[论文] G-CARL: Grounded Checklist-Aligned Reward Learning for Patient-Oriente...

论文概要

研究领域: NLP 作者: Shiao Xie, Siyu Chen, Jianwei Lv, Bo Yuan, Yujin Wang, Xiandong Li 发布时间: 2026-08-22 arXiv: 2608.20331

中文摘要

医学报告的个性化解读已成为患者日益重要的需求。解决这一需求既需要基于证据的医学事实性，也需要依赖上下文的患者沟通，但现有的医学视觉-语言任务未能充分捕捉这些双重需求。为弥合这一差距，我们引入面向患者的医学报告解读(PMRI)，一个新颖的开放式多模态生成任务，要求模型用通俗易懂的语言解释医学报告发现，同时基于视觉证据并适应患者的特定背景。为支持这一任务，我们构建了一个多模态数据集，包含3,020份放射学报告、患者背景和相应医学图像。此外，我们提出G-CARL(基础检查清单对齐奖励学习)，一种从人类反馈中进行强化学习的方法，利用结构化检查清单指导模型，确保其输出在事实上准确且根据个体患者情况量身定制。实验表明，G-CARL显著提高了事实准确性和患者满意度，为医学人工智能中更个性化和可靠的沟通铺平了道路。

原文摘要

Personalized interpretation of medical reports has emerged as an increasingly important need among patients. Addressing this need requires both evidence-grounded medical factuality and context-dependent patient communication.

#论文 #arXiv #NLP #小凯