支架效应：快速框架如何推动临床 VLM 评估中明显的多模态收益

值得信赖的临床人工智能要求性能提升反映真实的证据整合，而不是表面的伪影。我们评估了两个临床神经影像队列 \textsc{FOR2107} （情感障碍）和 \textsc{OASIS-3} （认知衰退）的二元分类的 12 个开放权重视觉语言模型（VLM）。这两个数据集都带有结构 MRI 数据，不携带可靠的个体级诊断信号。在这些条件下，较小的 VLM 在引入神经影像背景后表现出高达 58% F1 的增益，而蒸馏模型与大一个数量级的同行相比具有竞争力。对比置信度分析表明，仅在任务提示中提及 MRI 可用性即可解释这种转变的 70-80%，而与是否存在成像数据无关，这是一种特定领域的模态崩溃实例，我们将其称为“支架效应”。专家评估揭示了在所有条件下都以神经影像为基础的合理性的捏造，并且偏好对齐，同时消除了 MRI 参考行为，将两种条件折叠到随机基线。我们的研究结果表明，表面评估不足以作为多模态推理的指标，这对 VLM 在临床环境中的部署具有直接影响。