AI与世界难题 · 医学与药物研发 · Nature (computational biology) · 2026-10-23
基于视觉-语言模型的乳腺X线报告自动生成两阶段合成到真实迁移学习
原标题: Two-stage synthetic-to-real transfer learning for automated mammography report generation using vision-language models
该论文针对乳腺X线影像与报告配对数据稀缺的问题，先在基于 BI-RADS 标注构建的合成报告上对 MedGemma-4B 进行预训练，再用 407 份真实报告进行微调。一项预先注册的对照评估发现，表面上的提升源于适配器容量不均等；在容量相同的条件下，两种训练方案的表现相当。诊断一致性从未超过 κ = 0.14，这表明阻碍报告达到临床可用水平的主要因素是诊断准确性，而非行文流畅度。