研究发布胸部 X 光视觉语言模型 CARE-X
CARE-X 用强化学习和工具增强测量，提升胸部 X 光 AI 解读的准确性与实用性，但仍是研究模型。
微软研究院推出 CARE-X，一个面向胸部 X 光解读的视觉语言模型（VLM，能同时理解图像和文本的 AI 模型）。它结合报告生成与结构化预测，并用强化学习（让模型根据奖励信号优化行为的方法）提升临床准确性。研究还尝试用外部测量工具替代视觉近似，减少测量误差。该模型已在印度真实临床数据上验证，但尚非产品。
正文摘录
 研究说明：CARE-X 是一个研究模型，并非微软的产品或医疗设备。它未经任何监管机构批准或认证，不适用于临床诊断、筛查或患者护理。下文所述结果为回顾性研究结论，不构成 CARE-X 在临床用途上的安全性、有效性或适用性证明。文中提到的潜在工作流仅代表未来研究方向，并非当前可用能力或推荐用途。 概览 - 挑战：胸部 X 光解读涵盖多种任务，既要生成表达丰富的报告，也要输出校准过的诊断预测。 - CARE-X 是一个统一的胸部 X 光 VLM，面向多样化的临床解读任务。它结合生成与结构化预测的能力，同时提供自由文本推理和确定性输出。 - CARE-X 使用强化学习（DAPO）在多任务场景下奖励临床正确性。 - 在 CARE-X 之外的独立研究实验中，我们将 Qwen3-VL-4B-Instruct 与确定性测量工具配对，以评估直接计算是否比纯视觉近似更能提升测量依赖型病症的诊断表现。 - 在 Narayana Health 的真实印度临床数据上完成验证，包括罕见 ICU 病理和 CT 确诊的心脏/血管增大类病症。 放射科医生需要什么：任务多样性、灵活性与临床保真度 一个临床可用的放射学 AI 系统必须支持广泛的任务类型，适配不同的工作流程，并输出医学上准确的结果。 放射科医生和其他临床医生对胸部 X 光有各种不同的使用目的。