摘要
针对现有多模态大语言模型在心电图（ECG）解读中不可靠的问题，本文提出 ECG-R1，这是首个专为可靠 ECG 解读设计的推理模型。其三大创新包括：基于协议指导的数据生成，将解读锚定于可量化特征与诊断逻辑；解耦模态架构以提升鲁棒性；以及引入基于诊断证据奖励的强化学习以增强证据支撑的推理能力。研究系统评估了现有模型的幻觉问题，强调了独立验证的必要性。
AI 推荐理由
论文提出首个心电图推理 MLLM，核心创新在于基于诊断逻辑的证据强化推理机制。
研究机构
清华大学
中国医学科学院北京协和医学院
论文信息