微软研究院发布CARE-X 临床放射学VLM登顶多项基准

时间：2026年8月11日 地点：美国/印度 人物：微软研究院（Microsoft Research）生物医学影像团队高级研究员 Harshita Sharma 及其团队；印度 Narayana Health 临床合作方 事件详情：微软研究院于 8 月 11 日发布 CARE-X，一个面向胸部 X 光临床解读的统一视觉-语言模型（VLM）。模型基于 SigLIP2-so400M 视觉编码器与 Phi-4-mini-instruct（3.8B 参数）语言模型构建，并通过轻量级适配器和任务特定的辅助分类头、定位头连接。CARE-X 在统一的架构内同时支持生成式报告、存在/否定评估、疾病位置、多标签分类、医疗器械识别与放置检测、解剖结构定位等十余项放射学任务，并能输出可调节阈值的结构化预测分数。其训练采用三阶段监督微调（视觉预训练—适配器/头训练—LoRA 适配），并叠加 DAPO（Decoupled Clip and Dynamic Sampling Policy Optimization）强化学习，针对临床报告、VQA 与空间 grounding 任务设计奖励信号，直接优化临床质量指标。模型在 4 个报告生成基准上多数指标达到 SOTA，并在 ReXVQA 上取得 94.0% VQA 准确率（较次优基线 +6.0 个百分点），生成式空间解码能力接近专用检测头水平。在一项独立的混合推理实验中，研究人员将 Qwen3-VL-4B-Instruct 与确定性测量工具耦合，在 5 类依赖测量的胸片病征上较纯感知基线取得 +43.6 个百分点的平均 F1 提升。CARE-X 已在 Narayana Health 提供的印度真实临床数据上完成验证，重点覆盖罕见高危 ICU 病理以及 CT 确认的器官增大类病征。 背景：当前主流放射学 VLM 普遍存在三大缺口：生成式模型缺乏校准置信度，难以在不同临床场景下调敏感性—特异性阈值；标准交叉熵损失无法区分"致命漏诊"和"措辞改动"，对临床关键错误的惩罚与一般 token 错误相同；涉及心脏肥大、纵隔增宽等的"测量依赖型"诊断仍要靠视觉估算，缺乏对影像几何参数的直接计算。Narayana Health 是印度最大的医疗集团之一，长期与微软等机构合作探索 AI 辅助诊断场景。微软研究院 2026 年 6 月已与梅奥诊所（Mayo Clinic）达成战略合作，将 AI 医疗模型能力整合进 Azure Foundry API 面向全球医院开放。 影响：- CARE-X 通过"辅助监督 + 强化学习"路径，证明结构化判别式监督可以反哺生成式质量，为报告生成与诊断决策的融合提供新范式； - 模型在报告生成、视觉问答、解剖定位等多类任务上同时达到 SOTA，且具备可调节阈值，有望在医院实际部署中替代多个单任务模型； - 测量增强推理在依赖几何计算的病征（如心脏肥大）上取得 +43.6 pp 的 F1 提升，对胸片体检场景的高危人群初筛具有实用价值； - 在 Narayana Health 真实数据上的验证为新兴市场 AI 医疗落地提供借鉴，但也带来数据合规、模型监管审批的挑战； - 微软研究院布局医学多模态 AI 节奏明显加快，与梅奥诊所、Narayana Health 等机构的合作进一步打通"研究—临床—产品"链条。 总结：CARE-X 是微软研究院在临床放射学 VLM 上的一次系统性升级，通过把判别式辅助头与生成式语言主干"共训练"并叠加 DAPO 强化学习，让同一个模型既能生成报告、又能给出可调阈值的结构化诊断与空间定位，在多项基准上同时刷新 SOTA。结合测量工具增强的混合推理策略，胸片中依赖几何参数的"心脏肥大"等被长期低估的诊断难题也取得显著进展。整体上，CARE-X 体现了医学 AI 从"图像识别"走向"可校准临床决策"的研究转向。 参考来源： 1. 微软研究院官方博客：https://www.microsoft.com/en-us/research/blog/introducing-care-x-towards-clinically-useful-radiology-vlms-with-auxiliary-supervision-reward-aligned-learning-and-tool-augmented-measurement/ 2. 微软研究院发表页：https://www.microsoft.com/en-us/research/publication/care-x-towards-clinically-useful-radiology-vlms-with-auxiliary-supervision-reward-aligned-learning-and-tool-augmented-measurement/ 3. 微软生物医学影像组主页：https://www.microsoft.com/en-us/research/group/biomedical-imaging/ 4. 微软 Health Futures 实验室主页：https://www.microsoft.com/en-us/research/lab/microsoft-health-futures/ 5. 首席研究员 Harshita Sharma 个人页：https://www.microsoft.com/en-us/research/people/harssharma/ 6. NEJM AI - PadChest-GR（微软团队姐妹工作）：https://ai.nejm.org/doi/full/10.1056/AIdbp2401120 7. arXiv - RadVLM（多任务放射学对话 VLM，前置工作）：https://arxiv.org/abs/2502.03333 8. 微软 Build 2026 × 梅奥诊所合作（腾讯新闻中文报道）：https://news.qq.com/rain/a/20260330A05B5X00