上交x创智x瑞金联合发布CX-Mind：胸片诊断进入“可验证推理”时代

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 上交x创智x瑞金联合发布CX-Mind：胸片诊断进入“可验证推理”时代 听雨 2026-05-18 14:57:10 来源： 量子位 五项维度全部排名第一 CX-Mind团队 投稿 量子位 | 公众号 QbitAI 胸片AI进入了一个新阶段： 不再只给诊断，开始给推理 。 过去的医学影像AI更像“分类器”，擅长回答有没有病、像不像某种病。 但真实临床需要的是一条能被医生复核的推理路径。 上海交通大学、上海创智学院与瑞金医院联合发布的 CX-Mind ，是目前首个将胸片诊断推进为 「可验证推理链」 的多模态大模型—— 从看到异常，到解释为什么、排除了什么、结论怎么来的，每一步都有影像证据支撑。 在横跨23个数据集、708,473张影像的评测中，它在视觉理解、报告生成和时空对齐三大能力域平均提升25.1%。 而在真实世界测试集Rui-CXR上，多中心医生主观评估五项维度全部 排名第一 。 为什么这项工作重要：医学AI的关键矛盾正在改变 胸部X光是临床最常用的影像检查之一，也是医学多模态大模型最重要的真实场景。 它的难点并不止于识别某个病灶，而在于把影像观察、病灶定位、共病判断、报告生成、历史比较和临床语义整合到同一个诊断链条中。 这也是过去很多胸片AI难以真正进入临床核心工作流的原因。 模型可以给出一个看似准确的标签，但医生仍然会追问： 依据是什么？排除了哪些可能？结论是否与报告 findings 一致？如果模型错了，错误发生在观察、鉴别还是总结阶段？ CX-Mind试图解决的，正是这个更深层的问题。 它不是把思维链写得更长，也不是让模型生成一段听起来合理的解释，而是把医学推理拆成可解析的 think-answer交错单元 ： 每一步先围绕影像证据进行观察和推断，再输出阶段性答案，随后继续完成鉴别、定位、报告生成或病程判断。 换句话说，CX-Mind把医学影像大模型的目标从“给出答案”推进为“给出可审查的答案形成过程”。 这使模型不再只是一个黑箱阅片工具，而更接近医生可以协作、追问和复核的临床推理伙伴。 △ CX-Mind 总体框架 CX-Mind的三重突破 第一重突破：重新定义胸片大模型的输出范式 传统医学视觉模型大多遵循one-shot judgment路线：输入影像，输出标签、选项或报告。 即便引入CoT，也常常变成一整段难以验证的长文本。 这样的解释看似完整，却很难判断哪些中间步骤真正来自影像，哪些只是语言模型生成的“医学叙事”。 CX-Mind的关键设计是 interleaved reasoning 。 在封闭式问题中，它逐项评估候选答案，给出保留或排除的证据；在开放式问题中，它先提出可能疾病，再围绕每一种疾病进行证据核验，最后形成诊断结论。 这种输出方式更接近真实阅片：先观察征象，再形成假设，再进行鉴别，最后写出结论。 这项工作的突破性不在于“让模型解释自己”，而在于让解释成为训练和奖励的一部分。 可解释性不再是事后附加的说明，而是模型学习诊断能力时必须满足的结构约束。 第二重突破：用CX-Set构建胸片专家能力谱系 要训练一个真正面向胸片诊断的大模型，仅靠疾病标签远远不够。 CX-Mind团队构建了大规模胸片指令数据集 CX-Set —— 整合 23个胸片相关公开数据集 ，形成 708,473张影像 与 2,619,148条指令样本 ，并进一步构建 42,828条 由真实放射学报告监督的高质量交错式推理样本。 CX-Set的设计遵循一个清晰问题：一个胸片专家到底需要哪些能力？ 论文将其拆解为三大能力域： Visual Understanding 用于疾病识别、单病判断和多病共存诊断； Text Generation 用于findings、impression和summary； Spatiotemporal Alignment 用于影像-文本匹配、体位识别、疾病进展判断和病灶定位。 因此，CX-Mind学到的不只是“某个标签是否存在”，而是一套完整的胸片诊断工作流： 看图、定位、比较、鉴别、总结、生成报告 。 这也是它相较于单点分类模型更具基础模型价值的原因。 第三重突破：CuRL-VPR 让强化学习同时约束答案与路径 医学诊断任务的强化学习难度远高于一般选择题。 开放式答案空间复杂，疾病可能共存，医学表达存在多种等价写法；更重要的是，最终答案正确并不代表中间推理可靠。 只奖励final answer，容易造成奖励稀疏、credit assignment困难和医学幻觉。 CX-Mind提出 CuRL-VPR ，即curriculum-based reinforcement learning with verifiable process rewards。 它的意思是，先从简单题练起，逐步加难；训练时不只看最终答案对不对，还用真实放射科报告来核查每一步推理是否有影像证据支撑。 整个训练流程包括医学文本warm-up、大规模胸片指令微调、交错式推理cold-start，以及基于GRPO的课程强化学习。 在奖励机制上，CX-Mind同时使用format reward（格式奖励）、final-result reward（最终结果奖励）和process reward（过程奖励）。 模型不仅需要输出格式正确、最终答案正确，还需要让中间think-answer步骤与真实放射学报告中的证据保持一致。 这意味着强化学习不再只盯着终点，而是开始关注路径质量。 对于医学场景而言，这一点极其关键： 一个来自错误证据的正确结论仍然不可接受，一段没有报告证据支撑的解释仍然可能是幻觉 。 同时，CX-Mind采用closed-to-open课程学习策略：先在二分类和选择题等封闭式任务上建立稳定可验证奖励，再迁移到开放式诊断任务。 这种训练节奏更符合临床任务难度梯度，也让开放式医学推理的RL过程更稳定。 △ CX-Mind四阶段训练管线 结果：越接近真实诊断，交错式推理越显优势 视觉理解：多病共存和开放式诊断中优势更突出 CX-Mind在二分类、单疾病识别、多疾病共存识别和开放式疾病识别中整体领先。 论文显示，相比胸片专用模型，CX-Mind在三大能力域上取得25.1%平均性能提升。 在更接近真实临床的复杂任务中，这一优势更加明显。 单疾病识别任务中，CX-Mind相比CheXagent和ChestX-Reasoner平均提升19.5%和21.0%；在多病共存诊断中，相应提升达到63.5%和21.2%。 这说明interleaved reasoning的价值不只是改善简单分类，而是在多异常、多证据、多候选诊断同时存在时，帮助模型更稳定地完成临床鉴别。 △ 视觉理解评测 报告生成：从“识别异常”走向“专业表达” 临床可用的胸片AI不能只给标签，还需要把影像发现转化为规范、清晰、可修改的医学语言。 CX-Mind在findings generation、impression generat