论文
MedLayBench-V：医学视觉语言模型中专家语义对齐的大规模基准
MedLayBench-V: A Large-Scale Benchmark for Expert-Lay Semantic Alignment in Medical Vision Language Models
摘要
医学视觉语言模型 (Med-VLM) 在解释诊断成像方面已达到专家级熟练程度。然而，当前的模型主要是根据专业文献进行训练的，这限制了它们在以患者为中心的护理所需的非专业登记册中传达研究结果的能力。虽然以文本为中心的研究积极开发了用于简化医学术语的资源，但严重缺乏旨在促进非专业人士理解医学图像的大规模多模态基准。为了弥补这一资源差距，我们推出了 MedLayBench-V，这是第一个致力于专家级语义对齐的大规模多模式基准。与可能产生幻觉的天真的简化方法不同，我们的数据集是通过结构化概念基础细化（SCGR）管道构建的。该方法通过将统一医学语言系统 (UMLS) 概念唯一标识符 (CUI) 与微观实体约束相集成来强制执行严格的语义等效性。 MedLayBench-V 为训练和评估下一代 Med-VLM 提供了经过验证的基础，能够弥合临床专家和患者之间的沟通鸿沟。