摘要
本文提出 CheXthought，一个包含超十万条临床思维链轨迹及六百多万视觉注意力标注的全球多模态数据集。该资源旨在弥补当前视觉语言模型缺乏临床推理过程训练的缺陷。研究表明，利用该数据训练能显著提升模型的事实准确性、空间定位能力及不确定性沟通水平，有效减少幻觉，并支持预测人机分歧，为开发透明、可解释的多模态临床推理模型奠定基础。
AI 推荐理由
论文核心构建临床思维链数据集，直接提升多模态模型的推理与逻辑能力。
研究机构
Center for Artificial Intelligence in Medicine and Imaging, Stanford University, Stanford, CA, USA
Global Radiology Consortium
论文信息