经由不可变推理快照建模专家与 AI 的诊断对齐

人在回路验证在安全攸关的临床 AI 中至关重要，但从初始模型推理到专家纠正的过渡很少被作为结构化信号分析。我们提出一个诊断对齐框架：AI 生成的基于图像的报告被保存为不可变推理状态，并与医生验证的结果系统比较。推理管线集成视觉大语言模型、基于 BERT 的医学实体抽取，以及序列语言模型推理（SLMI）步骤，以在专家审阅前强制领域一致的精修。评估在 21 个皮肤科病例（21 对完整 AI-医生配对）上进行，采用四级一致性框架，包括精确主诊断匹配率（PMR）、语义相似度调整率（AMR）、跨类别对齐与综合一致率（CCR）。精确一致率达 71.4%，且在语义相似度下保持不变（t = 0.60），结构化跨类别与鉴别重叠分析给出 100% 综合一致（95% CI：[83.9%, 100%]）。无病例出现完全诊断分歧。这些发现表明，二元词汇评估会大幅低估有临床意义的对齐。将专家验证建模为结构化转换，支持对纠正动态的信号感知量化，并为基于图像的临床决策支持系统提供可追溯、人类对齐的评估。