重磅医学AI论文 值得一读！
研究背景与核心痛点：尽管多模态大语言模型（MLLM）在医学影像领域展现出潜力，但其推理过程多为自由文本且仅凭最终答案评估，导致结果难以解释和验证。在3D放射学中，诊断结果必须能够追溯到扫描图像中的具体证据。
现有数据集的局限性：现有的胸部 CT 问答数据集将专家放射学报告简化为“仅答案”对，删除了连接检查结果与结论的推理过程，并省略了临床医生依赖的患者病史，导致目前缺乏训练和验证可信3D胸部 CT MLLM 所需的结构化监督与协议。
CORTEX 基准的提出：本文推出了 CORTEX（Clinically Organized Reasoning and sTructured EXplanation），这是一个专为 3D 胸部 CT 设计的结构化推理基准。
诊断轨迹的重建：CORTEX 为每个问题恢复了缺失的推理过程，构建了模拟放射科医师工作流程的四阶段诊断轨迹（包括任务理解、视觉观察、诊断推理和答案综合）。
生成与验证机制：利用具有广泛医学和通用知识的前沿大语言模型生成这些轨迹，并通过结合自动化评分标准与专家放射科医师审查的阶段级评估协议进行过滤和验证。
数据集规模与价值：基于无推理标注的公开胸部 CT 数据集构建，CORTEX 包含 76,177 个经验证的推理轨迹（涵盖开放式/封闭式问答及报告生成），为打造可信的 3D 胸部 CT 推理模型提供了必要的结构化监督与评估协议。
ai 数据科学 面经 ghc opt H1B data 转码 data求职