通过专家三重协议评估多模式慢性伤口包埋

隐性营养不良性大疱性表皮松解症 (RDEB) 是一种罕见的遗传性皮肤病，临床医生可以通过使用图像和临床文本查找类似病例而受益匪浅。然而，现成的基础模型无法可靠地捕获这种异质性长尾疾病的临床有意义的特征，并且与专家的一致性的结构化测量具有挑战性。为了解决这些差距，我们建议通过专家序数比较（三元组判断）来评估嵌入空间，这可以快速收集和编码隐含的临床相似性知识。我们进一步介绍了 TriDerm，这是一个多模式框架，通过整合伤口图像、边界掩模和专家报告，从小群体中学习可解释的伤口表征。在视觉方面，TriDerm 使用伤口级注意力池和非对比表示学习将视觉基础模型适应 RDEB。对于文本，我们通过比较查询提示 大语言模型，并通过软序数嵌入 (SOE) 恢复具有医学意义的表示。我们表明，视觉和文本模式捕捉了伤口表型的互补方面，并且融合两种模式与专家的一致性达到 73.5%，比最好的现成单一模式基础模型高出 5.6 个百分点以上。我们公开提供专家注释工具、模型代码和代表性数据集样本。