重新思考大型视觉语言模型中胸部 X 光推理的视觉归因

大型视觉语言模型（LVLM）在医疗应用中前景广阔，但其响应缺乏视觉证据支撑的问题引发了临床信任危机。针对现有视觉归因方法难以验证是否真实反映模型决策依据的难题，本文构建了因果评估框架，通过反事实编辑筛选出专家标注区域对预测具有因果责任的胸部 X 光数据。研究发现现有归因方法常失效，为此提出 MedFocus，一种基于概念的归因方法，利用非平衡最优运输定位解剖区域并量化其因果效应。实验表明该方法显著优于现有技术，提升了医疗 LVLM 的可信度。