微软研究院发布CARE-X：具备辅助监督、奖励对齐学习与工具增强测量的放射学视觉语言模型

微软研究院开发了CARE-X，这是一种用于胸部X光片解读的研究模型，它结合了生成式与判别式能力，可支持从报告生成到疾病分类和解剖定位等一系列放射学任务。该模型基于SigLIP2视觉编码器和Phi-4-mini语言模型构建，并添加了特定于任务的辅助头，提供校准后的置信度分数，使临床医生能够调整灵敏度-特异性之间的权衡。该模型经过三个阶段的监督微调，随后采用DAPO强化学习，优化临床报告、诊断准确性和空间定位等方面的任务特定奖励。在MIMIC-CXR、IU-Xray、CheXpert-Plus和ReXGradient等基准测试中，CARE-X表现出色，并在ReXVQA基准上达到94%的准确率，超越了其他公开报告的模型。在另一项实验中，研究团队将Qwen3-VL-4B-Instruct与确定性测量工具配对，用于处理心脏肥大和主动脉增宽等定量评估，这显著优于仅依赖视觉近似的方法；例如，心脏肥大的F1分数从74.56提升到96.00。该模型在来自Narayana Health的真实世界印度临床数据（包括罕见ICU病理）上进行了验证，但它是一个研究模型，未被批准用于临床。